P. 1
MATEMATIKA1

MATEMATIKA1

|Views: 52|Likes:
Published by Valkovic Dragan

More info:

Published by: Valkovic Dragan on Oct 10, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

02/11/2014

pdf

text

original

Sections

  • Uvod
  • Vektorski raˇcun
  • 1.1 Vektori i osnovne operacije s njima
  • 1.4 Vektorski prostor Rn
  • 1.5 Skalarni produkt
  • 1.6 Digresija - determinante matrica 2. i 3
  • 1.7. DESNI I LIJEVI KOORDINATNI SUSTAVI. ORIJENTACIJA 29
  • 1.7 Desni i lijevi koordinatni sustavi. Ori-
  • 1.8 Vektorski produkt
  • 1.9 Mjeˇsoviti produkt
  • Analitiˇcka geometrija
  • 2.1 Pravac u ravnini
  • 2.1.1 Op´ci oblik jednadˇzbe pravca u ravnini
  • 2.1.2 Segmentni oblik
  • 2.1.3 Kanonski oblik
  • 2.1.4 Pravac kroz dvije toˇcke
  • 2.1.5 Eksplicitni oblik
  • 2.1.6 Normirani oblik (normalni oblik)
  • 2.2 Odnosi toˇcaka i pravaca u ravnini
  • 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost
  • 2.2.2 Udaljenost toˇcke od pravca
  • 2.2.3 Presjeciˇste dvaju pravaca
  • 2.2.4 Uvjet presijecanja pravca i segmenta (duˇzine)
  • 2.2.5 Uvjet presijecanja triju pravaca u istoj toˇcki
  • 2.3 Pravac u prostoru
  • 2.3.1 Pravac kroz jednu toˇcku sa zadanim smjerom
  • 2.3.2 Parametarske jednadˇzbe pravca
  • 2.3.3 Kanonske jednadˇzbe pravca
  • 2.3.4 Pravac kroz dvije toˇcke
  • 2.3.5 Pravac zadan dvjema projekcijama
  • 2.3.6 Sveˇzanj pravaca
  • 2.3.7 Dijeljenje duˇzine u zadanom omjeru
  • Slika 2.12: Dijeljenje duˇzine u zadanom omjeru
  • 2.4 Ravnina u prostoru
  • 2.4.1 Normalni oblik jednadˇzbe ravnine
  • Slika 2.13: Normalni oblik jednadˇzbe ravnine
  • 2.4.2 Segmentni oblik jednadˇzbe ravnine
  • 2.4.3 Op´ci oblik jednadˇzbe ravnine
  • 2.4.4 Parametarski oblik jednadˇzbe ravnine
  • 2.4.5 Jednadˇzba ravnine kroz tri toˇcke
  • 2.5 Odnosi ravnina i pravaca u prostoru
  • 2.5.1 Kut dviju ravnina
  • 2.5.2 Presjeciˇste triju ravnina
  • 2.5.3 Kut pravca i ravnine
  • 2.5.4 Presjeciˇste pravca i ravnine
  • 2.5.5 Pripadnost pravca ravnini
  • 2.5.6 Kut dvaju pravaca
  • 2.5.7 Presjeciˇste dvaju pravaca
  • 2.5.8 Udaljenost dvaju pravaca u prostoru
  • Matrice i linearni sustavi
  • 3.1 Osnove matriˇcnog raˇcuna
  • 3.1.1 Motivacija
  • 3.1.2 Osnovni pojmovi
  • 3.1.3 Linearna kombinacija matrica
  • 3.1.4 Mnoˇzenje matrica
  • 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
  • 3.2.3 Homogeni sustavi
  • 3.2.4 Rjeˇsavanje linearnog sustava
  • 3.2.5 Determinanta. Cramerovo pravilo
  • 3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115
  • 3.3 Problem svojstvenih vrijednosti
  • 3.3.1 Matrice kao linearni operatori
  • 3.3.2 Svojstvene vrijednosti i svojstveni vektori
  • Nizovi i redovi
  • 4.1 Nizovi realnih brojeva
  • 4.1.1 Pojam niza
  • 4.1.2 Graniˇcna vrijednost niza. Konvergencija niza
  • 4.1.3 Raˇcunanje s graniˇcnim vrijednostima
  • 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 ˇclanovima
  • 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
  • Funkcije
  • 5.1 Osnovni pojmovi
  • 5.1.1 Motivacija i definicija
  • 5.1.2 Naˇcini zadavanja funkcije
  • 5.1.3 Graf funkcije
  • 5.1.4 Pojmovi znaˇcajni za realne funkcije realne vari-
  • 5.1.5 Osnovne raˇcunske operacije s funkcijama
  • 5.1.6 Kompozicija funkcija
  • 5.1.7 Inverzna funkcija
  • 5.2. PREGLED ELEMENTARNIH FUNKCIJA 181
  • 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 Hiperboliˇcke i area funkcije
  • Uvod u diferencijalni raˇcun
  • 6.1 Neprekidnost i graniˇcne vrijednosti
  • 6.1.1 Neprekidnost funkcije
  • 6.1.2 Svojstva neprekidnih funkcija
  • 6.1.3 Neprekidnost elementarnih funkcija
  • 6.1.4 Graniˇcna vrijednost (limes) funkcije
  • 6.1.5 Neprekidnost i limes
  • 6.1.6 Neodredeni oblici
  • 6.1.7 Raˇcunanje limesa
  • 6.2 Derivacija funkcije
  • 6.2.1 Motivacija
  • 6.2.2 Derivacija funkcije u toˇcki
  • 6.2.3 Derivacija funkcije
  • 6.2.4 Raˇcunanje derivacija
  • 6.2.5 Diferencijal funkcije i lokalna linearizacija
  • 6.2.6 Derivacije viˇseg reda
  • 6.2.7 Osnovni teoremi diferencijalnog raˇcuna
  • 6.2.8 Primjene derivacija
  • Uvod u integralni raˇcun
  • 7.1 Neodredeni integral
  • 7.1.1 Primitivna funkcija
  • 7.1.2 Neodredeni integral
  • 7.1.3 Metode integriranja
  • 7.2 Odredeni integral
  • 7.2.1 Motivacija - problem povrˇsine (ploˇstine)
  • 7.2.2 Svojstva odredenog integrala
  • 7.3 Newton - Leibnizova formula
  • 7.4 Nepravi integral
  • 7.5 Primjene integralnog raˇcuna
  • 7.5.1 Povrˇsina lika u ravnini
  • 7.5.2 Volumen rotacijskog tijela
  • 7.5.3 Teˇziˇste
  • 7.5.4 Moment ustrajnosti (inercije)
  • 7.5.5 Duljina i teˇziˇste luka ravne krivulje
  • 7.5.6 Povrˇsina rotacijske plohe
  • 7.5.7 Primjene u fizici

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. . . . . .5 Neprekidnost i limes . . . . . . . .2 Svojstva odredenog integrala . . . . . .2 Derivacija funkcije u toˇki . . . . . .2. . . . . . . . s 7. . . .4 Raˇunanje derivacija .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . . . . . . . c 6. . . .2. .5. . . . . . . .1 Povrˇina lika u ravnini . zs 7. . . c 7. . . . . . . . c 6. . . . . . c 6. . . . .1. . . . . . . . . . . . . . . . s 7. . . . .2. . . . . . . . . . . . . . . . . .5. . 7. .Leibnizova formula .2. .5 Duljina i teˇiˇte luka ravne krivulje .1. . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1.3 Teˇiˇte . . . . . .2. . . . . . . . . . . . 6. . . .3 Neprekidnost elementarnih funkcija . c 6. . . c 6. . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . .3 Derivacija funkcije . . . . . . . 7. . 7.5 Diferencijal funkcije i lokalna linearizacija 6. . 7. . . . . . . . . . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . . . . .2. 7. . . . . . 6.6 Neodredeni oblici . zs 7. . . .3 Metode integriranja . . . . . . .5. . . . . .2 Derivacija funkcije . . . . 7. . . . . . . . . . . . . . . . s 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . 6. . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . .5 Primjene integralnog raˇuna . . . .7 Raˇunanje limesa . . .2. . . . . . . .1. . . . . . .2 Odredeni integral . 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 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . 6. . . . .4 Nepravi integral . . . 7. . 6. .1. . . . . . . . . . . . . . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . .4 Moment ustrajnosti (inercije) .problem povrˇine (ploˇtine) s s 7. . . . . .1 Motivacija .5. .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . . . . . .7 Primjene u fizici .1. 7. . . . . .6 Derivacije viˇeg reda . . .1 Neodredeni integral . . . . . . . . . . . . . . .2. .8 Primjene derivacija . . . .6 Povrˇina rotacijske plohe . . . .3 Newton . . . . . . 7. . . . 6. . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . .1 Primitivna funkcija . . . . . . 6. . . . .5. . . . . . . . . . . . . . . . . . c 6. . . . . . . . . . . . . . . . . 6. . . . . 7. .2 Neodredeni integral . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . .

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

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

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

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

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

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

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

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. s c . S jedne smo strane ˇeljeli z proˇiriti knjigu dijelom materijala koji se odnosi na srednjoˇkolsko gradivo.8 izostavljanja. Takav je pristup rezultat kompromisa. c z Evo na kraju i posljednjeg savjeta. 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. Zainteresirani se ˇitatelj za izostavljene dokaze moˇe obratiti c z nastavnicima ili ´e ih potraˇiti u literaturi. a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. S druge strane. Treba c s ga gledati prije kao dopunu predavanjima nego kao zamjenu za njih.

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

jedna od njih je poˇetak P a druga je kraj Q. Q) =| P Q |.2: Jednakost vektora. jer imaju razliˇite poˇetke i c c c krajeve. do na translaciju prostora)? z 1.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. z z Q − → − → Iz Definicije 1.2 slijedi da je op´enito P Q = QP . tj.10 ˇ POGLAVLJE 1. s Q P P Slika 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. VEKTORSKI RACUN − → Definicija 1.1: Duˇina i usmjerena duˇina. intenzitet). Q Q’ P P’ Slika 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.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 . c . Poˇetak joˇ c c c s zovemo hvatiˇte. − − → −→ Definicija 1. tj.

jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Tada je c − − → − = OB. tj.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Iz a Napomene 1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. Sada samo izaberemo orijentaciju koja nam treba.2 znamo da takve toˇke A i B postoje i da su jedinstvene. → c . Pogledajmo sada neka svojstva nul vektora: c − → 1. Oˇito je | 0 | = 0. poˇinje u P a z c zavrˇava u Q. Vektor kod kojeg su poˇetak i kraj jednaki.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. → Napomena 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. z kolinearan je sa svakim vektorom). onda c a − → − →. Preciznije.3).1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.3). zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Napomena 1. B ∈ E takve da je OA = − i AB = b . P = Q. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. tj. 11 − → 3. c 2. 3. → → → − − → − 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 . Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.

Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . O. ♣ B b a+b a b 0 A a+b a b Slika 1. . c Teorem 1. Vektor a zovemo suprotni vektor vektora a c − → −. − + b = b + − (komutativnost).4: Pravilo trokuta i pravilo paralelograma.12 ˇ POGLAVLJE 1. (− + b ) + − = → + ( b + − ) (asocijativnost). Q ∈ E vrijedi P Q = P O + OQ. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).3: Motivacija za definiciju zbrajanja vektora. − → → − → → → → − 3. VEKTORSKI RACUN R a G Slika 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. i oznaˇavamo ga s → 0 . a c a c → − → → → − → a a a 2.3 Za bilo koje tri toˇke P. − → − → − → Napomena 1. → a =−a → − → → → − a a 4.

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

Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).4 i pokuˇajmo definirati kolinearnost u drugim s terminima. postoji pravac a a . za sve a. Neka je dan polupravac (zraka) s poˇetkom u O. c Vratimo se sada Definiciji 1.♣ a a Definicija 1. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . a a a − → 3. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). 1 · − = → (postojanje jedinice).14 ˇ POGLAVLJE 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). a a → → → 2. VEKTORSKI RACUN → 3. a suprotnu orijentaciju a − za λ < 0. koji ima istu orijentaciju kao vektor − za λ > 0. 2. a a → − 4. → od vektora a Teorem 1.5 nigdje ne govori o geometrijskim veliˇinama. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Primjetimo da se u Definiciji 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. i neka je A = O c toˇka koja leˇi na tom polupravcu. b ∈ V je a + b ∈ V . uz pretpostavku − = 0 .2.5 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. Elemente od skupa V zovemo vektori.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. − → → → → − Ako su vektori − i b kolinearni. 3. λ(µ→) = (λµ)− (homogenost). onda.1 i Teorema 1.

svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . A. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . z → − → − → → → Neka su sada − . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . tj. Bijekcija je konstruirana na prirodan naˇin. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E).2 Vektorski prostor XO (E). Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. − → 2. a a . Imamo da je c a − → → b = λ− . tj. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora.4).1. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). VEKTORSKI PROSTOR XO (E). (− . onda je |− | = 0.2. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. b ∈ XO (E) i λ ∈ R. pa moˇemo a a a z − → − = a . Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − .1). b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). → →→ te vrijedi a a a0 1. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. B ∈ E na p takve da je − = OA. Kako je → = 0 . 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− . (λ. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. (Usporedimo ovo s Definicijom 1. b = OB.

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

c − → → a 4. → ∈ XO linearno zavisni. Stoviˇe. Ako su − . e1 e2 e3 z Tada su oni linearno nezavisni. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.♣ → a s Jednostavna posljedica Teorema 1. taj rastav je jedinstven. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .♣ . . Ako imamo dva vektora − . jer se nalazimo na pravcu.1. takav rastav je jedinstven. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.7. b ∈ XO (E).. Stoviˇe. → ∈ XO (E) jednak nul veka1 a2 an toru. Teorem 1.. b i − tri linearno nezavisna vektora iz XO (E). ♣ Tvrdnja Teorema 1. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . . → → − Teorem 1.♣ → → → ˇ s a b c Iz Teorema 1. → → − → Teorem 1. onda su ti vektori linearno zavisni. b bilo koja dva linearno nezavisna vektora iz XO (M ). LINEARNA KOMBINACIJA VEKTORA17 → − − 2. VEKTORSKI PROSTOR XO (E)..5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. →. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. pa z z slijedi da su oni linearno nezavisni. →.. on se ne moˇe izraziti kao njihova linearna konbinacija.4 Ako su − . Ako je barem jedan od vektora − . → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.3 slijedi iz Napomene 1.8 Neka su →.3 je jasna. onda su oni linearno zavisni ako i samo ako su kolinearni. − i − .4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.5 Ako su − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. z → − − 3.. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . c − → − Napomena 1.2.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.

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

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

.... (y1 . λx2 ... kaˇemo da je R n-dimenzionalni realni vektorski prostor.. c c Za (x1 . . xn ) : xi ∈ R za i = 1.. . by . ay + by .. xn ) + (y1 .1 i Teorema 1.. n}.. λaz ). 1. ako su sila i put kolinearni. xn )..20 ˇ POGLAVLJE 1. Kako ta baza ima c n n vektora. x2 . VEKTORSKI RACUN 1. (ax . Moˇe se pokazati da skup od n vektora −i = (0. x2 .. ay . To svojstvo baze od X0 (E) zovemo potpunost. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. yn ) ∈ Rn i λ ∈ R definiramo: (x1 . Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. λay .. y2 . . . . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. az ) + (bx . az + bz ). x2 .. xn ) = (λx1 ..2. λxn )... Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. az ) = (λax . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. .. λ(x1 . 2.. Dakle Rn = {(x1 .. Skup svih takvih n-torki oznaˇavat ´emo sa Rn . U tu svrhu moramo na odgovaraju´i naˇin definirati c c ... 0. U toˇki 1... ˇini bazu u R .. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . . x2 . .... x2 . λ(ax .... . xn ) gdje su xi ∈ R za i = 1.. x2 + y2 ... bz ) = (ax + bx . xn + yn ). . i = 1. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. yn ) = (x1 + y1 . z 1. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). n.. ay . 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)..5 Skalarni produkt ˇ Vektori su generalizacija brojeva. y2 .. . . n.. Zelimo uvesti i mnoˇenje vektora. ... 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)..

Iz Tablice 1. a c c .8 Neka su − = 0 i b = 0 . Skalarni produkt vektora − . rezultat produkta vektora c − → mora biti skalar. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). i ) je druga takva baza). j . b . ( k . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor.1.1 vidimo da su vektori i . j . pa kaˇemo da je ( i . (Uzimamo 0 ≤ ϕ ≤ π. onda je → · b = 0. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. SKALARNI PRODUKT 21 produkt dvaju vektora.) Ako je barem jedan od vektora → i b → − − nul vektor. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. Kako je rad skalarna veliˇina. Osim toga. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. j . j .8: Uz definiciju skalarnog produkta. k ) − − − → → → nije jedina takva baza (npr. j . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). Primijetimo da ( i . Svaka tri vektora − → → → (− .5.3). iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). − − − → → → Pogledajmo sada jediniˇne vektore ( i . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. s − → → − → → − − → → Definicija 1.

a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− .1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. a −b b ϕ a Slika 1. VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1.9: Raˇunanje skalarnog produkta. kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ). − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ).22 · → − i → − j → − k ˇ POGLAVLJE 1.

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

cos β.24 ˇ POGLAVLJE 1. pa postoje brojevi α. a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . az = − · k .12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. Tada su oˇito ax . → a i j k → Brojeve cos α. az = cos γ. Stoviˇe.3). γ ∈ [0. cos γ zovemo kosinusi smjera vektora − . (− . π] c takvi da je ax = cos α. a a z c − → a → − Pogledajmo vektor − = − .2 Neka je − ∈ XO (E) fiksan vektor. j . Kako je |− | = 1.1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. b ∈ a a c a XO (E) i λ. az ∈ [−1. VEKTORSKI RACUN → Primjer 1. Neka su sada →. − a0 →| i − −| j → −| k → |a |a |a . ay = cos β.♠ a a c a c c a − → − → − → Neka je sada ( i . j . β. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. Tada je skalarno mnoˇenje s c z − linearni funkcional. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . ay = − · j . Ve´ smo rekli (toˇka 1. µ ∈ R proizvoljni. vrijedi a2 + a2 + a x y 2 az = 1. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). vrijedi a s → − → → = ax → + ay − + az − . − ). Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . − . k ) od XO (E). Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. a → → → − Neka je sada − ∈ XO (E). → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . ay . j . 1].

Nadalje.10: Projekcija vektora na pravac. a0 a0 . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Dakle imamo OD = ( d · − )− jer je OD = λ− . a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . Tada postoji D ∈ E takva da je d = OD. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. jediniˇni vektor. neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1.5.1. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . imamo − → → →→ − d = ( d · − )− . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| az cos γ = → . Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). → |a| ay cos β = − .

drugu s −b i zbrojimo ih. 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.6 Digresija . . Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata. a b A= . VEKTORSKI RACUN 1. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. c d Sada za matricu A definirajmo funkciju det koja ´e matrici A pridruˇivati realan c z broj na sljede´i naˇin: c c a b c d det A = det = ad − bc. x= αd − βb . drugu s −a i zbrojimo ih.26 ˇ POGLAVLJE 1. i 3. dobijemo z z (ad − bc)x = αd − βb. ako prvu jednadˇbu pomnoˇimo s c.determinante matrica 2. odnosno. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. za ad − bc = 0. z z dobijemo αc − βa βa − αc y= = . ad − bc S druge strane. a koristan je z i pri radu s vektorima. Ako pomnoˇimo prvu jednadˇbu s d.

to znaˇi da je ad = bc. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. Ako to nije sluˇaj. Analogno. 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.6. c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . tj. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. REDA Oznaka koju joˇ koristimo je s a b . cx + dy = β. odnosno a = c c c − → − → b . pa onda s . I 3.1. za sustav s tri jednadˇbe i tri nepoznanice imamo: z a1 x + a2 y + a3 z = α b1 x + b2 y + b3 z = β c1 x + c2 y + c3 z = γ. odnosno paralelnosti pravaca definiranih izrazima ax + by = α. sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. DIGRESIJA . Matrica tog sustava je matrica tre´eg reda. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . c 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 . da smijemo dijeliti s det A.DETERMINANTE MATRICA 2. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. tj. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora.

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

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

− − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. j .4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. 1. ako je D < 0. onda nisu. − → − → → − − → j = b1 i + b2 j + b3 k . Prikaˇimo i . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna).10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). k : z − → − → − → − → i = a1 i + a2 j + a3 k .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). k preko i . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. k ) pravokutni normirani c c → → − desni koordinatni sustav. j .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. − → − → − → − → k = c1 i + c2 j + c3 k . onda su S i S (odnosno njihove baze) jednako orijentirani. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . i . pomo´u determinante pripadaju´e c c matrice. j . onda se z orijentiranost od S i S ispituje analogno. j . z Napomena 1. tj. Definicija 1. Dakle. i . k ) i S = (O . j . c1 c2 c3 Ako je D > 0. i . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . → → a b i j k .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1.30 ˇ POGLAVLJE 1.

♣ Primijetimo da tvrdnje Teorema 1. → × ( b + − ) = − × b + − × − . c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . c c z Teorem 1. c Dokaz: − → → Ako je barem jedan od vektora − . a a a Napomena 1. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. pa je cos2 ϕ = 1. kao saˇeti zapis. − → → → − → − → → 2. Zbog − · − = |→||− | cos ϕ.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.♣ → a . → × b = −( b × − ) a a (antikomutativnost). imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). − → − → |a a sc a b → − → → − pa i − × b = 0 . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). b nul vektor.1. Neka su sada oba vektora razliˇita od nul vektora.6. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . i ϕ = 0 ili ϕ = π. Po pretpostavci je |→| = 0 i | b | = 0. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . tj. neka je − × b = 0 . ϕ = 0 ili ϕ = π.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. pa desna strana formule za duljinu vektora − × b iˇˇezava. a c → i → kolinearni. a → − → → → → − → − → − Obratno. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. Tada je |− × b | = 0. → → → − → → − (a b c a c b c − − → → − → 3. Kako je − · b = |→|| b | cos ϕ.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. jer je nul vektor kolinearan sa svakim vektorom. Dakle a − → − i b su kolinearni.8. Tada je |→ × − | = 0.

7). a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. Izraˇunajmo sada determinantu D (opisanu u toˇki 1. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . j . k ). Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0.12: Vektorski produkt. VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. k ) pravokutni normirani desni koordinatni sustav.32 ˇ POGLAVLJE 1. (− . prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . 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. − × b ) c a a a a → → − je jedna baza. i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . tj. b . . − − − → → → Neka je (O. j . i . a a → → − Neka su − i b nekolinearni. Pitanje je sad je li − × b orijentiran. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ.

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

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

zakljuˇujemo da su vektori → i b × c okomiti. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Pretpostavimo zato da su − = 0 .ˇ 1. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . → − → − → → → → Napomena 1. vektorsko mnoˇenje i mjeˇoviti z z s produkt. z → − − − a c Napomena 1. pa tvrdnja slijedi a c iz svojstava determinante 3.11 Za vektore − . → komplanarni. − . Tada je: → → → a b c → − → − → − − → 1. a | b | sin ϕ visina paralelograma. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. b . b .14: Mjeˇoviti produkt triju vektora. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. MJESOVITI PRODUKT 35 bx c a c b Slika 1. b . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . − . − ∈ XO (E).6. s → → − → Definicija 1. |→ × b | je povrˇina paralelograma razapetog s → i b . − komplanarni po Napomeni 1.4 i 5 iz toˇke 1. pa kako je − okomit na b × − . onda − → − Obratno.♣.17 Za vektore − . a a . gdje je |→| baza. b .9. − → − i samo ako su a b c − → → → Ako su − . a a − → → − → − − → − 2. b = 0 i → = 0 . kako je a c → − − → → − − → − · ( b × c ) = 0. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . Tada. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.16 Vektori →.16 oni su linearno zavisni. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. jer je a a c → − − → |→ · b | = |− || cos ϕ|. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi.

P1 . P1 P4 . 2. |− ·( b × →)| je volumen paralelepipeda razapetog s − . Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. VEKTORSKI RACUN → → → − − → − → → 3. Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . b . Neka je dan − ∈ XO (E) i neka je (→. P1 . − . 2. a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . 3. P1 P4 . − | b × c | je povrˇina baze.♣ 1 6 volumena paralelepipeda . − ). Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. 3. i . zi ) i = 1. P1 . k )). − − → a b c Napomena 1.36 ˇ POGLAVLJE 1. Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda.18 Neka su dane toˇke Pi = (xi . imamo tvrdnju. 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . − . yi . P3 . Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). P3 . − . 2. Tada je volumen paralelepipeda razapetog s P1 P2 . P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . 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 . jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). 3. j . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. P3 .

1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. 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. Ako je B = 0. i . j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.1. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . Takav analitiˇki opis ne ovisi o geometrijskom zoru. taj skup je neprazan.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. B B 37 .1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0.Poglavlje 2 Analitiˇka geometrija c 2. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. onda za c proizvoljni x0 imamo C A y0 = − x0 − . a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. Ta jednadˇba opisuje neki skup toˇaka u ravnini. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. pri ˇemu su A. c c s 2.

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

− n 4. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . onda je pravac paralelan s osi y. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. tj. Dakle → → r i j n i j n i j → − − → − i n kolinearni. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. pa imamo tvrdnju. z → 2. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (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. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. onda je pravac paralelan s osi x. postoji t ∈ R takav da je n = t− . B = tB i C = tC. ako postoji t ∈ R takav da je A = tA. Dobijemo z B A x + −C y = 1.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. Oˇito je (x0 .1. c Obratno. onda pravac prolazi kroz ishodiˇte.2. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. jer je (0. Odatle je A = tA i → → su vektori n n B = tB. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. jer je tada vektor − oblika n − → →=Ai. jer je (0.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. Ako je C = 0. Ako je A = C = 0. jer je toˇka (0. onda je pravac os x. − n → 3. y0 ) i da je za svaku drugu toˇku (x. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . jer je tada vektor − oblika n − → →=Bj. Ako je B = 0.1. C −A −B . → → Ax = 0 i vektor n n i 5. nepotpune obc z like): 1. onda je pravac os y. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. n n 2. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. znaˇi z c da prolaze kroz istu toˇku (x0 . Ako je B = C = 0.

z p s=mi+nj P1 = (x 1. pravac prolazi kroz toˇke (0. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. c c y b a 0 x 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. b) i (a. 0).1. z 2.40 ˇ POGLAVLJE 2. a ako je y = 0. onda je x = a. imamo A x a + y b = 1. onda je y = b. z . z z Uoˇimo sljede´e: ako je x = 0.y 1 ) Slika 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. c c tj.3: Kanonski oblik jednadˇbe pravca.

x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). tj. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. bez komponente u smjeru j . Npr. y1 ) i Q = (x2 .1. y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. s s 2.1. onda c c je jasno da njima prolazi jedinstveni pravac p.4: Pravac kroz dvije toˇke. ˇto se vidi i iz vektora smjera → = m i + 0 j . iz kanonske jednadˇbe c z . ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n .y 1 ) Slika 2. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 .y 2 ) P = (x 1.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . Toˇka P = (x. tj. z z Napomena 2. Iz uvjeta x − x1 = λm i − − kolinearni. y2 ) u ravnini M . a kako p po pretpostavci prolazi toˇkom P . y1 ) kroz z c z c → → → = m− + n− . Nadimo jednadˇbu tog pravca. z p Q = (x2 . y = y1 . Dakle imamo pravac paralelan s osi c → − → − − → − x.2.

5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera.42 ˇ POGLAVLJE 2. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj.5: Eksplicitni oblik jednadˇbe pravca. Uvedemo li oznaku l = −kx1 . y − y1 = k(x − x1 ). z . znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. y l ϕ 0 x Slika 2. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Veliˇinu k zovemo koeficijent smjera pravca p. c 2.1. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Uvode´i oznaku k = m . Tada je y = kx − kx1 + y1 . 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 .

5). pravac prolazi toˇkom (0. Neka je − = a i + b j jediniˇni vektor na pravcu q.6: Normirani oblik jednadˇbe pravca. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. tj. n − → → Toˇka P = (x. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. 2. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. tj. 1]. π] takvi da je a = cos ψ − i b = cos φ.2. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. c c s − → − → → d = |OP0 |. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. c 43 n ˇ Uzeli smo da je k = m . a2 + b2 = 1. c − → − → → pa imamo − = cos ψ i + sin ψ j .1.1. pa tada postoje ψ. → → r n Jednadˇbu − · − = d. b ∈ [−1. odnosno z → → r n x cos ψ + y sin ψ = d . Povucimo sada kroz O pravac q okomit na p. n c y q n θ P0 x r P p 0 Slika 2.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). n Kako je tg ϕ = m . tj. z Jasno je da su a. l). imamo k = tg ϕ. φ ∈ [0. PRAVAC U RAVNINI Napomena 2. P = (x.3 Za x = 0 imamo y = l tj. s vektorom i ). y) leˇi na pravcu p ako i samo ako je z − · − = d.

z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. postavlja se pitanje kako prona´i njegov normirani oblik. Stoga je t= 1 √ . Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. dakle mora biti tA = cos ψ. tB = sin ψ.2 2. tC = −d.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. predznak od t je jednak suprotnom predznaku od C). −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. 2.2.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y.44 ˇ POGLAVLJE 2. z . po Napomeni 2. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik.

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. A2 B2 → → Napomena 2. −1 → Neka je ϕ kut izmedu → i −2 . 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 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .2.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2.ˇ 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . tj. → n i j 45 Definicija 2. → → kolinearni. .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 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 . ako i samo ako je A1 A2 + B1 B2 = 0.

tj. ako i samo ako postoji λ ∈ R takav da je − = λ− . s1 s2 odnosno ako i samo ako je n1 m1 = .46 b) Kanonski oblik: ˇ POGLAVLJE 2. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. s1 s2 tj. .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . m2 n2 → → Napomena 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . ako i samo ako je m1 m2 + n1 n2 = 0. → → Napomena 2.

y = k2 x + l2 .ˇ 2.2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .7: Kut dvaju pravaca. Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . Definicija 2. Neka je ϕ = ϕ2 − ϕ1 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . . k2 = tg ϕ2 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 .

Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. ANALITICKA GEOMETRIJA Napomena 2.2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Zanima nas udaljenost c toˇke P0 od pravca p.48 ˇ POGLAVLJE 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . odnosno ako i samo ako je k1 = k2 . To je ekvivalentno s 1 k1 = − . sa suprotne strane od ishodiˇta) jer je tada n s . odnosno ako i samo ako je 1 + k1 k2 = 0.7). p) = x0 cos ψ + y0 sin ψ − d. k2 2. c Definicija 2. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. tj. Napomena 2.1. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. x cos ψ + y sin ψ = d.5. ako i samo ako je ϕ1 = ϕ2 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Neka je pravac p dan u c c normiranom obliku. y0 ) i pravac p u ravnini.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. 2 ako i samo ako je tg ϕ = ∞. s Napomena 2.

−sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . 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) = |x0 cos ψ + y0 sin ψ − d|. udaljenost toˇke P0 = (x0 . kanonski. p) = |Ax0 +By0 +C| √ . eksplicitni).ˇ 2.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . y0 ) od pravca p je c d(P0 . p) = odnosno d(P0 .1 c z c (segmentni. a2 +b2 x y + = 1. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. onda iz toˇke 2. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) < 0. p) ≥ 0.1. y0 ) od pravca p je c d(P0 . odnosno bx + ay − ab = 0.2. a b . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . tj. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . pravac kroz dvije toˇke. −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) = |bx0 +ay0 −ab| √ . A2 +B 2 Ax0 + By0 + C √ .

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

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

Napomena 2. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .11 Ako je A 1 B1 A 2 B2 = 0. 2. Osim udaljenosti. onda je A 1 B1 A 2 B2 = 0.2.4). ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) = x0 cos ψ + y0 sin ψ − d.52 i ˇ POGLAVLJE 2. p) suprotnog predznaka. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . . onda su p1 i p2 paralelni. Vrijedi i obrat. ako su p1 i p2 paralelni.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. p)|. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) i δ(B.

po Teoremu 1. ys ). postoje α. Dokaˇimo da je i z C3 = αC1 + βC2 . p1 i p2 sijeku u jednoj toˇki. → n i j → → −2 = A2 − + B2 − .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. s c Neka se sada.2. tj.4 vektori → → −1 = A1 − + B1 − . ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. . p3 u ravnini u op´em obliku. onda prema Napomeni c 2. bez smanjenja op´enitosti. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. A2 B2 A 1 B1 . β ∈ R takvi da je −3 = α→ + β −2 . Oznaˇimo c c c ju sa S = (xs . tj. z c s Da bi se p1 .11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . Tada p3 mora prolaziti kroz S. jer ako su sve tri jednake nuli. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 .2.ˇ 2. tj. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. p2 . p2 .

C2 ). (A3 . iz toˇke 1. B2 . A3 B3 A2 B2 A2 B2 =0 . β ∈ R. vektori (A1 . c A1 B1 . (A2 . Drugim rijeˇima. p2 . i 5. 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 . C1 ). imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. ANALITICKA GEOMETRIJA Kako p1 . B1 . pa po svojstvima determinante 4.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. B3 . S. A 2 B2 je razliˇita od nule. C3 ) su linearno zac visni. p3 po pretpostavci prolaze istom toˇkom. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 .54 ˇ POGLAVLJE 2. 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.

− r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. y. → → → a i + b j + c k .3 2.3. y0 . z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.3. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .9: Pravac u prostoru. Neka c z s −→ → → − − radij-vektor toˇke P .3. → − → r r0 s p ts P0 r 0 s r0 Slika 2. 2. PRAVAC U PROSTORU 55 2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. z) = (x0 + ta. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.2. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. y. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . .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 1.2). y0 + tb. z0 + tc). Tada imamo P0 P = − − − .

s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . c) odnosno a. z c s 2. y = y0 + tb.3. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . pravac p prolazi toˇkom (x0 . Kako su vektori baze linearno nezavisni. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z0 ) i 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . . z Napomena 2. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . b.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . ANALITICKA GEOMETRIJA x = x0 + ta. b. z s Napomena 2. vektor smjera pravca p je dan s (a.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . Prema s z Napomeni 1. c su koeficijenti smjera pravca p.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. y0 .56 Jednadˇbe z ˇ POGLAVLJE 2. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.

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

b. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. Analogno. uz oznake m = a c i m1 = − a z0 . c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. c x = mz + m1 . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. z c y2 −y1 2 −z 2.58 ˇ POGLAVLJE 2. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke.10: Pravac kroz dvije toˇke u prostoru.3. c c c odnosno.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . 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 ). y0 . y = y1 + t(y2 − y1 ). c c c .

c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. PRAVAC U PROSTORU odnosno. Tada za svaki izbor a. vrijedi x−m1 m = y−n1 n = z.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . uz oznake n = b c b i n1 = − c z0 . z b c . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.3. + n2 + 1 cos γ = √ m2 1 . Napomena 2.2. y0 . + n2 + 1 cos β = √ m2 n . Dakle.14 Iz toˇke 2. b.11: Pravac zadan dvjema projekcijama.n ) 1 1 Slika 2.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m .3. + n2 + 1 2.3. z y=nz+n 1 x =mz+m 1 y 0 x (m . 59 y = nz + n1 .

ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − .12: Dijeljenje duˇine u zadanom omjeru. tj. z → c radij vektor toˇke B.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . m+n m+n m+n Napomena 2. s z Imamo → = 1 (− + − ). Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . y2 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . . r2 r1 →=− + − → ρ r1 n m → → → − + n −. m ∈ N. z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC.3. . z1 ) i B = (x2 . AC : CB = m : n. z2 ) u prostoru.60 ˇ POGLAVLJE 2. mz1 +nz2 ). my1 +ny2 . 2 2 2 . ANALITICKA GEOMETRIJA 2. y1 .

j . Neka je −0 = OP0 c c n p −→ − (tj.13: Normalni oblik jednadˇbe ravnine.4 2.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. onda je p = 0. 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. ako Π prolazi kroz ishodiˇte (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . → → radij-vektora r n c P .3 ).4. toˇku O). a vektor z −0 zovemo normala ravnine Π.4. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. Povucimo okomicu iz toˇke O na ravninu Π. → → r n . γ kutovi c → zatvara s pozitivnim smjerovima osi x. y. RAVNINA U PROSTORU 61 2. → n Posebno. k iz toˇke 1. β.2. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. z redom (tj. P0 d r π n0 0 M Slika 2. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. s vektorima baze −0 ˇto ih n s − − − → → → i .

16 Ako toˇka P ∈ E ima koordinate (x. n0 − − → → OB · −0 = p. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 0). Nadalje.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi.2. jer je duljina okomice do Π jednaka p). c c Sada. z. C = c (0.2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. Za toˇke s druge strane bit ´e n c c d < 0. u stvari. redom. kako su A. C ∈ Π. y. r n Napomena 2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. 0. Kako je d. c). z). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). → ako je M s one strane Π na koju pokazuje −0 . Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. y1 . B. Napomena 2. 0. 2.62 ˇ POGLAVLJE 2. a c kako M leˇi u Π . 0). B = (0. n − → → OC · −0 = p. udaljenost ravnine Π od ravnine Π . Imamo neˇto analogno otklonu iz toˇke 2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. z − − → OA · → = p. c Neka je M = (x1 . y. z1 ) ∈ E proizvoljna. neka su toˇke A = (a.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. b.2. iz normalne jednadˇbe ravnine imamo. toˇke u kojima Π sijeˇe koordinatne osi x.4. Kao i kod pravca (toˇka 2. n .

4. a cos α = p. . C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). z 2. Bez smanjenja op´enitosti. tj. c cos γ = p.2. y0 . 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. Odatle.14: Segmentni oblik jednadˇbe ravnine. p p p cos α = .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 = . B. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. cos β = . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). neka je C = 0. 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. b cos β = p.4. z = − C x − B y − D .

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

C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. b1 = − B i c1 = − D .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. tj.4. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. s c A2 +B 2 +C 2 Napomena 2. nepotpune obc z like): c c z 1. Π) = |Ax1 +By1 +Cz1 +D| √ . 0. C).18) i koeficijent razmjernosti je A2 + B 2 + C 2 . RAVNINA U PROSTORU predznaka od D. s → 2. Ako je C = 0. tj.2. istog su smjera n n → c n i orijentacije. y1 .20 Neka je dana toˇka M = (x1 . pa odreduju istu ravninu. B. c . C C C A z Oznaˇimo a1 = − C . onda je oˇito da O = (0.4. B. pa imamo cos γ = 0.17. Napomena 2. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. onda normala − = (A. z1 ) ∈ E.1). Stoga ´emo i vektor − zvati vektor normale. Tada je. c onda je A B D z =− x− y− . 0) nema komponentu u smjeru n − → osi z (tj. R → → Vektor normale −0 je normirani vektor − = (A. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. onda su koordinate A. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. R cos β = B . R cos γ = C . B. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. Dakle imamo cos α = 65 A . Ako je D = 0. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. ravnina prolazi kroz ishodiˇte. po c Napomeni 2. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. k ).

→ − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. − i − su komplanarni). Imamo Ax + D = 0. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . 0) ima komponentu samo u n smjeru osi x.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. odnosno x = − D .4. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. 4. C koji je razliˇit od nule. B. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. z → 3. Varijable u i v zovemo parametri. onda normala − = (A. c Od ˇetiri parametra. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . 0. C i D. s1 s2 . onda prema 1.66 z ˇ POGLAVLJE 2. z → − a vektore − i → vektori smjera. Ako je B = C = 0. ravnina prolazi kroz ishodiˇte s a prema 3. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. imamo samo tri nezavisna. Ako je B = C = D = 0. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. B. ravnina je paralelna s koordinatnom ravninom Oyz. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . ravnina je paralelna A s koordinatnom ravninom Oyz.16: Ravnine u posebnim poloˇajima. A. z c c 2.

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

z3 ) u c prostoru takve da ne leˇe na istom pravcu. Po Napomeni 1. Kako toˇke P1 . s1 . P2 . 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 . 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. P1 P2 . ANALITICKA GEOMETRIJA −→ → − − odnosno. y1 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . P2 = (x2 . vektori s1 s2 −→ → − − − → P0 P . Kao i u toˇki 2. → komplanarni. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P2 .16. y2 .5.1 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 . ako i samo ako su P0 P . P3 ne leˇe na istom pravcu. Po Napomeni 1. z1 ). 2.5 2.4.4. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni.4. P2 . P3 (uzmemo npr.68 ˇ POGLAVLJE 2. z2 ). moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Dakle. y3 . − . P3 = (x3 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P1 P3 komplanarni. 2.

2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. Ravnine se podudaraju. −1 → Napomena 2. Ravnine se sijeku u jednom i samo jednom pravcu. Teorem 2.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. odnosno ako → → kolinearni. tj. ♣ . ako i samo ako je −1 · −2 = 0. B2 .2. 3. B1 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . C1 ) n → i −2 = (A2 . Ravnine se ne sijeku. 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 . 69 −1 Definicija 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. C2 ). imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . 2.5. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. tj. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .

Ako ravnine nisu paralelne.5. da je c = 0. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. B1 = C2 . . U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina.23. Njene su koordinate c B1 D1   B2 D2 T0 =  . A2 x + B2 y + C2 z + D2 = 0. Ako je joˇ i A2 = B1 = C1 = D1 . i njihov c presjek je pravac. p z 2. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.70 ˇ POGLAVLJE 2.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . 2. tj. z c c Kako ravnine nisu paralelne. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . onda se one moraju sje´i. imamo tre´i sluˇaj. 0 .   → Vektor smjera − pravca presjeka mora biti okomit na obje normale pa ga moˇemo p z − − = → × −2 = (B1 C2 − B2 C1 )→ + (C1 A2 − → −1 → uzeti kao njihov vektorski produkt. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . C1 = A1 . Konaˇno. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. onda z s A1 B2 C2 D2 se ravnine podudaraju. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. Uzmimo. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k .   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. A3 x + B3 y + C3 z + D3 = 0. B2 C2 A 2 B2 Uvrˇtavaju´i z = 0 u jednadˇbe ravnina dobivamo sustav ˇije rjeˇenje nam daje s c z c s toˇku T0 na pravcu presjeka. odredenosti radi.

→ → s n . 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. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .5. z nepoznanice). C).2. ∆ .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a.5) i koordinate su mu c c ∆x ∆y ∆z ∆. z Definicija 2. onda je presjeciˇte jedinstveno (tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.4. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). toˇka 2. y. b. ∆. 2. tj. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . c) i − = (A. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. s jedna toˇka. B. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . b.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a.5. paralelne su). A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .

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

z = z1 + ct.5.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y1 − b Ax1Aa+Bb+Cc+D . 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. y = y1 + bt. tj. Aa + Bb + Cc Napomena 2.5 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. tj.2. y0 . Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z z . a druga je uvjet paralelnosti pravca i ravnine. Ax1 + By1 + Cz1 + D . ako nema konaˇnog z koji je rjeˇenje. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. z1 − c Ax1Aa+Bb+Cc+D .5.28 Ako ne postoji takav t koji je konaˇan.

c 2. Pravac i ravnina se sijeku u samo jednoj toˇki. b2 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). ANALITICKA GEOMETRIJA Teorem 2. Definicija 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. → → 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 . z1 ) odnosno c → → P2 = (x2 . c c c 2. s1 s2 redom. z2 ) s vektorima smjera − = (a1 .5.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). 3.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. Pravac je sadrˇan u ravnini. b1 . y1 .74 ˇ POGLAVLJE 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . c1 ) odnosno − = (a2 .18: Mimosmjerni pravci. c2 ). → → s1 s2 p 2 p 1 Slika 2. Pravac i ravnina se ne sijeku. y2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). .

ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . ako i samo ako je → · − = 0. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. 2. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. ako i samo ako postoji λ ∈ R takav da je − = λ→. c c z → s1 Napomena 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.2. tj. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . tj.5. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. 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 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. z= 1 m−m n−n .5. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .5). a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . tj. → Napomena 2.3. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.

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

Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. 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. z c 4.29. Pravci su mimosmjerni. 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. Pozabavimo se sluˇajem mimosmjernih pravaca. tj. ˇetvrti sluˇaj. imamo isti pravac. Prema Napomeni 2.2. z 3. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. z Moˇe se desiti da su oni paralelni. 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 . c =0 . U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. i 6.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.5. Ako su sva tri redka proporcionalna.6 na gornju determinantu (tj. z 2. iz toˇke 1. ne leˇe u istoj ravnini. Pravci se podudaraju. pa nema presjeciˇta. Teorem 2. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.

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

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

.

y.1 3. z i c z u. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. y. 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   .6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. U primjeru iz toˇke 1. Ako bismo uspjeli razviti raˇun takvih objekata.Poglavlje 3 Matrice i linearni sustavi 3. 1 −1 0  1 1 1 81 . z i u) kao jedinstveni objekt (matricu). z z Npr.1 Osnove matriˇnog raˇuna c c Motivacija Promotrimo sustav linearnih jednadˇbi z x − z + 2u = −3 2y + z + u = 1 x +y −z = −1 2x + y + z + u = 3.1.

Promotrimo problem jedne linearne jednadˇbe s jednom nepoznanicom z ax = b.  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. inverzije (definirati inverz objekta. Ako je a = 0. onda: a) za b = 0 ne postoji x0 koji zadovoljava jednadˇbu ax = b. ”b = 0” itd. Imamo dva sluˇaja: c 1. definirati operacije (”zbrajanje”.     . kao npr. ”a = 0”. Naˇ je cilj generalizirati ”teoriju” jedne linearne jednadˇbe s jednom nepoznans z icom na sluˇaj viˇe linearnih jednadˇbi s viˇe nepoznanica. z z b) za b = 0 svaki x0 ∈ R zadovoljava jednadˇbu ax = b. smisao jednakosti (definirati kada ´e dva takva objekta biti jedc naka). b = a−1 b. Ako je a = 0. MATRICE I LINEARNI SUSTAVI    X=     B=  x y z u −3 1 −1 3    . a . ”b = 0”. onda postoji jedinstveno rjeˇenje x0 od ax = b i vrijedi s x0 = 2.82 POGLAVLJE 3. ”mnoˇenje” s z takvih objekata). definirati analogone za ”a = 0”. Pri tome trebamo c s z s rijeˇiti neke probleme. koji bi bio generalizacija reciproˇnosti c brojeva).

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

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

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

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

ˇto slijedi izravno iz Definicije s 3. .. α(A + B) = αA + αB (distributivnost). Ak ∈ Mmn . A2 . .. A2 . Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. s Definicija 3. Kaˇemo da je A rastavljena (razloˇena. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .. β ∈ R vrijedi: 1.......1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. (A + B) + C = A + (B + C) (asocijativnost). j) imaju z jedinicu. . 2. . α(βA) = (αβ)A (homogenost)... Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i.. A2 .. z Teorem 3. Ak . a na svim ostalim mjestima nule ˇini bazu u Mmn .. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Matrica A = λ1 A1 + . OSNOVE MATRICNOG RACUNA 87 Teorem 3... Njegovi su elementi (”vektori”) matrice tipa m × n. 4. .. + λk Ak je linearna kombinacija matrica A1 . Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c .. .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. λk ∈ R skalari.ˇ ˇ 3. .3 odnosno Definicije 3.5 Neka su A1 . A2 . Ak ∈ Mmn matrice i λ1 .. Ak s koeficijentima λ1 . C ∈ Mmn i sve skalare iz α.. B.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . λk razliˇit od c nule. Napomena 3. razvijena) u linearni spoj po matricama z z A1 .. linearna kombinacija i linearni rastav. λk .1.♣ Iz Teorema 3. onda je i A ∈ Mmn . 3.4... A + B = B + A (komutativnost).

B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. ♣ c s a 3. (A + B)T = AT + B T za sve A.. itd. 3. Iako jednostavna. Dakle imamo tvrdnju.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . gdje za As vrijedi AT = As . MATRICE I LINEARNI SUSTAVI 1. gdje su elementi od C dani s cij = aij bij za i = 1. Definicije 3.88 POGLAVLJE 3. geometriji. Oˇito je tako definirana matrica C ∈ Mmn . ... Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. Napomena 3.1. B ∈ Mmn . (AT )T = A za sve A ∈ Mmn . Takoder. Tako bismo za matrice A = [aij ]... nema podlogu u fizici. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). To nam z name´e sljede´u definiciju.3 i Definicije 3. Produkt A·B takvih matrica .4. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima.. 2 Oˇito je AT = As . B. a za Aa vrijedi AT = −Aa . n. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. m i j = 1. 2. .4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. AT = −Aa i A = As + Aa .

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

5. gdje su A ∈ Mmn . (A · B) · C = A · (B · C) (asocijativnost). gdje su A. 0pm · A = 0pn . B ∈ Mnn takoder op´enito vrijedi A · B = B · A. . MATRICE I LINEARNI SUSTAVI Na kraju. 4. B. 2. α(A · D) = (αA) · D = A · (αD). 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . c jer npr. gdje je A ∈ Mmn . gdje je α ∈ R. · 1 0 1 1 = 1 1 0 0 . A · In = A. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). gdje je A ∈ Mmn . B ∈ Mnp i C ∈ Mpq . za n = 2 imamo 0 1 0 0 a s druge strane. C ∈ Mpm i D ∈ Mnq . B ∈ Mmn . C takve da z promatrani produkti postoje vrijedi: 1. za A ∈ Mnn .90 POGLAVLJE 3.3 (Svojstva mnoˇenja matrica) Za sve matrice A. c Posebno vrijedi A · In = In · A = A. A. Im · A = A. tj. z c Teorem 3. C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). A · 0np = 0mp . 3. A ∈ Mmn i D ∈ Mnp . gdje je A ∈ Mmn . Dakle mnoˇenje matrica je op´enito nekomutativno. za n = m = p.

.. Sloˇimo li ih u (r ×s) matricu. svaka linearna z jednadˇba ide u svoj redak). Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. .4. bm ]T poznata matrica desnih strana i z x = [x1 . OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. 4. 3.3...6. .ˇ ˇ 3. Izaberimo dva redka. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. takvu podmatricu zovemo blok. 3. Sloˇimo li ih u (2 × 2) matricu.. 1 0 3 0  Neka je r = s = 2. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.6 Neka je  2 3 4 1   A =  −1 2 1 3  . Primjer 3.1. c . b = [b1 . ♣ 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 ). xn ]T nepoznata matrica. 0.1.5 Podmatrice i blok matrice Neka je A ∈ Mmn . dobivamo podmatricu z matrice A. prvi i tre´i. c drugi i tre´i.. i dva stupca npr. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. npr. 3. dobijemo podmatricu z 3 4 0 3 matrice A. 3.♠ Ako su izabrani redci i stupci uzastopni.

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

c 2. b. onda je barem jedan od a ili b jednak nuli. neka je dana matrica c 0 1 1 0 . tj. postoji broj koji pomnoˇen s a daje 1. tj. U toˇki 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .1. OSNOVE MATRICNOG RACUNA 93 3. c Napomena 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A.1.1. Teorema 3. U skupu R vrijedi: ako je a · b = 0. c c c Iz svojstva 5.6 Regularne matrice. c. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. dakle ne postoji izbor brojeva a.ˇ ˇ 3. Npr. 1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Npr.

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

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

a1 an → → i izravno iz Definicije 3. . − ∈ Rm . . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3..5) i neka je L neki podskup od V .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . − ..♣ Kako je po Teoremu 3... a1 an ..5 izravno slijedi da je r(A) = r(AT ). Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A... 2. − ) = {λ1 − + .. − je skup svih linearnih kombinacija vektora − . . Iz Napomene 3. linearne zavisnosti/nezavisnosti. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . moˇemo promatrati kao vektore u R . ...10 Neka je V vektorski prostor (Definicija 1..96 POGLAVLJE 3.6 znamo da stupce. i 3..5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A... ... λn ∈ R}.. Podprostor razapet vektorima a1 an − .. →) ⊆ Rm .. .. . Definicija 3... Oznaˇavamo ga → → → → a1 an a1 an c − .11 Neka su − . iz Definicije 1. − )... moˇemo promatrati kao vektore u vektorskom prostoru Rm . z Teorem 3. − ) podprostor od Rm . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). njene z c n redke.7 Rang matrice.. matrice iz Mm1 . vrijede svojstva 1.1. matrice iz M1n . + λn − : λ1 . tj.. → → Definicija 3.5). skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). Sliˇno. Iskaˇimo sada jedan bitan rezultat. → → s L( a1 an → → → → an a1 L(− . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.11 Oˇito je da je c − − L(→. MATRICE I LINEARNI SUSTAVI 3. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A..10 slijedi da je L(− . a1 an Napomena 3. . Definicija 3.

. Napomena 3. .. znamo da je u a1 an a1 an bazi najviˇe n vektora. ..♣ Primjer 3. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. Neka je L(− .. Dimenziju vektorskog prostora L(− .6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Neka je In ∈ Mn ... i R (A) podprostor Rn razapet redcima od matrice A.. Neka je 0 ∈ Mmn nul matrica.. →}. →)) ≤ n. .ˇ ˇ 3.8 Vrijedi: − → 1.12 Neka su − .14 Uz gornje oznake iz Teorema 3.. . z Teorem 3. − )). − .. Neka je A ∈ Mmn .. → → → → Napomena 3. Stoga vrijedi s − − dim(L(→.. − ). 2. . a1 an Vratimo se na konkretan vektorski prostor.13 Kako vektori − .. n)..1. Tada je r(0) = 0. jer je skup { 0 } uvijek linearno zavisan.. Neka je R(A) podprostor od Rm razapet stupcima matrice A. − razapinju L(− . Mmn .5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).. . Napomena 3. ....13 imamo da je r(A) ≤ min(m.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. c ..15 Iz Napomene 3.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . . − ) podprostor a1 an a1 an m − .. Tada je oˇito r(In ) = n... − ∈ Rm ... − ) → → → → od R razapet sa a1 an a1 an →...

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

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

Primjerice. Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. R] (Teorem 3.100 POGLAVLJE 3. kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . Te matrice zovemo elementarnim matricama.. In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In .. A je singularna. j).. Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . zamjena i-tog i j-tog redka matrice A postiˇe se mnoˇenjem matrice z z A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j-tog redka u jediniˇnoj matrici c I. ako je A regularna) mi smo zapravo matricu [A. Dakle imamo [Q1 · Q2 · · · Qq · A. na´i njen inverz. mnoˇenje matrice A s lijeva matricom Qi (λ. . Sliˇno. Q1 · Q2 · · · Qq · In ] = [In . formiramo matricu [A. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. p ≥ r. R]. In ] dobili matricu [In . te ako je. R]. Ako je to mogu´e.♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice.7 Svaka matrica A = [A0 . In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . Teorem 3. R] (tj. onda c −1 je A = R. a ako nije. Qq . Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. Qi (λ) i Qi (λ. 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. odnosno R = A−1 .7). MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. D] ∈ Mrp . pa je R · A = In . . gdje je Ir ∈ Mr jediniˇna. Konaˇno.

.. Ako sustav nema rjeˇenja. j = 1.2 3. n. s i = 1. bm : c a11 x1 + a12 x2 + . Uredena n-torka (c1 ...... kaˇemo da je nekonzistentan. sustav je nemogu´. .. m. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja... cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .2..14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto... uredena ˇetvorka (1. LINEARNI SUSTAVI 101 3.18 Primijetimo: 1. n i slobodnim ˇlanovima b1 .. Takvo rjeˇenje zovemo trivijalno.. s s z s 3. . Definicija 3. s . 0.. . . imamo netrivijalno rjeˇenje.. Ako za neki i = 1. = ain = 0. s z suglasan ili mogu´. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. .. a bi = 0.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. . am1 x1 + am2 x2 + . c2 . 2.. c s 2. Npr... Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.. . i = 1. s Ako je (c1 . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava....... jer x1 = . c s z proturjeˇan ili nemogu´. = xn = 0 daje rjeˇenje c svakog homogenog sustava. m... i = 1. xn s z koeficijentima aij .. ... sustav je nehomogen.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . c c Napomena 3. m vrijedi ai1 = . + amn xn = bm . c2 .. Homogeni sustav je uvijek mogu´. . .... Ako je barem z jedan bi = 0. .2. + a2n xn = b2 ... . Za sustav kaˇemo da je homogen ako je b1 = . + a1n xn = b1 a21 x1 + a22 x2 + .. . = bm = 0... ..3..

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

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

To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. MATRICE I LINEARNI SUSTAVI Teorem 3.. → − x 0 → → − Napomena 3. λ = 0 . = λn = 0 a a a c (tj. tj.. s c s → − → → − → − → Ako je A− = b . Iz − → → − b = (λ1 + x1 )− 1 + . da su stupci od A linearno nezavisni.104 POGLAVLJE 3. Ako je r = r(A) = r(Ab ). da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. Dokaz: . Ako je n = m.. dakle ima bar jedno rjeˇenje.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). ♣ − → − Napomena 3.. po Teoremu 3. Neka su sada λ1 . s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje... (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. Iz Napomene 3. − n su vektor stupci od A). → je A regularna.. bilo kojih r z linearno nezavisnih redaka u A.. A je regularna. jer je A(A b ) = b .. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . Ho´emo pokazati da je λ1 = . tj.6 imamo da je r(A) = n). odnosno λ1 = . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. . s − → → II. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. λn ∈ R takvi da je λ1 →1 + . + a − → → → → λn − n = 0 (− 1 .8 homogeni sustav je uvijek c rjeˇiv..6).) Ako je n = m i A regularna. onda ih ima beskonaˇno x s c mnogo. tj. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.. .. s x → → − → Obrnuto. → → − III. Dakle stupci od A su linearno x x nezavisni.. = λn = 0.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − .. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b .21 Ako sustav A− = b ima dva rjeˇenja. tj. pa je sustav konzistentan.

u u Dakle je N (A) vektorski podprostor od Rn . u v u v − → dakle → + − ∈ N (A). c Svojstva iz Teorema 1. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .8 i Napomene 3. c 3.2.3. dakle dokaˇimo da za proizvoljne c z − .1 i Teorema 1. Tada je. → ∈ 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).22 N (A) je podprostor od Rn . gdje je λ ∈ R proizvoljan. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .2. tj. c Napomena 3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .3 Homogeni sustavi → Iz Napomene 3. Dokaz: Oˇito je N (A) ⊆ Rn .2 su oˇito zadovoljena. x x − → Oˇito je 0 ∈ N (A). u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . A− = b i A− = b . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .♣ s c z s x → Iz Teorema 3. Treba provjeriti da N (A) ima svojstva iz Definicije 1. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .5. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.♣ . tj. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .

22 zakljuˇujemo da ako su u1 .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . rjeˇenje je x s u s jedinstveno. onda po Teoremu 3. Tvrdnja Teorema 3. onda je i njihova linearna kombinacija rjeˇenje tog sustava. s x → − → → Obrnuto. tj. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). → → → → u u y y − → → II.9 I. iz jedinstvenosti zakljuˇujemo da je − = 0 . prema Teoremu 3.♣ Napomena 3.. Kako je iz Teorema 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . s Dokaz: (Dokazujemo samo tvrdnju II. svako rjeˇenje je oblika − 0 + 0 . N (A) = { 0 }.. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. Po Teoremu 3. Tvrdnja Teorema 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje.106 POGLAVLJE 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. gdje je − ∈ N (A). → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. z s . ut rjeˇenja homogenog sustava c s − = − . → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.9 I.9 II.) − → → − → − Ako je matrica A sustava A− = b regularna. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). . tj. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b .9.8 je matrica A regularna. → → → → Ax a y y 2. Onda. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .23 Primijetimo: → 1. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Teorem 3..

... .. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . + a1r xr = b1 − a1r+1 xr+1 − . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. cn proizvoljni realni parametri.. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.2.... c Dakle.8 II... .. + a1n xn = b1 . + a1r xr + a1r+1 xr+1 + . imamo sustav − → − x A0 →0 = β (c). prebacimo ˇlanove s nepoznanicama xr+1 . Kako je r(A0 ) = r. + arr xr = br − arr+1 xr+1 − . − a1n xn .. + arn xn = br .. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. .6 imamo da je A0 regularna.8). LINEARNI SUSTAVI 107 3.3. . .... − arn xn . − → Uvedimo novi vektor desnih strana β (c). xn na desnu stranu i doc bijemo: a11 x1 + .4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. . ar1 x1 + . . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj... . . .. − → Prvo treba odrediti rangove matrica A i Ab . − ain cn za i = 1.. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. Ako oni nisu jednaki.. . pri ˇemu su cr+1 ..2. . Ako su rangovi jednaki (r(A) = r(Ab ) = r).... iz Teorema 3. Iz Teorema 3. r. Nadalje. . kao βi (c) = bi − air+1 cr+1 − .. ar1 x1 + . + arr xr + arr+1 xr+1 + . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.

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

A −→ det A. b ] mnoˇili s lijeva elementarnim matricama Q1 .. m ima nule. imamo postupak Gaussovih eliminacija. ima nule. metode mogu pokazati brˇima (manja im je sloˇenost). tj. b p . . tj. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). na aij za j < i ima nule. na aij za i = k + 1.5 Determinanta. 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 .3. a ostale pozicije su ”nebitne”). 3. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. lagano moˇemo oˇitati rjeˇenje).1. b ]. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A .. na aij za i < j. k. j = 2.... Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. . − → mi smo zapravo matricu [A.2.. . z Za neke se posebne matrice druge..2.. b ] dobili matricu [A ... .. sloˇenost mu je c z 3 ∼ n (tj. Ovaj se postupak moˇe primiz jeniti na sve matrice. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. akk za k ≤ min(m.6. posebno dizajnirane. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A.. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ).. b ] (gdje je matrica A takva da na pozicijama a11 . Qq . Radimo li to elementarnim transformacijama samo nad redcima. Q1 · Q2 · · · Qq · b ] = [A .. . .. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . uz male modifikacije je numeriˇki stabilan. n) ima jedinice.

c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. oznaˇimo s A1k ... matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. n. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . n > 3. Napomena 3. k = 1.. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . Determinanta matrice reda n > 3 se definira induktivno. ..25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . c1 c2 a1 a2 b1 b2 . MATRICE I LINEARNI SUSTAVI U toˇki 1. odnosno n det A = k=1 (−1)k−1 a1k det A1k .. Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . . Za A ∈ Mn . Tada za A ∈ M1 oblika A = [a] definiramo det A = a. + (−1)n−1 a1n det A1n .110 POGLAVLJE 3. u stvari skup R).6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda.

2. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. . 2.1. onda sc je det A = 0. Posebno je c det In = 1. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. determinanta mijenja predznak. det(Qij A) = − det A.7. Neka je A ∈ Mn dijagonalna matrica. Ako je A ∈ Mn trokutasta (gornja ili donja). pravilo za c raˇunanje inverza matrice). Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. n ≥ 2. Svojstva determinante su: 1. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . 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. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. 3. je razvoj determinante po prvom redku. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. onda je det A = a11 a22 · · · ann .3. onda je det A = 0. c 4.

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

Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Teorem 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.i+1 (naravno. z Teorem 3. itd. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali. ai+1. B ∈ Mn vrijedi det(AB) = det A · det B. Teorem 3. ♣ .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.12 Za proizvoljne matrice A.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 . LINEARNI SUSTAVI 113 ispod njega. tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Dakle oˇito je det A = 0. ♣ Iz Teorema 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.26 Ako je A ∈ Mn regularna. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki .3. onda je det A = 0. Ako to nije mogu´e.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Dokaz: Iz Teorema 3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . 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.i+1 = 0).12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. ♣ U Teoremu 3.2. ♣ Napomena 3.♣ Teorem 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.

c c Dokaz: Neka su uzeti i-ti i j-ti redak. det A Dakle A je regularna i A−1 = kof (A) det A . Kofaktor matrice A oznaˇavamo s kof (A). ♣ Napomena 3. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.26 smo vidjeli da ako je A ∈ Mn regularna. onda je po Teoremu 3. Promatramo zbroj n (−1)j+k aik det Ajk .♣ . Vrijedi i obrat. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .27 izravno slijedi: Teorem 3. Inaˇe je zbroj det A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .114 Veliˇinu c POGLAVLJE 3. Analogno ide dokaz za stupce.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. c Napomena 3. (−1)k+i det Aki . det A Dokaz: Ako je det A = 0.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. k=1 Oˇito. k) stoji kofaktor elementa aki matrice A.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . onda je det A = 0.♣ Iz Napomene 3. tj. 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.16 imamo da je 1 kof (A) · A = In . onda iz Teorema 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. tj.28 U Napomeni 3.13 prethodni zbroj jednak det A. ako je i = j. Definicija 3.

→ x Teorem 3. Definicija 3. Stoviˇe. µ ∈ R i sve − . D x2 = D2 Dn . 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. 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 .3.26 i Napomene 3... onda je rjeˇenje z s tog sustava dano s x1 = D1 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. Takvu x x funkciju zovemo linearni operator. → ∈ Rn . . onda takav linearni x y operator zovemo linearnim funkcionalom. − → → Iz Teorema 3.3. µ ∈ R i sve − . A je regularna ako i samo ako je det A = 0. Rm = R. . k = 1.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.3 3. Rjeˇenje je dano s − = A−1 b . . za sve λ. . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. xn = . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. Ako je matrica A regularna. → ∈ Rn . D D pri ˇemu je D = det A. Ako je m = 1.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.3. a Dk . iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . n.♣ a 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . .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. ..

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.116 POGLAVLJE 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. − ∈ Rn . Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. tvrdnja slijedi. µ ∈ R i sve →. − ∈ Rn . z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. 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 (− ). MATRICE I LINEARNI SUSTAVI Napomena 3. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).♣ . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.5.5. x x Napomena 3. tj. Dokaˇimo da je i F + G linearni z operator. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.2.1 i Teorema 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. µ ∈ R i sve →. Dokaˇimo da vrijede i prva dva. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Iz Definicije 3.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .

Neka je F : Rn −→ Rm proizvoljan linearni operator. Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . . linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 . − n ˇine e e − 1 .... i = 1. x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i .... . .... matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn ... rastavljen u e → − → − m → kanonskoj bazi ( f 1 ... n... PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori.. c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− )). Tada za proizvoljni − = (x1 . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze. . f m ). e e e → → c gdje je jedinica na i-tom mjestu.. + xn − n ) = F (− ). x e e e e x − tj. − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom.. Dakle. f m ) od R .. + xn F (− n ) = F (x1 − 1 + ... linearni operator F ´e imati drugaˇiji prikaz. − n ) e e − → → − i ( f 1 . 1. Lagano se provjeri da vektori − 1 .. . i = 1. − i = F (− i ).... je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 .. n... ... . ...... → → ortonormiran skup vektora.. Postavlja se pitanje vrijedi li obrat? Tj.. + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + .18 Kompozicija linearnih operatora (ako postoji) je linearni operator. .. i = 1.. . ..♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm .. n. i = 1.. Nadalje. .. .. f m ) od Rm . x x Teorem 3. xn ) ∈ Rn x − = x1 − 1 + ... Dakle. n. vektor F (− i ).. koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 .. n. . 0). Stoga treba voditi raˇuna s kojim c c c parovima baza radimo.. i = 1. neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm .... Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R . Ako je p = m definiramo funkciju H : Rn −→ Rq formulom − − H(→) = G(F (→)) x x i zovemo ju kompozicija operatora F i G i oznaˇavamo s H = G ◦ F . .. − n ∈ Rn dane sa →i = (0. . .3.3.. − n ) = Rn .

Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). z) = x.3. Oˇito je rang od p1 jednak jedan (jer je slika x-os). z . Njegova je matrica dana s 1 0 0 .18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F .32 i Teorema 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. F ∈ Mn ). vrijedi dimN (F ) + dimR(F ) = n. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Napomena 3. − → → → Nadalje.118 POGLAVLJE 3. tj. iz toˇke 3. odnosno dimN (F ) = dimN (F ). Primjer 3. c H =GF . a defekt jedan. Kako su F i F ustvari isti linearni oper− → − → atori. MATRICE I LINEARNI SUSTAVI Napomena 3. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. z) = (x. Iz Napomene 3. y.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.10 izravno slijedi teorem o rangu i defektu za linearni operator.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. y). a defekt dva. c 2. Njegova je matrica dana s 1 0 0 0 1 0 .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). y. Sada nas zanima kada su ti vektori kolinearni. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Neka je F : Rn −→ Rm proizvoljan linearni operator. tj. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.♠ c 3. Tada je po Teoremu 3. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .2.10 Pogledajmo sljede´e primjere: c 1. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .

→ → Svojstva iz Teorema 1.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . − ∈ S(λ0 ). A− 0 = x x − 0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Dokaz: Oˇito je S(λ0 ) podskup od Rn . tj.5. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). neka je µ ∈ R µ = 0 proizvoljan. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. 2. µ = 0. x x → → Vektor − 0 ∈ Rn .33 Primijetimo: → 1. → → 2.2 oˇito zadovoljava. ♣ Napomena 3. tj.3.3. c x y tj. Dokaz: 1.1 i Teorema 1. Izravno iz Definicije 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 . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . da c z s zadovoljava uvjete Definicije 1. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .17 Neka je A ∈ Mn .17. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . x y x y x y . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. x x x x → Dakle za svaki µ ∈ R. Nadalje neka su − . Napomena 3. Nadalje.

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

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

iterativne metode.122 POGLAVLJE 3.18 Za matrice A. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. da A c nema realnih svojstvenih vrijednosti. Nadalje. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. Tako npr.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka.♠ Dakle iz Primjera 3. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. . Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. Tada su sve njene svojstvene vrijednosti realne. Medutim. Definicija 3. svaki vektor kanonske ortonormirane baze od Rn je svojstven. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. c s c z itd. k ∈ Z. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). nul matrice. za trokutaste.19 Neka je A ∈ Mn simetriˇna matrica. za nul matrice. Stoga se koriste razne pribliˇne metode. c Teorem 3.2 = cos ϕ ± Kako je ϕ = kπ. tj. tj. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. cos2 ϕ − 1. svojstvene vrijednosti od A nisu realni brojevi.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. imamo cos2 ϕ − 1 < 0 tj. Za dijagonalne matrice.

12 Neka je matrica A dana s A= 2 0 1 2 . Primijetimo da a. jer u suprotnom matrica P nije regularna. b. z Uzmimo sada da je samo a = 0.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. s z Dakle ostaje nam samo sluˇaj kada su a. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. b. x 0 0 y . znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. a b c d .♠ c s z z = ax by cx dy . d ne mogu biti nula. analogno vrijedi za a = d = 0. b. 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. Takoder nikoja tri od a. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. c Primjer 3. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. ˇto ne moˇe biti. c. c. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. dijagonalizirati matricu A. To nije uvijek mogu´e. tj.3. Pokuˇajmo je dijagonalizirati. c. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0.3.20 Sliˇne matrice imaju iste svojstvene vrijednosti. x 0 0 y . Dakle matricu A ne moˇemo dijagonalizirati. tj. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. d svi razliˇiti od nule. d ne mogu svi biti istodobno nula. onda iz druge jednadˇbe imamo da je y = 2. Dakle. pretpostavimo prvo da je b = c = 0.

Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. ♣ Teorem 3.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . MATRICE I LINEARNI SUSTAVI Iz Primjera 3. .. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.12 vidimo da ne moˇemo svaku matricu dijagonalizirati.... Ipak.34 znamo da je skup S(λ0 ) potprostor od Rn . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. Obratno.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . tj.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 .124 POGLAVLJE 3.. Sada. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ).. . λn od KA (λ) pojavljuje barem jednom. λn . s Teorem 3.♣ Napomena 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. c Napomena 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. c c Teorem 3. Dakle 0 nije svojstvena vrijednost. dijagonalna. λ−1 .♣ c . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 ..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.. λn od KA (λ) zovemo algebarska kratnost od λ0 .. ako je λ0 svojstvena vrijednost od A ∈ Mn . nultoˇka od KA (λ).. . tj. 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..36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . ona se u nizu c nultoˇaka λ1 . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . . c Kako je KA (λ) polinom n-tog stupnja.21 Neka je A ∈ Mn simetriˇna. λn . .. c Teorem 3. Tada iz Napomene 3..♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.. iz osnovnog teorema algebre (Teorem 5. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. A je regularna. Ako je A joˇ simetriˇna onda iz Teorema 3. a odgovaraju´i se svojstveni vektori podudaraju.

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

lim (an bn ) = lim an lim bn . Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije.♣ an Teorem 4. lim (can ) = c lim an . ako ne i nemogu´e. Ako je r ∈ R. n−→∞ n−→∞ 3. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. ako je bn = 0 i n−→∞ lim bn = 0.5 Neka je (an ) konvergentan niz. NIZOVI I REDOVI 4. konvergira li.1. te c ∈ R proizvoljan. proizvoljan i an ≥ 0 za svaki n ∈ N. n−→∞ n−→∞ n−→∞ 4. i ako da.3 Neka je (an ) niz s pozitivnim ˇlanovima. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . prema kojoj vrijednosti.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . onda je lim an an = n−→∞ . Tada c an −→ 0 ⇔ 1 −→ ∞.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). c c c Npr.132 POGLAVLJE 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. lim (an ± bn ) = lim an ± lim bn . Tada vrijedi: 1.4 Neka su (an ) i (bn ) konvergentni nizovi. . c Teorem 4. r = 0. c s c c c tj. n−→∞ n−→∞ n−→∞ 2.

♣ Teorem 4. Tj. Pogledajmo prvo sluˇaj |q| < 1. Kako je (an ) monoton... Dakle imamo samo c c s z s jedno gomiliˇte. (an ) raste. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . dakle ili q −→ ∞. po Teoremu 4. To je ekvivalentno s |q| < ε. q 2 .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Tada je n 1 |q| < 1. za svaki n ∈ N. i ako npr. znamo da neˇto postoji. pa je lim an = 0. izraˇunati. q. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. jer je log |q| < 0. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.1. Za |q| < 1 je lim an = 0.2 niz (an ) ima barem jedno c gomiliˇte.. ε).1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Teorem 4. no ne c s znamo koliko je i kako to na´i.♣ c z s Napomena 4. NIZOVI REALNIH BROJEVA 133 Teorem 4. c c . ˇto ne moˇe biti jer je G gomiliˇte. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. niz 1.6 Monoton.6 je tipiˇni teorem egzistencije. q 3 . Sada. dakle divergentan. q 3 . niz (an ) s konvergentan. n−→∞ Dokaz: Iz toˇke 4.4. q. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. . U suprotnom. on moˇe imati najviˇe jedno gomiliˇte. odrediti. pa prema prethodnom niz n n −→ 0.3 imamo |q | −→ ∞. tj. dakle divergira ili u uˇem. Logaritmiranjem se dobije n log |q| < log ε. log |q| Dakle svi ˇlanovi niza 1. ako s z s s (an ) ima barem dva gomiliˇta G i G . vrijedi lim inf an = lim sup an ∈ R. q 2 . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. 1 |q n | Neka je sada |q| > 1.4. Tada po Teoremu 4. G > G ..1. ograniˇen niz je konvergentan. Imamo log ε n> . ili u ˇirem smislu. c Dokaz: Neka je (an ) monoton i ograniˇen.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . c Napomena 4. tj.4 dovoljno je promatrati niz s a1 = 1. Onda je po Napomeni 4. . c c c Prema Teoremu 4.. tj.

2. NIZOVI I REDOVI Teorem 4. ako je λ = 0. Neka je niz (an ) dan formulom an = nλ .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. ∀r ∈ N). c z 4. tj. 1 n . Neka je niz (an ) dan formulom an = n λ. gdje je λ > 0 proizvoljan. teˇe k nuli. Neka je niz (an ) dan formulom an = λn .♣ Teorem 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. ako je λ > 1 lim an = n−→∞ 0. Tada vrijedi n−→∞ lim an = 1. Neka je niz (an ) dan formulom an = n n. √ 3. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. n 6. ako je λ < 0 √ 5. gdje je λ ∈ R proizvoljan. proizvoljan. 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 0 < λ < 1. gdje je λ ∈ R proizvoljan. Tada vrijedi   ∞. λ = 1.7 je najop´enitiji. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Neka je niz (an ) dan formulom an = |λ| .134 POGLAVLJE 4. Tada vrijedi ∞.1. ako je λ > 0  lim an = 1. Tada n! vrijedi lim an = 0. n−→∞ n−→∞ n 4. gdje je λ > 0. Tada vrijedi lim an = 1. n−→∞   0. .

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

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

10 Red an apsolutno konvergira ako konvergira red |an |. onda op´enito red c c c an ne mora konvergirati. Nadalje.♣ 1 1 Napomena 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. c .10 Iz Primjera 4.9 ne slijedi obrat Teorema 4.♠ dok red 1 n divergira (Primjer 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.♠ 2n n−→∞ ∞ Napomena 4. n 1 (−1)n−1 n uvjetno konvergentan. a red |an | ne konvergira. tj. an .8 Ako red apsolutno konvergira.2. oˇito vrijedi c Sn+1 = Sn + an+1 . REDOVI REALNIH BROJEVA za svaki n ∈ N. onda on konvergira i obiˇno. Ako red an konvergira. kaˇemo da red z an konvergira uvjetno. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . c c ako op´i ˇlan niza (an ) konvergira u nulu.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Dakle je red Teorem 4. Definicija 4.9 op´enito ne vrijedi.4. Primjer 4.8.8).8 znamo da red = divergira i da je lim n n−→∞ n 0. tj.♣ c Uoˇimo da iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. S = lim Sn = n−→∞ n=1 an . n−→∞ odnosno n−→∞ lim an+1 = 0.

onda je oˇito an = a1 (−1)n−1 . tj.138 POGLAVLJE 4. da geometrijski red a1 q konvergira i da je |q| ≥ 1. Pogledajmo n-tu parcijalnu sumu. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. + a1 q n . c Pretpostavimo da je a1 = 0 i |q| < 1. gdje su a1 . Teorem 4.. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. Nadalje. a1 q n−1 = 1−q n=1 Obrnuto.2...2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . tj. Iz Teorema 4. imamo Sn − qSn = a1 (1 − q n ). Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . NIZOVI I REDOVI 4. Sn = a1 + a1 q + a1 q 2 + . c Ako je q = −1. vrijedi Sn = a1 za svaki n ∈ N. = a1 q n−1 . + a1 q n−1 .. q ∈ R proizvoljni. Ako je q = 1. onda je oˇito an = a1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. Pretpostavimo suprotno. a to divergira za svaki a1 = 0.5 imamo da je lim Sn = a1 lim a1 1 − qn = ... Nadalje kako je c n−→∞ lim an = 0 . n−→∞ 1 − q 1−q 1 − qn . zovemo geometrijski red s kvocijentom q. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . tj. pa je Sn = na1 . 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.

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.♣

146 POGLAVLJE 4. . 1 2. an0 +m ≤ λm an0 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Tada iz Teorema 4. .. an za svaki n ≥ n0 . za svaki n ∈ N. Oˇito je za x = 0 svaki red potencija konvergentan. 0 < λ < 1. . .13 1.3. Dakle imamo an0 +1 ≤ λan0 . gdje je x ∈ R proizvoljan.♠ 1 xn−1 (n−1)! 4. za svaki m ∈ N. i n0 ∈ N takav da je an+1 ≤ λ. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Neka je an = n! . Neka je an = 1.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima.. Dakle. Ako postoji λ ∈ R. an za svaki n ≥ n0 . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. i suma mu je 1−x . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |.18 Neka je 0 < λ < 1. zovemo red potencija. onda konTeorem 4. za svaki n ∈ N. onda red an konvergira. red an0 + an0 +1 + .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. c Teorem 4. Red oblika an xn . Ako red n an x0 divergira. Dokaz: Neka su λ ∈ R. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.♣ Primjer 4. .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |.

17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.3. Sada iz Napomene 4.16 imamo da i red an0 + an0 +1 + .8 znamo da on = 1. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. 1 n+1 lim n−→∞ 1 n 2.9 konvergira. c 0 < λ < 1. n−→∞ an lim onda red an konvergira za l < 1.14 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . divergira za l > 1. Neka je dan red divergira. n Tada iz Primjera 4. konvergira. c Primjer 4.. Neka je dan red vrijedi 1 .3 Cauchyev kriterij Teorem 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.8 znamo da on konvergira. Ako postoji λ ∈ R.♣ ..19 Neka je an red s pozitivnim ˇlanovima. n2 Tada iz Primjera 4.4. an konvergira. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.3. onda red an ≤ λ.♣ Napomena 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. ali vrijedi 1 . imamo da red c an konvergira. 4. Ako postoji limes c an+1 = l.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.

♠ c s Cauchyev kriterij je jaˇi. (an ) niz u R i x ∈ R prozvoljan.15 Analogno kao i u Primjeru 4. onda red an konvergira za l < 1. Ako postoji limes c n−→∞ lim √ n an = l. NIZOVI I REDOVI Napomena 4. .14 za red odnosno red n znamo da divergira odnosno konvergira. tj. c 1 Primjer 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. Ako postoji lim sup n |an | i lim sup n |an | = 0.148 POGLAVLJE 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. a iz toˇke 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. divergira za l > 1.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.20 Neka je an xn red potencija. a divergira za sve x ∈ R za koje je |x| > ρ. c Teorem 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.20 zovemo radijus konvergencije reda potencija a n xn .1. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).

3. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. ali smo u Primjeru 4. a divergira za |x| > 1.16 1.3.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.8 znamo 1 1 da red konvergira.20 red potencija |x| < 1. Ako je x = −1. (−1)n . n2 Tada je n 1 = lim n−→∞ n2 1 = 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. 4. n Tada je 1 = lim n−→∞ n n 1 = 1. konvergira za Pogledajmo sada ako je |x| = 1. Neka je dan red potencija lim sup n 1 n x . Teorem 4.4. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.). Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Tada imamo sljede´i kriterij (Leibnic c zov): . Iz n2 n2 1 Teorema 4. n 1 n x n dakle je ρ = 1. onda iz Primjera 4. itd. a divergira za |x| > ρ (ako lim sup n |an | postoji). konvergira za Pogledajmo sada ako je |x| = 1. iz Primjera 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. KRITERIJI KONVERGENCIJE Primjer 4.20 red potencija |x| < 1. c sin n. Po Teoremu 4.8 imamo da konvergira i red (−1)n . a divergira za |x| > 1. n2 1 n x n2 dakle je ρ = 1. tg n. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. dakle i apsolutno konvergira red (−1)n .20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. n 2.♠ n2 Teoremu 4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). dok za x = 1 red n 1 divergira. Neka je dan red potencija lim sup n 149 1 n x . Po Teoremu 4. Ako je x = 1 onda.

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

KRITERIJI KONVERGENCIJE Primjer 4.17 Iz Teorema 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.♠ s .4.3.

.

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

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

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

x ∈ D(f ).1: Koordinate toˇaka na grafu funkcije. y) za koje je y = c z c f (x). x ∈ D(f )} ⊂ R2 . f (x)).156 POGLAVLJE 5. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. prikaˇemo u koordinatnom sustavu.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.Na kraju. projekcija grafa na y-os je slika od f ). tj. graf funkcije f sadrˇi sve toˇke ravnine (x. Drugim rijeˇima. FUNKCIJE . no izvediv. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . graf funkcije f dobijemo z c c kad sve parove oblika (x. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. c Napomena 5. f (x)).2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. 5. U nastavku ´emo se baviti ovim problec mom. .1.3 Graf funkcije Funkcije se zorno prikazuju grafovima. z Definicija 5.

3: Primjer krivulje koja nije graf 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. z s Iz Napomene 5. Npr. . c y x0 0 x Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. ˇto je suprotno s definicijom funkcije. Napomena 5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.5.1.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.

podruˇja vrijednosti i nultoˇaka. c Osim podruˇja definicije. f (x) = cos x. 0) ∈ Γ(f ). Ako za takve dvije vrijednosti x1 . bliskost argumenata i sliˇno. tj. toˇke oblika (x0 . toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. z c I ⊆ D(f ). kaˇemo da je f (strogo) monotona na intervalu I. intervale z monotosti (tj. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. To. kaˇemo da funkcija f pada z z na I. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . c Neka je interval I = a. Ti su pojmovi vezani c uz usporedbe vrijednosti. dakako. ako postoje). Nuliˇte je apscisa nultoˇke. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). toˇke prekida i asimptotsko c c ponaˇanje. b ⊆ R sadrˇan u podruˇju definicije funkcije f . iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. tj. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ).1.4 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). c s c Napomena 5. ne mora biti nultoˇka funkcije c c (npr. realne funkcije realne varijable). pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. za x = 0 je f (0) = 1). s Dakle. s 5.4 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. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. tj. c z . ekstremne vrijednosti. odnosno strogo pada na I. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). kaˇemo da je funkcija f strogo raste. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. kao ˇto smo rekli. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva.158 POGLAVLJE 5. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). 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. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. Gledamo li graf funkcije f .

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

govorimo o strogom lokalnom maksimumu odnosno minimumu. 0]. dakle svaki x ∈ R je lokalni maksimum i minimum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. 0]. pa i globalni maksimum i minimum. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. . c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. Analogno.♠ c Napomena 5. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ).2 1. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). onda on ne mora biti i globalni. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. Nadalje. pa i na cijelom R. x0 + ε . dakle je i c strogi globalni maksimum. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. Primjer 5. 4. c dakle je i strogi globalni minimum. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. 3.5 Uoˇimo. 2. Dakle. +∞ i strogo padaju´a na svakom interc c valu u −∞. +∞ a strogo rastu´a na svakom intervalu u c −∞. dok je svaki globalni ekstrem i lokalni. u toˇkama iz R \ {0} f nema lokalnih ekstrema. govorimo o strogom globalnom maksimumu odnosno minimumu. ako su nejednakosti stroge. c Nadalje. Dakle f nema lokalnih pa ni globalnih ekstrema. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. Ako su nejednakosti stroge. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. FUNKCIJE za svaki x ∈ x0 − ε.160 POGLAVLJE 5.

tj. tj. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. s Primjer 5. Problem nalaˇenja ekstrema je vrlo bitan. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. b]). f (x) = x|x| su neparne. 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. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. za svaki x ∈ D(f ). |x| su .3 1. Funkcije f (x) = x. f (x) = parne fukcije. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta).1. za svaki x ∈ D(f ) . z Ako vrijedi f (−x) = −f (x). 2.4: Primjer funkcije s lokalnim ekstremima. onda kaˇemo da je funkcija f neparna. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. Ako vrijedi f (−x) = f (x). f (x) = x4 .♠ 1 . b ili D(f ) = a. f (x) = x3 . Funkcije f (x) = x2 . f (x) = |x|. b]. z c c Napomena 5.5.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. D(f ) = [a. D(f ) = [a. onda kaˇemo da je funkcija f parna.

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

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

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

ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. 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 ).5 Neka je dana funkcija sign : R −→ R formulom   1. 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. Dakle nula je toˇka prekida od f . x > 0  sign x = 0. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. Definirajmo sada pojam neprekidnosti funkcije. Definicija 5. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. x0 + δ ) ⊆ f (x0 ) − ε. Primjer 5. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.3 kaˇe da je funkcija f : I = a. Intuitivno. Odnosno. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.3 Realna funkcija realne varijable f : I = a. f (x0 ) + ε . Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.1.7 Ako funkcija ima asimptotu. c 1 Uzmimo ε = 2 . je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). c 165 Napomena 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Kad bi imala dvije asimptote u jednom rubu. gdje je I ⊆ D(f ). z Definicija 5. pravac). b −→ R. dok je u svim drugim toˇkama neprekidna. . slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj.

Napomena 5. takav da je c |f (x)| ≤ M .9 Iz Definicije 5. tj. funkcija je neprekidna u x0 . Napomena 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Napomena 5. je ograniˇena ili omedena na I ako postoje realni brojevi m.166 POGLAVLJE 5. gdje je I ⊆ D(f ). c . M > 0. Analogo se dokaˇe za x0 < 0. b −→ R neprekidna u toˇki c x0 ∈ I. b −→ R. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. za svaki x ∈ I. iz uvjeta m ≤ f (x) ≤ M.4 Realna funkcija realne varijable f : I = a. je ograniˇena na I ako postoji realan broj M ∈ R. za svaki x ∈ I.8 Ako u Definiciji 5.4 stavimo M = max{|m|. 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. b −→ R. za svaki x ∈ I. Ako je x0 > 0.10 Ako je funkcija f : I = a. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. FUNKCIJE y 1 0 x −1 Slika 5.♠ z Definicija 5.4. M ∈ R c takvi da je m ≤ f (x) ≤ M. tj.8: Funkcija sign(x). gdje je I ⊆ D(f ).

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

c) Ako je c < 0. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. tj.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). onda je (f + g)(x) = f (x) + c 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 . pa je D(f ± g) = D(f ). c c ∈ R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. dakle beskonaˇni skup {xn . 1.3). D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}.. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. z c z Napomena 5. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5... a g dana formulom g(x) = c. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. 1.. . Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. 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. Uoˇimo da je D(g) = R. skup funkcija {1. Napomena 5. pri ˇemu je f proizvoljna. .} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. g : R −→ R.5).168 POGLAVLJE 5. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). Tj. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). n = 0. Npr. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. c Preciznije. b) Ako je c > 0.. a) Ako je c = 0. c c Neka su f. . x. x .

b) Ako je 0 < c < 1. samo je usporen pad i rast c funkcije f . Dakle. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.10: Graf funkcije 2f (x). Graf funkcije f g je sliˇan grafu funkcije f . y 2 f(x) 0 f(x) x Slika 5.5. vrijedi |(f g)(x)| ≤ |f (x)|. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Pogledajmo funkciju f g u ovisnosti o c ∈ R. 2. onda je (f g)(x) = 0 za svaki x ∈ D(f ). Graf funkcije f g je pravac y = 0 ili x os.1.9: Graf funkcije f (x) + c za c > 0. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. funkcija f g ima iste nultoˇke kao i funkcija c c f . tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). . a) Ako je c = 0.

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

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

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. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). 3. Neka su f. Ako su obje parne. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Primjer 5. . g 5.172 POGLAVLJE 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. f g i f g f g sve parne. recimo g.1. g : R −→ R funkcije. Ako su obje neparne. 2. Tim se postupkom mogu stvarati nove z funkcije.12: Kompozicija funkcija. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. onda su funkcije f ± g. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. neparna a f parna.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)). tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. te funkcije f g i obje parne. Definicija 5. c h f A B g C Slika 5. Matematiˇki se to formalizira pojmom kompozicija funkcija.4). Ako je jedna funkcija. onda je funkcija f ± g neparna.

Tada je oˇito c D(f ) = R(f ). 1 . g ◦ f = f ◦ g. z funkciju f komponirati samu sa sobom. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f .♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. za svaku funkciju g : R −→ R.6 vidimo da operacija kompozicije funkcija nije komutativna.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Napomena 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).♠ x+1 x+1 173 2x . za proizvoljnu funkciju f . za tu funkciju vrijedi g ◦ f = f ◦ g = g. da je. . 3x + 1 3x + 1 2x 6x = . moˇemo gledati funkciju f ◦ f .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.7 Neka je dana funkcija f (x) formulom f (x) = x . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.1. op´enito. OSNOVNI POJMOVI Primjer 5. tj. 1 Primjer 5. tj. Dakle imamo f ◦ id = id ◦ f = f. U takvom sluˇaju piˇemo f 2 = f ◦ f .5. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). Naime. c Napomena 5.

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

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

.8 Troˇkovi rada stroja su 200 kn/h. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. moˇe biti viˇe studenata koji su imali nula bodova. 10 sati rada stroja koˇtati 2500 kn. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. i joˇ 500 kn za dovoz i odvoz. Ne c c moˇemo rijeˇiti problem. Kaˇe se i da z c z f ne lijepi argumente. b : studenti −→ {0. i obrnuto. 12}. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).. Uspjeli smo rijeˇiti problem. c s Pogledajmo sada obratni problem. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. 2. tj. a za z c neke nije.176 POGLAVLJE 5. tj.♠ z s Definicija 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe.♠ Primjer 5. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. 1. 200x + 500 = 1300. .1. To je za neke funkcije mogu´e. Dakle imamo. FUNKCIJE 5. s s Jasno je da ´e nas npr. Primjer 5. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Drugim rijeˇima. .. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. 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. Dakle. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. Nas zanima x(y).

8 Funkcija f je bijekcija ako je i injekcija i surjekcija.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. c c Definicija 5. n ∈ N. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.♠ Primjer 5. Napomena 5. ali ne i za paran n. tj.8 izraˇunali smo da je x(1300) = 4.10 Funkcija f (x) = xn .18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. a injektivnost njegovu jedinstvenost. Napomena 5.11 U Primjeru 5. je injekcija za neparan n. . x2 ∈ D(f ). Surjektivnost osigurava c sc c s z postojanje rjeˇenja. 1).1. f : D(f ) → R(f ) je uvijek surjekcija. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. za bilo koji c ∈ R. Definicija 5. 1) i (1.6 c ekvivalentan sljede´em: za x1 . s c Primjer 5. Injektivnost. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).

15: Graf funkcije i njoj inverzne funkcije. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x).♠ 200 Definicija 5. x(c) = c − 500 . 200 (200x − 500) + 500 = x.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. Dakle. . dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. 200 POGLAVLJE 5.178 dobivamo formulu za x u terminima c.

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

z c Napomena 5. 0] ili [0.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Tada je njena inverzna funkcija g : [0. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. jer je f (x) c rastu´a. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. +∞ −→ −∞. +∞ . f −1 je neparna.2 Inverzna funkcija neparne funkcije je neparna. Pokuˇajmo sada.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Primjer 5.2 ne moˇemo izre´i za parne funkcije. +∞ gdje je bijekcija. FUNKCIJE Teorem 5. 0] odnosno . praktiˇno izraˇunati. Dakle. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.180 POGLAVLJE 5.♠ c Analogno kao u Primjeru 5.12 slijedi da tvrdnju Teorema 5.♣ Iz Primjera 5. ali nije bijekcija. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.

c Osim elementarnih postoje i tzv.8 0. ˇ Cak i za funkcije koje imaju inverze.4 1 2 Slika 5. c . +∞ −→ [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. 5. +∞ je bijekcija. ima inverznu funkciju.2.5. Restrikcija te funkcije na interval [−1. 0.2 -3 -2 -1 -0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. specijalne funkcije kojima se ovdje ne´emo c baviti. +∞ dana formulom − n x odnosno n x.16: Graf funkcije f (x) = xex . nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.6 0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Primjer takve funkcije je c x f (x) = xe . Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. tj.4 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.2 -0. Ako je n neparan.

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

Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. c 10 7. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Realne konstante an .5. . ako su jednaki kao funkcije. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Polinomi su konceptualno najjednostavije funkcije.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . .11 Dva polinoma P i Q su jednaka. Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.2.5 5 2.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . . . a a0 je slobodni koeficijent. Koeficijent an je vode´i.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. Definicija 5. + a2 x2 + a1 x + a0 . Definicija 5. Ovdje podrazumijevamo da je an = 0. a0 su koeficijenti polinoma Pn (x). P. . Dakle je svaki polinom definiran na cijelom skupu R.a1 . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). tj.5 -3 -2 -1 -2.

pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. n.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. 1. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.5 2 2. 0. c c .: n m Teorem 5.. = an = 0. tj.02 3 2 0. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).01 1.4 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 . FUNKCIJE n Teorem 5..14. a ordinata je. c c c s naravno... Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.01 -0. Apscisa nultoˇke je nuliˇte.184 POGLAVLJE 5. c Primjer 5. za sve i = 0.11. Broj c k zove se red ili kratnost nultoˇke x0 . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. .5 3 Slika 5. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.02 4 0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5..♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .

ako raste u s c nekoj toˇki. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.22 U nultoˇkama neparnog reda polinom mijenja predznak.3 Qn−k (x) = 0 na nekoj oklini oko x0 . Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. dok za x > x0 vrijedi (x − x0 )k > 0. Ako je k neparan. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Otvor joj je okrenut prema gore ako je a > 0. za x ≥ 0. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.5. je polinom drugog stupnja ili kvadratna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Tjeme .19: Graf linearne funkcije f (x) = x + 75. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. dok c u nultoˇkama parnog reda nema promjene predznaka.8).2. raste na cijelom R. Za a = 0 imamo konstantnu funkciju p(x) = b. onda iz Teorema 6. a = 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. a prema dolje ako je a < 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. onda iz Teorema 6. a padaju´a ako je a ≤ 0. Ako su ove nejednakosti c c stroge.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. kaˇemo da je linearna funkcija strogo rastu´a. po Teoremu c 6. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. tj. odnosno strogo padaju´a. Ako je k paran.

dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. npr.♣ c c .5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. Nultoˇke kvadratne funkcije dane su formulom c x1. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Teorem 5. −D/4a). Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. inaˇe velike pozitivne). inaˇe velike negativne vrijednosti).186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. tj. Zbog neprekidnosti c polinoma na R (Teorem 6.♣ c Iz Teorema 5. 2a i realne su ako je D ≥ 0.8) graf polinoma mora negdje sje´i x os. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). parabole ima koordinate (−b/2a. c Napomena 5.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. FUNKCIJE 1 2 Slika 5.2 = √ −b± D . Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.

onda je P1 (x) = x linearna funkcija. i = 1. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . dakle nije injekcija. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.2.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. 0). c vrijedi D(Pn ) = R. Ako je n paran broj. 0]. R(Pn ) = [0. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. graf c joj je zrcalno simetriˇan s obzirom na y os. +∞ .5. 3. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. Ako je n = 1. 1.♠ Dakle. Nadalje. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.16 Pogledajmo funkciju (polinom) Pn (x) = xn . dakle je bijekcija i ima nultoˇku u (0. n − 1. Strogo pada na −∞..♠ c . onda je oˇito funkcija Pn (x) = xn parna. 0). tj. c neparna je i ima nultoˇku u (0. dakle je bijekcija. iz Primjera 5. Pn (x) strogo raste na R. 0). tj. P1 (x) strogo raste na R. tj.. Ako je n neparan broj.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Primjer 5. pravac y = x.. Oˇito je D(P1 ) = R(P1 ) = R. onda je oˇito funkcija Pn (x) = xn neparna. tj.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. . strogo raste na [0. kao funkcija an xn . c 2. +∞ i ima nultoˇku u (0.

. i = 1. m. razlika.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. kako se polinom Pn (x) = i=0 ai xi . dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. sam sebi je asimptota.3 Racionalne funkcije Oˇito je zbroj. .8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. itd.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.. Za . 5. tj. n. n > 1.. problem s asimptotike je sloˇeniji. z n Nadalje. z Definicija 5. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. problem poniˇtavanja je vrlo kompliciran. y) = i=0 j=0 aij xi y j . Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. Dakle. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). Realne konstante aij .. su koeficijenti polinoma Pnm (x).2. Po analogiji s racionalnim c brojevima. u tom sluˇaju se situacija komplicira.. . Napomena 5.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.. dijeljenjem polinoma c izlazimo iz te klase funkcija. umnoˇak i kompozicija polinoma ponovo polinom. Npr. Naravno. FUNKCIJE Napomena 5. j = 1.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. ali c z kvocijent dvaju polinoma op´enito nije polinom.188 POGLAVLJE 5. 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.

2.17 Pogledajmo sljede´e primjere: c 1.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) .♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. tj. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. c c . nije racionalna funkcija. Definicija 5. (Smatramo da je racionalna funkcija ve´ skra´ena. Funkcija f dana formulom f (x) = 2. Dakle. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika.5. 6. Funkcija hR dana formulom h(x) = 4. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. s c D(f ) = {x ∈ R. tj. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Dakle. Qm (x) = 0}. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Naravno.) Dakle. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. takve su definirane na cijelom R. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. 5. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. U polu racionalna funkcija c nije definirana. je racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. nultoˇkama nazivnika. Funkcija j dana formulom j(x) = x−13 je polinom. c Primjer 5. Red pola je red odgovaraju´e nultoˇke nazivnika. 3.

♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. FUNKCIJE 100 75 50 25 -1 -0. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.5 -25 -50 -75 -100 0.190 POGLAVLJE 5. 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).22.5 1 80 60 40 20 -1 -0. bi x i=0 i−m bi x i=0 i xm .26 Ako je pol parnog reda. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .5 1 x 1 Slika 5. 2. i to na vanjskim rubovima prirodnog podruˇja definicije. Osim vertikalnih. Sada tvrdnja izravno slijedi iz Napomene c 5. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .26).5 0. tj.graf racionalne funkcije moˇe imati asimptote: z 1. kao i u toˇkama u c kojima se nazivnik poniˇtava. dok za polove neparnog z c reda. 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. kad c argument ide u +∞ i −∞. (lijevo) i pola Napomena 5. z c Dokaz: Red pola je red nultoˇke nazivnika. Dakle.

odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. onda je n − m = 1. an c) Ako je n > m + 1. bm dok prvi pribrojnik. onda je n − m > 1. Preciznije. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. c xm ai xi−m i=0 m tj.5. bn . izraz bm xn−m raste ili an pada brˇe od pravca bm x. i=0 . d) Ako je n = m + 1. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . onda racionalna funkcija ima horizontalnu asimptotu y = c. bm x an a) Ako je n < m. PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . b) Ako je n = m. se pribliˇava broju z bi x i−m am . tj.2. racionalna funkcija nema ni horizontalne ni kose asimptote. 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 . Dakle. tj. xm . bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. Racionalna funkcija ima horizontalnu c asimptotu y = 0.

m i−m xm bi x i=0 m POGLAVLJE 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). zrcalno simetriˇna obzirom c c na y os. f strogo raste na [0.27 ne mora vrijediti.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). 0 vrijedi f (x) > −x.27 Analogno kao i kod vertikalnih asimptota. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. Dakle. Napomena 5. R(f ) = [1. bm jer i=0 bi xi−m ide u bm . f je parna. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . f (x) = x + x (desno) i njihovih asimptota. Oˇito je D(f ) = R. 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. kada argument ide u beskonaˇnost. dakle nije injekcija.192 xm (am+1 x) . z √ Primjer 5. tj. FUNKCIJE ide u am+1 x. . +∞ . Nadalje. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. +∞ i za svaki x ∈ 0. +∞ vrijedi f (x) > x.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. Dakle. +∞ . 0] i za svaki x ∈ −∞.♠ Iz Primjera 5.

dakle je svaki polinom algebarska funkcija. Pn (x)) = 0. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.19 1. Tada je oˇito P (x. f (x)) = 0. Dokaz: Neka je dan proizvoljni polinom Pn (x). y) takav da vrijedi P (x. f (x)) = 0.18. y) = Pn (x) − y. y) = Qm (x)y −Pn (x).4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Definirajmo polinom u dvije varijable s P (x. dakle je svaka racionalna c √ Primjer 5.2.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. c .14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Definicija 5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.5. 5. f (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5. Napomena 5. jer u suprotnom ne bi bila funkcija. Tada je oˇito P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije.2. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Definirajmo polinom u dvije varijable s P (x. y) = x − y n oˇito je P (x. c Neka je sada f (x) = funkcija i algebarska.

f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije.4). u 1 (toˇka 5. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . f (x)) = 0. √ Primjer 5.20 1.13). je D(f ) = R(f ) = [0. +∞ . c 1 3. f strogo raste na R i neomedena je. dakle nema vertikalnu asimptotu.1. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. c c tj. je D(f ) = 1. +∞ (Primjer 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . z tj. dakle nema niti vertikalnu niti horizontalnu asimptotu.13). Neka je dana algebarska funkcija f formulom f (x) = 3 x.13). tj.28. Kada se argument sve viˇe pribliˇava c s z broju 1. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. z √ 2. pravac y = 0 je horizontalna asimptota funkcije f .4). Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.13). y) = xy n − 1 oˇito je P (x. Nadalje. Dakle. koja je bijekcija sa R na R. tj. je D(f ) = R(f ) = R (Primjer 5. Nadalje. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Funkcija f je inverzna funkcija funkcije g(x) = x3 .194 POGLAVLJE 5. c c √ Nadalje. Dakle. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. +∞ .♠ 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. z 1 4. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. dok kosu asimptotu ne moˇe imati zbog Napomene 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . FUNKCIJE 1 2. ima vertikalnu asimptotu x = 1. +∞ i R(f ) = 0. Neka je dana algebarska funkcija f formulom f (x) = x. Dakle. 0 je regularna toˇka (toˇka 5.1.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

B. ctg α = .). Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama. C. b i hipotenuzom c (stranica a je nasuprot vrha A. za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . gdje je M = ln a. dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. b a .7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. c Odatle im i ime. Vidimo da su vrijednosti logaritma proporcionalne. S porastom dostupz nosti elektroniˇkih raˇunala vaˇnost logaritama kao raˇunalnih pomagala poˇela c c z c c se smanjivati. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. ili modulom b prijelaza. katetama 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. itd. imamo loga x = loga b logb x. tangens ili tg x i kotangens ili ctg x. c c a b tg α = . Ako je dan pravokutni trokut sa vrhovima A. Zahvaljuju´i gornjoj relaciji. kosinus ili cos x.) i kutovima α. onda vrijedi: b a sin α = . β. koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. itd. Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom.202 POGLAVLJE 5.2. cos α = . 5. Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x . γ (kut α je uz vrh A.

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

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

Svaki 2kπ.5 -2 5 10 Slika 5. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. s 2 1 u nuli i 0 u π . itd. tj. −1 ≤ sin t ≤ 1. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Medutim. To znaˇi R(sin) = R(cos) = [−1. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. tj. a kosinusa obrnuto. Nadalje. c amplitude i faze.5 -10 -5 -0.5. 1]. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1.5 -2 5 10 -10 -5 2 1.5 -1 -1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. c 2 1.5 1 0. Napomena 5. npr. π ].5 -1 -1. krvnoga tlaka.32 Lako je vidjeti da je kosinus parna funkcija. period razliˇit od 2π i ne s c c . imaju amplitudu razliˇitu od 1. napona. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). Najmanji pozitivni period je 2π i zovemo ga temeljni period. plime i oseke. tj. Nadalje. za svaki t ∈ R. Dakle je z D(sin) = D(cos) = R. temperatura kroz godinu. za opis osz c cilacija. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. vidimo da je −1 ≤ cos t ≤ 1.2. zbog periodiˇnosti.5 -0. dok je sinus neparna. Nadalje. π ]. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. k ∈ Z. 1]. je period funkcija sin i cos.5 1 0. Kaˇemo da im je faza nula.

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

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

2 . dakle nisu bijekcije. 5. π ]. a c c s nema rjeˇenja za c ∈ [−1.2. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . tangens na − 2 . π]. restringirajmo sinus na [− π . FUNKCIJE za svaki t ∈ R \ {kπ. njihove restrikcije Tg x = tg| − π . Dakle sinus nema inverznu funkciju.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno).33 . 1]. Napomena 5.208 POGLAVLJE 5. ni tangens ni kotangens nisu injekcije. c c Dakle.34 Zbog periodiˇnosti. Tada prema Napomeni 5. π . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. c dakle niti bijekcije. π . a kotangens strogo padaju´a na 0. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. Npr. k ∈ Z}. a isto vrijedi s / i za ostale trigonometrijske funkcije. kosinus na 2 2 π π [0. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. 2 i kotangens na 0.π x su bijekcije s tih intervala na R.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. π x 2 2 i Ctg x = ctg| 0. na svoju sliku. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Dakle.

1]. π jednadˇbe tg t = x . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . koje zovemo arkus funkcije.5 0. a arccos c strogo padaju´a na [−1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. Iz Teorema 5.5 1 Slika 5. 1] −→ [0. π bijekcija.5 -1 -0.π] i ctg| 0. π strogo rastu´e. inverznu funkciji cos |[0. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.34 znamo da su funkcije sin |[− π . 2 2 .5 1 -1 -1. 1.π strogo padaju´e. .5 -1 -0. Kako je sin |[− π .33 slijedi da je arcsin strogo rastu´a. rjeˇenje jednadˇbe postoji i jedinstveno je. π ] . π π R(arcsin) = [− . 1] −→ [− . 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 1]. ]. oˇito je c c D(arcsin) = D(arccos) = [−1.5 0.5 2 1. ]. rjeˇenje jednadˇbe postoji i jedinstveno je.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). π].5 1 0. a c 2 2 2 2 cos |[0. 2 ] jednadˇbe sin t = s z s z x.1 i Napomene 5. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 0. π]. π ] bijekcija.π] . Dakle.5 3 2. 2 2 R(arccos) = [0. dakle su i bijekcije. s z 2 2 s z Kako je tg| − π .2. z π π Za x ∈ [−1. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Nadalje.5.5 -0. 2 2 koja je inverzna funkciji sin |[− π . π ] i tg| − π . Dakle.

35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. z s z sin x = t.5 1 0. 2 odnosno ctg| 0.π . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. FUNKCIJE arcctg : R −→ 0. 1]. Iz Teorema 5. π ].5 -2 -0.5 2 1. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. oˇito je c c π π D(arctg) = D(arcctg) = R. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.5 -2 2 4 4 3. c . -4 2 1. Dakle.5 1 0. π . R(arctg) = − . R(arcctg) = 0. 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 .1 i Napomene 5. Npr. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.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.210 koja je inverzna funkciji tg| − π . Napomena 5. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). . Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π .5 -1 -1. Nadalje. pri traˇenju rjeˇenja t jednadˇbe. inverznu funkciji ctg| 0. π . tako da bi smo dobili arkus funkcije definirane na tim intervalima.5 3 2.5 -4 -2 2 4 Slika 5. π . npr.

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

Dakle cth ima i dvije horizontalne asimptote. 1]. za svaki x ∈ R\{0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. restringiramo na −∞. i R(cth) = R \ [−1. Kako th strogo raste na R. 1. tj. cth strogo pada na R \ {0}.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). preciznije areakosc inus hiperboliˇki ili Arch. za svaki x ∈ R.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno).5 -1 -1. Nadalje.5 1 0. z y = −1 i y = 1.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Funkcije inverzne hiperboliˇkima zovu se area funkcije. 0] ili [0. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. areasinus hiperboliˇki ili Arsh. imamo da je |cth x | > 1 . FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. imamo: . ch postaje bijekcija na svoju sliku. Zbog neparnosti od th i cth je neparna. zbog parnosti. c osim funkcije ch. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. 4.5 -4 -2 -0.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. 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. +∞ . forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. to mora i cth x . c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Ako ch. kako je |th x | < 1 .

pravci x = −1 i x = 1. . pravci x = −1 i x = 1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. c 3. 1]. Oˇito je D(Arsh) = R(Arsh) = R.1 slijedi da Arth strogo raste. vertikalne asimptote od Arth.5 0.1 c slijedi da Arcth strogo pada. R(Arth) = R i iz Teorema 5. a x = 0 vertikalna asimptota od cth.5 1 0.5 1 1. c 2. tj. tj.2. +∞).5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. 1 .5 2 2. +∞ . +∞ i R(Arch) = [0. onda je D(Arch) = [1.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). PREGLED ELEMENTARNIH FUNKCIJA 213 1. 3 2 1 -1 -0. iz Teorema 5. a pravac y = 0 horizontalna asimptota.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). Oˇito je D(Arcth) = R \ [−1. Kako su y = −1 i y = 1 horizontalne asimptote od th. Ako smo ch restringirali na [0. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. vertikalne asimptote od Arth.1 zakljuˇujemo da Arch strogo raste. Oˇito je D(Arth) = −1. onda su rubovi −1 i 1. R(Arth) = R \ {0} i iz Teorema 5.5. y = 1 horizontalne.5 2 1. onda su rubovi −1 i 1. Kako su y = −1.5 -1 -2 -3 0. 4.5 3 Slika 5. Iz Teorema 5.

.

05(m − 20).8.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05h = 0.05(m − 20) kn. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Graf te funkcije prikazan je na slici 6. (Masa m je izraˇena u gramima.8 kn.5 + 0.1. onda je 215 . m > 20. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Naime. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.5 + 0. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. m = 20 i m = 30. a visina poˇtarine c u z s kunama).05(m2 − m1 ). Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m). 0 ≤ m ≤ 20 3.1 6. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. 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. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05h (∆c = ˇ 0. Dakle imamo c(m) = 2. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.

1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. s s 20M ≥ (m2 − m1 )). c c Napomena 6. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.7 kn. . i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.♠ c Definicija 6.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. Definicija 6. odnosno da graf funkcije ima prekid u toj toˇki. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.216 ˇ POGLAVLJE 6. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). S druge strane.

1 Neka su funkcije f.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 . 6. ako je m > 20 i m blizu 20. koji c je manji od nekog fiksnog strogo pozitivnog broja. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 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 Iz Definicije 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1.1.ˇ 6.1 ima prekid u toˇki c = 20.1. No. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. ako je m lijevo od 20 i dovoljno blizu 20. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. S druge strane.2 Svojstva neprekidnih funkcija Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). postoji δ > 0 za koji vrijedi Definicija 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. 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 . s c c Napomena 6.1.2 Funkcija c(m) iz Primjera 6. ipak m(c) nije blizu m(20). onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. Tada su u toˇki x0 neprekidne i funkije: c . ali je ona c neprekidna s lijeva u toj toˇki. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). Primjer 6.♠ Primjer 6. Analogno.

♠ . f − g. tj. i neka je f (a)f (b) < 0. Dokaz: Pretpostavimo suprotno. g : R −→ R takve da je definirano (g ◦ f )(x0 ). x = 0 svugdje neprekidna osim u nuli.♣ z c Teorem 6. c c Primjer 6. b]. 1]. ali oˇito f nema nultoˇku na segmentu c c c [−1. onda je funkcija g ◦ f neprekidna u x0 . Ako pogledamo funkciju f restringiranu na segment [−1. tj.♣ Teorem 6. f . 1] (jer je nema na cijelom R). tj. Dakle. c + δ . postoji xδ ∈ (c − δ. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).2 Neka su funkcije f.♣ Teorem 6.3 Iz Napomene 5.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. f + g. onda je oˇito f (−1)f (1) = −1 < 0. ˇto je suprotno pretpostavci. g ˇ POGLAVLJE 6. 3. onda njezin graf mora negdje sjeˇi x os.11 znamo da je funkcija f : R −→ R dana formulom 1 . UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0.1] : [−1. Tada za svaki δ > 0. i funkcija g neprekidna u f (x0 ). Tada postoji x0 ∈ a. f · g. b takav da je f (x0 ) = 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. po pretpostavci.218 1. f |[−1. 2. i neka je f (c) > 0 (f (c) < 0).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka.♣ c Teorem 6. c + δ) takav da je f (xδ ) ≤ 0. Uzmimo ε = f (c). Tada je |f (xδ ) − f (c)| > f (c) = ε. tj. c s Analogno se dokaˇe sluˇaj f (c) < 0. f ima prekid u toˇki c. Ako je funkcija f neprekidna u x0 .3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. mora imati nultoˇku. x=0 x f (x) = 1. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. za koji je f (xδ ) ≤ 0. |xδ − c| < δ. 1] −→ R. c + δ). 4.

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

Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. tj.4) i Teorema 6. 1. takoder iz Teorema 7.1. na R su neprekidne i funkcije ai xi ..♣ Napomena 6.. Teorem 6.7 imamo da su neprekidne i funkcije arctg i arcctg. UVOD U DIFERENCIJALNI RACUN 1.4 dokazali smo da je funkcija f (x) = x neprekidna na R.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. na intervale − π . Na kraju. 1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . logaritamskih. π monotone c 2 2 bijekcije na R. Dokaz: Neprekidnost eksponencijalnih. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. jer su njihove restrikcije npr. c Dokaz: U Primjeru 6. Budu´i da je f (x) − f (x0 ) = c − c = 0.1 sada slijedi da je na R neprekidna i funkcija x2 . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.7 su neprekidne. jer je svaka racionalna funkcija kvocijent dvaju polinoma.4 i Teorema 6..220 ˇ POGLAVLJE 6.1. polinom Pn (x) neprekidan na R..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.7. . Nadalje. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj.1. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. i = 0. z 2. z c Uzmimo proizvoljni ε > 0.. dakle iz Teorema 6. . trigonometrijske... i = 0. slijedi da c moˇemo uzeti δ = ε. n.9 Eksponencijalne. logaritamske. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.♠ z Iz Primjera 6. π odnosno 0.. i = 0. Na isti naˇin se zakljuˇi da su xi . .1 direktno imamo: n Teorem 6.7 c i periodiˇnosti. n. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.1.. c c neprekidne na R. 1. z c Uzmimo proizvoljni ε > 0. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. hiperboliˇkih (osim kosinusa hiperbolnog). Iz Teorema 6. takoder iz Teorema 6. arkus. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. zakljuˇujemo c da je i suma od ai xi . n.

−1. ♣ . Dokaˇimo da je arccos x neprekidna s lijeva u 1. 1] i [1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. posebno je 2 2 neprekidna u π . 3π . Sada imamo da je sin x neprekidna na 0. te da je Arch x neprekidna s desna u 1. onda 2x−π varira po intervalu − π . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. π 4 2 4 4 kada x varira po intervalu 0. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. Zbog neparnosti imamo da je sin x neprekidna i u − π . Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. π .7 i neprekidne. cos x i ch x redom na intervalima − π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . ali u Napomeni 6. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). π . 2 2 imamo 2x + π 2x − π cos . 1 i 1. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 1 . 0. Dakle su funkcije arccos x. k ∈ Z. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. +∞ iz Teorema 6. 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}. k ∈ Z. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0.7 imamo da su neprekidne funkcije arcsin x. ˇto je ekvivalentno s s arccos x < ε. π i 0. tj. moˇemo dobiti i δ = 0. 2 Zbog stroge monotonosti funkcija sin x. arcsin x i Arch x redom neprekidne na [−1. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . π su monotone bijekcije na 2 2 −1. π 2 2 i 0.1. 3π . x−a x+a cos .1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. 3π . dakle su po Teoremu 6. Dakle je arccos x neprekidna s lijeva u toˇki 1.ˇ 6. Oˇito je δ > 0. +∞ . Isto tako 2x+π varira po intervalu π . 1]. +∞ . arccos x i Arch x redom na intervalima −1. c Analogno se dokazuju i druge jednostrane neprekidnosti. 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). Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. 3π . [−1. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. 1 . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ.

za x malo manji od 1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 4. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. dodemo li s x dovoljno blizu c toˇki 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. za vrijednosti od x koje su malo ve´e od 1.222 ˇ POGLAVLJE 6. Dakle. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. tj. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. c 3. Raˇunaju´i te vrijednosti. Za funkciju f : R −→ R danu formulom f (x) = arctg x .5 nije definirana u toˇki x = 1. c c 2. ali negativnu. S druge strane. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. funkcija nije definirana u toˇki 0. vrijednosti c funkcije su malo ve´e od −1. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednosti funkcije c su malo manje od −1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja.1. 6. ali pozitivnu. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Ako uzmemo s c toˇku x dovoljno malu.4 Graniˇna vrijednost (limes) funkcije c 1. tj. zakljuˇujemo. funkcija nije definirana u toˇki 0. dovoljno blizu c nule. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. tj. vidimo da su one c c c blizu vrijednosti −1. ako uzmemo toˇku c x dovoljno malu. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.

5). Dakle.2. osim.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.♠ Situacije iz Primjera 6. x−→c Ako limes postoji on je i jedinstven: Teorem 6.2. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.1. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. a ne znamo izraˇunati ni njenu vrijednost za x = 0. pravac y = π je horizontalna asimptota. onda piˇemo c s L = lim f (x). tj.ˇ 6. ako c ˇelimo promatrati ponaˇanje oko nule. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. Neka je dana funkcija f : R −→ R formulom f (x) = xx . .10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. moˇda u samoj toˇki c. Definicija 6. moˇda u samoj toˇki c. 6. osim.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Ako funkcija ima limes L u toˇki c. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. 2 2 5. |f (x) − M | < ε). Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε).

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

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

x < 0  sign x = 0.6 Opiˇimo sada pomo´u limesa Primjer 6. x−→0+ lim xx = 1. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→+∞ 6.7 Iz Primjera 5.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x−→+∞ 2 5. x > 0 ima prekid u nuli. onda je jasno iz Definicije 6. lim 3.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x −→0 − lim sign x = −1 . Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. moˇda u samoj toˇki c. ako postoje limesi s lijeva i s desna i oni su jednaki L. x−→1 x−1 1 = +∞. onda iz Definicije 6.1. Obrnuto. lim arctg x = . Dokaz: Ako funkcija f ima limes L u toˇki c. x = 0   1.5 znamo da funkcija   −1. lim 2. Dakle je x−→0+ lim sign x = sign 0 . x−→0 x2 lim 1 1 = +∞ i lim = −∞.5 Neprekidnost i limes Primjer 6. c osim.226 ˇ POGLAVLJE 6. tj. UVOD U DIFERENCIJALNI RACUN Teorem 6. s c 1. x2 − 3x + 2 = −1.♠ 6.5. x−→0 x π 4. ♣ c Primjer 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. ne postoji lim sin x. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .

Nadalje.♣ x−→c Analogno kao Teorem 6.♣ .1 i 6.7 i 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Zaista imamo: c c Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. oˇito vrijedi c f (2) = lim f (x).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.1.♠ Primjer 6. onda limes i funkcija z c ”komutiraju” tj. 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.3.12 kaˇe da ako je funkcija neprekidna u toˇki c.ˇ 6. imamo x−→c lim f (x) = f (c) = f ( lim x).12 imamo: Teorem 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. konaˇan je broj.4).♠ x−→2 Primjeri 6.5 U Teoremu 6. x−→c+ Dokaz: Izravno iz Definicije 6.1 i Primjer 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).♣ Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). tj.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)). x−→c Napomena 6. Dokaz: Izravno iz Definicije 6.13 Neka je funkcija g : R −→ R neprekidna.2 i definicije jednostranog limesa.4) i da limes mora postojati.

14.12 i 6. 6. a > 0 +∞. (+∞) + (+∞) = +∞. (+∞) · a = +∞. (−∞) · a = 10. 5. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (−∞) + (−∞) = −∞. x−→c+ Dokaz: Izravno iz Teorema 6. jer operacije nisu definirane i operandi nisu realni brojevi.228 ˇ POGLAVLJE 6. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. 9. 8. −∞. a ∈ R proizvoljan. a ∈ R proizvoljan. a < 0. UVOD U DIFERENCIJALNI RACUN Teorem 6. −∞ ± a = −∞. a +∞ = 0. 7. 2.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). no moˇe se desiti da dobijemo izraz koji nije z z definiran. a ∈ R proizvoljan.♣ 6.11. 4. a < 0. (−∞) · (−∞) = +∞. To se posebno odnosi na veliˇine +∞ i −∞. (+∞) · (−∞) = −∞. (+∞) · (+∞) = +∞. 3. Kako one nisu realni brojevi.1. . 6. a > 0 −∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. +∞ ± a = +∞.

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

0 < a < 1. lim x−n = −∞. −∞. . n ∈ N proizvoljan. 6.7 Raˇunanje limesa c Neki temeljni limesi 1. n ∈ N neparan +∞. x−→+∞ lim loga x = 11. x−→+∞ lim ax = 9. UVOD U DIFERENCIJALNI RACUN 6. x−→−∞ lim ax = 10. n ∈ N paran. α>0 +∞.1.230 ˇ POGLAVLJE 6. x−→0+ lim xα = 0. +∞. +∞. 0 < a < 1. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 0 < a < 1. α < 0. a>1 −∞. x−→+∞ x−→+∞ 2. 8. +∞. a>1 +∞. n ∈ N neparan. x−→0+ x−→0− 7. α < 0. lim x−n = +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. a>1 0. n ∈ N proizvoljan. 0 < a < 1. α > 0 0. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 3. lim xn = +∞. −∞. 0. n ∈ N paran. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. 5. x−→0− 4. a>1 +∞.

ortogonalnu projekcija toˇke A na x os. sin x). tg x ). koji se nalazi unutar trokuta OBB . π ).16 lim i 1 lim (1 + )x .9. Kako gledamo c limes funkcije sin x kada x −→ 0. To znaˇi da je c x−→+∞ lim loga x = +∞. njihov rast. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). 0). za a > 1. jasno je da je dovoljno x x promatrati x ∈ (0. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). parnost. tj. c Osim ovih limesa. Dakle. Oznaˇimo s A = z c c (cos x. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ).1. i s B = (1.4). +∞) i da joj c c je slika cijeli R. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). pad. a ∈ R.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. x−→+∞ x sin x = 1.2.1. c c eksponencijalnih i logaritamskih funkcija. svojstva potencija. 0) u ravnini. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. Iz toˇke 5. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. koriste´i definicije limesa i jednostranih limesa (toˇka 6. neparnost i sliˇno. Kada s pravca uzmemo x ∈ (0.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. . i zbog parnosti od sin x . π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .ˇ 6.

232 ˇ POGLAVLJE 6. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. sin x cos x xr . x−→0 x sin x = 1. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1.♣ x lim . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . 2 x 2 sin x 1 ≥ ≥ cos x.2: Uz izvod osnovnog trigonometrijskog limesa.

1. x−→0 x Iz Teorema 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .17 x−→+∞ 233 lim 1+ 1 x x = e. ♣ Primjer 6. Tada je jasno da t −→ 0 kada x −→ 0. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.2.12 i Teorema 6. Dakle . i da je x = ln(t + 1). Dakle imamo ax − 1 ex ln a − 1 = lim . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .10 ex − 1 = 1. a ∈ R. x−→0 x lim a > 0. x−→0 x lim i ax − 1 = ln a.♠ x−→0 t−→0 x ln a ln(t+1) ln a . x−→0 t−→0 ln(t + 1) x Iz toˇke 5.ˇ 6. c Zbog toga je ex − 1 t lim = lim = 1. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x Oznaˇimo sada ex − 1 sa t.

♣ x−→c Teoremi 6. x−→c x−→c 4. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.2 6. 6.1.13. 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 i temeljni limesi iz toˇke 6. .18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. x−→c c 3.234 ˇ POGLAVLJE 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). c 6.16. Tada 1. 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. g : R −→ R. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).17. 6.

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

Op´enito. c ∆y = tg α. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . a to je jednako koeficijent smjera te sekante. prosjeˇna brzina odgovara koeficijentu smjera sekante. prosjeˇna brzina projektila u vremenskom intervalu [t0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.001) − y(1) . UVOD U DIFERENCIJALNI RACUN Primjer 6.236 ˇ POGLAVLJE 6. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . y(t0 )) i c ∆t (t0 +∆t. 1. Dakle.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . ∆t . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.3: Ovisnost visine projektila o vremenu. y(t0 +∆t)) zatvara s osi x. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .

6.♠ 6.4: Sekante i tangenta.2. c mjeri brzinu promjene veliˇine c Definicija 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . f : I −→ R. ∆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 . Ako postoji z c f (x0 + ∆x) − f (x0 ) .13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. x0 ∈ I. c Primjer 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.2. tj. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.

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

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

problem postoc janja limesa. Takve toˇke zovemo stacionarne toˇke. tj.4) ustvari limes funkcije f (x + ∆x) − f (x) . c c 6. tangenta je paralelna s osi x. problem razliˇitih vrijednosti s lijeva i zdesna. problem rubova domene. ∆x Lagano se vidi da je M = 1 i L = −1.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. ako je f (x) < 0 na nekom intervalu.. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Tu funkcija niti raste c niti pada.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. M= ∆x−→0− lim . Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) .2. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Dakle iz Teorema 6. Sliˇno. funkcija pada c c na tom intervalu. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.17 1. Primjer 6. ne postoji f (0). problem konaˇnosti c c limesa. To su npr. odnosno da je tangenta pravac koji raste.240 ˇ POGLAVLJE 6. U toˇkama gdje je f (x) = 0.

Funkcija f : R −→ R dana formulom f (x) = x0 = 0. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . √ 3 241 x nije derivabilna u x0 = 0. ∆x ∆x−→0 dakle ne postoji f (0). ∆x−→0 dakle ne postoji f (0). DERIVACIJA FUNKCIJE 2.1.6. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = 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 √ . ∆x ∆x−→0 .♠ Teorem 6.2. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). Tada je f i neprekidna u x0 . c x0 ∈ I ⊆ D(f ).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. 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 .1.7 imamo da je c lim √ 3 1 ∆x2 = +∞. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. 3.7 imamo da je c lim √ 3 1 = +∞.

(f (x) ± g(x)) = f (x) ± g (x) 2. f · g i f g (tamo gdje je definirana. I ⊆ D(g). f (x) g(x) = f (x)g(x)−f (x)g (x) .12 imamo da je f neprekidna u x0 .17 su c neprekidne u nuli. Sve tri funkcije iz Primjera 6. i vrijedi 1. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. Nadalje. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). Tada su na I derivabilne i funkcije f ± g.♣ Obrat Teorema 6. ∆x f (x0 ). ∆x = 0 . UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ali vidjeli smo da nisu derivabilne.242 ˇ POGLAVLJE 6.12 zakljuˇujemo da je funkcija g neprekidna u x0 . Iz Teorema 6. za one x ∈ I za koje je g(x) = 0). ∆x−→0 ∆x ∆x . Derivacija zbroja. tj. produkta i kvocijenta funkcija Teorem 6. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. razlike. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).20 Neka su funkcije f.19 op´enito ne vrijedi. g 2 (x) Dokaz: 1.

(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). za svaki x ∈ I.2. po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) .♣ g 2 (x) Napomena 6. tj. c dakle je po Teoremu 6. Kako je g(x) · 1 g(x) = 1. Izraˇunajmo prvo c 1 g(x) . Dakle 1 g(x) = 0. Oˇito je D(g) = R. za svaki x ∈ I. g 2 (x) f (x) g(x) = 1 f (x) g(x) . derivabilna na I i vrijedi (λf ) (x) = λf (x). DERIVACIJA FUNKCIJE 2. ∆x−→0 ∆x−→0 Sada iz Teorema 6.6. 3. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x).7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). Tada je funkcija λf . tj.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). imamo g(x) · = 0.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) . gdje je λ ∈ R proizvoljan.♣ . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. f (x) g(x) f (x)g(x) − f (x)g (x) .

UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. naravno. x ∈ I ⊆ D(f ). moˇe provesti samo ako je f (x) = 0. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) ∈ J ⊆ D(g). g = f . ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.244 ˇ POGLAVLJE 6.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . iz Teorema 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.15 i Primjera 6. gdje je g(x) = x2 . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Izraˇunajmo joˇ i (f ◦ g) . Sada primjenom Teorema 6.21. f (x) = 0 na I i neka postoji f −1 . f (x) Ovo se. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. Dakle imamo f −1 (f (x)) = x.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . Dakle. z Teorem 6. Primjera 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f .16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. c Primjer 6. f (x) = sin x. f (x) ♣ . odnosno (f −1 ) (f (x)) = 1 . c −1 tj.

Osnovne derivacije dajemo u sljede´oj tablici.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.21 i 6. 6. x 1 √ . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. i vrijedi (f ◦ g)(x) = x.22 i derivacijama iz donje tablice. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.19 Pogledajmo sljede´e primjere: c 1 1. DERIVACIJA FUNKCIJE Primjer 6. 2 x x je g (x) = Iz Primjera 6. ∆x−→0 ∆x lim dakle je f (x) = ex . c Napomena 6. 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .20.2.8 Studentima se preporuˇuje da provjere donje formule samostalno. Derivacija funkcije g(x) = √ 1 . odnosno g (x) = 2. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Iz Teorema 6.10 imamo da je f (x) = lim e∆x − 1 = 1.6. Derivacija funkcije g(x) = ln x je g (x) = x . Kako je (f ◦ g)(x) = x iz Teorema 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.21 i 6. odnosno 1 g (x) = √ .20. .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.

vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . Jasno je da je ∆x = tg α.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. c tj. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). no to je ponekad teˇko izraˇunati. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .2. f (x0 )) s c c ∆f apscisom x0 + ∆x. Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . f (x0 )) biti dosta mala. f (x0 )) i osi x. odnosno ∆f = tg α∆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 6.1: Derivacije elementarnih funkcija 6.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6.

Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. DERIVACIJA FUNKCIJE 247 ∆x.5: Diferencijal funkcije. jednadˇba tangente u c z toˇki (x0 .1. Tada od svih polinoma stupnja najviˇe jedan. c Teorem 6. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. f (x0 )). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).6.5).2. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Dakle.♣ c . polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).

23).♠ s s c . to su razlike ordinata na grafu i na tangenti male za istu apscisu. c Primjer 6. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Iz Primjera 6. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). 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. Dakle.5 -1 0.16 znamo da je f (x) = cos x. dakle je f (0) = cos 0 = 1.5 2 Slika 6. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.248 ˇ POGLAVLJE 6.5 1 1. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

tj. f (b)) z c postoji toˇka x ∈ (a. proizvoljne. Napomena 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. b) u kojoj je tangenta paralelna s tom sekantom. f (a)) i (b. b za koju je F (x ) = 0. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).26 kaˇe da za svaku sekantu kroz toˇke (a. tj. c .12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. b−a onda Teorem 6. f (a)) i (b. a < b. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.25.2. b ∈ I. b−a f (b) − f (a) (x − a). f (b)). b−a y f(x) 0 a x0 b x Slika 6.13 Primijetimo: 1. Neka je L pravac kroz toˇke (a.6.♣ f (b) − f (a) . postoji x ∈ a.

Kako je f (x) = 3. b−a ali ne postoji x ∈ 0. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. po Teoremu 6. 2 za koji je f (x ) = 1. UVOD U DIFERENCIJALNI RACUN 2. . f neprekidna na R. x ≤ 1 .258 ˇ POGLAVLJE 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). y f(x) 0 a b x Slika 6. oˇito je c x−→1 lim f (x) = 3 = f (1). pa je. 0 x>1 oˇito f ima prekid u x = 1. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).12.26 je bitan. x ≤ 1 f (x) = 3 x > 1. x za koji je f (x) − f (a) = f (x ). Ako je dana funkcija f : R −→ R formulom 3x. z Iz Teorema 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Uvjet f ∈ C 1 (I) iz Teorema 6.

. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. ali ne znamo za koji x . poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .2.2. f (a)) i (x. poznavaju´i vric c jednosti viˇih derivacija u x0 . Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. f (x)). moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. iz Teorema 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. i ne znamo ga toˇno. . imamo toˇan izraz.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.6. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.14 Za n = 0 Teorem 6.. Koliko je ta aproksimcija dobra? Odnosno.27 je baˇ Lagrangeov teorem srednje s vrijednosti.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Teorem 6. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). imamo c pribliˇni izraz.5). tj. tj. S druge strane.+ (x−x0 )n + (x−x0 )n+1 . tj. no u nekoj toˇki sigurno je. c Usporedimo to s lokalnom linearizacijom (toˇka 6.26.♣ 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. Napomena 6. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . tj.

24 Neka je dana funcija f (x) = sin x. Sliˇno kao i Teorem 6. 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . Dakle.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N.23. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. T1 (x) = f (0) + f (0)x = x. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. Dakle. f (x0 )) od svih c polinoma danog stupnja. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 .260 ˇ POGLAVLJE 6.. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 ... UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .. x2 = x. . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . s Primjer 6. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. 2! . Aproksimacija je dobra lokalno.

6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.1).3.. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n (x) n! zovemo McLaurinov red funkcije f .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).15 Taylorovi redovi obiˇno sporo konvergiraju. sin x. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . odnosno konvergirati nekoj z (x drugoj funkciji. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . n! ∞ sin x = n=0 (−1)n x2n+1 . (2n)! Napomena 6. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. tj. Moˇe se pokazati da su funkcije ex . dakle nisu jako c dobri za numeriku. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . 6. .28 Neka je f ∈ C 1 (I) za neki interval I.2..2.

. Tada.11 imamo da obrat ne vrijedi.24 smo vidjeli da. Dakle ne vrijedi f (x) > 0 na R. lim x2 = 0). pa je f (x + ∆x) − f (x) ≥ 0. pa je f (x) = lim za svaki x ∈ I.262 ˇ POGLAVLJE 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Iz Napomene 6. Obratno. onda je f (x0 ) = 0. UVOD U DIFERENCIJALNI RACUN 1. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Dokaz ide na sliˇan naˇin. Ovaj smjer se dokazuje analogno kao u Teoremu 6. Kako je desna strana gornje jednadˇbe nenegativna.♠ Iz Primjera 6. onda funkcija strogo raste (pada) na I.28 primjenom Teorema 6. Limes nenegativne funkcije mora i sam biti nenegativan. 2. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. jer se c s c medu njima nalaze potencijalni ekstremi.25 zakljuˇujemo da u Teoremu 6. obratna tvrdnja ne mora vrijediti. po Teoremu 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.26.26 postoji x ∈ (x. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. ∆x za svaki x ∈ I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. x−→0 U Teoremu 6. za svaki x ∈ I.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). 2.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Dokaz: c 1. Medutim. to je i lijeva strana takva.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. za svaki x ∈ I. ∆x Primjer 6. dakle z funkcija f raste na I. Jedan smjer bismo mogli dokazati. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Neka je f ∈ C 1 (I) rastu´a funkcija na I.

24. Dokaz: Izravno iz toˇke 5. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Definicija 6.♣ c Konveksnost. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. ali i ne mora. Teorema 6. jer konveksnost i konkavnost ovise o predznaku druge derivacije.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. DERIVACIJA FUNKCIJE 263 Definicija 6. onda u x0 funkcija f ima lokalni maksimum.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . x2 ∈ I.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. x2 ∈ I.1. Teorem 6. c Dakle. imati s c z lokalni ekstrem. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).28.4. Ako derivacija s c ne mijenja predznak. a s druge pada (raste)). konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . c Kao ˇto smo rekli. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. Teorema 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).6. .2. da je barem f ∈ C 2 (I)). u stacionarnoj toˇki funkcija moˇe. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . 2 za sve x1 . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. kaˇemo da je f konkavna na I. onda u x0 funkcija f ima lokalni minimum.

a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Primijenimo li Teorem 6. a konkavna ako je za sve x1 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Zbog neprekidnosti druge c derivacije. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). konveksnost i konkavnost su odredene predznakom druge derivacije. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. 2. UVOD U DIFERENCIJALNI RACUN Definicija 6. x2 ∈ I graf konveksne funkcije je ispod. iz Teorema 6. Dokaz: 1. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Ako je f (x0 ) > 0. f (x1 )) i (x2 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). 1.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). c 2. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . f (x2 )). x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 .3). 2.27 biti iz te okoline. Npr. Teorem 6. za svaki x ∈ I. funkcija f ima u x0 ∈ I lokalni maksimum. Onda ´e i toˇka cx iz Teorema 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0.♣ Teorem 6.30 Neka je f : I −→ R klase C 2 (I). jer c c se nalazi izmedu x0 i x. za svaki x ∈ I.264 ˇ POGLAVLJE 6. c c Dakle. c 1. Dakle je f (cx ) > 0. ali je f (0) = 0.31. Uzmimo x proizvoljan iz te okoline. Ako je f (x0 ) < 0.27 za sluˇaj c n = 1. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. c . izmedu x1 . Dokaz ide na sliˇan naˇin. funkcija f ima u x0 ∈ I lokalni minimum.

c Teorem 6.7.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) .24 f (c) = 0. Neka postoji δ > 0 takav da je funkcija f na c − δ. 0 i f (x) > 0 za x ∈ 0. Npr.6.♣ Raˇunanje limesa . c strogo konveksna i na c.L’Hospitalovo pravilo c Teorem 6. u x0 ∈ I. 0 i 0. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.7 Neka je f : I −→ R i c ∈ I. Dakle je konveksna na −∞. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c strogo konveksna i na c. ∞ . c + δ strogo konveksna. z Neka je lim f (x) = lim g(x) = 0. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c Dokaz: Izravno iz Definicije 6. moˇda. c + δ). c + δ strogo c konkavna za neki δ > 0. Ako je g (x) = 0 za svaki x = x0 . f ima lokalni maksimum u c.34 Neka su f i g derivabilne funkcije na I osim. Dokaz: Bez smanjenja op´enitosti.32 Neka je f ∈ C 2 (I). 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 . neka je f na c − δ. ali je f (x) > 0 za x ∈ −∞.♣ Uvjet f (c) = 0 iz Teorema 6. pa x = 0 ne moˇe biti z toˇka infleksije. f (c)) toˇka infleksije grafa funkcije f . pa je po Teoremu 6. c strogo konkavna i na c. Tada iz Teorema 6.30 imamo da funkcija f raste na (c − δ.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. 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 . DERIVACIJA FUNKCIJE 265 Definicija 6. x ∈ I. c) i pada na (c. Onda je c toˇka infleksije od f . onda je c 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.2. ∞ . c c Kaˇe se joˇ da je toˇka (c. c + δ strogo konkavna ili je na c − δ. g (x) onda je i x−→x0 lim f (x) = L. Dakle. z s c c Teorem 6. x ∈ I. Iz Teorema 6.

Tada.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. f (x0 ) = 0. tg α2 = f2 (x0 ).34. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .16 Neka su funkcije f. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.12) i iz Teorema 6. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . . g(x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. g (n+1) (x0 ) = 0.♣ g (x) f g Na Teorem 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). . . . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. Znamo da je c tg α1 = f1 (x0 ). gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . c Dakle. .18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) .12). c Napomena 6. analogno kao u dokazu Teorema 6. po g (x0 ) = 0. g (n) (x0 ) = 0. iz Teorema 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .266 i ˇ POGLAVLJE 6. 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. . f (n) (x0 ) = 0. .

1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . z c c Primjer 6.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .2.2. a > 0. . 1 + f1 (x0 )f2 (x0 ) Napomena 6. tj. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. onda je i tg α = 0 . x a + x2 = f2 (x). Iz toˇke 2. c c pa moˇemo re´i da se diraju u toj toˇki.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. odnosno ako i samo ako je tg α = ∞. To znaˇi da u c toˇki (x0 .26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.6. Ako je α = 0. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).14: Kut izmedu dviju krivulja. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. dakle je f1 (x0 ) = f2 (x0 ).

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

DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. neparnost. Postupak: 1. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Sloˇiti sve dobivene podatke u graf funkcije. Postupak je. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. to upu´uje na pogreˇku u raˇunu. Prona´i intervale konveksnosti. Ispitati parnost. . Odrediti intervale monotonosti i lokalne ekstreme. Prona´i stacionarne toˇke. 3.6. Nadalje je V (x) = (a − 2x)(a − 6x).27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena.2. konkavnosti i toˇke infleksije. c c 4. c c 2. c c 6. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. samokorigiraju´i. s 5. c Primjer 6. 7. 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. Ispitati ponaˇanje na rubovima domene (asimptote). Odrediti domenu funkcije (prirodno podruˇje definicije). periodiˇnost. Oznaˇimo c li tu duljinu s x. c c z 8. u izvjesnom smislu. z s c s c Praktiˇni ekstremalni problemi c Diferencijalni nam raˇun daje efikasan i gotovo mehaniˇki naˇin odredivanja ekc c c strema u raznim praktiˇnim problemima.

♠ V 6 27 Primjer 6. dakle u stotinama metara. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . . Iz P = xy = 1 slijedi da je y = x . Maksimalni c 2 volumen je 2 a = a3 . s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x .28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . 6 a x2 = . Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. dakle funkcija V (x) prelazi iz rasta u pad.15: Kako napraviti kutiju najve´eg volumena?. a za c c prvu se lako provjeri da je u njoj lokalni minimum. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. Druga oˇito nema smisla u danom kontekstu. Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1.270 ˇ POGLAVLJE 6. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu.

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

.

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

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

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

Dokaz: Neka je F primitivna funkcija funkcije f . Kako je imamo f (x)dx f (x)dx = F (x) + C. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Dokaz: 1.2 f (x)dx = f (x). 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.7).1 Iz Teorema 7. zbog linearnosti derivacije. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.3 Vrijedi: 1. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.276 ˇ POGLAVLJE 7.♣ Napomena 7. UVOD U INTEGRALNI RACUN neodredenog integrala. Za ostale operacije nema jednostavnih pravila. Teorem 7. Neka je F primitivna funkcija funkcije f . f (x)dx.20 i Napomena 6. 2. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. c zbog linearnosti derivacije. Oˇito je.♣ . Oˇito je. F ± G primitivna funkcija funkcije f ± g. = (F (x) + C) = F (x) = f (x). Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. cF c primitivna funkcija funkcije cf . z Teorem 7.

4). Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Tako moˇemo integrirati polinome i jednostavnije racionalne. S druge strane. eksponencijalne i z trigonometrijske funkcije.1. Ako se i moˇe integrirati. tzv. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.7. c 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1 Pogledajmo sljede´e primjere: c .3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.2) i svojstva iz Teoc c rema 7.3. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. c c z z to obiˇno nije lako. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. c c koriste´i pravila i tablicu derivacija (toˇka 6. Najpoznatiji primjer je e−x dx.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. tabliˇne integrale. Primjer 7.2.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1.1.

3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. Odredimo integral funkcije f (x) = x2 + sin x. Drugim rjeˇima. 3). Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Koriste´i Teorem 7. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. UVOD U INTEGRALNI RACUN 1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.278 ˇ POGLAVLJE 7. Dakle je 3 = F (1) = 1 + 1 + C. Koriste´i Teorem 7. pa je C = 1. Traˇena funkcija je F (x) = x3 + x + 1. 3). 3 2.♠ c . 3). i ˇiji graf prolazi kroz toˇku (1. i to je x3 +x+1.2: Primitivne funkcije funkcije 3x2 + 1. y 3 0 1 x Slika 7. i one c 3 su oblika x +x+C. Samo jedna prolazi toˇkom (1.

a to znamo da je u2 2 sin x d(sin x). Dakle je sin x cos x dx = 1 2 sin x + C. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.7.5). Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. deriviranjem sloˇenih funkcija. Ipak.2.3 i tabliˇne integrale. Koriste´i izraz za diferencijal (toˇka 6.2 Odredimo integral funkcije f (x) = sin x cos x. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. + C. gornji se integral svodi na u du. ovo moˇemo pisati kao c c z sin x d(sin x). z Primjer 7. tj. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. op´enito. ne mogu integrirati produkti funkcija (osim c za polinome. ima jedan sluˇaj kad se c produkt funkcija lako integrira.♠ 2 . Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).1. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x.

6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. Zamjenom varijabli kao u Primjeru 7.280 ˇ POGLAVLJE 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. .2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. d(u(x)) = u (x)dx. Primjer 7.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand.3 Odredimo integral funkcije f (x) = sin5 x cos x. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Ako je G(u) primitivna funkcija od g(u). tj. a to je diferencijal od z u6 + C. UVOD U INTEGRALNI RACUN U Primjeru 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. moˇemo podintegralnu funkciju pisati kao z g(u)du.

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

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

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

v = 1. 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) = ln x. Odredimo integral funkcije f (x) = sin2 x. tj. i u = arctg x. Stavimo dv = dx. ˇto daje du = u dx = s v = x. v = sin x. i u = ln x. tj. 1.284 ˇ POGLAVLJE 7. Dobivamo arctg x dx = xarctg x − Sada analogno kao i u Primjeru 7. Stavimo dv = sin x dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. 2.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Odredimo integral funkcije f (x) = arctg x . Stavimo dv = dx. x dx x i v = x. tj. UVOD U INTEGRALNI RACUN 1. sin2 x dx. i u = sin x. 2+1 x 2 Imamo arctg x dx = xarctg x − 1 ln(x2 + 1) + C. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = .5 imamo xdx 1 = ln(x2 + 1) + C.♠ 2 x dx . v = 1. ˇto daje du = u dx = s cos x dx i v = − cos x.

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

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

polinom (x − x0 ) dijeli s c c z polinom Pn (x). ako je x0 ∈ C nultoˇka od Pn (x). x−3 287 Uvedimo supstituciju u = x − 3. c c 3. r(x) = C ∈ R. tj. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. gdje c su a. b ∈ R. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija.) Dokaz: 1. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. Ako je x0 ∈ R. 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. Tada vrijedi: 1. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. onda je to i x0 . a u brojnicima konstante ili linearni polinomi. c Metoda se temelji na sljede´im svojstvima polinoma. NEODREDENI INTEGRAL 3. Qn−1 (x). Uvrstimo u integral. i ostatak r(x) koji je polinom stupnja 0. c Neka je x0 ∈ C \ R. tj. Odredimo integral funkcije f (x) = 1 .1. 2. konstanta. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). onda polinom (x − x0 ) dijeli Pn (x). onda je x0 = a − bi. ako je x0 ∈ C nultoˇka od Pn (x). Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. onda je x0 = x0 . c 2. ako je x0 ∈ C oblika a + bi. . tj. onda je to i x0 . pa tvrdnja oˇito vrijedi.7. c Napomena 7.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. pa je du = dx.

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

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

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

♠ 3 3 . x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). D = −1.11 Odredimo integral racionalne funkcije f (x) = Imamo x+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. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . Rjeˇenje je A = 3. B = 2.1. 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. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.7.♠ x−1 Ako su nuliˇta nazivnika jednostruka. x(x−2)(x+1) x+2 A B D = + + .

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

7. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. Takav lik ˇesto zovemo krivuljnim trapezom. Kako povrˇinu trokuta znamo raˇunati. s P = i P (Ti ).2. tj. jer je to uobiˇajenije. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. c . c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.2 7.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.3: Triangulacija podruˇja u ravnini omedenog duˇinama. duˇinama. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku.2. T1 T2 T3 T4 Slika 7. ODREDENI INTEGRAL 293 7.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. gdje se zbraja po svim trokutima triangulacije Ti . ploha. Povrˇina je geometrijska kategorija. tj.1 Odredeni integral Motivacija . Lik se triangulira. c z Napomena 7. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. problem moˇemo s c z smatrati u biti rijeˇenim.

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

. b] oznaˇimo s x0 = a i xn = b. ∀x ∈ [a.. b] i visina M ...n.. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7. .. i = 1. Dakle je m ≤ f (x) ≤ M. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. b za svaki i = 1.. Oznaˇimo li traˇenu ploˇtinu s P . a M maksimum funkcije f na [a. .. Imamo gornju i donju ocjenu nepoznate veliˇine P .. xi ]. n (brojevi mi i Mi c . Podijelimo segment [a. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 . b]. . 295 gdje je m minimum. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a.. pri ˇemu su xi ∈ a. 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. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. S druge strane. c Krajeve segmenta [a. pravokutnik s osnovicom [a. n − 1.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza.2.7. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. b]. s je manja razlika vrijednosti M i m. i = 1. < xn−1 . b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < .

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

. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b.. i = 1. c Napomena 7. c Definicija 7. xi ] toˇku si . n. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava.. te komadom grafa pozitivne neprekidne (na [a. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f ... ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. pravcima x = a i x = b. c s Uzmimo u svakom segmentu [xi−1 . b] su granice integrala (donja i gornja). Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a.2 Neka je f neprekidna funkcija na [a. To vrijedi ako se podjela profinjuje. b] i oznaˇavamo s c b f (x)dx. ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a.7.2. . b]. Kako je mi ≤ c f (si ) ≤ Mi . tj. c c a donja se ne smanjuje. Ako uzimanjem sve finijih i finijih podjela od [a..7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. i = 1. . b]. Funkcija f (x) je podintegralna funkcija ili integrand. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. Dakle. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . ako su stare toˇke c u podjeli podskup novih. n. a Krajevi segmenta [a. Veliˇina x je varijabla integracije. .

b]. b]. x ∈ R \ Q. c Iz Primjera 7.14 1. dakle je f ograniˇena funkcija na [a.♣ Teorem 7... Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. Koje joˇ? s Teorem 7. Primjer 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. b].♣ Primjer 7. z c tj.♠ Napomena 7. b]..5 Svaka monotona funkcija na [a. c Dokaz: Ako f raste na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.3 Ako za funkciju f moˇemo definirati odredeni integral na [a.♣ Napomena 7. onda je f (a) ≤ f (x) ≤ f (b). b] z kaˇemo da je f integrabilna na [a. a .13 Dirichletova funkcija.9 Uoˇimo da ako je f monotona funkcija na [a. b] je integrabilna. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b] integrabilne. b].6 Svaka neprekidna funkcija na [a. x∈Q 0. b]. c i = 1. b]. Izraˇunajmo iz definicije c b 1. n. 1 dx. nisu integrabilne. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. za svaki x ∈ [a. b] je integrabilna. UVOD U INTEGRALNI RACUN Definicija 7. Uoˇimo da za svaku podjelu r segmenta [a. b] imamo mi = 0 i Mi = 1. f (x) = nije integrabilna. Dirichletova funkcija nije integrabilna. tj. onda je ona i c ograniˇena.298 ˇ POGLAVLJE 7.13 vidimo da nisu sve funkcije na segmentu [a. . Koje jesu? Neprekidne sigurno jesu.

. Za svaku podjelu r segc menta [a.. i = 1. c Oˇito je funkcija f (x) = x neprekidna na [a. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi .2.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. Sada je mi = a + (i − 1)∆x.7. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. . Mi = n a + i∆x. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . c 2. b]. dakle je a 1 dx = b − a. b] je mi = Mi = f (si ) = 1. b] c na n jednakih djelova. n. b].. Izraˇunajmo a b x dx. Podijelimo segment [a. ∆x = b−a . Kako je S(r) = s(r) = b − a prijelazom na limes dobivamo b b b−a≤ a f (x)dx = a b 1 dx ≤ b − a.

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

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

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

onda je c b f (x)dx = 0. n. n. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.7.. ..18. i Mj = f (c)..18. M = f (c) i za svaku podjelu r segmenta [a. skup c {1. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. xj ]..♣ c Napomena 7. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. dakle i integrabilna. a cf (x)dx = c a f (x)dx. i = 1. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.} se c nalazi u nekoj bazi od R(I).. a (f (x) ± g(x))dx = a ili aditivnost integrala.2 i Teorema 6. a 4. i = 1..♣ b b 5. b]). unutra se sigurno nalaze sve neprekidne funkcije na [a. . pa je mi = 0. Dakle je s(r) = 0 i S(r) = Mj ∆xj .. jer npr.. Oˇito je z c c tada m = 0.. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. Mi = 0.. i svaka funkcija iz tog skupa je neprekidna na I.. j + 1. 6. j − 1. .3). b] toˇka c pada u toˇno jedan c c [xj−1 . . b] i da je f (c) > 0.2 i Teorema 6. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). gdje je c ∈ R proizvoljan. .13). x2 . b] (skup R(I) nije prazan. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.. Stoviˇe.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. Dakle beskonaˇni skup {xn : n = 0. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. 1.. x.2.. Beskonaˇnodimenzionalan je. Nadalje. Ako je funkcija f : [a. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. .

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

b]. b] onda vrijedi stroga nejednakost. b] tada iz Teorema 6.8 je dobro definirana funkcija F ∈ C 1 [a. onda je F (c) = g(c) − f (c) > 0. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.♣ 9. Dokaz: Po Teoremu 7. b] odnosno stroge pozitivnosti na [x1 . Ako je f (c) < g(c) za bar jedno c ∈ [a. tj. po Teoremu 6. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Iz pozitivnosti funkcije f na [a. Neka su f i g neprekidne funkcije na [a. onda je b f (x)dx > 0. c F (x) = g(x) − f (x) ≥ 0. i oˇito ima pozitivnu derivaciju. b] i ako je f (c) > 0 za neki c ∈ [a. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. b].2.7. Tada je b b f (x)dx ≤ a a g(x)dx. b] iz Teorema 6. Kako je funkcija F = g − f neprekidna na [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a.3 slijedi da postoji interval I ⊂ [a. Ovo svojstvo se zove svojstvo monotonosti integrala. za svaki x ∈ I . b] oko toˇke c takav da je f (x) > 0. Ako je f neprekidna i nenegativna funkcija na [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b].3 slijedi da postoji interval . ODREDENI INTEGRAL 305 8. x2 ∈ I takve c da je x1 < c < x2 . Odatle slijedi da je F (b) ≥ F (a) = 0. x2 ] imamo x2 f (x)dx > 0. Dakle. Dakle postoje x1 .28 F raste na [a.

b]. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). Teorem 7. b] takva da je c b f (x)dx = f (c)(b − a). imamo da je F (b) > F (a) = 0. i Primjera 7. odnosno imamo strogu nejednakost. Neka je f : [a. b] za koji je b f (x)dx = f (c)(b − a).♣ 10. b].♣ a Izraz 1 b−a b f (x)dx a . za svaki x ∈ [a. Dakle postoje x1 . Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. b]. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). Nadalje iz Teorema 6. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. a Dokaz: Po Teoremu 6. b] −→ R. UVOD U INTEGRALNI RACUN I ⊂ [a.6. Ako f nije konstanta na [a.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Nadalje. za svaki c x ∈ [a. b]. 11. tj. tj. pa postoji barem jedan c ∈ [a. m ≤ f (x) ≤ M . iz svojstva 9.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a).28 c F strogo raste na I .306 ˇ POGLAVLJE 7. iz svojstva 9.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. a b b f (x)dx ≤ a |f (x)|dx. b] oko toˇke c takav da je F (x) > 0. odnosno po Teoremu 6. iz neprekidnosti funkcije f na [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. za svaki x ∈ I . Tada postoji toˇka c ∈ [a. b].

. Odatle ime teoremu. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. imamo da je 1 f (x)dx = 0. −1 medutim ne postoji toˇka c ∈ [−1. kako je f neparna c funkcija. c Napomena 7. iz svojstva 7. a Teorem 7..15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. n Za funkcije koje nisu neprekidne Teorem 7.9: Teorem srednje vrijednosti za odredeni integral. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. b]. an ∈ R je a = c ). se zove srednja vrijednost funkcije f na segmentu [a. Nadalje.+an dine (aritmetiˇka sredina od a1 . a2 .♠ c . Povrˇina ispod s grafa neprekidne funkcije f nad [a. . Oˇito je da funkcija f ima prekid u x0 = 0.... 1] za koju je f (c) = 0. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. x < 0.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.2. x ≥ 0 −1.7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.7 ne mora vrijediti: Primjer 7.

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

lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Ho´emo gledati c ∆F .LEIBNIZOVA FORMULA je derivabilna na [a. Po Teoremu 7. ∆F ≤ M = f (ζ2 ). Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.11: Funkcija F (x). NEWTON . b]. ∆x odnosno f (ζ1 ) = m ≤ .7.3. b] i vrijedi F (x) = f (x). pa onda i na svakom podsegmentu [x.6). ∆x−→0 ∆x Funkcija f je neprekidna na [a. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. x+∆x].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.

mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.12).310 ˇ POGLAVLJE 7.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . iz toˇke 7. z Teorem 7.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. tj. Dakle je F (x) derivabilna funkcija na cijelom [a. b] i F (x) = f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). do kojeg smo doˇli pokuˇavaju´i invertirati s s c .♣ x ∆x−→0 ∆F ≤ f (x). UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.9 (Newton . ∆x Teorem 7. toˇke ζ1 i ζ2 moraju teˇiti prema x. U njoj se povezuju odredeni integral. i neodredeni.2 c dobivamo x b F (a) = a f (a)dζ = 0. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a).2.♣ Newton . Odatle slijedi c f (x) ≤ lim tj. a Dokaz: Prema Teoremu 7. no dokaz je bitno sloˇeniji. Sliˇno i za ζ2 −→ x. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. b]. b F (b) = a f (ζ)dζ. zbog neprekidnosti funkcije f na [a. f (x) ≤ F (x) ≤ f (x). F (x) = f (x). onda. Odatle je a f (x)dx = F (b) − F (a). do kojeg dolazimo preko limesa niza integralnih suma.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f .Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.

b]. i ako je ϕ(α) = a. 3 √ √ √ 3 3 π c Analogno. Pri tome nestane konstanta integracije. β] ne izlaze izvan segmenta [a. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. 2 ] −→ . Ako vrijednosti funkcije ϕ na [α. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. Sada oˇito funkcija ϕ : [− 2 . β] i neka ϕ na [α. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Iz ϕ(t) = − 3. ♣ Primjer 7.7. Kod primjene na raˇunanje odredenih integrala. tj. Teorem 7.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran).LEIBNIZOVA FORMULA 311 linearni operator deriviranja.3. iz ϕ(t) = 3 dobijemo t2 = 3 . √ √ Stavimo ϕ(t) = 2 sin t. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. NEWTON . sin t = − 23 imamo t1 = − π . Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. ϕ(β) = b.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. c Desna strana Newton . a b ˇ Citamo to kao ”F (x) u granicama od a do b”. onda za f ∈ C([a. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . β] ima neprekidnu derivaciju ϕ .

Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. . UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. tj. u dv = uv a b a − a v du. U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 3 Kod parcijalne integracije situacija je jednostavnija.6 i omedena) na podruˇju integracije.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.312 ˇ POGLAVLJE 7.♠ 7. Primjer 7. kao i da je samo poc druˇje integracije konaˇno.10.17 Izraˇunajmo c 0 1 xex dx. c c c Neka je funkcija f neprekidna na [a. 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. 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 √ + 3.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. b i neka je x−→b− lim f (x) = +∞.

Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. postoji x f (ζ)dζ. u toˇki a. kaˇemo da integral divergira ili da nema z znaˇenja. c y f(x) 0 a x b Slika 7. tj. . jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. 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.7.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.4. a Ako promatrani limes ne postoji. tj. b postoji integral te funkcije u granicama od a do x. c c Primjer 7. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−.18 1.

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

onda divergira. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx.10. Izraˇunajmo c a dx . onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . . NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. x2 b 2. 1]. Analogno. c+ε2 Ako oba limesa na desnoj strani postoje. tj.19 1. 0] −→ R zadovoljava uvjete Teorema 7. (x − b)n Stavimo ϕ(t) = t + b. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. 1 a f (x)dx konvergira. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. Iz ϕ(t) = a. inaˇe c Primjer 7. tj. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. tn Ako je n < 0.4. t + b = a imamo t1 = a − b. Izraˇunajmo c −1 1 x2 dx . dakle imamo b a dx = (x − b)n 0 a−b dt . x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1.7. iz ϕ(t) = b dobijemo t2 = 0. Sada oˇito funkcija ϕ : [a − c b.

Dakle tn b a dx (x − b)n konvergira za n < 1. divergira za n ≥ 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Neka je funkcija f neprekidna na [a.2) npr. 0]. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. b].19 moˇe posluˇiti pri usporedivanju. tj. +∞ . integral dx divergira za n ≥ 1. 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). odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b.2. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . −n + 1 −n + 1 za n > 1. Primjer 7. situaciju kad podruˇje c c integracije nije ograniˇeno. c z z Promatrajmo sada drugi mogu´i izvor problema. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. Znamo c . 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. iz toˇke 7. Uz svojstvo monotonosti integrala (svojstvo 9.316 ˇ POGLAVLJE 7.

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

x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. Izraˇunajmo c dx . Izraˇunajmo c 1 +∞ dx . x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1.318 Imamo +∞ 0 ˇ POGLAVLJE 7. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. c 3. 2. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Izraˇunajmo 1 +∞ dx .♠ c . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. 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] i negativna na [c.5 7. osi x. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . s s tj. dana s b (f1 (x) − f2 (x))dx. ali negativnog predznaka. osi x.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. f2 : [a. tj. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. gdje su f1 . a Ploˇtina povrˇine izmedu grafa funkcije f . Ako je funkcija f neprekidna i negativna na [a. b]. za svaki x ∈ [a. s s b f (x)dx = P1 − P2 . onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. PRIMJENE INTEGRALNOG RACUNA 319 7. osi x. za neki c ∈ a. a . Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. pravca x = a i pravca x = b. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x).5. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . b] −→ R neprekidna takva da je pozitivna na [a. b]. broj P1 + P2 . ako je f : [a.2. b]). pravcem x = a s s i pravcem x = b.ˇ 7. pravcem x = a i s pravcem x = b. Nadalje.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. b].5. b .

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

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

S druge strane.322 y ˇ POGLAVLJE 7. Iz Primjera 7. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. tj. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. ako taj limes postoji kad n −→ ∞.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. oznaˇimo s P (xi ). a njegova povrˇina za zadani x je jednaka f (x)π. 0.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .♠ 2 . Primjer 7. kad max ∆xi+1 −→ 0. No taj popreˇni presjek c c 2 je krug. 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. i=0 Prijedemo na limes. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . 0).

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. ako su f1 . c Primjer 7.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. c z y R 0 Η x Slika 7.5. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH.ˇ 7.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. za svaki x ∈ [a. Dakle. . b].22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. z z Po gornjoj formuli. f2 : [a.

Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. y R r 0 x −R Slika 7.324 y ˇ POGLAVLJE 7. Primjer 7. .23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. R > r. f2 (x) = R − √ r 2 − x2 . UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.

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

Zelimo odrediti teˇiˇte izrezanog lika. b] na osi x i grafom funkcije f nad [a.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. Uzmemo li ˇkare i izreˇemo taj lik. tj. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. da mu je gusto´a c ˇ svuda ista. ono ostaje u ravnoteˇi. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . (Teˇiˇte je toˇka u kojoj. Promatramo lik omeden pravcima x = a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. x = b. zs zs c ako podupremo tijelo.5.♠ 5 7. b]. Primjer 7.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. b]. yi ). segmentom [a. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi .326 ˇ POGLAVLJE 7. c s c . Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. dobijemo tanko tijelo.

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

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

zs √ Imamo f (x) = r2 − x2 . yT = 1 2 b 2 a f (x)dx b a f (x)dx . Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .11). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.23: Teˇiˇte homogenog polukruga. Kako je masa promatranog lika jednaka M = µP. i=1 a to u limesu daje My = µ b a xf (x)dx. zs s s y r 0 r x Slika 7. 2 . Iz simetrije je jasno da mora biti xT = 0. upravo xi . to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . s Primjer 7. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).ˇ 7. Takoder. recimo.5. iz Primjera 7.

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

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

23 dobivamo xT = Mx M . 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 . dobivamo xT = 4 H. 4 Zbog M = µV = 14 3 R π. mjereno od osnovice. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . Primjer 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.♠ z Primjer 7.332 ˇ POGLAVLJE 7. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f .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. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7. tj. 4 3 Zbog M = µV = 1 R2 πH.♠ 8 π 4 R .24: Teˇiˇte homogenog stoˇca. za µ = 1.28 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.

gdje je si ∈ [yi−1 .5.. tj. c c pravca ili ravnine imamo n I= i=1 2 mi ri . Iz fizikalnih razloga uzimamo s µ(x) > 0 na [a. b] (µ je gusto´a mase).. U tom sluˇaju bismo imali c dm = πµ(x)f 2 (x)dx. a stranica a leˇi na x osi. segment [0. i = 1. na n dijelova 0 = y0 < y1 < .. moment c tromosti ili moment inercije s obzirom na zadanu toˇku. Podijelimo stranicu b. zs mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si .. Kao i statiˇki moment. r2 .. a njegovo teˇiˇte. Izraˇunajmo z z c njegov moment inercije s obzirom na os x. Za veliki n je si ≈ xi . pravca ili ravnine. Zbrajanjem po svim malim pravokutnicima i .. moment inercije je aditivan. ve´ se mijenja kao funkcija koordinate po kojoj c c se integrira. dakle je moment inercije malog pravokutnika aproksimiran s µa∆yi s2 . i µ viˇe ne bi izlazio kao konstanta izvan integrala. n. rn od zadane toˇke. . Tako smo naˇ s pravokutnik podijelili na male pravokutnike sa stranicama a i ∆yi = yi − yi−1 . m2 .. b] na osi y.ˇ 7.5. .4 Moment ustrajnosti (inercije) Za materijalnu toˇku mase m definiramo njen moment ustrajnosti. zove se i polarni moment. c c Piˇemo s I = mr2 . . 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... tj. < yn = b. Veliˇina I se joˇ zove i kvadratni moment. c 7. Masa svakog malog pravokutnika je µa∆yi . gdje je r reˇena udaljenost.. Za sustav od n materijalnih c toˇaka s masama m1 . PRIMJENE INTEGRALNOG RACUNA 333 Po formulama koje smo izveli mogu se raˇunati i koordinate teˇiˇta tijela c zs kojima gusto´a nije konstantna. mn na udaljenostima r1 . pravac ili ravninu kao c produkt mase toˇke i kvadrata udaljenosti do zadane toˇke.. a ako c c s je s obzirom na toˇku. yi ].

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

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

5. 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.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 . Oˇito funkcija ϕ : [0.8 imamo 1 Ix = r4 π. Iz ϕ(t) = −r imamo t1 = π. c Primjer 7. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . n.. Analogno iz ϕ(t) = r imamo t2 = 0. 5 . moment inercije cijelog kruga obzirom na y os je Iy = Ix ... i zbroje se momenti inercije malih valjaka polumjera f (si ). 4 4 4 Takoder zbog simetrije. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. gdje je si ∈ [xi−1 . Sada iz Primjera 7. 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. π] −→ R zadovoljava Teorem 7.10. xi ]. i visine ∆xi = xi − xi−1 . 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.336 ˇ POGLAVLJE 7. i = 1.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. xi ]. . UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. b] podijeli na male podsegmente [xi−1 .♠ 2 Kombinacijom razmatranja iz toˇke 7. dakle je 1 I0 = Ix + Iy = M r2 . 2 2 a onda se interval [a. Prijelazom na limes dobijemo gornju formulu.

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

. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.. s yT = b a f (x) √ 1+[f (x)]2 dx . Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. b] na podsegmente [xi−1 . s s plaˇta krnjeg stoˇca polumjera donje osnovice R. i = 1.27: Ploˇtina plaˇta rotacijskog tijela.5. s 7.. b] rotira oko osi x. 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. xi ]. 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 )). i . Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. . n. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . xi ]. Dijeljenjem segmenta [a.26). i = 1.. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a... n. mase µ.338 ˇ POGLAVLJE 7.

♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . gdje je si ∈ [xi−1 . Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi .5.31 Izraˇunajmo oploˇje kugle. . i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . ploˇtinu sfere polumjera r..ˇ 7. Teorem 7. i = 1.♣ s zs 7.12 (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 s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. c ds = 1 + [f (x)]2 dx. n. tj.. xi ]. 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 s ds oznaˇili diferencijal luka. Primjer 7. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . ako znamo poloˇaj tijela u trenutku t1 = 0. Toˇnije. .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 .5..26). Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. 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.

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

♠ z Posebno vaˇan sluˇaj je rad sile teˇe. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Konstanta k nam nije zadana u ovom primjeru. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 .ˇ 7. b] z z b W = a F (x)dx. rad) biti kvadratna funkcija pomaka x. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. 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. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. no nije ni bitna.33 Jarak duljine 10 m. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Tada ´e njen integral (tj. Odavde odmah slijedi da je rad sile F (x) na putu [a.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. tj. F = −kx. s Primjer 7. ako se masa tijela mijenja. pri ˇemu je g ≈ 9.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. b]. Primjer 7. i nakon toga s . Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. Ako sila nije konstantna. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. To je formula dobivena integriranjem konstantne sile mg od 0 do h. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. onda je b W (h) = a F (x)dx. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b.5.

a debljina sloja je dx metara). Integriraju´i doprinose svih dubina c od 0 do h = 1 m.30: Jarak iz Primjera 7. .83 J.33. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.33. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. ˇirina c s 2(1 − x) m. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . s x 0 y h Slika 7. duljina jarka je 10 m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.342 ˇ POGLAVLJE 7.29: Jarak iz Primjera 7.

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

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->