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

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

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

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

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

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

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

5. . . . . . . . . . . .6 Neodredeni oblici . . . c 6. . . . . . 7.7 Raˇunanje limesa . . . . . . . . 6. .6 Derivacije viˇeg reda . . .4 Nepravi integral . . . .3 Neprekidnost elementarnih funkcija . . . . .2. . . . . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. .3 Teˇiˇte . s 6. . . . . . . . . .1. . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Povrˇina lika u ravnini . . . . . . .5. . . . . . . . . . . . . .5.6 Povrˇina rotacijske plohe .4 Graniˇna vrijednost (limes) funkcije . 7. . . . .2 Volumen rotacijskog tijela . . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . c 7. . . . . . . . . . . 7.2 Svojstva neprekidnih funkcija . . zs 7. . . . . . . .5. . . .2 Neodredeni integral . . .problem povrˇine (ploˇtine) s s 7. . . . .3 Newton . . . . . . . . .2. . . . . .3 Derivacija funkcije . . . . . . . . . . . . . . . . 6. . . .5. . .1. . . . . . . 6. 6. . c 6. . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. .1 Neodredeni integral . . . . . . . . . . . . . . . . c 6. . . .2. . . . . . . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . .1 Neprekidnost funkcije . . . . . . .2 Derivacija funkcije . . . . 6. .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . . . . . . . . 7. .7 Primjene u fizici . . . . .2. . . . . . .2. . . . . . . . . . . . .8 Primjene derivacija . 7. . . . . . . . .1. . . 7. . . . .1. . . . .2. . zs 7. . . . . . . . . . . . . . . . . . s 7. . . .2. . . .7 Osnovni teoremi diferencijalnog raˇuna . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . .1. . 7. .5. . . . . . . . . . . . .2 Svojstva odredenog integrala . .1 Motivacija . 6. . . . . . . . . . . . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . c 6. . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . .2. . . . . . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . .4 Raˇunanje derivacija . . . . . . . . . . . . . . . .1. . . . . . . . . . . . .1. . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . c 6.1. . . .2 Odredeni integral . . . . . c 6. . 7. . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . . . . . . . . . . .1. . . . . . . . s 7.Leibnizova formula . . . . . .3 Metode integriranja . .2. .

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

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

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

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

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

pokuˇavaju u dva . c c c c matematiˇke spoznaje se temelje na dokazima. a zatim. Na njoj je u kvadrat ABCD upisan kvadrat A B C D . pokuˇajte dati dobar odgovor na pitanje. 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. No povrˇina velikog kvadrata je jednaka s . gdje su s a i b oznaˇene katete s c c a s c hipotenuza pravokutnog trokuta. produ li piss s meni ispit. svakako. Dakle je povrˇina kvadrata c c s ABCD jednaka zbroju povrˇine kvadrata A B C D i ˇetverostruke povrˇine s c s jednog od tih trokuta. Za zadani pravokutni trokut je vrlo lako provjeriti da Pitagorin pouˇak vrijedi. gubitak za studenta koji je tako c ”poloˇio” ispit. na Pitagorinom pouˇku. Ako nikad niste ˇuli za c c c c linearnu funkciju. Time smo se dotakli jednog aspekta c matematiˇkog znanja o kome joˇ nismo govorili: matematiˇko znanje je sigc s c urno. Pitagorin pouˇak je tvrdnja da je u c c svakom pravokutnom trokutu kvadrat hipotenuze jednak zbroju kvadrata kateta. Nedvojbeno je da takav s c pristup ponekad rezultira polaganjem ispita. c z ve´ se se do njega dolazi postupkom logiˇkog zakljuˇivanja. izvjesno. i jeste li stekli dovoljno c rutine da ih moˇete rijeˇiti u za to propisanom vremenu. ne ´ete posti´i c z c c rjeˇavanjem ispitnih zadataka. recimo A BB . apsolutno. Ako ne mislite tako. 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. To se joˇ uobiˇajeno zapisuje kao a2 + b2 = c2 . c Zadatci na ispitu sluˇe tomu da se vidi jeste li ovladali matematiˇkim (”teoriz c jskim”. prepoznavanje matematiˇkih sadrˇaja u stvarnim problemima. a ostatak ˇine ˇetiri sukladna pravokutna trokuta. Kako moˇemo biti sigurni da ta c z tvrdnja vrijedi za sve pravokutne trokute? Pogledajmo Sliku 1.6 napor u ˇablonsko rjeˇavanje nekoliko tipova zadataka. onda zadatci. I samo tomu. Ilustrirajmo to na primjeru s koc jim smo se svi sreli. Najve´i je.tri dana ”nauˇiti teoriju”. no svaki tako poloˇen ispit je gubitak z za sve koji u tome sudjeluju. ako ho´ete) konceptima koji se u njima javljaju. c c s s c tj. Ono ˇto ´e vam u radu trebati. z s prvo ”teorija”. teˇko ´ete ju prepoznati u naˇim primjerima s poˇetka. z s kakva je korist od rjeˇavanja zadataka bez njihovog razumijevanja? Nitko od vas s ne ´e za pla´u rjeˇavati zadatke iz matematike. Drugim rijeˇima. Dakle. Ono ne ovisi o mjerenjima ni empiriˇkim opaˇanjima. Ste´i ´ete to upoznaju´i apstraktne matematiˇke s c c c c koncepte i uˇe´i se uoˇavati ih u stvarnim situacijama.

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

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

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

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

2 znamo da takve toˇke A i B postoje i da su jedinstvene. onda c a − → − →. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Tada je c − − → − = OB. Preciznije. tj. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . 3. Za vektor P Q kaˇemo da je orijentiran od P prema Q. B ∈ E takve da je OA = − i AB = b . Iz a Napomene 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. → Napomena 1. → c . postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. tj. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. z kolinearan je sa svakim vektorom). Vektor kod kojeg su poˇetak i kraj jednaki. Napomena 1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Pogledajmo sada neka svojstva nul vektora: c − → 1.3). Sada samo izaberemo orijentaciju koja nam treba. poˇinje u P a z c zavrˇava u Q. P = Q. c 2.1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Oˇito je | 0 | = 0.3). z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. zvat ´emo nul vektor i c c − → oznaˇavati s 0 .1. 11 − → 3.

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

a . λ > 0 B’ 0 λa. → BA.1 ima sljede´a svojstva: ima →.1. Sliˇno 2− + − = 3→. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. ˇija je duljina jednaka |λ||− |. koji ima isti smjer kao →.4 Vektor a = −→ iz Teorema 1. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).λ<0 a A B Slika 1. ali je suprotne orijentacije. d c a + b+ c+ d a b Slika 1. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. z → Za λ ∈ R. itd. a a → Za sluˇaj → + − piˇemo 2− (tj. s → − − a c Napomena 1. tj. realnim brojem.6: Mnoˇenje vektora skalarom. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. λa .1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.1.5: Pravilo mnogokuta za zbrajanje viˇe vektora. Za n ∈ N a c a a a − = (n − 1)− + − . c a − 2. definiramo λ− kao vektor: a → 1.

(λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).4 i pokuˇajmo definirati kolinearnost u drugim s terminima. i neka je A = O c toˇka koja leˇi na tom polupravcu. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).14 ˇ POGLAVLJE 1.5 nigdje ne govori o geometrijskim veliˇinama. Elemente od skupa V zovemo vektori. → od vektora a Teorem 1. a a → − 4. c Vratimo se sada Definiciji 1. a suprotnu orijentaciju a − za λ < 0. onda. b ∈ V je a + b ∈ V .2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. 1 · − = → (postojanje jedinice). postoji pravac a a . a a → → → 2. VEKTORSKI RACUN → 3.2. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.♣ a a Definicija 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1.1 i Teorema 1. 3. koji ima istu orijentaciju kao vektor − za λ > 0. uz pretpostavku − = 0 . Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.5 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. a a a − → 3. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . Neka je dan polupravac (zraka) s poˇetkom u O. λ(µ→) = (λµ)− (homogenost). − → → → → − Ako su vektori − i b kolinearni. za sve a. 2. Primjetimo da se u Definiciji 1.

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

Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. − .. .. λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − ... λn je razliˇit od nule..6 izravno slijedi: → → → → a1 a1 a2 an 1. .. − .. onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ.. λn ∈ R. − → Napomena 1. → → → Neka su sada − . λ2 . ... λ1 . λ2 . . − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p.. ... .1 i Teorema 1. . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1. →..7 Iz Definicije 1.. → ∈ → → − 0 i bar jedan od skalara λ1 .... − . VEKTORSKI RACUN E P 0 Slika 1.2. . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − .6 Za vektore − ... .. a a1 a2 an → − − Definicija 1.16 ˇ POGLAVLJE 1. Napomena 1. . λ2 . λ2 .. → s koeficijentima λ1 . − ...5 Uzmemo li neku drugu toˇku Q ∈ E.7: Radij-vektori u X0 (E).. − . λn . → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . − ∈ XO (E).. z c Napomena 1. Vektori − . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . ..5).. − .. Q = O.. Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .

b i − tri linearno nezavisna vektora iz XO (E)... Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .♣ . pa z z slijedi da su oni linearno nezavisni. VEKTORSKI PROSTOR XO (E). Stoviˇe. jer se nalazimo na pravcu. c − → − Napomena 1. z → − − 3.. Stoviˇe. onda su oni linearno zavisni ako i samo ako su kolinearni.7. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. → ∈ XO linearno zavisni. Ako su − ..♣ → a s Jednostavna posljedica Teorema 1.4 Ako su − . → → − Teorem 1. on se ne moˇe izraziti kao njihova linearna konbinacija. b ∈ XO (E).♣ → → → ˇ s a b c Iz Teorema 1. onda su ti vektori linearno zavisni.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. Teorem 1.1.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. ♣ Tvrdnja Teorema 1. Ako je barem jedan od vektora − .5 Ako su − . − i − . →. Ako imamo dva vektora − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. c − → → a 4. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. →. takav rastav je jedinstven. taj rastav je jedinstven.3 slijedi iz Napomene 1. → → − → Teorem 1.2.8 Neka su →. . → ∈ XO (E) jednak nul veka1 a2 an toru. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. . LINEARNA KOMBINACIJA VEKTORA17 → − − 2.. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.3 je jasna. e1 e2 e3 z Tada su oni linearno nezavisni.. b bilo koja dva linearno nezavisna vektora iz XO (M ).

Stoviˇe. e1 e2 Napomena 1. duljine su im 1 i leˇe na okomitim c s z pravcima. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. 1. Skalare a1 .2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . j . − ∈ XO (E). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ).8 z ˇ oni su linearno nezavisni. Tada je a e1 e2 e3 c − (Teorem 1. 0) i Ez = (0.1 i Teorem z 1. VEKTORSKI RACUN 1. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). 1).5). k ne leˇe u istoj ravnini. uredeni par → − (− . zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). − . Ey = (0. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . 0. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . c →. → → a b i j k . Definirajmo i = OEx .7 Uredena trojka (− . − → − → Neka je (→. pa kaˇemo da ˇine ortonormiranu bazu 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 . pri ˇemu su skalari a1 . pa ˇine bazu. 0). →). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. prema Napomeni 1. Analogno.18 ˇ POGLAVLJE 1. 0. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Kako vektori i . Koordinatni sustav → − → Definicija 1. az ) su jednoznaˇno odredene. te toˇke Ex = c s c −→ − − → −→ − → − (1. →. a2 i a3 − → → → vektor iz XO (E). − .3 Baza vektorskog prostora XO (E). ay . j = OEy i − → −→ − − − − → → → k = OEz . z c → → Neka je sada − proizvoljan vektor iz XO (E). Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p).

P ) = (x − x)2 + (y − y)2 + (z − z)2 . c c −→ − − → − → → − Napomena 1. cy = ay + by . c −→ − − − − − → −→ − → −→ −→ − → Sada je. VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata.1. → k XO (E) postoje i jedinstveni su ax . z ) znamo da je OP = x i + y j + z k . j . tj. cz = az + bz .10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . −→ − Znamo da je |P P | = d(P. k ) i toˇku P s koordinatama (x. pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. k ). ay . tj. imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . c a → → − − = cx − + cy → + cz − . z). j . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). x y z 1. a − − − → → → Uzmimo sada bazu ( i . Analogno. mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . a − = (ax . j . az ). y. vrijedi c → − − → − → − → OP = x i + y j + z k . y . ay . −→ − − → − → → − Za toˇku P s koordinatama (x .4.3) nam daju pravila za takve operacije nad uredenim c trojkama: .4 Vektorski prostor Rn → − → − → − − Neka je ( i . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. k ) bilo koja baza od XO (E). −→ − Dakle.

kaˇemo da je R n-dimenzionalni realni vektorski prostor. i = 1. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R ... x2 + y2 . 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 . x2 . az + bz ). Zelimo uvesti i mnoˇenje vektora. λx2 .. xn + yn ). n}. x2 . λ(x1 . Skup svih takvih n-torki oznaˇavat ´emo sa Rn .. . ay . 0... x2 . az ) = (λax . ay . yn ) = (x1 + y1 . . 2..1 i Teorema 1. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. . n.. 1... To svojstvo baze od X0 (E) zovemo potpunost.. y2 . az ) + (bx .... ako su sila i put kolinearni... ˇini bazu u R . λ(ax . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. .. .. Dakle Rn = {(x1 ... z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). ay + by ... . y2 . by . x2 . yn ) ∈ Rn i λ ∈ R definiramo: (x1 ...3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). .20 ˇ POGLAVLJE 1....2.. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. . xn ) + (y1 . U tu svrhu moramo na odgovaraju´i naˇin definirati c c .. xn ) = (λx1 . (y1 . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula.. Kako ta baza ima c n n vektora. z 1. bz ) = (ax + bx ... Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom.. λaz ). xn ) gdje su xi ∈ R za i = 1... Moˇe se pokazati da skup od n vektora −i = (0.. x2 . xn ). c c Za (x1 . U toˇki 1. . VEKTORSKI RACUN 1. λay ... Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.. . λxn ). n. xn ) : xi ∈ R za i = 1. (ax .. . . . 0. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. .5 Skalarni produkt ˇ Vektori su generalizacija brojeva... 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).

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

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. c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ). VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1.9: Raˇunanje skalarnog produkta. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k .22 · → − i → − j → − k ˇ POGLAVLJE 1.

→ → x y Teorem 1. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. − = (y1 . x2 .5.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. .10. a c a c c → → → − → − 2.. .1..♣ − → → → → 1. µ ∈ R.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. ako je vektorski prostor W = R. yn ) ∈ Rn ... z z → → − → − → − → → 2. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . 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 . a a → − → → − − a a c 3. tj. . + xn yn . f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . b ∈ V i sve λ. slaˇe s Napomenom 1. → · b = b · − (simetriˇnost). → → Neka su − = (x1 .. a x y z Ova se formula za duˇinu vektora.. Definicija 1. − → a b Napomena 1.. y2 . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . (− + b ) · − = − · → + b · → (aditivnost). tj. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. xn ). Za preslikavanje (funkciju) sa V u W . Posebno. a onda f zovemo linearni funkcional. (λ− ) · b = λ(− · b ) (homogenost). − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .9 Neka su V i W realni vektorski prostori.

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

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

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

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

c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. Ako su dva redka (stupca) u determinanti jednaka.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. Svojstva determinante: 1. 4. Vrijedi: a1 + d1 a2 + d2 a3 + d3 b1 b2 b3 c1 c2 c3 = a1 a2 a3 b1 b2 b3 c1 c2 c3 d1 d2 d3 + b1 b2 b3 . Po tom pravilu imamo: a1 a2 a3 b1 b2 b3 c1 c2 c3 = a1 b2 c3 + a3 b1 c2 + a2 b3 c1 − a3 b2 c1 − a1 b3 c2 − a2 b1 c3 .28 ˇ POGLAVLJE 1. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante. tj. a3 b3 c3 (stupca) zamijene mjesta. Ako dva susjedna redka predznak. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 .: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . .tj. determinanta z se mnoˇi tim skalarom. c1 c2 c3 3. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . determinanta je jednaka nuli.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. tj. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. 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.

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

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

a → − → → → → − → − → − Obratno. b nul vektor. i ϕ = 0 ili ϕ = π. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . neka je − × b = 0 . Dakle a − → − i b su kolinearni. ϕ = 0 ili ϕ = π. tj. c Dokaz: − → → Ako je barem jedan od vektora − . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. Zbog − · − = |→||− | cos ϕ. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. − → − → |a a sc a b → − → → − pa i − × b = 0 . c c z Teorem 1.8. pa je cos2 ϕ = 1. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). − → → → − → − → → 2. kao saˇeti zapis. pa desna strana formule za duljinu vektora − × b iˇˇezava. → × b = −( b × − ) a a (antikomutativnost). Tada je |→ × − | = 0.♣ → a . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .♣ Primijetimo da tvrdnje Teorema 1. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . → × ( b + − ) = − × b + − × − . Tada je |− × b | = 0. → → → − → → − (a b c a c b c − − → → − → 3.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Po pretpostavci je |→| = 0 i | b | = 0. Neka su sada oba vektora razliˇita od nul vektora. Kako je − · b = |→|| b | cos ϕ. a c → i → kolinearni. a a a Napomena 1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . jer je nul vektor kolinearan sa svakim vektorom.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.6.1.

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

13 vidimo da je → = − × − . pravila za vektorsko mnoˇenje te gornju tablicu) z z . − . j . j .8. j . − × b ) desni (op´enito nepravokutni) koordinatni sustav. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. Sa Slike 1. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . k ). a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1.1. i . pravila za skalarno mnoˇenje. k ). Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . dok je s druge strane i × ( i × j ) = − j tj. j . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. b .13: Kutna brzina. vektore ortonormirane baze ( i . ω r v v ω 0 r Slika 1. Uzmimo npr. k ) koje ´e nam c c biti koristno pri raˇunanju. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). to je − → → → → − (O.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. k ) desni koordinatni sustav (pravokutni i normirani).

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

No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − .11 Za vektore − . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. jer je a a c → − − → |→ · b | = |− || cos ϕ|. → komplanarni. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . Tada. pa tvrdnja slijedi a c iz svojstava determinante 3. MJESOVITI PRODUKT 35 bx c a c b Slika 1. − ∈ XO (E).9. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. pa kako je − okomit na b × − . gdje je |→| baza. b . onda − → − Obratno. zakljuˇujemo da su vektori → i b × c okomiti. z → − − − a c Napomena 1. Tada je: → → → a b c → − → − → − − → 1.4 i 5 iz toˇke 1. − .6.♣. b . → − → − → → → → Napomena 1. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. − komplanarni po Napomeni 1. vektorsko mnoˇenje i mjeˇoviti z z s produkt. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − .14: Mjeˇoviti produkt triju vektora. s → → − → Definicija 1. Pretpostavimo zato da su − = 0 . a a − → → − → − − → − 2. − → − i samo ako su a b c − → → → Ako su − . kako je a c → − − → → − − → − · ( b × c ) = 0. b = 0 i → = 0 . |→ × b | je povrˇina paralelograma razapetog s → i b . a | b | sin ϕ visina paralelograma. − . b . a a .16 oni su linearno zavisni. b .17 Za vektore − .ˇ 1.16 Vektori →. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.

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

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

onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. ako toˇka (x. C takvima da je barem jedan od A i B razliˇit c 2 2 od nule (to se joˇ formulira i kao A + B > 0) je op´a jednadˇba pravca.38 ˇ POGLAVLJE 2. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. Ax + By + C = 0 i A x + B y + C = 0. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . y0 ) okomit na vektor − = A i + B j . i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. y) ne leˇi na pravcu p. B. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . c p n r (x . y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. onda − i → nisu okomiti. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0.y) Slika 2. s c z Joˇ se naziva i implicitna jednadˇba pravca. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. tj. c n Zaista. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA.1 Ako imamo dvije jednadˇbe. → − r n → − → → Ako toˇka (x. − · − = c z r n r n 0. y) leˇi na pravcu p. B = tB i C = tC. tj. vrijedi Ax0 + By0 + C = 0. s z z Napomena 2.1: Pravac u ravnini. pa zbog okomitosti imamo − · → = 0.y ) 0 0 (x . Definicija 2.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. .

jer je tada vektor − oblika n − → →=Bj. Ako je B = C = 0. pa imamo tvrdnju. 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. − n → 3. z → 2. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . Ako je A = 0. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. jer je tada vektor − oblika n − → →=Ai. c Obratno. C −A −B . ako postoji t ∈ R takav da je A = tA. znaˇi z c da prolaze kroz istu toˇku (x0 . onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. onda pravac prolazi kroz ishodiˇte. postoji t ∈ R takav da je n = t− . onda je pravac os y. nepotpune obc z like): 1. B = tB i C = tC. jer je toˇka (0.2. n n 2. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . tj. Ako je A = C = 0. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Dobijemo z B A x + −C y = 1. onda je pravac os x. − n 4. onda je pravac paralelan s osi y. Ako je C = 0. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . y0 ) i da je za svaku drugu toˇku (x.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. jer je (0. Odatle je A = tA i → → su vektori n n B = tB. onda je pravac paralelan s osi x. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.1. Dakle → → r i j n i j n i j → − − → − i n kolinearni. Ako je B = 0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. Oˇito je (x0 . jer je (0. → → Ax = 0 i vektor n n i 5.1.

Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. onda je x = a. c c y b a 0 x Slika 2. z 2.3: Kanonski oblik jednadˇbe pravca.2: Segmentni oblik jednadˇbe pravca. z z Uoˇimo sljede´e: ako je x = 0. 0).3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z . onda je y = b. a ako je y = 0. z p s=mi+nj P1 = (x 1. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. b) i (a.y 1 ) Slika 2. pravac prolazi kroz toˇke (0.1. c c tj. imamo A x a + y b = 1.40 ˇ POGLAVLJE 2.

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

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

n c y q n θ P0 x r P p 0 Slika 2. tj. odnosno z → → r n x cos ψ + y sin ψ = d . tj. pa tada postoje ψ. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. a2 + b2 = 1. 1].6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). c c s − → − → → d = |OP0 |. tj. Neka je − = a i + b j jediniˇni vektor na pravcu q.5). z Jasno je da su a. n − → → Toˇka P = (x. → → r n Jednadˇbu − · − = d. l). 2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ.1. b ∈ [−1. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. imamo k = tg ϕ. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. φ ∈ [0. c − → − → → pa imamo − = cos ψ i + sin ψ j . n Kako je tg ϕ = m . pravac prolazi toˇkom (0. π] takvi da je a = cos ψ − i b = cos φ.2. s vektorom i ).6: Normirani oblik jednadˇbe pravca. y) leˇi na pravcu p ako i samo ako je z − · − = d. P = (x. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. Povucimo sada kroz O pravac q okomit na p.3 Za x = 0 imamo y = l tj. PRAVAC U RAVNINI Napomena 2.1. c 43 n ˇ Uzeli smo da je k = m .

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

tj. −1 → Neka je ϕ kut izmedu → i −2 .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2.ˇ 2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. → → kolinearni. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . 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. A2 B2 → → Napomena 2. → n i j 45 Definicija 2.

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

ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . k2 = tg ϕ2 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. . y = k2 x + l2 . Neka je ϕ = ϕ2 − ϕ1 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 .2. Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . Definicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .ˇ 2.7: Kut dvaju pravaca. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.

Napomena 2. c Definicija 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . odnosno ako i samo ako je 1 + k1 k2 = 0.7). y0 ) i pravac p u ravnini. odnosno ako i samo ako je k1 = k2 . 2 ako i samo ako je tg ϕ = ∞. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. k2 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. sa suprotne strane od ishodiˇta) jer je tada n s . p) = x0 cos ψ + y0 sin ψ − d. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.2.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. ako i samo ako je ϕ1 = ϕ2 .2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . x cos ψ + y sin ψ = d.1. Zanima nas udaljenost c toˇke P0 od pravca p. To je ekvivalentno s 1 k1 = − . Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj.48 ˇ POGLAVLJE 2. s Napomena 2. ANALITICKA GEOMETRIJA Napomena 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .5. Neka je pravac p dan u c c normiranom obliku.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. tj.

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

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

2. zovimo je S = (xs . ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . Npr. xs = . tj. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. identiˇni su. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 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 1.2. paralelni su.ˇ 2. sijeku se u jednoj toˇki. c 2. 3. ys ). koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. poklapaju se. c z U sluˇaju da se sijeku u jednoj toˇki.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini.8: Mogu´i poloˇaji pravaca u ravnini. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.

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

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

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

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

Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 .3. Kako su vektori baze linearno nezavisni. vektor smjera pravca p je dan s (a. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. c) odnosno a. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c su koeficijenti smjera pravca p. b. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . z s Napomena 2.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .56 Jednadˇbe z ˇ POGLAVLJE 2. y0 . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z Napomena 2. z0 ) i 2. z c s 2. y = y0 + tb.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . b. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . pravac p prolazi toˇkom (x0 . . ANALITICKA GEOMETRIJA x = x0 + ta. Prema s z Napomeni 1. j i k dobivamo kanonske jednadˇbe pravca.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1.

b. c) je dana s x y z = = .3. Uzmimo sada npr. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. c s → Iz toˇke 1. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. odnosno postoje c s0 α. pa odreduje isti pravac. y2 . toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. Odredimo njegovu jednadˇbu. γ ∈ [0. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .1. c). pa iz toˇke − − s r2 c s r2 r1 c 2. y1 .2. z1 ) i P2 = (x2 .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . − .5 i toˇka 2.6). b. β.3.3. istog smjera i orijentacije kao i →. s 2. PRAVAC U PROSTORU 57 → Posebno. 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. onda ima dva kosinusa smjera. →| |s c cos γ = → . z2 ) u prostoru. z Znamo iz toˇke 2. jedan kosinus smjera prelazi u sinus. → − → → r r1 r2 r1 . − →| s →| |→| |→| |s |s s s − jediniˇni. tj.1. b.3. π] takvi da je a cos α = − .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. − → z definirajmo s P c s − je vektor smjera pravca p. Zbog komplec mentarnosti. i njihov omjer daje koeficijent smjera (toˇka 2. →| |s b cos β = − .5 znamo da postoje kosinusi smjera vektora − . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . −| |s Dakle koeficijenti smjera a. c c Tada kroz njh prolazi jedinstveni pravac p. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. Sada imamo da je → = P1 P2 = → − →. onda znamo da je vektor → s a b c 1 → s0 = − − = − .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ).

c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. y0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. y = y1 + t(y2 − y1 ). c x = mz + m1 . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = .58 ˇ POGLAVLJE 2. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . z0 ) s vektorom smjera − = (a. Analogno. uz oznake m = a c i m1 = − a z0 . b.10: Pravac kroz dvije toˇke u prostoru. c c c .3. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . z c y2 −y1 2 −z 2. z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. c c c odnosno.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 .

Tada za svaki izbor a. + n2 + 1 cos β = √ m2 n .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .3.2.3 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 . 59 y = nz + n1 . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.3. PRAVAC U PROSTORU odnosno.n ) 1 1 Slika 2. Dakle. z b c . Napomena 2. y0 . + n2 + 1 cos γ = √ m2 1 . b.14 Iz toˇke 2. vrijedi x−m1 m = y−n1 n = z. uz oznake n = b c b i n1 = − c z0 .11: Pravac zadan dvjema projekcijama.3. z y=nz+n 1 x =mz+m 1 y 0 x (m . + n2 + 1 2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.

→ r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . 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. .60 ˇ POGLAVLJE 2. s z Imamo → = 1 (− + − ). y2 . my1 +ny2 . AC : CB = m : n. . z1 ) i B = (x2 . m ∈ N. tj. z2 ) u prostoru. mz1 +nz2 ). z → c radij vektor toˇke B. y1 . m+n m+n m+n Napomena 2. r2 r1 →=− + − → ρ r1 n m → → → − + n −.3.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. 2 2 2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . ANALITICKA GEOMETRIJA 2.12: Dijeljenje duˇine u zadanom omjeru. 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= .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB.

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

Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. y. redom. Imamo neˇto analogno otklonu iz toˇke 2.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. y. a c kako M leˇi u Π .4. jer je duljina okomice do Π jednaka p).16 Ako toˇka P ∈ E ima koordinate (x. z1 ) ∈ E proizvoljna. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . c c Sada. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. Za toˇke s druge strane bit ´e n c c d < 0. Kao i kod pravca (toˇka 2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. kako su A. duljina okomice c do Π ´e biti p + d (za neki d ∈ R.2.62 ˇ POGLAVLJE 2. 2. 0. b. neka su toˇke A = (a. → ako je M s one strane Π na koju pokazuje −0 . 0. r n Napomena 2. z. c).17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. n0 − − → → OB · −0 = p. 0). Nadalje. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. Kako je d. z − − → OA · → = p. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). C = c (0. Napomena 2. u stvari. y1 . C ∈ Π. 0). toˇke u kojima Π sijeˇe koordinatne osi x.2. B = (0. z). B. n . c Neka je M = (x1 . udaljenost ravnine Π od ravnine Π . n − → → OC · −0 = p. iz normalne jednadˇbe ravnine imamo.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.

Bez smanjenja op´enitosti.4. tj. cos γ = . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. y0 . z Dakle. a cos α = p. p p p cos α = . z 2. c C C Tada postoji toˇka (x0 . C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 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 ) = 0.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. neka je C = 0. cos β = . b cos β = p. z = − C x − B y − D .14: Segmentni oblik jednadˇbe ravnine.4. Odatle. B. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). c cos γ = p.2. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine.

pri ˇemu se uzima predznak suprotan od c . odnosno. c z c z Napomena 2. Dakle. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. y0 . tj. ako je toˇka P = (x. → n Zaista. onda je jasno da i c c − − = −0→ leˇi u toj ravnini. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.64 ˇ POGLAVLJE 2. imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. B. z0 ) koja je okomita na vektor z c − = (A. ako P ∈ E ne leˇi u ravnini. y0 . 0 r P n π 0 Slika 2. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini).18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . y.15: Op´i oblik jednadˇbe ravnine. c z Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 z z opisana ravnina u prostoru kroz toˇku P0 = (x0 . B. ANALITICKA GEOMETRIJA P . c −→ → − S druge strane. z) toˇka u takvoj ravnini. z0 ) i okomita na vektor c − = (A. Onda je − · − = 0. kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). C). C).

Ako je C = 0. c onda je A B D z =− x− y− .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . pa imamo cos γ = 0. onda normala − = (A. Dakle imamo cos α = 65 A .2. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. b1 = − B i c1 = − D . tj. R cos β = B . A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. R cos γ = C . 0) nema komponentu u smjeru n − → osi z (tj. tj.4. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. B. onda su koordinate A. Napomena 2. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0.20 Neka je dana toˇka M = (x1 .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. C). onda je oˇito da O = (0. s c A2 +B 2 +C 2 Napomena 2.17. pa odreduju istu ravninu. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. RAVNINA U PROSTORU predznaka od D. C C C A z Oznaˇimo a1 = − C . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. Ako je D = 0. s → 2. B. nepotpune obc z like): c c z 1. istog su smjera n n → c n i orijentacije. 0. po c Napomeni 2. B. R → → Vektor normale −0 je normirani vektor − = (A. ravnina prolazi kroz ishodiˇte. c . Tada je. Stoga ´emo i vektor − zvati vektor normale. y1 . z1 ) ∈ E. Π) = |Ax1 +By1 +Cz1 +D| √ .1). k ).4.

A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. z c c 2. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. 0. onda normala − = (A. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . c Od ˇetiri parametra. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . C koji je razliˇit od nule. 4.4. imamo samo tri nezavisna. 0) ima komponentu samo u n smjeru osi x. − i − su komplanarni). Imamo Ax + D = 0. B. Ako je B = C = D = 0. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. ravnina je paralelna A s koordinatnom ravninom Oyz. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. odnosno x = − D . s1 s2 . z → 3. z → − a vektore − i → vektori smjera.16: Ravnine u posebnim poloˇajima. C i D. Ako je B = C = 0. onda prema 1. ravnina je paralelna s koordinatnom ravninom Oyz.4 Parametarski oblik jednadˇbe ravnine z → → Neka je dana ravnina Π koja prolazi toˇkom P0 ∈ E i neka su − i − linearno c s1 s2 nezavisni vektori takvi da je ravnina Π paralelna s njima. ravnina prolazi kroz ishodiˇte s a prema 3. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .66 z ˇ POGLAVLJE 2. B. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. Varijable u i v zovemo parametri.

− = (a1 . RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. y. b1 . z0 ) z z c → → i dva vektora smjera − = (a1 . s1 s2 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. z Napomena 2. z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. b2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. Tada P = s1 s2 → − (x. y = y0 + ub1 + vb2 .2.22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . Kako imamo dva parametra (u i v). Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . b1 . y0 . z0 ). y0 . Napomena 2.4. vidi se da je ravnina dvodimenzionalni objekt u prostoru. Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. c1 ). b2 .17: Ravnina zadana parametarski. c1 ) i − = (a2 . → − Nek je P0 = (x0 . c2 ). → = (a2 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine.

y1 . Po Napomeni 1. P1 P2 .16. 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 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P1 P3 komplanarni. 2.5. z3 ) u c prostoru takve da ne leˇe na istom pravcu. P3 = (x3 . ako i samo ako su P0 P . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . P2 = (x2 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . z1 ). Po Napomeni 1.4. 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. → komplanarni. vektori s1 s2 −→ → − − − → P0 P . P3 ne leˇe na istom pravcu. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. ANALITICKA GEOMETRIJA −→ → − − odnosno. y3 .68 ˇ POGLAVLJE 2. Kao i u toˇki 2. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . − . P2 . P2 . z2 ).1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 .4. 2. P2 .5 2. y2 . s1 . Dakle. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. P3 (uzmemo npr. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).4. Kako toˇke P1 .

Ravnine se sijeku u jednom i samo jednom pravcu. C2 ). Teorem 2. 3.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 .2. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. B2 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. tj. tj. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . 2. odnosno ako → → kolinearni. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 69 −1 Definicija 2. C1 ) n → i −2 = (A2 .5. Ravnine se podudaraju. ako i samo ako je −1 · −2 = 0. Ravnine se ne sijeku. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . ♣ . B1 . −1 → Napomena 2. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.

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

toˇka 2. B. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. z nepoznanice). Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. 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. → → s n . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.4.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. s jedna toˇka.2. y.5) i koordinate su mu c c ∆x ∆y ∆z ∆. 2. b. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . tj. ∆ . −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. paralelne su). c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).5. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a.5. c) i − = (A. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . onda je presjeciˇte jedinstveno (tj. z Definicija 2. b. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. ∆. C). A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .

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

28 Ako ne postoji takav t koji je konaˇan.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. z z .5.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . y0 . Aa + Bb + Cc Napomena 2. z1 − c Ax1Aa+Bb+Cc+D .5. tj. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. y = y1 + bt. tj. a druga je uvjet paralelnosti pravca i ravnine.2. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. z = z1 + ct. 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 . y1 − b Ax1Aa+Bb+Cc+D . ako nema konaˇnog z koji je rjeˇenje. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Ax1 + By1 + Cz1 + D . 2.

Pravac i ravnina se ne sijeku.5. ANALITICKA GEOMETRIJA Teorem 2. Definicija 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . Pravac i ravnina se sijeku u samo jednoj toˇki.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). c c c 2. → → 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 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. y1 . c2 ).74 ˇ POGLAVLJE 2. s1 s2 redom. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). b2 . y2 . c 2.18: Mimosmjerni pravci. z2 ) s vektorima smjera − = (a1 . . → → s1 s2 p 2 p 1 Slika 2. c1 ) odnosno − = (a2 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Pravac je sadrˇan u ravnini. b1 . 3. z1 ) odnosno c → → P2 = (x2 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.

5).30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . tj. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.5.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. 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 . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.5.3.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini.2. → Napomena 2. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. tj. 2. ako i samo ako postoji λ ∈ R takav da je − = λ→. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . c c z → s1 Napomena 2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. tj. ako i samo ako je → · − = 0. z= 1 m−m n−n .

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

U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Teorem 2. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. c =0 . Prema Napomeni 2. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. tj. z 3.2. pa nema presjeciˇta. Pravci se podudaraju. ˇetvrti sluˇaj. imamo isti pravac. z c 4. Pravci leˇe u istoj ravnini i ne sijeku se. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pozabavimo se sluˇajem mimosmjernih pravaca. i 6. Pravci su mimosmjerni. z 2.6 na gornju determinantu (tj. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.5. iz toˇke 1.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ne leˇe u istoj ravnini. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 . U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Ako su sva tri redka proporcionalna. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.29. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z Moˇe se desiti da su oni paralelni.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1.

z1 ) → odnosno P2 = (x2 . . z2 ) s pripadaju´im vektorima smjera − = (a1 . c2 ). y2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. kako p1 leˇi u Π i Π je paralelna sa p2 .78 ˇ POGLAVLJE 2.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . imamo da Π prolazi z → → kroz P1 = (x1 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . a2 b2 c2 a2 b2 c2 . c2 ). y1 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. ANALITICKA GEOMETRIJA 2. 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. = 0. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). a2 b2 c2 Definicija 2. . z1 ) i paralelna je sa − = (a1 . y1 . c1 ) i − = (a2 .22. b2 . b2 . b1 . b1 . p1 leˇi u ravnini).5. 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 = = . Iz s1 s2 Napomene 2. c1 ) c s1 − = (a2 . Dakle.

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

.

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

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

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

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

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

.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . .   . .. .. . . Definicija 3... n. a11  ..4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1.. n.3 odnosno Definicije 3.1. Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. .2 Jednakost matrica se definira samo za matrice istog tipa.  .... . λA = λ  ... = ..86 POGLAVLJE 3. . ...3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. j = 1. j = 1. am1 + bm1 · · · amn + bmn Napomena 3. . m. j = 1. λam1 · · · λamn · · · amn  a11  ...3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . m.3 Zbroj matrica se definira samo za matrice istog tipa. . MATRICE I LINEARNI SUSTAVI 3.    · · · a1n b11 · · · b1n . . a na R znamo ˇto znaˇi s c ”biti jednak”.4.  . . tj. . + . s Napomena 3. . Definicija 3. . . ..  . tj.   . am1     λa11 · · · λa1n · · · a1n . = . z Definicija 3. C =A+B = . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . . . Piˇemo A = B. Definirajmo sada mnoˇenje matrice skalarom. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R.. m. . n. .

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

3 i Definicije 3.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Definicije 3. AT = −Aa i A = As + Aa .88 POGLAVLJE 3.4.. 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. a za Aa vrijedi AT = −Aa .. To nam z name´e sljede´u definiciju. . n. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. itd. ♣ c s a 3. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. (AT )T = A za sve A ∈ Mmn . m i j = 1. Oˇito je tako definirana matrica C ∈ Mmn . (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. 3. Dakle imamo tvrdnju. 2 Oˇito je AT = As .. nema podlogu u fizici. ... Tako bismo za matrice A = [aij ]. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). gdje su elementi od C dani s cij = aij bij za i = 1. gdje za As vrijedi AT = As . Produkt A·B takvih matrica . geometriji. (A + B)T = AT + B T za sve A. Iako jednostavna. Takoder. MATRICE I LINEARNI SUSTAVI 1. B. B ∈ Mmn ..1. 2. Napomena 3.

.. onda je A · B ∈ Mmp . a broj stupaca je c jednak broju stupaca od B. Definicija 3.... a B · A nije definirano. ai2 . b2j . bnj ) = ai1 b1j + ai2 b2j + .. a da B · A nije ni definiran.ˇ ˇ 3.... .. ain bnj .. . 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 + . Npr.. a j-ti stupac matrice B je (b1j . OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A... imamo A·B ∈ Mmp . . Tada je i-ti redak matrice A jednak (ai1 . z c tj. .4)... m. broj stupaca od A je jednak broju redaka od B. za j = 1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .... Ako je m = p = n.. . Za takve matrice A i B kaˇemo da su ulanˇane. B = C Slika 3. p. 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. ain ). za i = 1. n i m . b2j . . p p = j n (i. + ain bnj .... 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 zakljuˇujemo da na mjestu (i. Dakle.. i = 1. . j = 1.1: Produkt matrica.1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . ain ) · (b1j . Mnoˇenje matrica vodi raˇuna o poredku operanada. ai2 . m... Dakle opet je A·B = B ·A. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. a B ·A ∈ Mnn ... na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. .. p. bnj ).. Napomena 3.j) m A . ako su A ∈ Mmn i B ∈ Mnp i m = p.

c Posebno vrijedi A · In = In · A = A. B ∈ Mmn . α(A · D) = (αA) · D = A · (αD). B ∈ Mnn takoder op´enito vrijedi A · B = B · A. A ∈ Mmn i D ∈ Mnp . A. gdje je α ∈ R. z c Teorem 3. za A ∈ Mnn . za n = m = p. C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). c jer npr.90 POGLAVLJE 3. gdje je A ∈ Mmn . 0pm · A = 0pn . . C takve da z promatrani produkti postoje vrijedi: 1. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). gdje su A ∈ Mmn . C ∈ Mpm i D ∈ Mnq . A · 0np = 0mp . B. gdje su A. 4. MATRICE I LINEARNI SUSTAVI Na kraju. · 1 0 1 1 = 1 1 0 0 . (A · B) · C = A · (B · C) (asocijativnost). A · In = A. 3. tj. 2. za n = 2 imamo 0 1 0 0 a s druge strane. Im · A = A. Dakle mnoˇenje matrica je op´enito nekomutativno. B ∈ Mnp i C ∈ Mpq . 5.3 (Svojstva mnoˇenja matrica) Za sve matrice A. gdje je A ∈ Mmn . gdje je A ∈ Mmn . 1 0 1 1 · 0 1 0 0 = 0 1 0 1 .

c .. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica.4.. xn ]T nepoznata matrica. 4. 3. takvu podmatricu zovemo blok. Primjer 3. . prvi i tre´i. 3. dobijemo podmatricu z 3 4 0 3 matrice A.6 Neka je  2 3 4 1   A =  −1 2 1 3  . 1 0 3 0  Neka je r = s = 2. bm ]T poznata matrica desnih strana i z x = [x1 . Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. dobivamo podmatricu z matrice A.. svaka linearna z jednadˇba ide u svoj redak). c drugi i tre´i. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.1..6. . 3.3. i dva stupca npr. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.ˇ ˇ 3.1.5 Podmatrice i blok matrice Neka je A ∈ Mmn . Sloˇimo li ih u (r ×s) matricu.. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. ♣ 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 )..♠ Ako su izabrani redci i stupci uzastopni. b = [b1 . npr. 0. 3. Izaberimo dva redka. Sloˇimo li ih u (2 × 2) matricu.

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

1. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. dakle ne postoji izbor brojeva a. neka je dana matrica c 0 1 1 0 . c 2. Npr. tj. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . 1. OSNOVE MATRICNOG RACUNA 93 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. c Napomena 3.4 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 . U skupu R vrijedi: ako je a · b = 0.1. tj. c c c Iz svojstva 5. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. U toˇki 3. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.ˇ ˇ 3. Teorema 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .6 Regularne matrice. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. postoji broj koji pomnoˇen s a daje 1.1. c. Npr. onda je barem jedan od a ili b jednak nuli. b.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.

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

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

. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. → → Definicija 3. Oznaˇavamo ga → → → → a1 an a1 an c − . − . . linearne zavisnosti/nezavisnosti. Definicija 3..9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. ... a1 an Napomena 3.11 Neka su − . vrijede svojstva 1.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. .♣ Kako je po Teoremu 3. Iz Napomene 3... − ). matrice iz Mm1 . a1 an . .. − ) = {λ1 − + . − je skup svih linearnih kombinacija vektora − . i 3. →) ⊆ Rm . MATRICE I LINEARNI SUSTAVI 3. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.96 POGLAVLJE 3. → → s L( a1 an → → → → an a1 L(− . Definicija 3...5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. njene z c n redke. moˇemo promatrati kao vektore u vektorskom prostoru Rm ..5) i neka je L neki podskup od V .10 Neka je V vektorski prostor (Definicija 1.1.....10 slijedi da je L(− . iz Definicije 1.6 znamo da stupce. moˇemo promatrati kao vektore u R ... Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. . 2.. Iskaˇimo sada jedan bitan rezultat. a1 an → → i izravno iz Definicije 3... + λn − : λ1 . . Sliˇno. tj. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . − ∈ Rm ..7 Rang matrice. .... λn ∈ R}..5).11 Oˇito je da je c − − L(→. z Teorem 3. .. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). matrice iz M1n . − ) podprostor od Rm . Podprostor razapet vektorima a1 an − ... skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).5 izravno slijedi da je r(A) = r(AT ).

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

Nadalje. akk za k ≤ min(m. . z 3.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.♠ Iz Primjera 3. . k. na aij za i = k + 1... Pitanje je. na pozicijama a11 .  . j = 2...6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . ima nule. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).98 POGLAVLJE 3. n) ima jedinice.. . Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. tj. na aij za j < i ima nule. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.. Zamjena dvaju redaka (stupaca). iz Teorema 3. Dakle. MATRICE I LINEARNI SUSTAVI 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.. na aij za i < j. c c r(In ) = n) i matrice koja izgleda kao i matrica B..8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Dakle. Mnoˇenje redka (stupca) skalarom λ = 0.. 2. Neka je dana B ∈ M5.5 imamo da je r(B) = 3. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .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    . Primjer 3.

tj.17 Ako imamo n vektora − 1 . − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. − n )... .r i 03 ∈ Mm−r..ˇ ˇ 3.1. ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). . ekvivalentne matrice imaju isti rang. 02 ∈ Mm−r.. Dakle. Kako je r(A) = r(H) = r. u bazu podprostora razapetog redcima odnosno stupcima od A. Matrica H je Hermiteova forma matrice A. n). sastavi se matrica A = [− 1 .13 Matrice A. . primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang.. tj. Neka je A ∈ Mmn . Isto tako. − n ). ve´ samo njegovu duljinu. − 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 .♠ c Definicija 3.. . c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. matrica M prelazi u jec c diniˇnu. c c Napomena 3.. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A.. . Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 ... 02 .. 03 su nul matrice).16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. Ir ∈ Mr . gdje je r ≤ min(m. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. a a .n−r .. A = 0. → → a a Napomena 3.n−r (01 .. 01 ∈ Mr.. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija.. Primijenimo li na H elementarne transformacije obrnutim redom. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). Dakle dobijemo matricu H. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog. − n ] (vektori a a a a − 1 .

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

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

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

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

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

z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). u u Dakle je N (A) vektorski podprostor od Rn . Treba provjeriti da N (A) ima svojstva iz Definicije 1. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . x x − → Oˇito je 0 ∈ N (A).2 su oˇito zadovoljena. tj.2.8 i Napomene 3.3 Homogeni sustavi → Iz Napomene 3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. c 3.3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . c Napomena 3. A− = b i A− = b . u v u v − → dakle → + − ∈ N (A). LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . dakle dokaˇimo da za proizvoljne c z − .2.1 i Teorema 1.♣ s c z s x → Iz Teorema 3. tj. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .22 N (A) je podprostor od Rn . Tada je.5. Dokaz: Oˇito je N (A) ⊆ Rn .♣ .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . gdje je λ ∈ R proizvoljan. → ∈ 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). c Svojstva iz Teorema 1.

s x → − → → Obrnuto. z s . s Dokaz: (Dokazujemo samo tvrdnju II. Kako je iz Teorema 3. . ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m).23 Primijetimo: → 1. tj.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .8 je matrica A regularna. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).♣ Napomena 3.22 zakljuˇujemo da ako su u1 .106 POGLAVLJE 3. ut rjeˇenja homogenog sustava c s − = − . onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . onda je i njihova linearna kombinacija rjeˇenje tog sustava. Po Teoremu 3. tj. Tvrdnja Teorema 3.. svako rjeˇenje je oblika − 0 + 0 . → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .) − → → − → − Ako je matrica A sustava A− = b regularna. → → → → Ax a y y 2. 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)). Teorem 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I.9.. prema Teoremu 3. rjeˇenje je x s u s jedinstveno. Tvrdnja Teorema 3. onda po Teoremu 3. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. Onda. N (A) = { 0 }. MATRICE I LINEARNI SUSTAVI Iz Napomene 3.9 I. → → → → u u y y − → → II. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.9 II. gdje je − ∈ N (A)..9 I. iz jedinstvenosti zakljuˇujemo da je − = 0 .

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

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

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

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

determinanta mijenja predznak. onda sc je det A = 0. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn .7. pravilo za c raˇunanje inverza matrice).2. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. . Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. onda je det A = 0.3. Svojstva determinante su: 1. det(Qij A) = − det A. je razvoj determinante po prvom redku.1. n ≥ 2. Ako je A ∈ Mn trokutasta (gornja ili donja). Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. 2. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . 3. n ≥ 2. onda je det A = a11 a22 · · · ann . Posebno je c det In = 1. c 4. Neka je A ∈ Mn dijagonalna matrica. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3.

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

♣ .13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.2. itd. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3. Dokaz: Iz Teorema 3. ai+1. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .♣ Teorem 3. Teorem 3. ♣ U Teoremu 3.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.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 .14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. 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. B ∈ Mn vrijedi det(AB) = det A · det B. LINEARNI SUSTAVI 113 ispod njega. ♣ Iz Teorema 3.3. Teorem 3. Dakle oˇito je det A = 0. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ♣ Napomena 3. Ako to nije mogu´e. onda je det A = 0.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . tj. z Teorem 3.26 Ako je A ∈ Mn regularna.12 Za proizvoljne matrice A.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.i+1 = 0).i+1 (naravno.

det A Dokaz: Ako je det A = 0.114 Veliˇinu c POGLAVLJE 3. Kofaktor matrice A oznaˇavamo s kof (A).13 prethodni zbroj jednak det A. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . onda je det A = 0.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Inaˇe je zbroj det A. Definicija 3. (−1)k+i det Aki . c c Dokaz: Neka su uzeti i-ti i j-ti redak.28 U Napomeni 3. det A Dakle A je regularna i A−1 = kof (A) det A . ♣ Napomena 3.27 izravno slijedi: Teorem 3.16 imamo da je 1 kof (A) · A = In .26 smo vidjeli da ako je A ∈ Mn regularna. k=1 Oˇito. ako je i = j. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. Promatramo zbroj n (−1)j+k aik det Ajk . onda je po Teoremu 3. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . tj. tj. c Napomena 3. k) stoji kofaktor elementa aki matrice A. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Analogno ide dokaz za stupce.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.♣ Iz Napomene 3. Vrijedi i obrat. onda iz Teorema 3.♣ .

a Dk . Rjeˇenje je dano s − = A−1 b . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. . µ ∈ R i sve − .26 i Napomene 3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . k = 1. onda je rjeˇenje z s tog sustava dano s x1 = D1 .. onda takav linearni x y operator zovemo linearnim funkcionalom.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. − → → Iz Teorema 3. Rm = R. n. A je regularna ako i samo ako je det A = 0.3 3.3. . za sve λ.. . . Takvu x x funkciju zovemo linearni operator. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.3. → x Teorem 3.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.3. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . D D pri ˇemu je D = det A. Ako je m = 1.♣ a 3.. Ako je matrica A regularna.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Stoviˇe. → ∈ Rn . Definicija 3. → ∈ Rn . xn = .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . D x2 = D2 Dn . . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. . µ ∈ R i sve − .

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. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.5.♣ .30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. tj. 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. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. − ∈ Rn . tvrdnja slijedi. x x Napomena 3.1 i Teorema 1. Dokaˇimo da je i F + G linearni z operator. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). 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 (− ). dakle zadovoljavaju tre´e svojstvo Definic cije 1.116 POGLAVLJE 3. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. µ ∈ R i sve →.5. Dokaˇimo da vrijede i prva dva.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Iz Definicije 3. MATRICE I LINEARNI SUSTAVI Napomena 3. µ ∈ R i sve →.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.2. − ∈ Rn . z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.

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

3. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina).10 izravno slijedi teorem o rangu i defektu za linearni operator. Njegova je matrica dana s 1 0 0 0 1 0 . Oˇito je rang od p1 jednak jedan (jer je slika x-os). Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Neka je F : Rn −→ Rm proizvoljan linearni operator. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. a defekt jedan. Njegova je matrica dana s 1 0 0 . y. − → → → Nadalje. c 2. Sada nas zanima kada su ti vektori kolinearni. F ∈ Mn ). tj. Tada je po Teoremu 3. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Primjer 3. MATRICE I LINEARNI SUSTAVI Napomena 3. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Iz Napomene 3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. y). vrijedi dimN (F ) + dimR(F ) = n. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .118 POGLAVLJE 3. a defekt dva.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . c H =GF .32 i Teorema 3. tj.2. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . odnosno dimN (F ) = dimN (F ).♠ c 3.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. z) = x. y. z) = (x. Napomena 3. iz toˇke 3. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. z .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Kako su F i F ustvari isti linearni oper− → − → atori.10 Pogledajmo sljede´e primjere: c 1.

Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .3. Napomena 3.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . Nadalje. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.17. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . µ = 0. → → 2. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. x y x y x y . tj. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). ♣ Napomena 3. da c z s zadovoljava uvjete Definicije 1.1 i Teorema 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . y y → → Dokaˇimo da je − + − ∈ S(λ0 ).17 Neka je A ∈ Mn .3. Nadalje neka su − .2 oˇito zadovoljava. Izravno iz Definicije 3. 2.5. x x → → Vektor − 0 ∈ Rn . → → Svojstva iz Teorema 1. Dokaz: Oˇito je S(λ0 ) podskup od Rn . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Dokaz: 1. x x x x → Dakle za svaki µ ∈ R. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). − ∈ S(λ0 ). neka je µ ∈ R µ = 0 proizvoljan. A− 0 = x x − 0 . c x y tj. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .33 Primijetimo: → 1. tj.

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

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

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

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

Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. . λn od KA (λ) zovemo algebarska kratnost od λ0 . Ipak.♣ c . c c Teorem 3..22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. .. s Teorem 3.. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. . c Teorem 3. nultoˇka od KA (λ).♣ Napomena 3. ako je λ0 svojstvena vrijednost od A ∈ Mn . Sada. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi... 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. . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . Dakle 0 nije svojstvena vrijednost.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. a odgovaraju´i se svojstveni vektori podudaraju.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. A je regularna. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). MATRICE I LINEARNI SUSTAVI Iz Primjera 3.. λn . λ−1 . ona se u nizu c nultoˇaka λ1 . c Kako je KA (λ) polinom n-tog stupnja.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . tj...34 znamo da je skup S(λ0 ) potprostor od Rn . c Napomena 3. λn od KA (λ) pojavljuje barem jednom.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. ♣ Teorem 3.. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.. Ako je A joˇ simetriˇna onda iz Teorema 3. . λn . Obratno.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.... Tada iz Napomene 3.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. dijagonalna.124 POGLAVLJE 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .21 Neka je A ∈ Mn simetriˇna. tj. iz osnovnog teorema algebre (Teorem 5..

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 . konvergira li. n−→∞ n−→∞ n−→∞ 2. onda je lim an an = n−→∞ . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . c s c c c tj.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.4 Neka su (an ) i (bn ) konvergentni nizovi. lim (can ) = c lim an . izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. proizvoljan i an ≥ 0 za svaki n ∈ N. r = 0. te c ∈ R proizvoljan. Ako je r ∈ R. i ako da. . Tada c an −→ 0 ⇔ 1 −→ ∞.3 Neka je (an ) niz s pozitivnim ˇlanovima.5 Neka je (an ) konvergentan niz. c c c Npr. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . n−→∞ n−→∞ n−→∞ 4.132 POGLAVLJE 4. ako je bn = 0 i n−→∞ lim bn = 0. NIZOVI I REDOVI 4. ako ne i nemogu´e.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. n−→∞ n−→∞ 3. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. prema kojoj vrijednosti.1. Tada vrijedi: 1. lim (an bn ) = lim an lim bn .♣ an Teorem 4. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c Teorem 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε).

Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . pa prema prethodnom niz n n −→ 0. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. dakle divergira ili u uˇem. (an ) raste. G > G . Imamo log ε n> . ako s z s s (an ) ima barem dva gomiliˇta G i G .3 imamo |q | −→ ∞. Pogledajmo prvo sluˇaj |q| < 1. dakle divergentan.6 je tipiˇni teorem egzistencije. Tada po Teoremu 4. tj. niz 1. znamo da neˇto postoji. dakle ili q −→ ∞.2 niz (an ) ima barem jedno c gomiliˇte. izraˇunati. . Sada. Teorem 4. q 2 .. Dakle imamo samo c c s z s jedno gomiliˇte. q 2 .1. Tada je n 1 |q| < 1.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. niz (an ) s konvergentan. Za |q| < 1 je lim an = 0.4.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . tj. ε). i ako npr.. on moˇe imati najviˇe jedno gomiliˇte. log |q| Dakle svi ˇlanovi niza 1. c c . tj. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.. pa je lim an = 0. no ne c s znamo koliko je i kako to na´i.1. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.♣ Teorem 4. odrediti. c c c Prema Teoremu 4. n−→∞ Dokaz: Iz toˇke 4. q. c Dokaz: Neka je (an ) monoton i ograniˇen. ˇto ne moˇe biti jer je G gomiliˇte.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. q 3 . vrijedi lim inf an = lim sup an ∈ R. NIZOVI REALNIH BROJEVA 133 Teorem 4. U suprotnom. Tj. ili u ˇirem smislu.4.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. To je ekvivalentno s |q| < ε.♣ c z s Napomena 4.. q. q 3 . Kako je (an ) monoton.6 Monoton. po Teoremu 4. Onda je po Napomeni 4.4 dovoljno je promatrati niz s a1 = 1. za svaki n ∈ N. ograniˇen niz je konvergentan.. c Napomena 4. . 1 |q n | Neka je sada |q| > 1. Logaritmiranjem se dobije n log |q| < log ε. jer je log |q| < 0.

. 2. √ 3. gdje je λ ∈ R proizvoljan.7 je najop´enitiji. Tada vrijedi n−→∞ lim an = 1. ako je λ > 1 lim an = n−→∞ 0. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. Neka je niz (an ) dan formulom an = n n. ako je λ = 0. proizvoljan. tj.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. c z 4. Tada vrijedi lim an = 1. ∀r ∈ N). λ = 1. Neka je niz (an ) dan formulom an = λn . Tada vrijedi ∞. n−→∞ n−→∞ n 4.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. teˇe k nuli. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = nλ . Tada n! vrijedi lim an = 0. ako je λ > 0  lim an = 1. gdje je λ > 0 proizvoljan. ako je λ < 0 √ 5. n 6. Neka je niz (an ) dan formulom an = |λ| . gdje je λ ∈ R proizvoljan. gdje je λ > 0. ako je 0 < λ < 1. n−→∞   0. 1 n . Tada vrijedi   ∞. NIZOVI I REDOVI Teorem 4.♣ Teorem 4. Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.1.

. No. tj. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). n-ta parcijalna suma. kaˇemo da i red z Napomena 4. c Definicija 4.8 Neka je (an ) niz. (Sn )).8 Oznaka sumu reda an .2 4. Ako je S = lim Sn < ∞. Definicija 4. a1 . zareze zamijenimo plusevima c dobijemo beskonaˇni red. a2 . Red dobiven od niza (an ) oznaˇavamo s c an . a konaˇna suma postaje red.1 Redovi realnih brojeva Pojam reda. a3 . zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.2. n=1 Ako niz parcijalnih suma (Sn ) divergira. a oznaka an divergira. Konvergencija reda Ako u beskonaˇnom nizu (an ). ∞ an je oznaka za n=1 Primjer 4. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . .. + an = k=1 ak = Sn .2.4. konaˇna suma.. tj.8 Pogledajmo sljede´e primjere: c .. Dakle. REDOVI REALNIH BROJEVA 135 4. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. an je oznaka za red. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). gdje je (Sn ) niz parcijalnih suma niza (an ). Za svaki konaˇan n z c veliˇina Sn je dobro definirana.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ).

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

Definicija 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. onda on konvergira i obiˇno.10 Red an apsolutno konvergira ako konvergira red |an |. kaˇemo da red z an konvergira uvjetno. a red |an | ne konvergira. n−→∞ odnosno n−→∞ lim an+1 = 0.8). S = lim Sn = n−→∞ n=1 an . Dakle je red Teorem 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Primjer 4.8 Ako red apsolutno konvergira.2. tj.♣ c Uoˇimo da iz Primjera 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. c .8.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. tj. oˇito vrijedi c Sn+1 = Sn + an+1 .♠ 2n n−→∞ ∞ Napomena 4. Nadalje. REDOVI REALNIH BROJEVA za svaki n ∈ N.9 op´enito ne vrijedi. n 1 (−1)n−1 n uvjetno konvergentan.9 ne slijedi obrat Teorema 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. c c ako op´i ˇlan niza (an ) konvergira u nulu. an .10 Iz Primjera 4.4. Ako red an konvergira.♣ 1 1 Napomena 4.♠ dok red 1 n divergira (Primjer 4. onda op´enito red c c c an ne mora konvergirati.

1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1.. + a1 q n .. tj. Pogledajmo n-tu parcijalnu sumu.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . vrijedi Sn = a1 za svaki n ∈ N. q ∈ R proizvoljni. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. onda je oˇito an = a1 . Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . = a1 q n−1 . da geometrijski red a1 q konvergira i da je |q| ≥ 1. Sn = a1 + a1 q + a1 q 2 + . Ako je q = 1. NIZOVI I REDOVI 4. imamo Sn − qSn = a1 (1 − q n ). + a1 q n−1 ...2. zovemo geometrijski red s kvocijentom q. Pretpostavimo suprotno. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . Nadalje. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Nadalje kako je c n−→∞ lim an = 0 . a to divergira za svaki a1 = 0. tj. Iz Teorema 4. gdje su a1 .5 imamo da je lim Sn = a1 lim a1 1 − qn = . tj. a1 q n−1 = 1−q n=1 Obrnuto. c Pretpostavimo da je a1 = 0 i |q| < 1. onda je oˇito an = a1 (−1)n−1 . pa je Sn = na1 .138 POGLAVLJE 4. Teorem 4... n−→∞ 1 − q 1−q 1 − qn . c Ako je q = −1. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1.

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.♣

Ako postoji λ ∈ R.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Red oblika an xn .2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. 0 < λ < 1. zovemo red potencija. an0 +m ≤ λm an0 .13 1. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. za svaki m ∈ N. Oˇito je za x = 0 svaki red potencija konvergentan. . Dokaz: Neka su λ ∈ R. i n0 ∈ N takav da je an+1 ≤ λ. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. onda red an konvergira. c Teorem 4. Tada iz Teorema 4. Ako red n an x0 divergira. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. . gdje je x ∈ R proizvoljan. an za svaki n ≥ n0 .. Neka je an = 1.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Dakle imamo an0 +1 ≤ λan0 . an za svaki n ≥ n0 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . onda konTeorem 4. red an0 + an0 +1 + .18 Neka je 0 < λ < 1.. . Dakle.♠ 1 xn−1 (n−1)! 4. NIZOVI I REDOVI Neka je (an ) proizvoljan niz.146 POGLAVLJE 4. . za svaki n ∈ N.3. 1 2. i suma mu je 1−x .♣ Primjer 4. Neka je an = n! . za svaki n ∈ N.

i n0 ∈ N takav da je √ n za svaki n ≥ n0 .17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. n2 Tada iz Primjera 4.3 Cauchyev kriterij Teorem 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1...8 znamo da on = 1. Ako postoji λ ∈ R. onda red an ≤ λ.8 znamo da on konvergira. c Primjer 4. konvergira. n Tada iz Primjera 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Sada iz Napomene 4. an konvergira. Neka je dan red vrijedi 1 .18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.♣ Napomena 4. n−→∞ an lim onda red an konvergira za l < 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.♣ . ali vrijedi 1 . Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. 1 n+1 lim n−→∞ 1 n 2. imamo da red c an konvergira. a ne moˇemo niˇta z s zakljuˇiti za l = 1.19 Neka je an red s pozitivnim ˇlanovima.14 1. divergira za l > 1.3.3. c 0 < λ < 1. Ako postoji limes c an+1 = l. Neka je dan red divergira.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. 4.9 konvergira.4.16 imamo da i red an0 + an0 +1 + .

onda red an konvergira za l < 1. . tj.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. (an ) niz u R i x ∈ R prozvoljan.♠ c s Cauchyev kriterij je jaˇi.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. NIZOVI I REDOVI Napomena 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. c Teorem 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.20 Neka je an xn red potencija.1.148 POGLAVLJE 4.14 za red odnosno red n znamo da divergira odnosno konvergira. Ako postoji limes c n−→∞ lim √ n an = l.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. Ako postoji lim sup n |an | i lim sup n |an | = 0.20 zovemo radijus konvergencije reda potencija a n xn . divergira za l > 1. a divergira za sve x ∈ R za koje je |x| > ρ. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. c 1 Primjer 4.15 Analogno kao i u Primjeru 4. a iz toˇke 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).

n Tada je 1 = lim n−→∞ n n 1 = 1.8 imamo da konvergira i red (−1)n . dok za x = 1 red n 1 divergira. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. a divergira za |x| > 1. 4. Neka je dan red potencija lim sup n 149 1 n x . Tada imamo sljede´i kriterij (Leibnic c zov): .4. Ako je x = −1.20 red potencija |x| < 1. iz Primjera 4. Po Teoremu 4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). Neka je dan red potencija lim sup n 1 n x .20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.20 red potencija |x| < 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. konvergira za Pogledajmo sada ako je |x| = 1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. dakle i apsolutno konvergira red (−1)n . n 2. KRITERIJI KONVERGENCIJE Primjer 4. c sin n. n2 1 n x n2 dakle je ρ = 1. Po Teoremu 4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Ako je x = 1 onda. konvergira za Pogledajmo sada ako je |x| = 1. onda iz Primjera 4. (−1)n .3. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.). itd. n 1 n x n dakle je ρ = 1. Iz n2 n2 1 Teorema 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.♠ n2 Teoremu 4. tg n. Teorem 4. a divergira za |x| > 1.3. a divergira za |x| > ρ (ako lim sup n |an | postoji).16 1.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. ali smo u Primjeru 4.8 znamo 1 1 da red konvergira.

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

KRITERIJI KONVERGENCIJE Primjer 4.17 Iz Teorema 4.♠ s .4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.3.

.

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

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

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

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

3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.1. .5. Npr. Napomena 5. ˇto je suprotno s definicijom funkcije. z s Iz Napomene 5. c y x0 0 x Slika 5. c kruˇnica u ravnini nije graf niti jedne funkcije. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.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.

tj. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). kaˇemo da funkcija f pada z z na I. To. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. toˇke prekida i asimptotsko c c ponaˇanje. 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. z c I ⊆ D(f ). realne funkcije realne varijable). b ⊆ R sadrˇan u podruˇju definicije funkcije f . tj. Gledamo li graf funkcije f . kaˇemo da je f (strogo) monotona na intervalu I. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . podruˇja vrijednosti i nultoˇaka. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). 0) ∈ Γ(f ). FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. c Osim podruˇja definicije. c s c Napomena 5.158 POGLAVLJE 5. bliskost argumenata i sliˇno. ako postoje). podruˇja gdje funkcija raste ili pada).1.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). kao ˇto smo rekli.4 Pojmovi znaˇajni za realne funkcije realne varic jable Pojam funkcije je vrlo op´enit i obuhva´a sve mogu´e vrste ovisnosti jedne veliˇine c c c c o drugoj. toˇke oblika (x0 . c Neka je interval I = a. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. kaˇemo da je funkcija f strogo raste. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. s 5. Ti su pojmovi vezani c uz usporedbe vrijednosti. ne mora biti nultoˇka funkcije c c (npr. Nuliˇte je apscisa nultoˇke. odnosno strogo pada na I. intervale z monotosti (tj. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. s Dakle. ekstremne vrijednosti. dakako. za x = 0 je f (0) = 1). toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. f (x) = cos x. c z . Ako za takve dvije vrijednosti x1 . tj. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge.

Posebno. tj.1 1.♠ c Svaki interval oblika x0 − ε. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. D(f ) = R. D(f ) = R. c 2. tj. . Posebno. pa i na c cijelom R. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. +∞ .1. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. R(f ) = {x ∈ R : x ≥ 0}. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. i strogo je rastu´a na svakom intervalu c u R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). i strogo je monotona na svakom intervalu u R. pa i na cijelom R. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. tj. Posebno. c 4. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. tj. ε > 0.5. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. 3. D(f ) = R. z c Primjer 5. i strogo je padaju´a na svakom intervalu u R. +∞ i strogo padaju´a na svakom intervalu u −∞. c Dakle. pa i na cijelom R. dok u 0 nije ni rastu´a ni c c c padaju´a. Analogno. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. i slika su joj svi nenegativni realni brojevi. c c strogo padaju´a u svakoj toˇki iz −∞. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . funkcija f (x) = 5 je monotona u svakoj toˇki iz R. 0 . tj. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. i strogo je monotona na svakom intervalu u R. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. D(f ) = R. zovemo c okolina toˇke x0 . 0].

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

z c c Napomena 5. f (x) = x|x| su neparne. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. f (x) = |x|.5.3 1.♠ 1 . onda kaˇemo da je funkcija f parna. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ).1. onda kaˇemo da je funkcija f neparna. D(f ) = [a. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. tj. s Primjer 5. Ako vrijedi f (−x) = f (x). Funkcije f (x) = x2 . 2. f (x) = x3 . z Ako vrijedi f (−x) = −f (x). dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. b ili D(f ) = a. za svaki x ∈ D(f ). Problem nalaˇenja ekstrema je vrlo bitan. f (x) = x4 . D(f ) = [a. b]). f (x) = parne fukcije. b]. 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. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. tj. za svaki x ∈ D(f ) .6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. Funkcije f (x) = x.4: Primjer funkcije s lokalnim ekstremima. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. |x| su .

FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. jedan rub je konaˇan a drugi beskonaˇan). Takav je rub c c regularna toˇka. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. 1] −→ R dana formulom f (x) = 1 − x2 . tj.5 1 2 3 -5 -7. Primjer 5. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. tj. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. neka c √ je funkcija f : [−1. Npr. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. +∞ .5 -1 -3 -2-2.5 -10 Slika 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. Dakle imamo da vrijedi f (−x) = f (x) = −f (x).♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. tj.5 5 2.162 POGLAVLJE 5. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. postoji i konaˇan je broj f (−1). f (x) = 0 za svaki x ∈ R.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.

) z y y y −1 0 1 x 0 x 0 1 x Slika 5. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. Ako z je a ∈ R taj rub. i to brˇe od svakog pravca. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. s c c c c 2. +∞ −→ R dana formulom f (x) = 2x . Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ −→ R dana formulom f (x) = x−1 . To znaˇi z c da. +∞ ili −∞. c c (Npr.1.5.) 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 −∞. neka je funkcija f : [0. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. neka je z c funkcija f : 0. (Npr. Tada oˇito f strogo raste u +∞. +∞ −→ R dana formulom f (x) = xx . Rub prirodnog podruˇja definicije funkcije je beskonaˇan. neka je funkcija c 1 c f : 1. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu).6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije.) c z . a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. tj.

Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan. kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. Dakle. kada argument funkcije f ide u +∞. tj. kada argument x ide u +∞. graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). Odnosno. i cijeli izraz x − e−x je dobro aproksimiran izrazom x. +∞ ili −∞. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. vertikalne i kose asimptote. ali nikad ga ne dostiˇe. Dakle. neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. Oˇito. postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. z kada argumenti funkcije f postaju dovoljno veliki. a druge dvije z c . y = ax + b i a = 0. z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). Postoje horizontalne. 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. zakljuˇujemo.164 POGLAVLJE 5.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . z y y y 0 x 0 x 0 x Slika 5. (Npr.

c 1 Uzmimo ε = 2 . c 165 Napomena 5. x = 0   −1 x < 0 Funkcija f ima prekid u 0.3 Realna funkcija realne varijable f : I = a.1. Primjer 5. 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 ). onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. f (x0 ) + ε . zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. z Definicija 5. . Kad bi imala dvije asimptote u jednom rubu.7 Ako funkcija ima asimptotu. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. 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 . Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. x > 0  sign x = 0. pravac). Dakle nula je toˇka prekida od f . x0 + δ ) ⊆ f (x0 ) − ε. b −→ R. Definirajmo sada pojam neprekidnosti funkcije. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Definicija 5. Intuitivno. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I.3 kaˇe da je funkcija f : I = a. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.5. dok je u svim drugim toˇkama neprekidna. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Odnosno. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. gdje je I ⊆ D(f ).5 Neka je dana funkcija sign : R −→ R formulom   1.

takav da je c |f (x)| ≤ M . za svaki x ∈ I. Napomena 5. za svaki x ∈ I. FUNKCIJE y 1 0 x −1 Slika 5. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. gdje je I ⊆ D(f ). za svaki x ∈ I.10 Ako je funkcija f : I = a. M > 0. b −→ R neprekidna u toˇki c x0 ∈ I.166 POGLAVLJE 5. Analogo se dokaˇe za x0 < 0. 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. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Ako je x0 > 0. b −→ R. je ograniˇena ili omedena na I ako postoje realni brojevi m. gdje je I ⊆ D(f ).4.♠ z Definicija 5. funkcija je neprekidna u x0 . M ∈ R c takvi da je m ≤ f (x) ≤ M. iz uvjeta m ≤ f (x) ≤ M. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. Napomena 5.8 Ako u Definiciji 5.9 Iz Definicije 5.4 stavimo M = max{|m|. b −→ R. Napomena 5. je ograniˇena na I ako postoji realan broj M ∈ R.4 Realna funkcija realne varijable f : I = a. c .8: Funkcija sign(x). tj. tj.

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

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

tj. vrijedi |(f g)(x)| ≤ |f (x)|. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. 2. a) Ako je c = 0. . Graf funkcije f g je sliˇan grafu funkcije f . samo je usporen pad i rast c funkcije f . Graf funkcije f g je pravac y = 0 ili x os. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ).1. Dakle.10: Graf funkcije 2f (x). b) Ako je 0 < c < 1.9: Graf funkcije f (x) + c za c > 0. funkcija f g ima iste nultoˇke kao i funkcija c c f . OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. Pogledajmo funkciju f g u ovisnosti o c ∈ R. onda je (f g)(x) = 0 za svaki x ∈ D(f ). y 2 f(x) 0 f(x) x Slika 5. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .5.

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

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

Ako su obje parne. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. recimo g. g : R −→ R funkcije. 3. Primjer 5.1.12: Kompozicija funkcija. Ako su obje neparne. 2.4).172 POGLAVLJE 5. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. c h f A B g C Slika 5. te funkcije f g i obje parne.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)). f g i f g f g sve parne. onda je funkcija f ± g neparna.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). Ako je jedna funkcija. Matematiˇki se to formalizira pojmom kompozicija funkcija. Neka su f. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. g 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. neparna a f parna. Tim se postupkom mogu stvarati nove z funkcije. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. . dok su funkcije f g i f obje neparne. onda su funkcije f ± g. Definicija 5.

♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva. 1 . z funkciju f komponirati samu sa sobom. da je. c Napomena 5.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Dakle imamo f ◦ id = id ◦ f = f.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f .7 Neka je dana funkcija f (x) formulom f (x) = x . za tu funkciju vrijedi g ◦ f = f ◦ g = g. OSNOVNI POJMOVI Primjer 5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . moˇemo gledati funkciju f ◦ f . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . 1 Primjer 5. . U takvom sluˇaju piˇemo f 2 = f ◦ f . tj. tj.1. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.♠ x+1 x+1 173 2x . za proizvoljnu funkciju f . za svaku funkciju g : R −→ R. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). op´enito. g ◦ f = f ◦ g. 3x + 1 3x + 1 2x 6x = .6 vidimo da operacija kompozicije funkcija nije komutativna.5. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Tada je oˇito c D(f ) = R(f ). Naime. Napomena 5.

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

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

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

ali ne i za paran n. x2 ∈ D(f ). s c Primjer 5.♠ Primjer 5. c c Definicija 5.10 Funkcija f (x) = xn .11 U Primjeru 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.1. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). tj. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. n ∈ N. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. Napomena 5. 1). .7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). Surjektivnost osigurava c sc c s z postojanje rjeˇenja.5. Napomena 5. Definicija 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. 1) i (1.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. je injekcija za neparan n. za bilo koji c ∈ R. a injektivnost njegovu jedinstvenost. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Injektivnost.6 c ekvivalentan sljede´em: za x1 .8 izraˇunali smo da je x(1300) = 4. f : D(f ) → R(f ) je uvijek surjekcija.

200 POGLAVLJE 5. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. 200 (200x − 500) + 500 = x. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. Dakle. x(c) = c − 500 .178 dobivamo formulu za x u terminima c.♠ 200 Definicija 5. 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c).15: Graf funkcije i njoj inverzne funkcije.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. . Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x.

Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. Dakle. OSNOVNI POJMOVI 179 Napomena 5. a ona c c je strogo rastu´a funkcija. g1 (x) = − x.+∞ su bijekcije s inverzima g1 : [0.1. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.♣ z c . No f ◦ g = id. pa ima i inverznu funkciju. jer je c f ◦ g = g ◦ f = id. Primjer 5. a strogo c c padaju´e funkcije strogo padaju´a.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a.0] √ i f |[0. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Dakle vrijedi f ◦ g = g ◦ f = id.♠ Napomena 5.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). 0]. Dakle. c Primijetimo da ako f nije strogo monotona nego samo monotona. 0] i [0. To je oˇito inverzna funkcija od f . Tada iz Napomene 5.5.20 znamo da f c ima inverznu funkciju g.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. i √ g2 : [0. +∞ . no njezine restrikcije na −∞. +∞ −→ −∞.20 Ako je funkcija f : R −→ R strogo monotona. +∞ jesu. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.10). f | −∞. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. +∞ −→ [0. Teorem 5. onda je ona oˇito i bijekcija na svoju sliku. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. g2 (x) = x. c c Dokaz: Neka je f : R −→ R strogo rastu´a. kad govorimo o inverzima funkcija f : R −→ R.

2 ne moˇemo izre´i za parne funkcije. praktiˇno izraˇunati. 0] ili [0. f −1 je neparna. Primjer 5.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.12 slijedi da tvrdnju Teorema 5. FUNKCIJE Teorem 5.♣ Iz Primjera 5. Dakle.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)). z c Napomena 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.2 Inverzna funkcija neparne funkcije je neparna. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. +∞ gdje je bijekcija. ali nije bijekcija. Pokuˇajmo sada.♠ c Analogno kao u Primjeru 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. 0] odnosno . Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Tada je njena inverzna funkcija g : [0. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.180 POGLAVLJE 5. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. jer je f (x) c rastu´a. +∞ . +∞ −→ −∞.

8 0.16: Graf funkcije f (x) = xex .2. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. +∞ −→ [0.4 1 2 Slika 5.5.2 -0. c . Ako je n neparan. Restrikcija te funkcije na interval [−1. Primjer takve funkcije je c x f (x) = xe .6 0. 0. c Osim elementarnih postoje i tzv.4 0. specijalne funkcije kojima se ovdje ne´emo c baviti.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. 5. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 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. tj. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. +∞ dana formulom − n x odnosno n x. +∞ je bijekcija. ˇ Cak i za funkcije koje imaju inverze. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. ima inverznu funkciju.2 -3 -2 -1 -0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.

Area 2. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. dolazimo do pojma z .Hiperboliˇke c .Polinomi . k Po definiciji stavljamo x0 = 1.182 POGLAVLJE 5. xk = x · x · · · x .2.Ostale algebarske funkcije b) Transcendentne .Ciklometrijske .Logaritamske .Trigonometrijske .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. Elementarne a) Algebarske . mnoˇenih nekim koeficijentima.Racionalne funkcije . FUNKCIJE 5.2.Eksponencijalne . za svaki x ∈ R.1 Klasifikacija i podjela realnih funkcija 1.

Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. .a1 .2.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . a0 su koeficijenti polinoma Pn (x). Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.11 Dva polinoma P i Q su jednaka. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Ovdje podrazumijevamo da je an = 0. Definicija 5.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5 5 2. c 10 7. Polinomi su konceptualno najjednostavije funkcije. P. . . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. . a a0 je slobodni koeficijent. Dakle je svaki polinom definiran na cijelom skupu R.5 -3 -2 -1 -2. Definicija 5. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . + a2 x2 + a1 x + a0 . ako su jednaki kao funkcije.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . . Realne konstante an . tj. . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . Koeficijent an je vode´i.5.

Apscisa nultoˇke je nuliˇte. c Primjer 5. tj. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.02 3 2 0.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. n..: n m Teorem 5.. 0.184 POGLAVLJE 5.02 4 0.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi .♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . Broj c k zove se red ili kratnost nultoˇke x0 .5 3 Slika 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). = an = 0..01 -0. za sve i = 0.14. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. FUNKCIJE n Teorem 5. a ordinata je.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = ..3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.01 1. c c c s naravno. 1..11. .18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.5 2 2. c c .♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.

onda iz Teorema 6. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Za a = 0 imamo konstantnu funkciju p(x) = b. raste na cijelom R. za x ≥ 0.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. odnosno strogo padaju´a. onda iz Teorema 6. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. kaˇemo da je linearna funkcija strogo rastu´a. Tjeme . z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . a padaju´a ako je a ≤ 0. a = 0. Ako je k paran. dok c u nultoˇkama parnog reda nema promjene predznaka. Ako su ove nejednakosti c c stroge. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.ako raste u s c nekoj toˇki. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.19: Graf linearne funkcije f (x) = x + 75. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). dok za x > x0 vrijedi (x − x0 )k > 0.8).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. je polinom drugog stupnja ili kvadratna funkcija. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.5. po Teoremu c 6. a prema dolje ako je a < 0.22 U nultoˇkama neparnog reda polinom mijenja predznak.2. Otvor joj je okrenut prema gore ako je a > 0. Ako je k neparan.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . tj.

186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. tj.♣ c Iz Teorema 5.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.♣ c c . c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.8) graf polinoma mora negdje sje´i x os. FUNKCIJE 1 2 Slika 5.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.2 = √ −b± D . −D/4a). inaˇe velike negativne vrijednosti). Teorem 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. c Napomena 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. npr. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. inaˇe velike pozitivne). 2a i realne su ako je D ≥ 0. parabole ima koordinate (−b/2a.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. Nultoˇke kvadratne funkcije dane su formulom c x1. Zbog neprekidnosti c polinoma na R (Teorem 6.

0). 0]. iz Primjera 5. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . c vrijedi D(Pn ) = R. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. onda je P1 (x) = x linearna funkcija.. c 2. R(Pn ) = [0. . c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. tj. pravac y = x. Ako je n = 1.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. dakle je bijekcija. Primjer 5. kao funkcija an xn . Pn (x) strogo raste na R. +∞ . 1. onda je oˇito funkcija Pn (x) = xn neparna. 0). strogo raste na [0.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. tj. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. Strogo pada na −∞.♠ Dakle. tj. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 3.2. tj. Nadalje. Ako je n neparan broj. Oˇito je D(P1 ) = R(P1 ) = R. dakle nije injekcija. graf c joj je zrcalno simetriˇan s obzirom na y os.♠ c ..15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. dakle je bijekcija i ima nultoˇku u (0. +∞ i ima nultoˇku u (0. i = 1. c neparna je i ima nultoˇku u (0.. 0). onda je oˇito funkcija Pn (x) = xn parna. n − 1.16 Pogledajmo funkciju (polinom) Pn (x) = xn .5. Ako je n paran broj. P1 (x) strogo raste na R.

kako se polinom Pn (x) = i=0 ai xi .8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. j = 1. Dakle. y) = i=0 j=0 aij xi y j . itd. . i = 1. 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. razlika.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. sam sebi je asimptota. 5. n > 1.188 POGLAVLJE 5... Realne konstante aij . . su koeficijenti polinoma Pnm (x). sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. Naravno. Npr. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. problem s asimptotike je sloˇeniji. Po analogiji s racionalnim c brojevima. n. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Za . m. umnoˇak i kompozicija polinoma ponovo polinom.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. tj. u tom sluˇaju se situacija komplicira. problem poniˇtavanja je vrlo kompliciran..25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. z Definicija 5.2.. ali c z kvocijent dvaju polinoma op´enito nije polinom..3 Racionalne funkcije Oˇito je zbroj. FUNKCIJE Napomena 5. dijeljenjem polinoma c izlazimo iz te klase funkcija. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. z n Nadalje. Napomena 5.

je racionalna funkcija. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. c Primjer 5. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. 6. Funkcija f dana formulom f (x) = 2. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija.) Dakle. Funkcija hR dana formulom h(x) = 4. Naravno.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . s c D(f ) = {x ∈ R. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika.17 Pogledajmo sljede´e primjere: c 1. c c . Red pola je red odgovaraju´e nultoˇke nazivnika. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. tj. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Dakle. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Funkcija j dana formulom j(x) = x−13 je polinom. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0.2.5. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. U polu racionalna funkcija c nije definirana. nije racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. Dakle. takve su definirane na cijelom R. 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. tj. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. (Smatramo da je racionalna funkcija ve´ skra´ena. Definicija 5. Qm (x) = 0}. 3. 5. nultoˇkama nazivnika. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije.

5 1 80 60 40 20 -1 -0. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5.5 1 x 1 Slika 5. Osim vertikalnih.26 Ako je pol parnog reda. Sada tvrdnja izravno slijedi iz Napomene c 5. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .26). (lijevo) i pola Napomena 5. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .5 0.22.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). kao i u toˇkama u c kojima se nazivnik poniˇtava. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). bi x i=0 i−m bi x i=0 i xm .♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.190 POGLAVLJE 5.graf racionalne funkcije moˇe imati asimptote: z 1. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. Dakle. FUNKCIJE 100 75 50 25 -1 -0. dok za polove neparnog z c reda. z c Dokaz: Red pola je red nultoˇke nazivnika. 2.5 -25 -50 -75 -100 0. i to na vanjskim rubovima prirodnog podruˇja definicije. tj. kad c argument ide u +∞ i −∞.

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

f strogo pada na −∞. Dakle. bm jer i=0 bi xi−m ide u bm . dakle nije injekcija.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. Napomena 5. tj. m i−m xm bi x i=0 m POGLAVLJE 5. z √ Primjer 5. .23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). R(f ) = [1. zrcalno simetriˇna obzirom c c na y os. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. +∞ vrijedi f (x) > x. Oˇito je D(f ) = R. kada argument ide u beskonaˇnost. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. f strogo raste na [0. 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 .18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. 0 vrijedi f (x) > −x. f (x) = x + x (desno) i njihovih asimptota.♠ Iz Primjera 5. f je parna.27 ne mora vrijediti. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. Nadalje. +∞ i za svaki x ∈ 0.192 xm (am+1 x) . 0] i za svaki x ∈ −∞. FUNKCIJE ide u am+1 x. +∞ . racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. 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). Dakle. +∞ . Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1.27 Analogno kao i kod vertikalnih asimptota.

dakle je svaki polinom algebarska funkcija. f (x)) = 0. y) takav da vrijedi P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x). Tada je oˇito P (x. Napomena 5.2.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.5. √ x2 + 1 i njenih asimptota z Napomena 5. Definirajmo polinom u dvije varijable s P (x. f (x)) = 0.18. Pn (x)) = 0.2. f (x)) = 0.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. 5. y) = Qm (x)y −Pn (x). c Neka je sada f (x) = funkcija i algebarska. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. jer u suprotnom ne bi bila funkcija.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. c . y) = Pn (x) − y. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.19 1. Tada je oˇito P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Definicija 5. Definirajmo polinom u dvije varijable s P (x. y) = x − y n oˇito je P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije. dakle je svaka racionalna c √ Primjer 5.

+∞ . Dakle.194 POGLAVLJE 5. √ Primjer 5. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . Dakle. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. z √ 2. Nadalje. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. tj. Kada se argument sve viˇe pribliˇava c s z broju 1.28. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. z 1 4. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = √x−1 .13).20 1. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. 0 je regularna toˇka (toˇka 5. z tj.1.4). tj. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. y) = xy n − 1 oˇito je P (x. c c tj. ima vertikalnu asimptotu x = 1. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. +∞ i R(f ) = 0. dakle nema vertikalnu asimptotu.1. u 1 (toˇka 5.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. FUNKCIJE 1 2. Dakle. Funkcija f je inverzna funkcija funkcije g(x) = x3 .13).13). c 1 3. Nadalje. je D(f ) = 1. c c √ Nadalje. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. je D(f ) = R(f ) = R (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = x. pravac y = 0 je horizontalna asimptota funkcije f . Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . +∞ . f (x)) = 0. +∞ (Primjer 5. dok kosu asimptotu ne moˇe imati zbog Napomene 5.4).13). f strogo raste na R i neomedena je. je D(f ) = R(f ) = [0.

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).

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

PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne.5. Dakle. a c b c sin α . a tg α = = b 1 − sin2 α. Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. onda on sijeˇe kruˇnicu u jednoj c z toˇki T . cos α cos α ctg α = . Oˇito je kut α vezan s duljinom luka. pravi kut ima z π radijana. 1 radijan je kut za koji je duljina luka jednaka polumjeru. 0).2. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. Dakle. Prvo nam treba c c veza izmedu kuta i broja. identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1. Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. Uzmimo koordinatni sustav na c pravcu (tj. opseg kruˇnice je 2π. imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. tj. a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. Tako punom kutu odgovara mjera 2π. Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Neka je dan z s s proizvoljni kut α. sin α Napomena 5. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. Odatle je cos α = Nadalje. Ovo preslikavanje je z c c oˇito bijekcija. Primjerice. ctg α = tg(90o − α). = cos α = sin(90o − α). c z c Za r = 1. ispruˇenom π. Tako npr. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. tj. z π a pravom 2 . 0) paralelan s osi y. 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu).

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

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

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

c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. k ∈ Z}.5. Imamo ctg t = D(ctg) = R \ {kπ. s 1 P T x 0 1 tg x ctg x Q Slika 5. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. onda je interpretacija vrijednosti ctg t za t ∈ [0. . 2 ] udaljenost toˇaka (0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. Sliˇno kao i sinus i kosinus. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. 1) i Q na kotangesnoj osi. 1) (joˇ s c s π ga zovemo kotangensna os). Sliˇno se interpretira i kotangens. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. k ∈ Z}.2. ˇto se vidi i s trigonometrijske kruˇnice.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. 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}. 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Dakle. na svoju sliku. c dakle niti bijekcije. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Dakle sinus nema inverznu funkciju. π ].33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). dakle nisu bijekcije. a c c s nema rjeˇenja za c ∈ [−1. ni tangens ni kotangens nisu injekcije. 2 i kotangens na 0. Npr. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. π x 2 2 i Ctg x = ctg| 0. c c Dakle. njihove restrikcije Tg x = tg| − π . 1]. FUNKCIJE za svaki t ∈ R \ {kπ.33 . tangens na − 2 . 2 . kosinus na 2 2 π π [0. a isto vrijedi s / i za ostale trigonometrijske funkcije. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. a kotangens strogo padaju´a na 0. restringirajmo sinus na [− π .π x su bijekcije s tih intervala na R. π]. Napomena 5.34 Zbog periodiˇnosti. Tada prema Napomeni 5. π . π . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5.2.208 POGLAVLJE 5.

π ] i tg| − π . π bijekcija. rjeˇenje jednadˇbe postoji i jedinstveno je. oˇito je c c D(arcsin) = D(arccos) = [−1. ].5 3 2. 1] −→ [0. 2 2 .5 -0.5 1 0. 1] −→ [− . ].33 slijedi da je arcsin strogo rastu´a.5 1 0. Dakle. z π π Za x ∈ [−1. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 2 ] jednadˇbe sin t = s z s z x.π strogo padaju´e. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. π ] bijekcija. s z 2 2 s z Kako je tg| − π .π] i ctg| 0. 1].34 znamo da su funkcije sin |[− π .π] . dakle su i bijekcije. 1]. 1. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . inverznu funkciji cos |[0.5 0.5 -1 -0.1 i Napomene 5. koje zovemo arkus funkcije. π ] .5 0. π]. .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . π π R(arcsin) = [− . π strogo rastu´e.5 1 -1 -1. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. 2 2 R(arccos) = [0. 2 2 koja je inverzna funkciji sin |[− π .5 1 Slika 5.5. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 2 1. π]. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. rjeˇenje jednadˇbe postoji i jedinstveno je. π jednadˇbe tg t = x . a arccos c strogo padaju´a na [−1.2. Dakle. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. Kako je sin |[− π .5 -1 -0. Nadalje. a c 2 2 2 2 cos |[0. Iz Teorema 5.

z s z sin x = t. Iz Teorema 5.210 koja je inverzna funkciji tg| − π . npr.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . pri traˇenju rjeˇenja t jednadˇbe.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). c . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. 1].5 -4 -2 2 4 Slika 5.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 2 1.π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Nadalje.5 1 0. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. oˇito je c c π π D(arctg) = D(arcctg) = R.5 -2 -0. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. π ]. inverznu funkciji ctg| 0. FUNKCIJE arcctg : R −→ 0. -4 2 1. π .5 3 2. π . π .5 -1 -1. 2 odnosno ctg| 0.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg.1 i Napomene 5. R(arctg) = − .5 1 0. . Dakle. R(arcctg) = 0.5 -2 2 4 4 3. Npr. Napomena 5. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 .

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

ch postaje bijekcija na svoju sliku. 4. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. imamo: .37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno).5 -1 -1. za svaki x ∈ R\{0}. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. z y = −1 i y = 1. 1. kako je |th x | < 1 . restringiramo na −∞. 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. Ako ch. 1].5 1 0. zbog parnosti. Funkcije inverzne hiperboliˇkima zovu se area funkcije. Zbog neparnosti od th i cth je neparna. za svaki x ∈ R. i R(cth) = R \ [−1. +∞ . c osim funkcije ch. preciznije areakosc inus hiperboliˇki ili Arch. to mora i cth x . areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. imamo da je |cth x | > 1 .5 -4 -2 -0. Nadalje. Kako th strogo raste na R. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. 0] ili [0. Dakle cth ima i dvije horizontalne asimptote. tj. cth strogo pada na R \ {0}. areasinus hiperboliˇki ili Arsh.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno).

c 2. onda su rubovi −1 i 1. y = 1 horizontalne. Oˇito je D(Arth) = −1.5 2 1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. pravci x = −1 i x = 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1. vertikalne asimptote od Arth.5 3 Slika 5. Ako smo ch restringirali na [0. +∞). tj.5 2 2.5. c 3. onda su rubovi −1 i 1. 3 2 1 -1 -0. a x = 0 vertikalna asimptota od cth. Kako su y = −1 i y = 1 horizontalne asimptote od th.5 -1 -2 -3 0. 1 . 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).2. onda je D(Arch) = [1. R(Arth) = R i iz Teorema 5.5 1 0.1 slijedi da Arth strogo raste. vertikalne asimptote od Arth. pravci x = −1 i x = 1. Iz Teorema 5. +∞ . iz Teorema 5. Kako su y = −1. +∞ i R(Arch) = [0.5 0.1 zakljuˇujemo da Arch strogo raste. 4. 1]. . tj. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). Oˇito je D(Arcth) = R \ [−1. R(Arth) = R \ {0} i iz Teorema 5. Oˇito je D(Arsh) = R(Arsh) = R. a pravac y = 0 horizontalna asimptota.1 c slijedi da Arcth strogo pada.5 1 1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.

.

(Masa m je izraˇena u gramima.Poglavlje 6 Uvod u diferencijalni raˇun c 6. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. 0 ≤ m ≤ 20 3. Graf te funkcije prikazan je na slici 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.05h = 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Dakle imamo c(m) = 2.1.05(m2 − m1 ). 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.1 6. onda je 215 .1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.05h (∆c = ˇ 0.1. Naime.05∆m).5 + 0. m > 20.05(m − 20). Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05(m − 20) kn.5 + 0. a visina poˇtarine c u z s kunama).1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.8 kn.8. m = 20 i m = 30.

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

s c c Napomena 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. postoji δ > 0 za koji vrijedi Definicija 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.2 Iz Definicije 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). 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 . Tada su u toˇki x0 neprekidne i funkije: c . |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).2 nam daje ideju za sljede´u definiciju: c Definicija 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.1. No.1 ima prekid u toˇki c = 20. ako je m lijevo od 20 i dovoljno blizu 20.ˇ 6. Analogno.1 Neka su funkcije f. Primjer 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. ako je m > 20 i m blizu 20. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. koji c je manji od nekog fiksnog strogo pozitivnog broja.1.1. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. S druge strane. 6.1.2 Funkcija c(m) iz Primjera 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.1.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 .♠ Primjer 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). ipak m(c) nije blizu m(20).2 Svojstva neprekidnih funkcija Teorem 6. ali je ona c neprekidna s lijeva u toj toˇki.

f − g. c + δ). b]. Tada je |f (xδ ) − f (c)| > f (c) = ε. x=0 x f (x) = 1.♣ Teorem 6.♣ Teorem 6. Uzmimo ε = f (c). c + δ) takav da je f (xδ ) ≤ 0. 2. onda je oˇito f (−1)f (1) = −1 < 0. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. tj. g ˇ POGLAVLJE 6. Tada postoji x0 ∈ a.♠ . c s Analogno se dokaˇe sluˇaj f (c) < 0. tj. x = 0 svugdje neprekidna osim u nuli. f + g. i neka je f (a)f (b) < 0. Tada za svaki δ > 0.♣ c Teorem 6. f · g. |xδ − c| < δ. f . onda je funkcija g ◦ f neprekidna u x0 .♣ z c Teorem 6. 1]. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. b takav da je f (x0 ) = 0. tj. g : R −→ R takve da je definirano (g ◦ f )(x0 ). Ako pogledamo funkciju f restringiranu na segment [−1.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. 1] −→ R. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. postoji xδ ∈ (c − δ. 3. f |[−1. i funkcija g neprekidna u f (x0 ). 4.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. ˇto je suprotno pretpostavci. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).2 Neka su funkcije f. po pretpostavci.218 1. ali oˇito f nema nultoˇku na segmentu c c c [−1. onda njezin graf mora negdje sjeˇi x os.11 znamo da je funkcija f : R −→ R dana formulom 1 .3 Iz Napomene 5. Dokaz: Pretpostavimo suprotno. mora imati nultoˇku. c c Primjer 6. c + δ .1] : [−1. za koji je f (xδ ) ≤ 0. Ako je funkcija f neprekidna u x0 . i neka je f (c) > 0 (f (c) < 0). 1] (jer je nema na cijelom R).4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. tj. Dakle. f ima prekid u toˇki c.

i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Teorem 6. M ∈ R takvi da je m ≤ f (x) ≤ M.6 ne vrijedi za otvorene intervale. Npr.♣ c Tvrdnja Teorema 6.5 ne vrijedi za otvorene intervale.4 nuˇan. 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. Tada je funkcija f neprekidna na intervalu I. Nadalje. onda je ta funkcija i neprekidna. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. ali oˇito je neomedena. slika otvorenog intervala − π . . 1 . Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.♣ 6.4) Teorem 6. Tvrdnja z Teorema 6.1.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.ˇ 6. za svaki x ∈ I (Definicija 5. b]. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. π .♣ Teorem 6. π funkcijom tg je R.3 Neprekidnost elementarnih funkcija Primjer 6. funkcija f (x) = neprekidna na 0. Npr.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. c 1 x je Teorem 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.1.4 Funkcije f. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . Pitanje je sad.

220 ˇ POGLAVLJE 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . z c Uzmimo proizvoljni ε > 0.♣ Napomena 6. Na isti naˇin se zakljuˇi da su xi . π odnosno 0. trigonometrijske.7.4) i Teorema 6.9 Eksponencijalne. n. na R su neprekidne i funkcije ai xi .1.♠ z Iz Primjera 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. slijedi da c moˇemo uzeti δ = ε. Nadalje. i = 0. . UVOD U DIFERENCIJALNI RACUN 1. .. logaritamske. takoder iz Teorema 6. takoder iz Teorema 7. 1. zakljuˇujemo c da je i suma od ai xi . Dokaz: Neprekidnost eksponencijalnih. arkus.1 direktno imamo: n Teorem 6. i = 0. Na kraju. .1.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.. 1. na intervale − π ..4 i Teorema 6. polinom Pn (x) neprekidan na R. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.4 dokazali smo da je funkcija f (x) = x neprekidna na R. c Dokaz: U Primjeru 6.. Iz Teorema 6.. tj.1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). hiperboliˇkih (osim kosinusa hiperbolnog). i = 0.1. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.. n.. c c neprekidne na R.. π monotone c 2 2 bijekcije na R. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. 1. n. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.7 su neprekidne. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. z 2. Teorem 6.7 imamo da su neprekidne i funkcije arctg i arcctg. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.7 c i periodiˇnosti. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.. dakle iz Teorema 6. logaritamskih. jer je svaka racionalna funkcija kvocijent dvaju polinoma. z c Uzmimo proizvoljni ε > 0. jer su njihove restrikcije npr.1 sada slijedi da je na R neprekidna i funkcija x2 .

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

Za funkciju f : R −→ R danu formulom f (x) = arctg x . S druge strane. funkcija nije definirana u toˇki 0.222 ˇ POGLAVLJE 6. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0.1. 4. dovoljno blizu c nule.5 nije definirana u toˇki x = 1.4 Graniˇna vrijednost (limes) funkcije c 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. Dakle. ako uzmemo toˇku c x dovoljno malu. tj. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. dodemo li s x dovoljno blizu c toˇki 1. Ako uzmemo s c toˇku x dovoljno malu. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. 6. c 3. vrijednosti funkcije c su malo manje od −1. c c 2. za x malo manji od 1. ali pozitivnu. vrijednosti c funkcije su malo ve´e od −1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. vidimo da su one c c c blizu vrijednosti −1. Raˇunaju´i te vrijednosti. tj. za vrijednosti od x koje su malo ve´e od 1. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. ali negativnu. funkcija nije definirana u toˇki 0. tj. zakljuˇujemo.

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. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.1. |f (x) − M | < ε). moˇda u samoj toˇki c. 6. tj.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Ako funkcija ima limes L u toˇki c. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. 2 2 5. x−→c Ako limes postoji on je i jedinstven: Teorem 6.♠ Situacije iz Primjera 6. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). ako c ˇelimo promatrati ponaˇanje oko nule.2.2. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Definicija 6. . Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. a ne znamo izraˇunati ni njenu vrijednost za x = 0. moˇda u samoj toˇki c.5). osim.ˇ 6. Dakle. onda piˇemo c s L = lim f (x). osim. pravac y = π je horizontalna asimptota. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.

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

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

x < 0  sign x = 0. s c 1. x2 − 3x + 2 = −1. x > 0 ima prekid u nuli. UVOD U DIFERENCIJALNI RACUN Teorem 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. lim 3. ♣ c Primjer 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞.1.7 Iz Primjera 5. x−→+∞ 2 5. c osim. ako postoje limesi s lijeva i s desna i oni su jednaki L. x −→0 − lim sign x = −1 . Obrnuto. Dakle je x−→0+ lim sign x = sign 0 . x−→0 x π 4. 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.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.♠ 6. onda iz Definicije 6.5.5 Neprekidnost i limes Primjer 6. x−→1 x−1 1 = +∞. lim arctg x = . x−→+∞ 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x = 0   1.5 znamo da funkcija   −1. tj. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→0+ lim xx = 1. Nadalje je oˇito da je c x−→0+ lim sign x = 1 .3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. onda je jasno iz Definicije 6. lim 2. ne postoji lim sin x.226 ˇ POGLAVLJE 6.6 Opiˇimo sada pomo´u limesa Primjer 6. moˇda u samoj toˇki c.

2 i definicije jednostranog limesa.1 i Primjer 6. tj.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 kaˇe da ako je funkcija neprekidna u toˇki c. imamo x−→c lim f (x) = f (c) = f ( lim x).12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).3.ˇ 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.14 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)). i neka postoji limes funkcije f u toˇki c. x−→c+ Dokaz: Izravno iz Definicije 6.♣ Teorem 6. oˇito vrijedi c f (2) = lim f (x).12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. c c Sada direktno iz Napomene 6.♠ Primjer 6. konaˇan je broj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Dokaz: Izravno iz Definicije 6. Nadalje.♣ . x−→c Napomena 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.7 i 6.4) i da limes mora postojati. Tada je c x−→c lim g(f (x)) = g( lim f (x)).♣ x−→c Analogno kao Teorem 6.12 imamo: Teorem 6.4). onda limes i funkcija z c ”komutiraju” tj. Zaista imamo: c c Teorem 6.♠ x−→2 Primjeri 6.1.1 i 6.13 Neka je funkcija g : R −→ R neprekidna.5 U Teoremu 6.

a < 0. 5. 9. a ∈ R proizvoljan. UVOD U DIFERENCIJALNI RACUN Teorem 6. (−∞) · (−∞) = +∞.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. 6. a ∈ R proizvoljan. +∞ ± a = +∞.11. 7. 4. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.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 = +∞. a > 0 −∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (+∞) · (+∞) = +∞. (+∞) · (−∞) = −∞. −∞ ± a = −∞. a < 0.12 i 6. (−∞) + (−∞) = −∞. a ∈ R proizvoljan. 8. (−∞) · a = 10. a > 0 +∞.♣ 6. a +∞ = 0. (+∞) + (+∞) = +∞.1. −∞. Kako one nisu realni brojevi. 6. 2.14.228 ˇ POGLAVLJE 6. To se posebno odnosi na veliˇine +∞ i −∞. jer operacije nisu definirane i operandi nisu realni brojevi. 3. x−→c+ Dokaz: Izravno iz Teorema 6.

Ako se dobije jedan od neodredenih oblika.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. 3. Osim s beskonaˇnim veliˇinama. +∞ +∞ . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. 00 . 0 2. (−∞)0 . 0 0 . s s c c Iz Primjera 6. a −∞ 229 = 0.1. ∞ · 0. ∞ ∞ − ∞. 5. pa je 0 neodreden oblik. a ∈ R proizvoljan. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. Dakle. +∞ · 0. −∞ · 0. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. −∞ 2. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. 0∞ . 0 ∞ . Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. +∞ . onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati.ˇ 6. +∞ −∞ . 1∞ . mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 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. −∞ −∞ . 4. ∞0 . 1+∞ . (+∞) + (−∞). 1−∞ . 0 . onda s je to i limes od f (x) kad x −→ c. (+∞)0 .

0 < a < 1. n ∈ N proizvoljan. a>1 +∞. α>0 +∞. lim x−n = −∞. +∞. 3. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 8. 0 < a < 1. x−→+∞ x−→+∞ 2. UVOD U DIFERENCIJALNI RACUN 6. +∞. 5. α > 0 0.1. x−→0+ x−→0− 7. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 0 < a < 1. +∞. 6. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. a>1 −∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. α < 0. α < 0. . n ∈ N neparan +∞. n ∈ N proizvoljan.7 Raˇunanje limesa c Neki temeljni limesi 1. 0 < a < 1. x−→0− 4. x−→+∞ lim loga x = 11. n ∈ N neparan. a>1 +∞. lim xn = +∞. x−→+∞ lim ax = 9. 0. x−→−∞ lim ax = 10. n ∈ N paran.230 ˇ POGLAVLJE 6. n ∈ N paran. −∞. a>1 0. −∞. lim x−n = +∞. x−→0+ lim xα = 0.

Oznaˇimo s A = z c c (cos x.1. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). tj. c c eksponencijalnih i logaritamskih funkcija. njihov rast. koji se nalazi unutar trokuta OBB . To znaˇi da je c x−→+∞ lim loga x = +∞. za a > 1. neparnost i sliˇno. Iz toˇke 5. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.4). presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Kada s pravca uzmemo x ∈ (0.1. 0) u ravnini. tg x ). pad. i s B = (1. jasno je da je dovoljno x x promatrati x ∈ (0.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .2. 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. Dakle. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). c Osim ovih limesa. sin x). Kako gledamo c limes funkcije sin x kada x −→ 0. koriste´i definicije limesa i jednostranih limesa (toˇka 6. x−→+∞ x sin x = 1. parnost.16 lim i 1 lim (1 + )x .9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.ˇ 6. 0). π ). svojstva potencija. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6.9. ortogonalnu projekcija toˇke A na x os. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. . Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). i zbog parnosti od sin x .♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. +∞) i da joj c c je slika cijeli R. a ∈ R.

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

♣ Primjer 6. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Dakle .♠ x−→0 t−→0 x ln a ln(t+1) ln a .2.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Tada je jasno da t −→ 0 kada x −→ 0.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.ˇ 6.1. x Oznaˇimo sada ex − 1 sa t. x−→0 x lim a > 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.10 ex − 1 = 1. x−→0 x Iz Teorema 6. x−→0 x lim i ax − 1 = ln a. c Zbog toga je ex − 1 t lim = lim = 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.12 i Teorema 6.17 x−→+∞ 233 lim 1+ 1 x x = e. i da je x = ln(t + 1). Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . Dakle imamo ax − 1 ex ln a − 1 = lim . a ∈ R.

2. g : R −→ R.18 i temeljni limesi iz toˇke 6.13.1. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).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 3.17. . c 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).16.234 ˇ POGLAVLJE 6. 6. x−→c x−→c 2. ♣ x−→c Teoremi 6. x−→c x−→c 4. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). 6. 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) = 0.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.2 6.

Dana je formulom c v= s(b) − s(a) . b). c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. dobivamo neodredeni izraz tipa 0 .♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. Ideja je koristiti ono ˇto znamo. s(t0 + ∆t) − s(t0 ) v= . ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. z c zahtijeva podrobnije razmatranje. No uvrstimo li ∆t = 0 u gornju formulu. Kretanje je promjena poloˇaja u vremenu. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . Trenutna brzina.2.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. tj. za razliku od prosjeˇne. tj. Dakle. Uzmimo a = t0 . to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . DERIVACIJA FUNKCIJE 235 Primjer 6. t0 + ∆t]. 0. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . c . t gdje je s prijedeni put. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. ∆t ˇ Sto je ∆t manji. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . dobivamo s v= 50 km = 100 . 15 minuta nakon polaska.6. 0 moramo promatrati limes. b = t0 + ∆t. a t vrijeme za koje smo preˇli taj put.

Dakle. c ∆y = tg α. ∆t . Op´enito. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . a to je jednako koeficijent smjera te sekante. UVOD U DIFERENCIJALNI RACUN Primjer 6.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .001) − y(1) . prosjeˇna brzina odgovara koeficijentu smjera sekante. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . prosjeˇna brzina projektila u vremenskom intervalu [t0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. y(t0 +∆t)) zatvara s osi x. y(t0 )) i c ∆t (t0 +∆t. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .236 ˇ POGLAVLJE 6. 1.3: Ovisnost visine projektila o vremenu. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.

4: Sekante i tangenta. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. tj. c Primjer 6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. x0 ∈ I. f : I −→ R.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .♠ 6.2.2.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c mjeri brzinu promjene veliˇine c Definicija 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . 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 .

♠ ∆x−→0 ∆x 6.2. Derivacija funkcije f u toˇki x0 je broj.6 Uoˇimo bitnu razliku. ∆x−→0 ∆x Napomena 6. c c koji se oznaˇava sa f (x0 ). Dakle je c f (x) = lim f (x + ∆x) − f (x) . 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. UVOD U DIFERENCIJALNI RACUN Primjer 6. c z Primjer 6.238 ˇ POGLAVLJE 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. . Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. l ∈ R. 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. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). Dakle brzina promjene linearne funkcije je konstanta. za proizvoljne k.15 Pogledajmo sljede´e primjere: c 1.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Derivacija funkcije f (x) = kx + l je f (x) = k.

DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0.2. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim . tj. Derivacija funkcije f (x) = x2 je f (x) = 2x.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x. funkcija f (x) = l je konstanta. ˇto smo i oˇekivali. 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. Dakle je promjena brzine konstantne funkcije nula.6. a c iz gornjeg raˇuna imamo da je c f (x) = 0.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. s c 2.♠ .

∆x Lagano se vidi da je M = 1 i L = −1. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. problem postoc janja limesa. Tu funkcija niti raste c niti pada. problem konaˇnosti c c limesa. odnosno da je tangenta pravac koji raste. Sliˇno. U toˇkama gdje je f (x) = 0. ne postoji f (0). problem razliˇitih vrijednosti s lijeva i zdesna.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. Dakle iz Teorema 6.2.. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . funkcija pada c c na tom intervalu. problem rubova domene.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.4) ustvari limes funkcije f (x + ∆x) − f (x) . To su npr. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. ako je f (x) < 0 na nekom intervalu. tj. tangenta je paralelna s osi x. Primjer 6.240 ˇ POGLAVLJE 6. M= ∆x−→0− lim . Takve toˇke zovemo stacionarne toˇke.17 1. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. c c 6. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.

lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. DERIVACIJA FUNKCIJE 2. ∆x ∆x−→0 dakle ne postoji f (0). Tada je f i neprekidna u x0 .♠ Teorem 6. ∆x−→0 dakle ne postoji f (0).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). ∆x ∆x−→0 .7 imamo da je c lim √ 3 1 = +∞. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . c x0 ∈ I ⊆ D(f ).6.2. 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 . dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . Funkcija f : R −→ R dana formulom f (x) = x0 = 0.1. 3. √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 ∆x2 = +∞.1. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.

∆x f (x0 ). (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. (f (x) ± g(x)) = f (x) ± g (x) 2. razlike. produkta i kvocijenta funkcija Teorem 6. 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 ). Iz Teorema 6. Tada su na I derivabilne i funkcije f ± g. Nadalje. ∆x = 0 . ali vidjeli smo da nisu derivabilne. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). Sve tri funkcije iz Primjera 6. za one x ∈ I za koje je g(x) = 0).19 op´enito ne vrijedi. ∆x−→0 ∆x ∆x .17 su c neprekidne u nuli.12 imamo da je f neprekidna u x0 . tj. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . (f (x) ± g(x)) = 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). f (x) g(x) = f (x)g(x)−f (x)g (x) .20 Neka su funkcije f. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. g 2 (x) Dokaz: 1.12 zakljuˇujemo da je funkcija g neprekidna u x0 .♣ Obrat Teorema 6. Derivacija zbroja. I ⊆ D(g). f · g i f g (tamo gdje je definirana. i vrijedi 1. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ).242 ˇ POGLAVLJE 6.

DERIVACIJA FUNKCIJE 2. za svaki x ∈ I. ∆x−→0 ∆x−→0 Sada iz Teorema 6. Tada je funkcija λf . tj.6. za svaki x ∈ I. derivabilna na I i vrijedi (λf ) (x) = λf (x). f (x) g(x) f (x)g(x) − f (x)g (x) . odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. g 2 (x) f (x) g(x) = 1 f (x) g(x) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).19 imamo ∆x−→0 lim g(x + ∆x) = g(x). tj.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). Kako je g(x) · 1 g(x) = 1. 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) .♣ . po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .2. c dakle je po Teoremu 6. 3. Oˇito je D(g) = R. imamo g(x) · = 0. Dakle 1 g(x) = 0. gdje je λ ∈ R proizvoljan. Izraˇunajmo prvo c 1 g(x) .♣ g 2 (x) Napomena 6.

Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). c Primjer 6.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. gdje je g(x) = x2 . g = f .15 i Primjera 6. Dakle imamo f −1 (f (x)) = x. c −1 tj. iz Teorema 6.244 ˇ POGLAVLJE 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Dakle. f (x) Ovo se.21. Sada primjenom Teorema 6. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Izraˇunajmo joˇ i (f ◦ g) . naravno. f (x) = 0 na I i neka postoji f −1 . f (x) ♣ . Primjera 6. odnosno (f −1 ) (f (x)) = 1 . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. x ∈ I ⊆ D(f ). f (x) = sin x. moˇe provesti samo ako je f (x) = 0.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. f (x) ∈ J ⊆ D(g). Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . z Teorem 6. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f .18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.

Kako je (f ◦ g)(x) = x iz Teorema 6. x 1 √ . ∆x−→0 ∆x lim dakle je f (x) = ex .20. i vrijedi (f ◦ g)(x) = x. Derivacija funkcije g(x) = √ 1 .22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .22 i derivacijama iz donje tablice. Iz Teorema 6.10 imamo da je f (x) = lim e∆x − 1 = 1. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.19 Pogledajmo sljede´e primjere: c 1 1. odnosno 1 g (x) = √ . DERIVACIJA FUNKCIJE Primjer 6.21 i 6. Osnovne derivacije dajemo u sljede´oj tablici. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. 2 x x je g (x) = Iz Primjera 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.2.20. 6. 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Derivacija funkcije g(x) = ln x je g (x) = x . odnosno g (x) = 2. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.21 i 6. . c Napomena 6.

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

jednadˇba tangente u c z toˇki (x0 . polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .5: Diferencijal funkcije.5). f (x0 )). Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.1.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).2. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . DERIVACIJA FUNKCIJE 247 ∆x. c Teorem 6. Dakle. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.♣ c . Tada od svih polinoma stupnja najviˇe jedan. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.6. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . y f(x) α 0 x0 x 0+ ∆ x x Slika 6.

♠ s s c . Dakle.248 ˇ POGLAVLJE 6.5 2 Slika 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.16 znamo da je f (x) = cos x. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Iz Primjera 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.23). odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. 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.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.5 1 1. dakle je f (0) = cos 0 = 1.5 -1 0. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. c Primjer 6.

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. f (a)) i (b. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). Napomena 6. tj. proizvoljne. b za koju je F (x ) = 0. postoji x ∈ a. b−a onda Teorem 6. a < b. b ∈ I. c . Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). Neka je L pravac kroz toˇke (a.26 kaˇe da za svaku sekantu kroz toˇke (a. b−a y f(x) 0 a x0 b x Slika 6. f (a)) i (b. f (b)). f (b)) z c postoji toˇka x ∈ (a. b−a f (b) − f (a) (x − a).♣ f (b) − f (a) . tj.2.25.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. b) u kojoj je tangenta paralelna s tom sekantom.13 Primijetimo: 1.

Ako je dana funkcija f : R −→ R formulom 3x.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. oˇito je c x−→1 lim f (x) = 3 = f (1). x ≤ 1 f (x) = 3 x > 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. pa je. po Teoremu 6. x za koji je f (x) − f (a) = f (x ). y f(x) 0 a b x Slika 6. b−a ali ne postoji x ∈ 0. 2 za koji je f (x ) = 1. x ≤ 1 . Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).12.26 je bitan. Uvjet f ∈ C 1 (I) iz Teorema 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).258 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 2. z Iz Teorema 6. 0 x>1 oˇito f ima prekid u x = 1. f neprekidna na R. . Kako je f (x) = 3.

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

♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. f (x0 )) od svih c polinoma danog stupnja. Dakle.. Sliˇno kao i Teorem 6.. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . T1 (x) = f (0) + f (0)x = x.. s Primjer 6. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . 2! . 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 .23.24 Neka je dana funcija f (x) = sin x. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|.. Dakle. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . Aproksimacija je dobra lokalno. . UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.260 ˇ POGLAVLJE 6. x2 = x.

c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n (x) n! zovemo McLaurinov red funkcije f . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . dakle nisu jako c dobri za numeriku. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . odnosno konvergirati nekoj z (x drugoj funkciji.. (2n)! Napomena 6. n! ∞ sin x = n=0 (−1)n x2n+1 . Moˇe se pokazati da su funkcije ex . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.1).15 Taylorovi redovi obiˇno sporo konvergiraju.28 Neka je f ∈ C 1 (I) za neki interval I.. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. . tj..3. sin x.2. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f ..6. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .2. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). 6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.

Limes nenegativne funkcije mora i sam biti nenegativan. . Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Funkcija f raste na I ako i samo ako je f (x) ≥ 0. jer se c s c medu njima nalaze potencijalni ekstremi.♠ Iz Primjera 6.262 ˇ POGLAVLJE 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. Kako je desna strana gornje jednadˇbe nenegativna.24 smo vidjeli da. Dokaz: c 1. UVOD U DIFERENCIJALNI RACUN 1. onda je f (x0 ) = 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.26. po Teoremu 6. Iz Napomene 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. obratna tvrdnja ne mora vrijediti.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. lim x2 = 0). Obratno. Dokaz ide na sliˇan naˇin. za svaki x ∈ I. pa je f (x + ∆x) − f (x) ≥ 0.25 zakljuˇujemo da u Teoremu 6. ∆x za svaki x ∈ I.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. pa je f (x) = lim za svaki x ∈ I.11 imamo da obrat ne vrijedi. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. za svaki x ∈ I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Jedan smjer bismo mogli dokazati. x−→0 U Teoremu 6. Tada. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. ∆x Primjer 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. 2. dakle z funkcija f raste na I. Dakle ne vrijedi f (x) > 0 na R.26 postoji x ∈ (x. 2.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. onda funkcija strogo raste (pada) na I. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Medutim.28 primjenom Teorema 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. to je i lijeva strana takva.

onda u x0 funkcija f ima lokalni maksimum. Teorema 6.6. Dokaz: Izravno iz toˇke 5. Definicija 6.24.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.2. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.28. c Kao ˇto smo rekli. onda u x0 funkcija f ima lokalni minimum. Ako derivacija s c ne mijenja predznak. imati s c z lokalni ekstrem.4. kaˇemo da je f konkavna na I. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . x2 ∈ I. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . c Dakle. 2 za sve x1 .6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. jer konveksnost i konkavnost ovise o predznaku druge derivacije.♣ c Konveksnost. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . DERIVACIJA FUNKCIJE 263 Definicija 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Teorema 6. x2 ∈ I. u stacionarnoj toˇki funkcija moˇe. ali i ne mora. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. da je barem f ∈ C 2 (I)). u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). Teorem 6. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. a s druge pada (raste)). . ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .1.

264 ˇ POGLAVLJE 6. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. x2 ∈ I graf konveksne funkcije je ispod. ali je f (0) = 0. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. 2.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Dokaz ide na sliˇan naˇin. UVOD U DIFERENCIJALNI RACUN Definicija 6. izmedu x1 . Teorem 6. Zbog neprekidnosti druge c derivacije. iz Teorema 6. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .♣ Teorem 6.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Primijenimo li Teorem 6. f (x1 )) i (x2 . funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. jer c c se nalazi izmedu x0 i x. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. 1. Dakle je f (cx ) > 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). za svaki x ∈ I. f (x2 )).27 biti iz te okoline. c . konveksnost i konkavnost su odredene predznakom druge derivacije. c 1. c 2. Npr.30 Neka je f : I −→ R klase C 2 (I). x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .27 za sluˇaj c n = 1. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. funkcija f ima u x0 ∈ I lokalni minimum. a konkavna ako je za sve x1 . c c Dakle. Dokaz: 1. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. za svaki x ∈ I.31. Onda ´e i toˇka cx iz Teorema 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). funkcija f ima u x0 ∈ I lokalni maksimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 .3). Ako je f (x0 ) < 0. Ako je f (x0 ) > 0. 2. Uzmimo x proizvoljan iz te okoline.

x ∈ I. Npr. c Dokaz: Izravno iz Definicije 6. Ako je c ∈ I toˇka infleksije od f . neka je f na c − δ. g (x) onda je i x−→x0 lim f (x) = L.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. c + δ strogo konkavna ili je na c − δ. pa je po Teoremu 6. c c Kaˇe se joˇ da je toˇka (c. ∞ .30 imamo da funkcija f raste na (c − δ.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c + δ strogo konveksna. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. ∞ . 0 i f (x) > 0 za x ∈ 0. Iz Teorema 6. c strogo konveksna i na c. Dokaz: Bez smanjenja op´enitosti. z Neka je lim f (x) = lim g(x) = 0.♣ Uvjet f (c) = 0 iz Teorema 6.♣ Raˇunanje limesa . c + δ strogo c konkavna za neki δ > 0. u x0 ∈ I.L’Hospitalovo pravilo c Teorem 6. c) i pada na (c.34 Neka su f i g derivabilne funkcije na I osim. 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 . pa x = 0 ne moˇe biti z toˇka infleksije. c Teorem 6. c strogo konkavna i na c. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. DERIVACIJA FUNKCIJE 265 Definicija 6.24 f (c) = 0. 0 i 0. c + δ). moˇda. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Dakle je konveksna na −∞. Dakle.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. f ima lokalni maksimum u c. Ako je g (x) = 0 za svaki x = x0 .6. z s c c Teorem 6. ali je f (x) > 0 za x ∈ −∞.2. f (c)) toˇka infleksije grafa funkcije f .7.7 Neka je f : I −→ R i c ∈ I. onda je c f (c) = 0. Onda je c toˇka infleksije od f . i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. c strogo konveksna i na c. Tada iz Teorema 6.32 Neka je f ∈ C 2 (I). Neka postoji δ > 0 takav da je funkcija f na c − δ. x ∈ I.

. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). f (n) (x0 ) = 0. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.16 Neka su funkcije f.266 i ˇ POGLAVLJE 6. Znamo da je c tg α1 = f1 (x0 ). Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .♣ g (x) f g Na Teorem 6. tg α2 = f2 (x0 ). . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . g(x0 ) = 0. . . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . po g (x0 ) = 0. f (x0 ) = 0.12) i iz Teorema 6. analogno kao u dokazu 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 ) = . .12). α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . g (n+1) (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 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. g (n) (x0 ) = 0. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . iz Teorema 6. . c Napomena 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. Tada. c Dakle.34.

x a + x2 = f2 (x). ako i samo ako je f1 (x0 )f2 (x0 ) = −1.14: Kut izmedu dviju krivulja. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . z c c Primjer 6.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. tj. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.2. To znaˇi da u c toˇki (x0 . onda je i tg α = 0 . Ako je α = 0. 1 + f1 (x0 )f2 (x0 ) Napomena 6. odnosno ako i samo ako je tg α = ∞. dakle je f1 (x0 ) = f2 (x0 ).17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. a > 0. Iz toˇke 2. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).6.2. c c pa moˇemo re´i da se diraju u toj toˇki. .1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .

z x4 + ax2 − a2 = 0. s s z Iz a √ = a + x2 x kvadriranjem dolazimo do bikvadratne jednadˇbe po x. x2 f2 (x) = √ x .. nadimo rjeˇenje jednadˇbe f1 (x) = f2 (x). 2 2 5−1 . UVOD U DIFERENCIJALNI RACUN Nadimo presjeciˇte krivulja f1 i f2 . tj. tj. a . okomite su za svaki a > 0). a + x2 a 5−1 . a odatle je u=a √ 5−1 2 (drugo rjeˇenje je negativno). 2 Dakle. Uzimaju´i pozitivno rjeˇenje jednadˇbe s c s z √ x =a imamo za apscisu toˇke presjeka c √ x0 = Deriviraju´i f1 i f2 po x dobivamo c f1 (x) = − Nadalje je f1 (x0 )f2 (x0 ) = −a x0 a + x2 0 = . odnosno sve krivulje f1 (x) i f2 (x) su c medusobno okomite (tj. = −1.268 ˇ POGLAVLJE 6. Supstitucijom x2 = u dobivamo u2 + au − a2 = 0.♠ .. f1 i f2 su okomite u toˇki x0 .

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

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

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

.

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

20 i Napomene 6. Odatle slijedi vaˇno svojstvo primitivnih funkcija. c Primjerice. a onda pogledajmo kada postoje i koja su im svojstva. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.7 izravno slijedi da je operator deriviranja linearan. 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). Uvedimo prvo ime za takve funkcije.1 Neka je f neprekidna funkcija na I ⊆ R.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Teorem 7. C ∈ R. linearan operator koji mu je inverzan. 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. Definicija 7.2. UVOD U INTEGRALNI RACUN deriviranja operator.274 ˇ POGLAVLJE 7. . Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. ako postoji. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. jer je derivacija svake konstante jednaka nuli.1 Neka je F primitivna funkcija funkcije f na I ⊆ R.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. Stoviˇe. itd. da je x primitivna funkcija funkcije x. Zanima nas. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Iz Teorema 6.

H je konstantna funkcija. Interpretirajmo elemente ove formule: je znak integrala.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. a to je upravo druga tvrdnja teorema. C ∈ R je konstanta integracije. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. 275 Dakle imamo prvu tvrdnju. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . c F (x) je primitivna funkcija funkcije f (x). Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . gdje je c neka toˇka izmedu x i x0 . dolazi od S kao suma. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G.1.2. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Piˇemo s f (x)dx = F (x) + C.4).♣ 7. dx pokazuje po ˇemu se integrira.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). slijedi H(x) = H(x0 ) za svaki x ∈ I. s To nije toˇno inverz od derivacije. f (x) je integrand. koji je po Teoremu 7. tj. ˇalje c s u f. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.7. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. Ostale raˇunamo koriste´i svojstva c c c .1.1 beskonaˇan.

Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. 2. = (F (x) + C) = F (x) = f (x). Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Teorem 7. Za ostale operacije nema jednostavnih pravila. 2. Dokaz: 1.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. z Teorem 7.7). cF c primitivna funkcija funkcije cf .20 i Napomena 6. Kako je imamo f (x)dx f (x)dx = F (x) + C. Dokaz: Neka je F primitivna funkcija funkcije f .276 ˇ POGLAVLJE 7. Neka je F primitivna funkcija funkcije f . zbog linearnosti derivacije. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. F ± G primitivna funkcija funkcije f ± g.3 Vrijedi: 1. Oˇito je. UVOD U INTEGRALNI RACUN neodredenog integrala.1 Iz Teorema 7. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. c zbog linearnosti derivacije.♣ .2 f (x)dx = f (x). (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. f (x)dx.♣ Napomena 7. Oˇito je. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.

1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. tzv. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. izraˇunati derivaciju bilo koje c c c elementarne funkcije. S druge strane. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. eksponencijalne i z trigonometrijske funkcije. c 7. Ako se i moˇe integrirati.2.1. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. Najpoznatiji primjer je e−x dx. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. Primjer 7.1 Pogledajmo sljede´e primjere: c . c c koriste´i pravila i tablicu derivacija (toˇka 6. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. tabliˇne integrale.2) i svojstva iz Teoc c rema 7.1.7.4). Tako moˇemo integrirati polinome i jednostavnije racionalne. c c z z to obiˇno nije lako.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.1.

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

ima jedan sluˇaj kad se c produkt funkcija lako integrira. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. tj. + C. z Primjer 7. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x.2 Odredimo integral funkcije f (x) = sin x cos x.7.2. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. op´enito. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.3 i tabliˇne integrale. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. a to znamo da je u2 2 sin x d(sin x). Ipak. gornji se integral svodi na u du.♠ 2 .5). ovo moˇemo pisati kao c c z sin x d(sin x). Dakle je sin x cos x dx = 1 2 sin x + C.1. ne mogu integrirati produkti funkcija (osim c za polinome. Koriste´i izraz za diferencijal (toˇka 6. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. deriviranjem sloˇenih funkcija.

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

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

3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. du = u dx. zbog dv = v dx. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Imamo produkt u kojem oba faktora znamo lako integrirati. Odredimo integral funkcije f (x) = x cos x.6 Pogledajmo sljede´e primjere: c 1.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. klase C 1 (I). v du + u dv. Koji od njih treba odabrati kao v? v du.♣ u (x)v(x)dx. a drugi se deriviranjen pojednostavnjuje. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Polazimo od formule za derivaciju produkta funkcija.282 ˇ POGLAVLJE 7. v du. Napomena 7. (uv) = u v + v u. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. . tj. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira.

Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. v = cos x. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. . Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. du = u dx = dx.1.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. dv = v dx = cos x dx.7. c Primjer 7. tj. c 2 dv = v dx = x dx. v = x. dobivamo s xex dx = xex − Konaˇno. c ˇto daje du = u dx = 2x dx i v = ex . NEODREDENI INTEGRAL 283 Stavimo u = x. Odredimo integral funkcije f (x) = x2 ex . nema proz z dukta u podintegralnoj funkciji. tj. c x2 ex dx = (x2 − 2x + 2)ex + C. Sada je v = x .♠ Iz Primjera 7. du = − sin x dx. Dobivamo s x2 ex dx = x2 ex − 2 xex dx.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. no sveli smo ga na jednostavniji ins c tegral xex dx. na prvi pogled. 2. Joˇ nismo izraˇunali polazni integral. tj. Sada je v = sin x. v = ex . i u = x2 . Primijenimo li parcijalnu integraciju joˇ jednom. Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. Dobili smo integral koji je kompliciraniji od polaznog. s Parcijalnom se integracijom moˇemo posluˇiti i kad.

2+1 x 2 Imamo arctg x dx = xarctg x − 1 ln(x2 + 1) + C. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. 2. tj. v = 1.284 ˇ POGLAVLJE 7. v = 1. Odredimo integral funkcije f (x) = arctg x . Odredimo integral funkcije f (x) = sin2 x. Stavimo dv = sin x dx. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. ˇto daje du = u dx = s v = x. v = sin x. UVOD U INTEGRALNI RACUN 1. ˇto daje du = u dx = s cos x dx i v = − cos x. Stavimo dv = dx. Odredimo integral funkcije f (x) = ln x. tj. i u = sin x.♠ 2 x dx . tj. Dobivamo arctg x dx = xarctg x − Sada analogno kao i u Primjeru 7. 1.5 imamo xdx 1 = ln(x2 + 1) + C. i u = ln x. i u = arctg x. sin2 x dx. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . x dx x i v = x. Stavimo dv = dx.

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

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

Ako je x0 ∈ R. onda je to i x0 . c c 3. polinom (x − x0 ) dijeli s c c z polinom Pn (x). c Neka je x0 ∈ C \ R. ako je x0 ∈ C nultoˇka od Pn (x). NEODREDENI INTEGRAL 3.1. . i ostatak r(x) koji je polinom stupnja 0. ako je x0 ∈ C nultoˇka od Pn (x). Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. Uvrstimo u integral. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). tj. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . x−3 287 Uvedimo supstituciju u = x − 3. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. onda je to i x0 . a u brojnicima konstante ili linearni polinomi. b ∈ 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. onda polinom (x − x0 ) dijeli Pn (x).7. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. tj.) Dokaz: 1. pa je du = dx. gdje c su a. konstanta. Qn−1 (x). ako je x0 ∈ C oblika a + bi. pa tvrdnja oˇito vrijedi. tj. c Napomena 7. Tada vrijedi: 1. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. onda je x0 = x0 . Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. onda je x0 = a − bi. Odredimo integral funkcije f (x) = 1 . 2. c Metoda se temelji na sljede´im svojstvima polinoma.♠ 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. r(x) = C ∈ R. c 2.

. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). x2 . f = 0... xs ... . zn . onda je x0 = x0 . + rs = n.. v = 0. i e + f i.. β.... tj.. .. ...4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ .) + 2(rab + rcd + . pa tvrdnja oˇito vrijedi.. a2 − 4b < 0.. Iz 1.5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 ... x0 nultoˇka od Pn−2 (x). medu razliˇitim nultoˇkama c c c c x1 .288 ˇ POGLAVLJE 7. c c Dakle je po tvrdnji 2. razliˇite realne nultoˇke s pripadnim kratnostima rα . rcd . c2 − 4d < 0. Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ .. Kako je x0 nultoˇka kratnosti r od Pn (x).♣ n Napomena 7. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x).. . . x2 + cx + d = (x − (g + hi))(x + (g − hi)). 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... Dakle. ima moˇda onih s komplesnim koeficijentima.. . i gdje su α. UVOD U INTEGRALNI RACUN 3.... i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x). xs od Pn (x). Kako je x0 nultoˇka kratnosti r od Pn (x). c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . Neka su x1 . ... (x − x2 ).... Medutim. Kvadratni faktori nemaju realnih korijena. x2 + ax + b = (x − (e + f i))(x + (e − f i)). medu kojima moˇe c c biti istih. Tada je po Napomeni 7. odnosno medu linearnim fakorima (x − x1 ). r1 + r2 + . znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). . xs c c c od Pn (x) kratnosti rγ . medu brojevima x1 .. . njena kratnost je toˇno r. Iz Napomene 7.. rs . u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ .. Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). . h = 0. tj. .4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima. . s ≤ n. x2 .. .) = n... x2 . . x2 . redom. xs sve razliˇite nultoˇke medu z1 . rβ .5 Iz Teorema 5. c Neka je x0 ∈ C \ R. zn od Pn (x) s pripadnim c c kratnostima r1 . to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). 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. Neka je γ = u+vi. (x − xs ). onda je po tvrdnji 2. . Ako je x0 ∈ R. r2 ... Medutim. c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab . jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 . g + hi.....

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

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

sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.7. Rjeˇenje je A = 3. B = 2. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. x(x−2)(x+1) x+2 A B D = + + .♠ x−1 Ako su nuliˇta nazivnika jednostruka. 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. D = −1.♠ 3 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 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). uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . 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.

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

2 7.3: Triangulacija podruˇja u ravnini omedenog duˇinama. c . s P = i P (Ti ). ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini.2. ODREDENI INTEGRAL 293 7.7. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku.2.1 Odredeni integral Motivacija . kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Kako povrˇinu trokuta znamo raˇunati. Takav lik ˇesto zovemo krivuljnim trapezom. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. T1 T2 T3 T4 Slika 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. gdje se zbraja po svim trokutima triangulacije Ti . Povrˇina je geometrijska kategorija. c z Napomena 7. tj. Lik se triangulira. problem moˇemo s c z smatrati u biti rijeˇenim. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. jer je to uobiˇajenije. duˇinama. ploha. tj.

b] . zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. dakle. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.) Po Teoremu 6. s lijeva pravcem x = a. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.6. b] ako je f (x) > 0.5: Rastav ravnog lika na krivuljne trapeze.4: Krivuljni trapez. i da komad krivulje bude graf neke funkcije. (Funkcija f je strogo pozitivna na [a. b x KT 1 KT2 KT KT3 4 Slika 7. b]. krivuljni trapez omeden odozdo komadom osi x. b] funkcije f (x). Neka je ta funkcija neprekidna.294 ˇ POGLAVLJE 7. funkcija f na segmentu [a. Promatrajmo. za svaki x ∈ [a.

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

. n. c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7. i = 1.. x2 . Sliˇno. c m(b − a) ≤ s(r). imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a). imamo s(r) ≤ S(r).. UVOD U INTEGRALNI RACUN postoje po Teoremu 6. xn−1 } s r. ..... b].296 ˇ POGLAVLJE 7.. .. .6). jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. . .7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). n. Zbog mi ≤ Mi .. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a.n.. i = 1. Uvijek je m ≤ mi ≤ Mi ≤ M. a zbog m ≤ mi i Mi ≤ M . koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi . i = 1. s Oznaˇimo li sada zadanu podjelu {x1 . S(r) = i=1 Mi ∆xi .

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

b]. b] imamo mi = 0 i Mi = 1. x ∈ R \ Q. b].9 Uoˇimo da ako je f monotona funkcija na [a. nisu integrabilne. 1 dx.5 Svaka monotona funkcija na [a.14 1.♠ Napomena 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. c Iz Primjera 7. za svaki x ∈ [a.♣ Primjer 7. b].3 Ako za funkciju f moˇemo definirati odredeni integral na [a. f (x) = nije integrabilna.298 ˇ POGLAVLJE 7. Koje jesu? Neprekidne sigurno jesu. Uoˇimo da za svaku podjelu r segmenta [a. a ... Koje joˇ? s Teorem 7.♣ Napomena 7. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. c i = 1. b] je integrabilna. n. c Dokaz: Ako f raste na [a.♣ Teorem 7. onda je ona i c ograniˇena. b]. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b]. z c tj. b].6 Svaka neprekidna funkcija na [a. Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b]. Dirichletova funkcija nije integrabilna. x∈Q 0. tj. Izraˇunajmo iz definicije c b 1. b] je integrabilna. b] integrabilne. . UVOD U INTEGRALNI RACUN Definicija 7. dakle je f ograniˇena funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).13 Dirichletova funkcija.. b] z kaˇemo da je f integrabilna na [a. onda je f (a) ≤ f (x) ≤ f (b).13 vidimo da nisu sve funkcije na segmentu [a.

7. b]. dakle je a 1 dx = b − a.. b].. 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 . ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. c 2. 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. Mi = n a + i∆x. .2. Podijelimo segment [a.. i = 1.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. n. b] c na n jednakih djelova. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . Izraˇunajmo a b x dx. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. c Oˇito je funkcija f (x) = x neprekidna na [a. b] je mi = Mi = f (si ) = 1. Sada je mi = a + (i − 1)∆x. Za svaku podjelu r segc menta [a. ∆x = b−a .

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

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

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

gdje je c ∈ R proizvoljan. a (f (x) ± g(x))dx = a ili aditivnost integrala. b] (skup R(I) nije prazan. a 4. 6. j − 1. j + 1. Dakle je s(r) = 0 i S(r) = Mj ∆xj . i svaka funkcija iz tog skupa je neprekidna na I.7. n. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7.2 i Teorema 6.. b] toˇka c pada u toˇno jedan c c [xj−1 . . a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).. . x2 . Dakle beskonaˇni skup {xn : n = 0. 1.18. ... Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7... dakle i integrabilna.} se c nalazi u nekoj bazi od R(I). .18.. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. Mi = 0. onda je c b f (x)dx = 0. .. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5..13).♣ b b 5. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. i = 1. b]). Oˇito je z c c tada m = 0.. Ako je funkcija f : [a. unutra se sigurno nalaze sve neprekidne funkcije na [a.♣ c Napomena 7. Beskonaˇnodimenzionalan je. Nadalje. . i = 1. Stoviˇe. xj ]. M = f (c) i za svaku podjelu r segmenta [a.2 i Teorema 6. pa je mi = 0. x. skup c {1. n. a cf (x)dx = c a f (x)dx. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. jer npr.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.2.3)... b] i da je f (c) > 0.. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. i Mj = f (c).

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

7.2. Dakle postoje x1 . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. x2 ] imamo x2 f (x)dx > 0. za svaki x ∈ I . b]. Iz pozitivnosti funkcije f na [a. x2 ∈ I takve c da je x1 < c < x2 . odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Tada je b b f (x)dx ≤ a a g(x)dx. b] oko toˇke c takav da je f (x) > 0. Kako je funkcija F = g − f neprekidna na [a. tj. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Dakle. Odatle slijedi da je F (b) ≥ F (a) = 0. i oˇito ima pozitivnu derivaciju. Ako je f (c) < g(c) za bar jedno c ∈ [a.28 F raste na [a. c F (x) = g(x) − f (x) ≥ 0.8 je dobro definirana funkcija F ∈ C 1 [a. Ovo svojstvo se zove svojstvo monotonosti integrala. b] tada iz Teorema 6.3 slijedi da postoji interval I ⊂ [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Ako je f neprekidna i nenegativna funkcija na [a. b]. b] onda vrijedi stroga nejednakost. Neka su f i g neprekidne funkcije na [a. ODREDENI INTEGRAL 305 8.3 slijedi da postoji interval . b]. b] i ako je f (c) > 0 za neki c ∈ [a. Dokaz: Po Teoremu 7. po Teoremu 6. b] odnosno stroge pozitivnosti na [x1 . b] iz Teorema 6. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. onda je F (c) = g(c) − f (c) > 0. b].♣ 9. onda je b f (x)dx > 0.

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

x < 0. se zove srednja vrijednost funkcije f na segmentu [a. imamo da je 1 f (x)dx = 0. Nadalje.9: Teorem srednje vrijednosti za odredeni integral. n Za funkcije koje nisu neprekidne Teorem 7. c Napomena 7. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. −1 medutim ne postoji toˇka c ∈ [−1. a2 . Povrˇina ispod s grafa neprekidne funkcije f nad [a. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. iz svojstva 7. 1] za koju je f (c) = 0. b].15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. .12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.. Oˇito je da funkcija f ima prekid u x0 = 0... x ≥ 0 −1..+an dine (aritmetiˇka sredina od a1 . a Teorem 7..2. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.7. kako je f neparna c funkcija. Odatle ime teoremu. an ∈ R je a = c ).7 ne mora vrijediti: Primjer 7.♠ c .

Funkcija F definirana formulom x F (x) = a f (ζ)dζ . Imamo c x −→ F (x). b] postoji a f (ζ)dζ.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne.308 ˇ POGLAVLJE 7. jednostavnosti radi. kad je podintegralna funkcija neprekidna. Prije formuliranja i dokazivanja teorema. promatrajmo na segmentu [a. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. Za svaki x ∈ [a. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. Sre´om. 7.3 Newton . Pokazat ´emo da je ta funkcija F derivabilna na [a. b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x. Teorem 7. UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije.8 Neka je f ∈ C[a. b] i izraˇunat ´emo njenu c c c derivaciju. gdje je F (x) = a x f (ζ)dζ. b]. pozitivnu funkciju f . b] neprekidnu x i. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih. Dakle imamo pridruˇivanje koje svakom x ∈ [a.

7. x+∆x]. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.3. ∆x−→0 ∆x Funkcija f je neprekidna na [a.LEIBNIZOVA FORMULA je derivabilna na [a.6). NEWTON . Po Teoremu 7. b] i vrijedi F (x) = f (x). Ho´emo gledati c ∆F . pa onda i na svakom podsegmentu [x.11: Funkcija F (x). ∆F ≤ M = f (ζ2 ).7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆x odnosno f (ζ1 ) = m ≤ . b]. 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.

do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. iz toˇke 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. ∆x Teorem 7. b F (b) = a f (ζ)dζ. toˇke ζ1 i ζ2 moraju teˇiti prema x.12). zbog neprekidnosti funkcije f na [a. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.♣ Newton .Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. b] i F (x) = f (x). a Dokaz: Prema Teoremu 7. b]. i neodredeni. Odatle slijedi c f (x) ≤ lim tj. f (x) ≤ F (x) ≤ f (x). do kojeg dolazimo preko limesa niza integralnih suma. U njoj se povezuju odredeni integral.♣ x ∆x−→0 ∆F ≤ f (x). onda. Sliˇno i za ζ2 −→ x.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. z Teorem 7.2. no dokaz je bitno sloˇeniji.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Odatle je a f (x)dx = F (b) − F (a).310 ˇ POGLAVLJE 7.9 (Newton . Dakle je F (x) derivabilna funkcija na cijelom [a. F (x) = f (x). pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). tj.

Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. Iz ϕ(t) = − 3. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran). tj. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. Sada oˇito funkcija ϕ : [− 2 . b]. 2 ] −→ . NEWTON . β] ne izlaze izvan segmenta [a. i ako je ϕ(α) = a.LEIBNIZOVA FORMULA 311 linearni operator deriviranja. Ako vrijednosti funkcije ϕ na [α. 3 √ √ √ 3 3 π c Analogno. sin t = − 23 imamo t1 = − π . Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Pri tome nestane konstanta integracije. √ √ Stavimo ϕ(t) = 2 sin t. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja.3. Teorem 7. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. iz ϕ(t) = 3 dobijemo t2 = 3 . ϕ(β) = b. onda za f ∈ C([a.7. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. a b ˇ Citamo to kao ”F (x) u granicama od a do b”.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. β] ima neprekidnu derivaciju ϕ . c Desna strana Newton . Kod primjene na raˇunanje odredenih integrala. β] i neka ϕ na [α. ♣ Primjer 7.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx.

kao i da je samo poc druˇje integracije konaˇno. .6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.17 Izraˇunajmo c 0 1 xex dx. 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. Iz Primjera 7. U takvim sluˇajevima govorimo c s c o nepravim integralima.10.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. u dv = uv a b a − a v du. b i neka je x−→b− lim f (x) = +∞.312 ˇ POGLAVLJE 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.♠ 3 Kod parcijalne integracije situacija je jednostavnija.6 i omedena) na podruˇju integracije. Primjer 7. tj. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.♠ 7. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. 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.

a Ako promatrani limes ne postoji. 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−. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. .12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.7. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. kaˇemo da 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. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . postoji x f (ζ)dζ. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. kaˇemo da integral divergira ili da nema z znaˇenja. b postoji integral te funkcije u granicama od a do x. tj. u toˇki a. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. tj. c c Primjer 7. c y f(x) 0 a x b Slika 7.4.18 1.

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

1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. 0] −→ R zadovoljava uvjete Teorema 7. Izraˇunajmo c a dx . t + b = a imamo t1 = a − b. 1 a f (x)dx konvergira. inaˇe c Primjer 7.10. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. dakle imamo b a dx = (x − b)n 0 a−b dt . . tn Ako je n < 0. Sada oˇito funkcija ϕ : [a − c b. Iz ϕ(t) = a. 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 = +∞. onda divergira.19 1. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. Analogno. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1.4. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom.7. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. tj. Izraˇunajmo c −1 1 x2 dx . (x − b)n Stavimo ϕ(t) = t + b. 1]. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . iz ϕ(t) = b dobijemo t2 = 0. x2 b 2. c+ε2 Ako oba limesa na desnoj strani postoje.

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

7. postoji x f (ζ)dζ. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. −∞ Primjer 7. a Ako promatrani limes ne postoji. tj. +∞ postoji integral te funkcije u granicama od a do x. kaˇemo da integral divergira. c c da za svaki x ∈ [a. Izraˇunajmo c +∞ 0 e−x dx. .4. −∞ pa i za sluˇaj c +∞ f (x)dx. z Sliˇno postupamo i za sluˇaj c c b f (x)dx.13: Nepravi integral po neograniˇenom podruˇju integracije. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞.20 1.

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

b . f2 : [a. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x).5.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7.5. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . b]. pravcem x = a s s i pravcem x = b. c] i negativna na [c. broj P1 + P2 . Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b.2. osi x. a . s s tj. PRIMJENE INTEGRALNOG RACUNA 319 7. b]). pravcem x = a i s pravcem x = b. osi x. osi x. ali negativnog predznaka. dana s b (f1 (x) − f2 (x))dx. za neki c ∈ a.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. b]. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f .5 7. tj. Nadalje. b]. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. ako je f : [a. a Ploˇtina povrˇine izmedu grafa funkcije f . onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. gdje su f1 . b] −→ R neprekidna takva da je pozitivna na [a. s s b f (x)dx = P1 − P2 .ˇ 7. za svaki x ∈ [a. Ako je funkcija f neprekidna i negativna na [a. pravca x = a i pravca x = b.

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

Povrˇinu osnovice tog valjˇi´a s cc . za ∆h −→ 0.16: Volumen stoˇca kao limes sume volumena tankih valjaka... dobit ´emo toˇnu formulu za volumen stoˇca.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. n − 1. b].. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. Podijelimo segment [a. .5.5. < xn−1 < xn = b.. d]. H − ∆h. d] takvih da je s g1 (y) ≥ g2 (y). Za veliki n ∈ N ´e zbroj z c H R Slika 7. i u z s n svakom sloju izmedu visine h i h + ∆h. 1. cc z tj.. h = 0.. tj. ∆h. osi y. b] na n dijelova pomo´u toˇaka a = x0 < x1 < .. recimo visine ∆h = H . Time je c c i tijelo T podijeljeno na n slojeva. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. . Za n −→ ∞. recimo stoˇac visine H i polumjera osz novice r.. za svaki y ∈ [c.ˇ 7. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. i = 0. 7. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. krnji stoˇac visine ∆h. 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. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. zamijenimo komad stoˇca. n ∈ N. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . Nareˇemo ga na tanke ploˇke. manjoj) osnovici krnjeg stoˇca.

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

Dakle. . c Primjer 7.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. 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. 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. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x.5.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. f2 : [a. c z y R 0 Η x Slika 7. za svaki x ∈ [a. b]. z z Po gornjoj formuli. 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.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. ako su f1 .

R > r.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. y R r 0 x −R Slika 7. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. f2 (x) = R − √ r 2 − x2 .23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . .324 y ˇ POGLAVLJE 7. Primjer 7.

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

b] na osi x i grafom funkcije f nad [a.326 ˇ POGLAVLJE 7.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. Promatramo lik omeden pravcima x = a. dobijemo tanko tijelo. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . tj. segmentom [a.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. ono ostaje u ravnoteˇi. (Teˇiˇte je toˇka u kojoj.♠ 5 7.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi .21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. zs zs c ako podupremo tijelo. c s c . Zelimo odrediti teˇiˇte izrezanog lika. Uzmemo li ˇkare i izreˇemo taj lik.5. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. yi ). Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. x = b. b]. Primjer 7. da mu je gusto´a c ˇ svuda ista. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . b].

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

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

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

♠ 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. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. tj. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. R > r. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. Tada su. za svaki x ∈ [a. b]. po prvom Guldinovu teoremu i Primjeru 7.330 ˇ POGLAVLJE 7. x2 + (y − R)2 = r2 .25. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. 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. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj.♠ ishodiˇtu. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. 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. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . . 3 −r 4r . v) tada su novi momenti jednaki Mx + my i My + mx).26 Sada moˇemo. b] takvih da je f2 (x) ≥ f1 (x). zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . 3π r r pa teˇiˇte ima koordinate (0. 4 π ). xf2 (x)dx − µ xf1 (x)dx. po prvom Guldinovu teoremu. − 4 r ). Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 .

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

Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 4 3 Zbog M = µV = 1 R2 πH. 23 dobivamo xT = Mx M .♠ 8 π 4 R . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. 4 Zbog M = µV = 14 3 R π.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.28 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.332 ˇ POGLAVLJE 7.♠ z Primjer 7. tj. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. 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 . 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 . dobivamo xT = 4 H. za µ = 1. Primjer 7. mjereno od osnovice.24: Teˇiˇte homogenog stoˇca.

c c Piˇemo s I = mr2 . . rn od zadane toˇke. Masa svakog malog pravokutnika je µa∆yi . zove se i polarni moment. moment c tromosti ili moment inercije s obzirom na zadanu toˇku. pravac ili ravninu kao c produkt mase toˇke i kvadrata udaljenosti do zadane toˇke. gdje je si ∈ [yi−1 .. PRIMJENE INTEGRALNOG RACUNA 333 Po formulama koje smo izveli mogu se raˇunati i koordinate teˇiˇta tijela c zs kojima gusto´a nije konstantna.5.. dakle je moment inercije malog pravokutnika aproksimiran s µa∆yi s2 . ve´ se mijenja kao funkcija koordinate po kojoj c c se integrira.ˇ 7. Iz fizikalnih razloga uzimamo s µ(x) > 0 na [a. zs mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si .. tj. c 7. . . mn na udaljenostima r1 . a stranica a leˇi na x osi. Kao i statiˇki moment. a ako c c s je s obzirom na toˇku..5.4 Moment ustrajnosti (inercije) Za materijalnu toˇku mase m definiramo njen moment ustrajnosti. < yn = b. m2 . b] (µ je gusto´a mase). pravca ili ravnine. n. c c pravca ili ravnine imamo n I= i=1 2 mi ri . Pomo´u integrala moˇemo c c z definirati momente inercije i za ravne likove i za tijela. b] na osi y. i µ viˇe ne bi izlazio kao konstanta izvan integrala. yi ]. moment inercije je aditivan. na n dijelova 0 = y0 < y1 < . Za sustav od n materijalnih c toˇaka s masama m1 . tj. i = 1.. Za veliki n je si ≈ xi . r2 . Podijelimo stranicu b. Zbrajanjem po svim malim pravokutnicima i ...... Promatramo prvo homogeni pravokutnik sa stranicama a i b smjeˇten u s ravnini tako da mu stranica b leˇi na osi y. gdje je r reˇena udaljenost. Tako smo naˇ s pravokutnik podijelili na male pravokutnike sa stranicama a i ∆yi = yi − yi−1 . a njegovo teˇiˇte. Veliˇina I se joˇ zove i kvadratni moment. Izraˇunajmo z z c njegov moment inercije s obzirom na os x. U tom sluˇaju bismo imali c dm = πµ(x)f 2 (x)dx. segment [0..

. n. 12 Iy = 1 M a2 . 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju.. 1 Ix = 3 M b2 . UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7.25: Moment inercije homogenog pravokutnika.. Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . 3 3 3 tj.334 ˇ POGLAVLJE 7. 3 3 . i = 1. n dobivamo i=1 µa∆yi s2 . Sliˇno se dobije da je c I y = 1 M a2 . b] osi x. a to. te grafom (pozitivne i neprekidne na [a. za ∆yi −→ 0. 12 Promatramo sad homogen ravan lik omeden komadom [a. gdje je M = µab masa pravokutnika. pravcima x = a i x = b. xi ] i visinama f (si ). Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi µf 2 (si ) = µf 3 (si )∆xi . b]) funkcije f . dobije se s Ix = 1 M b2 . teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . za si ∈ [xi . xi+1 ]. .

Oˇito je f (x) = c √ r2 − x2 . za µ = 1. y). PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . 3 . imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm.ˇ 7.5. d] osi y i grafom c pozitivne i neprekidne na [c. Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . dm = µdP = µf (x)dx. pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. Znamo da je c 2 2 Ix = mx i Iy = my . Primjer 7. pri ˇemu je lik omeden pravcima y = c i y = d. d] funkcije g. onda je s I0 = 1 M (a2 12 + b2 ). komadom [c. g 2 (y)dm. Neka je dana materijalna toˇka mase m s koordinatama (x. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. Uvedemo li oznake dP = f (x)dx.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). 3 a ako mu je ishodiˇte u sredini.

n. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.. b] podijeli na male podsegmente [xi−1 . 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. Analogno iz ϕ(t) = r imamo t2 = 0. i zbroje se momenti inercije malih valjaka polumjera f (si ).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 . dakle je 1 I0 = Ix + Iy = M r2 . Prijelazom na limes dobijemo gornju formulu. Iz ϕ(t) = −r imamo t1 = π. .5. moment inercije cijelog kruga obzirom na y os je Iy = Ix .♠ 2 Kombinacijom razmatranja iz toˇke 7.336 ˇ POGLAVLJE 7.10. 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. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. xi ]. i visine ∆xi = xi − xi−1 .. xi ]. 2 2 a onda se interval [a. gdje je si ∈ [xi−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. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h..8 imamo 1 Ix = r4 π. 5 . Sada iz Primjera 7. i = 1. 4 4 4 Takoder zbog simetrije. π] −→ R zadovoljava Teorem 7. 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 . Oˇito funkcija ϕ : [0.

. b] na podsegmente [xi−1 . i gdje je ∆xi = xi − xi−1 . Duljina luka od toˇke A = (a. i = 1. xi ].5.ˇ 7. PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . f (a)) do toˇke c c B = (b. c po Pitagorinu pouˇku. Duljina svakog takvog komada je..♠ 15 5 7.. . Podijelimo segment [a. f (xi )). f (xi−1 )) i (xi . .26: Duljina luka zadanog kao graf funkcije f (x).. . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . n. pa uzmimo c s os x. n. b] zadana kao graf funkcije f ∈ C 1 [a. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .5.. b] eksplicitnom formulom y = f (x). Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. i = 1.. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. 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 .

i = 1. xi ]. s 7. Dijeljenjem segmenta [a. . polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).5. 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 . mase µ.. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i . UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 ..27: Ploˇtina plaˇta rotacijskog tijela... b] rotira oko osi x. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.. s yT = b a f (x) √ 1+[f (x)]2 dx . a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .. moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. xi ]. n. i = 1. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). .338 ˇ POGLAVLJE 7. n.26).

. ploˇtinu sfere polumjera r. .. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x..5. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .31 Izraˇunajmo oploˇje kugle. Primjer 7. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. n. 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 .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. Teorem 7. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . i = 1. Toˇnije. Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. ako znamo poloˇaj tijela u trenutku t1 = 0.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.5. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . 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.♣ s zs 7.26). Ovdje smo s ds oznaˇili diferencijal luka. c ds = 1 + [f (x)]2 dx. xi ]. tj.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 .ˇ 7.. gdje je si ∈ [xi−1 .

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

i nakon toga s . sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. 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. 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. b] z z b W = a F (x)dx.33 Jarak duljine 10 m. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini.5. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. rad) biti kvadratna funkcija pomaka x. tj. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. s Primjer 7. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine. To je formula dobivena integriranjem konstantne sile mg od 0 do h. Odavde odmah slijedi da je rad sile F (x) na putu [a. Konstanta k nam nije zadana u ovom primjeru.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . b]. no nije ni bitna. F = −kx. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . pri ˇemu je g ≈ 9. Primjer 7. Ako sila nije konstantna. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. Tada ´e njen integral (tj.ˇ 7. ako se masa tijela mijenja.♠ z Posebno vaˇan sluˇaj je rad sile teˇe.

342 ˇ POGLAVLJE 7.83 J. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . s x 0 y h Slika 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. duljina jarka je 10 m. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.30: Jarak iz Primjera 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.33.29: Jarak iz Primjera 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. ˇirina c s 2(1 − x) m. a debljina sloja je dx metara). .

34 Koliki je rad potreban uloˇiti da se tijelo (npr. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. (Ovdje je mz masa Zemlje. tj. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. Polaze´i od te formule s c mogu´e je izraˇunati ukupnu silu kojom teku´ina djeluje na stijenke posude i/ili c c c na objekte s kojima je u kontaktu. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. Uzimaju´i da su mp .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. imamo F (x) = x2 .35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala.ˇ 7. 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 . a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . gdje smo s c K oznaˇili K = Gmz mp . To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. c z s 2 K F (R) = R2 = P . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . Za x = R imamo teˇinu tijela na povrˇini Zemlje. Dakle je K = P R2 i F (x) = PxR . No ta sila je. s z Primjer 7. z z Primjer 7. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. upravo teˇina z K tijela. po definiciji.5. c c c smanjenje zbog utroˇka goriva. 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 = . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. mp masa projektila i G univerzalna gravitacijska konstanta). mz i G konstante. 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.

344 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: 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.35.♠ s c .

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

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)//-->