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

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

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

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

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

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

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

. . . . . . . . 6. . . . . . . . . . . . .2. . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . .1 Neprekidnost funkcije . . zs 7. . . . . . . .2 Svojstva odredenog integrala . . .2. . . . . . .7 Primjene u fizici . . . . . .7 Raˇunanje limesa . . . . . . . . . .3 Derivacija funkcije . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . .1.1.1 Neprekidnost i graniˇne vrijednosti . . . . 7. .5. . . . . . . . . . . .2. . . . . . .1. . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . .1 Motivacija . . . . . c 6. . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . 7. 7. . . . . . . . . .2. . . . . 7. . .3 Teˇiˇte . . 7. . . . . . . . . . zs 7. . s 6. . . . . . . . . c 6. . .6 Povrˇina rotacijske plohe . .6 Derivacije viˇeg reda . . .5. . . .2. . . . c 6. . . . . . . . . 7. . . . .3 Neprekidnost elementarnih funkcija . . . . .1. . . . . . . . . . . . . . . . . . . . . s 7. . . . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . . . . . . . . . . . . . . . . 6. . . .2 Odredeni integral . . . . . . . . . . . . . . . 6. . . . . . . . . . .3 Newton . 6. . .5 Diferencijal funkcije i lokalna linearizacija 6.1 Motivacija . . . . . . . . c 6. . . . 7. . . . . . . . . . . . 7. . . . . . c 6. . . . . . . . .2. . . . 6. . .5 Neprekidnost i limes . . . . . . .8 Primjene derivacija .2 Neodredeni integral . . . .1 Povrˇina lika u ravnini . . . . . . . . . . . . . . . . . .4 Nepravi integral . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . . . . . . . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . . s 7. . . . . . . .2. . . . . . . . . . . .1. . . . .2 Derivacija funkcije . .4 Raˇunanje derivacija . .1 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . .5. . . . . . . 7. . . . . . . . . .1.2. . . c 6. . .4 Graniˇna vrijednost (limes) funkcije . . .2. . . . 6. . . . 7. 7 Uvod u integralni raˇun c 7. . .5. . . . . . . .1. . .3 Metode integriranja . . . . . . . . . .1. . . . . .1 Neodredeni integral . . . .5. . . . . . . . . . . .1. . . . . . . . . . . . . . . . . 6.5. . . . . . . . . . . . . c 7. .Leibnizova formula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Neodredeni oblici . . . . . .1. .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . .2. . . .2 Svojstva neprekidnih funkcija . . . . .

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

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

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

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

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

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

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

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

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

Q Q’ P P’ Slika 1. jer imaju razliˇite poˇetke i c c c krajeve.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.2 slijedi da je op´enito P Q = QP .10 ˇ POGLAVLJE 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . tj. jedna od njih je poˇetak P a druga je kraj Q. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. intenzitet). z z Q − → − → Iz Definicije 1. Poˇetak joˇ c c c s zovemo hvatiˇte.2: Jednakost vektora. VEKTORSKI RACUN − → Definicija 1.1: Duˇina i usmjerena duˇina. Q) =| P Q |. s Q P P Slika 1. − − → −→ Definicija 1. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. c . Duljinu − → − → vektora P Q oznaˇavamo s d(P. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. tj. do na translaciju prostora)? z 1.

Napomena 1.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . → → → − − → − 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 . s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. tj. P = Q. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Sada samo izaberemo orijentaciju koja nam treba.1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Tada je c − − → − = OB. 11 − → 3. 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. 3.3). Preciznije. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. c 2. tj. Oˇito je | 0 | = 0.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. → c . Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. onda c a − → − →. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. → Napomena 1. z kolinearan je sa svakim vektorom). uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.1. Vektor kod kojeg su poˇetak i kraj jednaki. poˇinje u P a z c zavrˇava u Q. Pogledajmo sada neka svojstva nul vektora: c − → 1.3).

. − → → − → → → → − 3. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).3 Za bilo koje tri toˇke P.12 ˇ POGLAVLJE 1. Q ∈ E vrijedi P Q = P O + OQ. i oznaˇavamo ga s → 0 . Vektor a zovemo suprotni vektor vektora a c − → −. a c a c → − → → → − → a a a 2. − + b = b + − (komutativnost). c Teorem 1.3: Motivacija za definiciju zbrajanja vektora. O.4: Pravilo trokuta i pravilo paralelograma. → a =−a → − → → → − a a 4. VEKTORSKI RACUN R a G Slika 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. ♣ B b a+b a b 0 A a+b a b Slika 1. (− + b ) + − = → + ( b + − ) (asocijativnost). − → − → − → Napomena 1.

Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom.λ<0 a A B Slika 1. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. Sliˇno 2− + − = 3→. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.4 Vektor a = −→ iz Teorema 1. s → − − a c Napomena 1.6: Mnoˇenje vektora skalarom. Za n ∈ N a c a a a − = (n − 1)− + − .1 ima sljede´a svojstva: ima →. ˇija je duljina jednaka |λ||− |. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. itd. → BA.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva.1.5: Pravilo mnogokuta za zbrajanje viˇe vektora. definiramo λ− kao vektor: a → 1. λa . λ > 0 B’ 0 λa. realnim brojem. ali je suprotne orijentacije. a a → Za sluˇaj → + − piˇemo 2− (tj. d c a + b+ c+ d a b Slika 1. z → Za λ ∈ R. a . vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). koji ima isti smjer kao →. c a − 2. tj.1.

onda. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.♣ a a Definicija 1. Elemente od skupa V zovemo vektori. uz pretpostavku − = 0 . a suprotnu orijentaciju a − za λ < 0. 2. a a → − 4. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . za sve a. i neka je A = O c toˇka koja leˇi na tom polupravcu. Primjetimo da se u Definiciji 1. b ∈ V je a + b ∈ V . 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. postoji pravac a a . 3.2. a a a − → 3.5 nigdje ne govori o geometrijskim veliˇinama.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. Neka je dan polupravac (zraka) s poˇetkom u O. VEKTORSKI RACUN → 3. 1 · − = → (postojanje jedinice). operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. c Vratimo se sada Definiciji 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. koji ima istu orijentaciju kao vektor − za λ > 0. → od vektora a Teorem 1.14 ˇ POGLAVLJE 1.1 i Teorema 1. − → → → → − Ako su vektori − i b kolinearni. λ(µ→) = (λµ)− (homogenost). 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. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). a a → → → 2.

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

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

2. → ∈ XO linearno zavisni. →...4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. → → − Teorem 1.8 Neka su →. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. . Ako imamo dva vektora − .1. onda su oni linearno zavisni ako i samo ako su kolinearni. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.♣ → → → ˇ s a b c Iz Teorema 1.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. z → − − 3. Ako su − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. b bilo koja dva linearno nezavisna vektora iz XO (M ). Teorem 1. → ∈ XO (E) jednak nul veka1 a2 an toru. Ako je barem jedan od vektora − .. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . on se ne moˇe izraziti kao njihova linearna konbinacija..3 slijedi iz Napomene 1. . → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.. taj rastav je jedinstven.5 Ako su − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . → → − → Teorem 1.4 Ako su − . →. VEKTORSKI PROSTOR XO (E). Stoviˇe.♣ → a s Jednostavna posljedica Teorema 1.♣ . ♣ Tvrdnja Teorema 1.3 je jasna. Stoviˇe. jer se nalazimo na pravcu. onda su ti vektori linearno zavisni. b ∈ XO (E). − i − . c − → → a 4. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. b i − tri linearno nezavisna vektora iz XO (E).7. pa z z slijedi da su oni linearno nezavisni.. c − → − Napomena 1. e1 e2 e3 z Tada su oni linearno nezavisni. takav rastav je jedinstven.

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

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

λ(x1 . n}. ay . . c c Za (x1 . Moˇe se pokazati da skup od n vektora −i = (0. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R .. λ(ax .. 2. xn ) : xi ∈ R za i = 1. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. bz ) = (ax + bx . by . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. kaˇemo da je R n-dimenzionalni realni vektorski prostor. 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 ... U toˇki 1. yn ) = (x1 + y1 . ... x2 . . Zelimo uvesti i mnoˇenje vektora. .. x2 . az ) = (λax . 0. λxn )... ay .. ako su sila i put kolinearni... 0. . z 1. ˇini bazu u R .. 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula.. az + bz ). x2 . λx2 . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |).. yn ) ∈ Rn i λ ∈ R definiramo: (x1 . ay + by ... To svojstvo baze od X0 (E) zovemo potpunost. .. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni.20 ˇ POGLAVLJE 1. U tu svrhu moramo na odgovaraju´i naˇin definirati c c . n... Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza. λaz ).. Skup svih takvih n-torki oznaˇavat ´emo sa Rn . λay . Kako ta baza ima c n n vektora. . y2 .5 Skalarni produkt ˇ Vektori su generalizacija brojeva. . x2 . . Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. (y1 . .. VEKTORSKI RACUN 1. y2 . . ... (ax . xn ) = (λx1 . x2 + y2 ... xn ) + (y1 .. .. xn + yn )... xn ) gdje su xi ∈ R za i = 1.1 i Teorema 1. Dakle Rn = {(x1 . x2 . . az ) + (bx ... xn )..2. Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R).. n. 1. i = 1.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E)........

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

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

→ → Neka su − = (x1 . .. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . + xn yn . b ∈ V i sve λ. 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 . tj. Posebno. a a → − → → − − a a c 3. − → a b Napomena 1. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. Definicija 1. .. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. y2 . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . a onda f zovemo linearni funkcional. x2 . xn ). → → x y Teorem 1.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. slaˇe s Napomenom 1.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.. → · b = b · − (simetriˇnost). . (− + b ) · − = − · → + b · → (aditivnost).. a x y z Ova se formula za duˇinu vektora. Za preslikavanje (funkciju) sa V u W .1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz .. − = (y1 .. µ ∈ R. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . z z → → − → − → − → → 2. a c a c c → → → − → − 2.♣ − → → → → 1.9 Neka su V i W realni vektorski prostori. tj. yn ) ∈ Rn .10. (λ− ) · b = λ(− · b ) (homogenost)...5. ako je vektorski prostor W = R.

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

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

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

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

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

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

j . onda su S i S (odnosno njihove baze) jednako orijentirani.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. k preko i . onda nisu. z Napomena 1. c1 c2 c3 Ako je D > 0.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). j . − → − → → − − → j = b1 i + b2 j + b3 k . j . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.30 ˇ POGLAVLJE 1. tj. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). − → − → − → − → k = c1 i + c2 j + c3 k . onda se z orijentiranost od S i S ispituje analogno. Dakle.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. j . → → a b i j k . i . Definicija 1. ako je D < 0. i .4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. 1. k : z − → − → − → − → i = a1 i + a2 j + a3 k . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). k ) pravokutni normirani c c → → − desni koordinatni sustav. j . pomo´u determinante pripadaju´e c c matrice. Prikaˇimo i . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . i . k ) i S = (O .

− → → → − → − → → 2. a c → i → kolinearni. tj. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). Zbog − · − = |→||− | cos ϕ.8. Tada je |→ × − | = 0. pa desna strana formule za duljinu vektora − × b iˇˇezava. neka je − × b = 0 . → → → − → → − (a b c a c b c − − → → − → 3.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.♣ → a . a → − → → → → − → − → − Obratno.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. b nul vektor.1. kao saˇeti zapis.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. i ϕ = 0 ili ϕ = π. jer je nul vektor kolinearan sa svakim vektorom. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. Dakle a − → − i b su kolinearni. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Tada je |− × b | = 0. ϕ = 0 ili ϕ = π. pa je cos2 ϕ = 1. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . c Dokaz: − → → Ako je barem jedan od vektora − . Neka su sada oba vektora razliˇita od nul vektora. Po pretpostavci je |→| = 0 i | b | = 0. → × ( b + − ) = − × b + − × − . pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . a a a Napomena 1. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). Kako je − · b = |→|| b | cos ϕ. − → − → |a a sc a b → − → → − pa i − × b = 0 . c c z Teorem 1. → × b = −( b × − ) a a (antikomutativnost). tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .♣ Primijetimo da tvrdnje Teorema 1.6. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).

a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . b . prema ”gore” ili prema a ”dolje”? ax b b a Slika 1.32 ˇ POGLAVLJE 1. i . . a a → → − Neka su − i b nekolinearni. VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. 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.7). j . 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 . Pitanje je sad je li − × b orijentiran. − × b ) c a a a a → → − je jedna baza. tj. − − − → → → Neka je (O. Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . k ). (− . iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. Izraˇunajmo sada determinantu D (opisanu u toˇki 1. Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. j . k ) pravokutni normirani desni koordinatni sustav.

13 vidimo da je → = − × − . pravila za vektorsko mnoˇenje te gornju tablicu) z z . Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . i . b . Uzmimo npr. Sa Slike 1.1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. ω r v v ω 0 r Slika 1. j .8. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. dok je s druge strane i × ( i × j ) = − j tj. j . Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . k ) koje ´e nam c c biti koristno pri raˇunanju. vektore ortonormirane baze ( i . k ) desni koordinatni sustav (pravokutni i normirani). a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). k ).13: Kutna brzina. pravila za skalarno mnoˇenje. k ). Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. to je − → → → → − (O.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. − . − × b ) desni (op´enito nepravokutni) koordinatni sustav. j . j .

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

b .4 i 5 iz toˇke 1. − ∈ XO (E). Tada je: → → → a b c → − → − → − − → 1.16 Vektori →. − → − i samo ako su a b c − → → → Ako su − . b = 0 i → = 0 . jer je a a c → − − → |→ · b | = |− || cos ϕ|. b . kako je a c → − − → → − − → − · ( b × c ) = 0.ˇ 1. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − . a | b | sin ϕ visina paralelograma. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . a a . − . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.17 Za vektore − . b . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. pa kako je − okomit na b × − . → − → − → → → → Napomena 1. zakljuˇujemo da su vektori → i b × c okomiti. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. vektorsko mnoˇenje i mjeˇoviti z z s produkt. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . |→ × b | je povrˇina paralelograma razapetog s → i b .6. s → → − → Definicija 1. gdje je |→| baza. b . MJESOVITI PRODUKT 35 bx c a c b Slika 1.14: Mjeˇoviti produkt triju vektora.16 oni su linearno zavisni.9. a a − → → − → − − → − 2. − komplanarni po Napomeni 1.♣. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ.11 Za vektore − . → komplanarni. onda − → − Obratno. pa tvrdnja slijedi a c iz svojstava determinante 3. Tada. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. z → − − − a c Napomena 1. Pretpostavimo zato da su − = 0 .

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

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

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

Dobijemo z B A x + −C y = 1. tj. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . onda je pravac os x. jer je toˇka (0. z → 2.2. n n 2. → → Ax = 0 i vektor n n i 5. y0 ) i da je za svaku drugu toˇku (x. Ako je A = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. nepotpune obc z like): 1. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . − n 4. Ako je B = 0. Oˇito je (x0 . pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. ako postoji t ∈ R takav da je A = tA. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Ako je B = C = 0. postoji t ∈ R takav da je n = t− .1. jer je (0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. onda je pravac os y. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. znaˇi z c da prolaze kroz istu toˇku (x0 . y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . onda je pravac paralelan s osi x. onda pravac prolazi kroz ishodiˇte.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. jer je tada vektor − oblika n − → →=Bj.1. B = tB i C = tC. − n → 3. Ako je A = C = 0. jer je (0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. onda je pravac paralelan s osi y. Ako je C = 0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. c Obratno. pa imamo tvrdnju. jer je tada vektor − oblika n − → →=Ai. C −A −B . 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Odatle je A = tA i → → su vektori n n B = tB.

0).3: Kanonski oblik jednadˇbe pravca. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.2: Segmentni oblik jednadˇbe pravca. z .1. onda je y = b. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0. a ako je y = 0. c c tj. b) i (a. imamo A x a + y b = 1. z z Uoˇimo sljede´e: ako je x = 0. onda je x = a. z 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).y 1 ) Slika 2. c c y b a 0 x Slika 2.40 ˇ POGLAVLJE 2. z p s=mi+nj P1 = (x 1.

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

y − y1 = k(x − x1 ).1. Veliˇinu k zovemo koeficijent smjera pravca p. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Tada je y = kx − kx1 + y1 . ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. Uvode´i oznaku k = m . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. y l ϕ 0 x Slika 2.42 ˇ POGLAVLJE 2.5: Eksplicitni oblik jednadˇbe pravca. Uvedemo li oznaku l = −kx1 . znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. c 2. z .

P = (x. φ ∈ [0. odnosno z → → r n x cos ψ + y sin ψ = d .6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). Povucimo sada kroz O pravac q okomit na p. c − → − → → pa imamo − = cos ψ i + sin ψ j . s vektorom i ). tj. n c y q n θ P0 x r P p 0 Slika 2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. n Kako je tg ϕ = m . z Jasno je da su a. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj.5). c 43 n ˇ Uzeli smo da je k = m . Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. l). c c s − → − → → d = |OP0 |.6: Normirani oblik jednadˇbe pravca. b ∈ [−1. 1].1. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. PRAVAC U RAVNINI Napomena 2. tj. tj. pravac prolazi toˇkom (0. → → r n Jednadˇbu − · − = d. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. imamo k = tg ϕ. n − → → Toˇka P = (x.1. 2.3 Za x = 0 imamo y = l tj. pa tada postoje ψ. π] takvi da je a = cos ψ − i b = cos φ. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. Neka je − = a i + b j jediniˇni vektor na pravcu q. y) leˇi na pravcu p ako i samo ako je z − · − = d. a2 + b2 = 1.2.

z . ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. tC = −d. −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. Stoga je t= 1 √ . postavlja se pitanje kako prona´i njegov normirani oblik. dakle mora biti tA = cos ψ. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. predznak od t je jednak suprotnom predznaku od C). Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.2 2.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca.44 ˇ POGLAVLJE 2.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. tB = sin ψ.2. 2. po Napomeni 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 = 0.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . tj.2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . ako i samo ako je A1 A2 + B1 B2 = 0. → → kolinearni. A2 B2 → → Napomena 2. . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 .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 . → n i j 45 Definicija 2.ˇ 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . −1 → Neka je ϕ kut izmedu → i −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 . s1 s2 tj. tj. → 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 . s1 s2 odnosno ako i samo ako je n1 m1 = .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. 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.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. m2 n2 → → Napomena 2. → → Napomena 2. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .46 b) Kanonski oblik: ˇ POGLAVLJE 2. . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . ako i samo ako postoji λ ∈ R takav da je − = λ− .

ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .7: Kut dvaju pravaca.ˇ 2. 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. Neka je ϕ = ϕ2 − ϕ1 . y = k2 x + l2 . y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . Definicija 2.2. Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . k2 = tg ϕ2 .

ako i samo ako je ϕ1 = ϕ2 .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . 2 ako i samo ako je tg ϕ = ∞. odnosno ako i samo ako je 1 + k1 k2 = 0. odnosno ako i samo ako je k1 = k2 .1. s Napomena 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. p) = x0 cos ψ + y0 sin ψ − d.48 ˇ POGLAVLJE 2. To je ekvivalentno s 1 k1 = − .5. k2 2. 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.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . tj. Napomena 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . sa suprotne strane od ishodiˇta) jer je tada n s . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. c Definicija 2. y0 ) i pravac p u ravnini. Zanima nas udaljenost c toˇke P0 od pravca p. ANALITICKA GEOMETRIJA Napomena 2.2. x cos ψ + y sin ψ = d.7).9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Neka je pravac p dan u c c normiranom obliku. tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.

2.1. odnosno bx + ay − ab = 0. p) ≥ 0. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. y0 ) od pravca p je c d(P0 . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . udaljenost toˇke P0 = (x0 . pravac kroz dvije toˇke.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.ˇ 2. onda iz toˇke 2. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . a b . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) = |Ax0 +By0 +C| √ . kanonski. p) = |x0 cos ψ + y0 sin ψ − d|. tj. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2.1 c z c (segmentni. y0 ) od pravca p je c d(P0 . p) = odnosno d(P0 . p) < 0. a2 +b2 x y + = 1. eksplicitni). p) = |bx0 +ay0 −ab| √ . A2 +B 2 Ax0 + By0 + C √ .

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

sijeku se u jednoj toˇki. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. c z U sluˇaju da se sijeku u jednoj toˇki. c 2. paralelni su. zovimo je S = (xs . 3.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.ˇ 2. Npr. 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. poklapaju se.8: Mogu´i poloˇaji pravaca u ravnini. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. identiˇni su. xs = . ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. tj.2. ys ). ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.2.

otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . onda je A 1 B1 A 2 B2 = 0.2. Napomena 2.4). Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . .2. p) i δ(B. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. onda su p1 i p2 paralelni. Osim udaljenosti. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. ako su p1 i p2 paralelni. p)|.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) = x0 cos ψ + y0 sin ψ − d.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 .11 Ako je A 1 B1 A 2 B2 = 0.52 i ˇ POGLAVLJE 2. Vrijedi i obrat. p) suprotnog predznaka.

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

(A3 . pa po svojstvima determinante 4. vektori (A1 . (A2 . Drugim rijeˇima.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. i 5.54 ˇ POGLAVLJE 2. c A1 B1 . B1 . p2 . A 2 B2 je razliˇita od nule. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. C3 ) su linearno zac visni. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . B2 . C2 ). β ∈ R. B3 . S. ANALITICKA GEOMETRIJA Kako p1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . p3 po pretpostavci prolaze istom toˇkom. iz toˇke 1. A3 B3 A2 B2 A2 B2 =0 . 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. C1 ).

z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y.1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1. y0 . 2. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.3.3 2. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . Tada imamo P0 P = − − − . kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. y.3.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . PRAVAC U PROSTORU 55 2. z) = (x0 + ta. y0 + tb.3. → → → a i + b j + c k . z0 + tc). → − → r r0 s p ts P0 r 0 s r0 Slika 2. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. Neka c z s −→ → → − − radij-vektor toˇke P .9: Pravac u prostoru. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.2. .2).

3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . z0 ) i 2. ANALITICKA GEOMETRIJA x = x0 + ta. z Napomena 2. . y0 . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . b. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. vektor smjera pravca p je dan s (a. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − .14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . pravac p prolazi toˇkom (x0 . c su koeficijenti smjera pravca p.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .3.13 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. 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 . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . c) odnosno a. Prema s z Napomeni 1. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . Kako su vektori baze linearno nezavisni. y = y0 + tb. z s Napomena 2. z c s 2.56 Jednadˇbe z ˇ POGLAVLJE 2. b. j i k dobivamo kanonske jednadˇbe pravca.

γ ∈ [0. c c Tada kroz njh prolazi jedinstveni pravac p. b. pa odreduje isti pravac.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. odnosno postoje c s0 α. z2 ) u prostoru. z Znamo iz toˇke 2.1. y2 . z1 ) i P2 = (x2 . s 2. onda ima dva kosinusa smjera.5 i toˇka 2. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. π] takvi da je a cos α = − . b. c s → Iz toˇke 1. PRAVAC U PROSTORU 57 → Posebno.6).5 znamo da postoje kosinusi smjera vektora − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). onda znamo da je vektor → s a b c 1 → s0 = − − = − .3. Odredimo njegovu jednadˇbu. i njihov omjer daje koeficijent smjera (toˇka 2. y1 .3.3. Uzmimo sada npr. c).1. b. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . − . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. →| |s b cos β = − . a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . tj. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .2. − →| s →| |→| |→| |s |s s s − jediniˇni.3. − → z definirajmo s P c s − je vektor smjera pravca p. → − → → r r1 r2 r1 . pa iz toˇke − − s r2 c s r2 r1 c 2. →| |s c cos γ = → . istog smjera i orijentacije kao i →. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. jedan kosinus smjera prelazi u sinus. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. Zbog komplec mentarnosti. c) je dana s x y z = = . β. Sada imamo da je → = P1 P2 = → − →. −| |s Dakle koeficijenti smjera a.

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

PRAVAC U PROSTORU odnosno. z y=nz+n 1 x =mz+m 1 y 0 x (m . + n2 + 1 cos β = √ m2 n . b.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 .14 Iz toˇke 2.n ) 1 1 Slika 2. + n2 + 1 cos γ = √ m2 1 .3. Dakle. y0 . vrijedi x−m1 m = y−n1 n = z. + n2 + 1 2.3.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . Napomena 2. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z b c . 59 y = nz + n1 .11: Pravac zadan dvjema projekcijama. Tada za svaki izbor a. uz oznake n = b c b i n1 = − c z0 .2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.3.

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

4. a vektor z −0 zovemo normala ravnine Π.2. β.3 ).4. Neka je −0 = OP0 c c n p −→ − (tj. → → radij-vektora r n c P . s vektorima baze −0 ˇto ih n s − − − → → → i . RAVNINA U PROSTORU 61 2. Povucimo okomicu iz toˇke O na ravninu Π. P0 d r π n0 0 M Slika 2. k iz toˇke 1.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. j . → n Posebno.13: Normalni oblik jednadˇbe ravnine. ako Π prolazi kroz ishodiˇte (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . γ kutovi c → zatvara s pozitivnim smjerovima osi x. → 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. toˇku O). z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. onda je p = 0. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. y. z redom (tj.4 2. → → r n .

Nadalje. c Neka je M = (x1 . jer je duljina okomice do Π jednaka p). c c Sada.62 ˇ POGLAVLJE 2.2. z1 ) ∈ E proizvoljna. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. 2. neka su toˇke A = (a. b. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. Za toˇke s druge strane bit ´e n c c d < 0. Imamo neˇto analogno otklonu iz toˇke 2. r n Napomena 2. u stvari. 0. iz normalne jednadˇbe ravnine imamo. redom. 0). toˇke u kojima Π sijeˇe koordinatne osi x.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. Kao i kod pravca (toˇka 2.2. 0. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . c). a c kako M leˇi u Π .4.2. B = (0. B. kako su A.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. → ako je M s one strane Π na koju pokazuje −0 . 0). udaljenost ravnine Π od ravnine Π . Napomena 2. z. C = c (0. n − → → OC · −0 = p. Kako je d. z − − → OA · → = p. C ∈ Π. n .16 Ako toˇka P ∈ E ima koordinate (x. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. y1 . n0 − − → → OB · −0 = p. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. y. y. z). Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π.

p p p cos α = . c C C Tada postoji toˇka (x0 .4. b cos β = p.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. y0 . cos γ = . z = − C x − B y − D . c cos γ = p. a cos α = p. Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. cos β = . tj. 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. z 2. B. neka je C = 0. Bez smanjenja op´enitosti. z Dakle.2. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.4. .14: Segmentni oblik jednadˇbe ravnine. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). Odatle.

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

0) nema komponentu u smjeru n − → osi z (tj. nepotpune obc z like): c c z 1. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. Π) = |Ax1 +By1 +Cz1 +D| √ . onda normala − = (A. C). C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. B. pa imamo cos γ = 0.4. Ako je C = 0. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. B. Napomena 2. tj. Stoga ´emo i vektor − zvati vektor normale. k ). R → → Vektor normale −0 je normirani vektor − = (A. s → 2. Ako je D = 0. Dakle imamo cos α = 65 A . pa odreduju istu ravninu. 0.4. R cos γ = C .1). s c A2 +B 2 +C 2 Napomena 2. c . B. po c Napomeni 2. c onda je A B D z =− x− y− .17. onda su koordinate A. istog su smjera n n → c n i orijentacije.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . C C C A z Oznaˇimo a1 = − C .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. Tada je.2. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. y1 . z1 ) ∈ E. R cos β = B . ravnina prolazi kroz ishodiˇte. RAVNINA U PROSTORU predznaka od D.20 Neka je dana toˇka M = (x1 . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. tj. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. b1 = − B i c1 = − D . z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. onda je oˇito da O = (0.

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

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

z1 ).1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . Kako toˇke P1 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. Dakle. P2 = (x2 . P2 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. Kao i u toˇki 2. 2. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P2 . Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . y3 . P2 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). ANALITICKA GEOMETRIJA −→ → − − odnosno. ako i samo ako su P0 P . vektori s1 s2 −→ → − − − → P0 P .4. s1 .5 2.4. P1 P3 komplanarni. Po Napomeni 1. P3 (uzmemo npr. Po Napomeni 1. P3 ne leˇe na istom pravcu. z2 ). → komplanarni. y1 . P1 P2 .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. P3 = (x3 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.68 ˇ POGLAVLJE 2.16. 2. y2 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . − .5. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P .

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.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. Teorem 2. Ravnine se ne sijeku. Ravnine se podudaraju. tj. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . 69 −1 Definicija 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . odnosno ako → → kolinearni. ako i samo ako je −1 · −2 = 0. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. −1 → Napomena 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 .2. 2. C2 ). ♣ . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.5. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . B2 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. Ravnine se sijeku u jednom i samo jednom pravcu.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . 3. B1 . C1 ) n → i −2 = (A2 .

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

5.5) i koordinate su mu c c ∆x ∆y ∆z ∆. 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. b. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .2.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. B. s jedna toˇka. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . z Definicija 2.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. 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). ∆ . b. → → s n . y. tj. 2. 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. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 .5. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. ∆. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. z nepoznanice). C).4. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. onda je presjeciˇte jedinstveno (tj. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . c) i − = (A. toˇka 2. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke.

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

Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. Aa + Bb + Cc Napomena 2. z = z1 + ct. Ax1 + By1 + Cz1 + D . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini.5.28 Ako ne postoji takav t koji je konaˇan.2.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . 2.5. y1 − b Ax1Aa+Bb+Cc+D . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. y = y1 + bt. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. tj. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y0 . onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . ako nema konaˇnog z koji je rjeˇenje. tj. z1 − c Ax1Aa+Bb+Cc+D . z z . a druga je uvjet paralelnosti pravca i ravnine.

Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. → → 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 . s1 s2 redom. Definicija 2.18: Mimosmjerni pravci. z1 ) odnosno c → → P2 = (x2 . Pravac je sadrˇan u ravnini.74 ˇ POGLAVLJE 2. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. z2 ) s vektorima smjera − = (a1 . b1 . ANALITICKA GEOMETRIJA Teorem 2. y1 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . b2 . c1 ) odnosno − = (a2 . c 2.5.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c c c 2. Pravac i ravnina se ne sijeku. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). . y2 . → → s1 s2 p 2 p 1 Slika 2. 3. c2 ).♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Pravac i ravnina se sijeku u samo jednoj toˇki.

ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. ako i samo ako je → · − = 0. z= 1 m−m n−n .7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini.5. 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. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . tj.2. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . tj. tj.5). ako i samo ako postoji λ ∈ R takav da je − = λ→. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . 2. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. c c z → s1 Napomena 2.3.5. → Napomena 2.

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

z c 4. ne leˇe u istoj ravnini. tj.29. z 2.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. ˇetvrti sluˇaj. z Moˇe se desiti da su oni paralelni.6 na gornju determinantu (tj. Pozabavimo se sluˇajem mimosmjernih pravaca. c =0 . Teorem 2. 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 .5. Prema Napomeni 2.2. Ako su sva tri redka proporcionalna. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pravci se podudaraju. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. imamo isti pravac. z 3. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. i 6. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. iz toˇke 1. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. pa nema presjeciˇta. Pravci su mimosmjerni. Pravci leˇe u istoj ravnini i ne sijeku se. 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.

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

c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. Napomena 2. uzmimo toˇku P2 = (x2 . kako konstruirati ravninu kroz toˇku P1 = (x1 . ˇto je toˇka. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. Tada pogledamo presjek te ravnine i pravca p2 . jasno je da moˇemo uzeti da joj je normala z − . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . d(p1 .20. y2 . zovimo je M . → → → n s1 s2 Time smo dobili izraz kao i gore tj. → − Ako su − i → kolinearni.2.31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . − = → n b1 c1 c1 a1 a1 b1 . ˇto znamo izraˇunati. Tada je.5. . y1 . (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . z2 ). ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. onda su p1 i p2 paralelni. Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). prema Napomeni 2. .

.

6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. y. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . z z Npr. Ako bismo uspjeli razviti raˇun takvih objekata.1 3. z i c z u. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. 1 −1 0  1 1 1 81 .Poglavlje 3 Matrice i linearni sustavi 3. U primjeru iz toˇke 1.1. z i u) kao jedinstveni objekt (matricu). onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici.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.

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

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

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

1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu. odnosno vrijedi aii = 0 za i = 1. j = 1.. n.3 Ako je A= onda je 2 3 4 0 1 2  . Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. ... matrica A je antisimetriˇna (kososimetriˇna). A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. . c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. c c Primjer 3. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . n je transponirana matrica matrice A... Oznaˇavamo ju s AT .ˇ ˇ 3. . Sliˇno se definira donja trokutasta matrica. j = 1. c .... tj.♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. c Primjer 3.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. m. n. . tj. ali suprotnog predznaka.... tj. aij = −aji za i.. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. . 7 3 −2 −3 0 Napomena 3.1. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.5 Matrica A  1  A= 4 7 je simetriˇna. zrcale se jedni u druge. Ako je A = −A. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A.. .. aij = aji za i.. n.♠ . j = c T 1.♠ 2 7 .. tj.. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  .  2 0   AT =  3 1  . Primjer 3.. n.

Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva.. . z Definicija 3. j = 1.. .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. . . am1 + bm1 · · · amn + bmn Napomena 3.. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .   . n.1.. . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. .    · · · a1n b11 · · · b1n .. . Definicija 3.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. am1     λa11 · · · λa1n · · · a1n . ..3 Zbroj matrica se definira samo za matrice istog tipa. = . . m. tj.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . . . .  . n. λam1 · · · λamn · · · amn  a11  . . = .. j = 1. Definirajmo sada mnoˇenje matrice skalarom....  .. ... a na R znamo ˇto znaˇi s c ”biti jednak”.. .2 Jednakost matrica se definira samo za matrice istog tipa. .86 POGLAVLJE 3. λA = λ  . . n. . MATRICE I LINEARNI SUSTAVI 3.  . . Piˇemo A = B. C =A+B = . . .4. .   .3 odnosno Definicije 3. . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. tj... + . m. j = 1. s Napomena 3. . Definicija 3.. a11  .. m.

j) imaju z jedinicu.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . . . Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. λk razliˇit od c nule. β ∈ R vrijedi: 1. Njegovi su elementi (”vektori”) matrice tipa m × n.♣ Iz Teorema 3.. s Definicija 3.... linearna kombinacija i linearni rastav.4. A2 . Dakle je dimenzija c vektorskog prostora Mmn jednaka mn.5 Neka su A1 . A2 . .ˇ ˇ 3.. (A + B) + C = A + (B + C) (asocijativnost)... A + B = B + A (komutativnost).1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. λk ∈ R skalari.. Ak ∈ Mmn . α(βA) = (αβ)A (homogenost).. Ak ... A2 .... 2. C ∈ Mmn i sve skalare iz α. + λk Ak je linearna kombinacija matrica A1 . 3.3 odnosno Definicije 3. OSNOVE MATRICNOG RACUNA 87 Teorem 3. ˇto slijedi izravno iz Definicije s 3.. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja..4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . Napomena 3. α(A + B) = αA + αB (distributivnost). B. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . . 4. razvijena) u linearni spoj po matricama z z A1 . .. z Teorem 3. Matrica A = λ1 A1 + ...1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. Ak ∈ Mmn matrice i λ1 ... a na svim ostalim mjestima nule ˇini bazu u Mmn . Ak s koeficijentima λ1 .1. Kaˇemo da je A rastavljena (razloˇena. onda je i A ∈ Mmn . A2 .. . λk . .

s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ).♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. B ∈ Mmn . m i j = 1. 2. Oˇito je tako definirana matrica C ∈ Mmn . geometriji. nema podlogu u fizici. 3. gdje za As vrijedi AT = As . (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Definicije 3. ♣ c s a 3. a za Aa vrijedi AT = −Aa . (A + B)T = AT + B T za sve A.. Napomena 3.4.. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. Takoder. (AT )T = A za sve A ∈ Mmn .1. AT = −Aa i A = As + Aa .88 POGLAVLJE 3.. 2 Oˇito je AT = As . itd. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica.. n. Tako bismo za matrice A = [aij ]. .5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. MATRICE I LINEARNI SUSTAVI 1. .. Produkt A·B takvih matrica . To nam z name´e sljede´u definiciju. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. gdje su elementi od C dani s cij = aij bij za i = 1. Dakle imamo tvrdnju. B.3 i Definicije 3. Iako jednostavna.

ako su A ∈ Mmn i B ∈ Mnp i m = p.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. a j-ti stupac matrice B je (b1j . a broj stupaca je c jednak broju stupaca od B... ain ) · (b1j .. . p.. . . p p = j n (i. B = C Slika 3. ai2 . j = 1... Mnoˇenje matrica vodi raˇuna o poredku operanada.. onda je A · B ∈ Mmp . .... 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... . Za takve matrice A i B kaˇemo da su ulanˇane. .. Dakle. ain ). Definicija 3. imamo A·B ∈ Mmp . Tada je i-ti redak matrice A jednak (ai1 .. . bnj ). n i m . + ain bnj . za j = 1.4). z c tj.. ai2 .1: Produkt matrica.. . a da B · A nije ni definiran.. broj stupaca od A je jednak broju redaka od B. Npr.. ain bnj . ..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp ..... Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji.ˇ ˇ 3. i = 1. p..j) m A . bnj ) = ai1 b1j + ai2 b2j + . a B ·A ∈ Mnn . Ako je m = p = n.. Dakle opet je A·B = B ·A. Dakle zakljuˇujemo da na mjestu (i.. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + .. b2j . na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. a B · A nije definirano. za i = 1. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A.. m.1. m. b2j . Napomena 3.

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

. c . b = [b1 .6.... Sloˇimo li ih u (r ×s) matricu. 4. 3.4.. bm ]T poznata matrica desnih strana i z x = [x1 . i dva stupca npr. 3. prvi i tre´i. dobivamo podmatricu z matrice A.ˇ ˇ 3. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). 0.6 Neka je  2 3 4 1   A =  −1 2 1 3  . OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. 1 0 3 0  Neka je r = s = 2.1. svaka linearna z jednadˇba ide u svoj redak). 3. Primjer 3. Izaberimo dva redka.. . takvu podmatricu zovemo blok. dobijemo podmatricu z 3 4 0 3 matrice A.♠ Ako su izabrani redci i stupci uzastopni. Sloˇimo li ih u (2 × 2) matricu. xn ]T nepoznata matrica.5 Podmatrice i blok matrice Neka je A ∈ Mmn . c drugi i tre´i.3. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. npr.1. . 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.

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

Teorema 3. tj. c. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . c 2.1. c c c Iz svojstva 5.1. dakle ne postoji izbor brojeva a. postoji broj koji pomnoˇen s a daje 1. U skupu R vrijedi: ako je a · b = 0. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 .3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. 1.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Npr. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. neka je dana matrica c 0 1 1 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. U toˇki 3.1. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. c Napomena 3. onda je barem jedan od a ili b jednak nuli. b.6 Regularne matrice.ˇ ˇ 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . Npr. OSNOVE MATRICNOG RACUNA 93 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.

z Definicija 3.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. z Napomena 3. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 .♣ Znaˇi. Tada je B jednoznaˇno odredena s A. Dakle je A · A−1 = A−1 · A = c In .94 POGLAVLJE 3. c 0 1 1 0 · a b c d = c d a b . tj. Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. . c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In .9 Neka je A ∈ Mn regularna. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . c Teorem 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Za matricu A koja nije regularna kaˇemo da je singularna. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B.

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

Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. .96 POGLAVLJE 3.10 slijedi da je L(− .... Podprostor razapet vektorima a1 an − . Definicija 3.. matrice iz M1n . MATRICE I LINEARNI SUSTAVI 3. → → s L( a1 an → → → → an a1 L(− . λn ∈ R}. vrijede svojstva 1. linearne zavisnosti/nezavisnosti.♣ Kako je po Teoremu 3. Definicija 3.. Iskaˇimo sada jedan bitan rezultat. − je skup svih linearnih kombinacija vektora − .1. moˇemo promatrati kao vektore u R . Elementarne transformacije Neka je A = [aij ] ∈ Mmn . . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A... onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).5) i neka je L neki podskup od V . .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.11 Oˇito je da je c − − L(→. njene z c n redke. → → Definicija 3. Iz Napomene 3. + λn − : λ1 .5).. moˇemo promatrati kao vektore u vektorskom prostoru Rm . .... z Teorem 3.. a1 an Napomena 3. − ) = {λ1 − + .7 Rang matrice.11 Neka su − .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .. − ). Sliˇno. 2..6 znamo da stupce. ... a1 an → → i izravno iz Definicije 3. − ∈ Rm .. Oznaˇavamo ga → → → → a1 an a1 an c − .. . iz Definicije 1. . − ) podprostor od Rm .. i 3. tj..5 izravno slijedi da je r(A) = r(AT ). − . a1 an ... →) ⊆ Rm ..10 Neka je V vektorski prostor (Definicija 1.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A... . matrice iz Mm1 . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.

5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). Stoga vrijedi s − − dim(L(→. Neka je In ∈ Mn .. . Dimenziju vektorskog prostora L(− ..♣ Primjer 3.13 imamo da je r(A) ≤ min(m.ˇ ˇ 3. . Neka je 0 ∈ Mmn nul matrica.. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. a1 an Vratimo se na konkretan vektorski prostor...6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. jer je skup { 0 } uvijek linearno zavisan. Tada je oˇito r(In ) = n. − )).. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. → → → → Napomena 3. 2.. . .12 Neka su − ... Neka je L(− . znamo da je u a1 an a1 an bazi najviˇe n vektora.. .14 Uz gornje oznake iz Teorema 3.. − razapinju L(− ..13 Kako vektori − ..1. c . i R (A) podprostor Rn razapet redcima od matrice A. Napomena 3.. . →)) ≤ n. Neka je R(A) podprostor od Rm razapet stupcima matrice A. . Neka je A ∈ Mmn ... − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . →}. z Teorem 3...15 Iz Napomene 3. − ). − ) → → → → od R razapet sa a1 an a1 an →. . − ∈ Rm ... Mmn ..8 Vrijedi: − → 1. − ......12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Tada je r(0) = 0. n). Napomena 3. − ) podprostor a1 an a1 an m − .

m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. iz Teorema 3.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . 2.. Zamjena dvaju redaka (stupaca).  . Neka je dana B ∈ M5. .. na aij za i < j. ima nule. c c r(In ) = n) i matrice koja izgleda kao i matrica B. n) ima jedinice.98 POGLAVLJE 3. j = 2.. tj. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B.. Primjer 3.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.. Pitanje je. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. na pozicijama a11 . Mnoˇenje redka (stupca) skalarom λ = 0. . k. Dakle. Nadalje. Dakle. z 3. na aij za j < i ima nule. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3.5 imamo da je r(B) = 3... .♠ Iz Primjera 3. MATRICE I LINEARNI SUSTAVI 3. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka...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     .8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . akk za k ≤ min(m. na aij za i = k + 1.

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

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

Za sustav kaˇemo da je homogen ako je b1 = . . . + a2n xn = b2 . j = 1. s s z s 3.... n i slobodnim ˇlanovima b1 . m. jer x1 = . .. n. am1 x1 + am2 x2 + . = bm = 0.. + amn xn = bm . c s z proturjeˇan ili nemogu´. .... . Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.... imamo netrivijalno rjeˇenje... cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .. s z suglasan ili mogu´. c c Napomena 3. Ako za neki i = 1..1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 .2. sustav je nehomogen. . 2. Takvo rjeˇenje zovemo trivijalno.. c2 .. . m vrijedi ai1 = .. LINEARNI SUSTAVI 101 3. kaˇemo da je nekonzistentan. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. i = 1. Homogeni sustav je uvijek mogu´. m. . .. s Ako je (c1 . ..3.14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. .2 3..... a bi = 0. = ain = 0.. s i = 1. Ako sustav nema rjeˇenja. s . uredena ˇetvorka (1. 0. Definicija 3. + a1n xn = b1 a21 x1 + a22 x2 + ... . c s 2...18 Primijetimo: 1.... i = 1.. sustav je nemogu´.... . bm : c a11 x1 + a12 x2 + ..... Npr. Ako je barem z jedan bi = 0. = xn = 0 daje rjeˇenje c svakog homogenog sustava.. .2. xn s z koeficijentima aij .. Uredena n-torka (c1 .. c2 ..

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

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

+ (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b ... Ako je r = r(A) = r(Ab ). tj.6 imamo da je r(A) = n). s − → → II.. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj.. tj. da su stupci od A linearno nezavisni. dakle ima bar jedno rjeˇenje. λn ∈ R takvi da je λ1 →1 + . sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →.. tj. po Teoremu 3. = λn = 0. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). onda ih ima beskonaˇno x s c mnogo. A je regularna. → → − III..6).18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →.. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.) Ako je n = m i A regularna. ♣ − → − Napomena 3.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. Iz − → → − b = (λ1 + x1 )− 1 + . s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .21 Ako sustav A− = b ima dva rjeˇenja. Ako je n = m. Neka su sada λ1 . MATRICE I LINEARNI SUSTAVI Teorem 3. = λn = 0 a a a c (tj. jer je A(A b ) = b ... To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A.. → je A regularna. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . Dakle stupci od A su linearno x x nezavisni. − n su vektor stupci od A). Dokaz: ..104 POGLAVLJE 3. bilo kojih r z linearno nezavisnih redaka u A. . λ = 0 . s x → → − → Obrnuto.. . + a − → → → → λn − n = 0 (− 1 . Iz Napomene 3. pa je sustav konzistentan. (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. → − x 0 → → − Napomena 3.8 homogeni sustav je uvijek c rjeˇiv. tj. odnosno λ1 = . da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . Ho´emo pokazati da je λ1 = . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi.. s c s → − → → − → − → Ako je A− = b ..

LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .♣ . Dokaz: Oˇito je N (A) ⊆ Rn .22 N (A) je podprostor od Rn . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .5. → ∈ 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). jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . dakle dokaˇimo da za proizvoljne c z − . Tada je. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . x x − → Oˇito je 0 ∈ N (A). tj. Treba provjeriti da N (A) ima svojstva iz Definicije 1.3 Homogeni sustavi → Iz Napomene 3.2.8 i Napomene 3.♣ s c z s x → Iz Teorema 3. c 3.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . c Svojstva iz Teorema 1. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . u v u v − → dakle → + − ∈ N (A). u u Dakle je N (A) vektorski podprostor od Rn .2 su oˇito zadovoljena. A− = b i A− = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).3. c Napomena 3. tj.1 i Teorema 1. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.2. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . gdje je λ ∈ R proizvoljan.

ut rjeˇenja homogenog sustava c s − = − .. .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). prema Teoremu 3. Kako je iz Teorema 3.♣ Napomena 3. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. gdje je − ∈ N (A). N (A) = { 0 }. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). → → → → u u y y − → → II. tj.. Onda.22 zakljuˇujemo da ako su u1 . onda je i njihova linearna kombinacija rjeˇenje tog sustava. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Po Teoremu 3.9 II.23 Primijetimo: → 1. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. s x → − → → Obrnuto. z s . s Dokaz: (Dokazujemo samo tvrdnju II. rjeˇenje je x s u s jedinstveno.8 je matrica A regularna.) − → → − → − Ako je matrica A sustava A− = b regularna. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. svako rjeˇenje je oblika − 0 + 0 . Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m).9 I. → → → → Ax a y y 2. onda po Teoremu 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. Teorem 3. tj. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Tvrdnja Teorema 3.9 I. Tvrdnja Teorema 3. iz jedinstvenosti zakljuˇujemo da je − = 0 .106 POGLAVLJE 3.9..

.. . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. Ako oni nisu jednaki. ar1 x1 + .. + arr xr + arr+1 xr+1 + . + a1r xr + a1r+1 xr+1 + . − arn xn . pri ˇemu su cr+1 . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. Nadalje..2. xn na desnu stranu i doc bijemo: a11 x1 + . imamo sustav − → − x A0 →0 = β (c). pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. + arr xr = br − arr+1 xr+1 − .3. . Kako je r(A0 ) = r... prebacimo ˇlanove s nepoznanicama xr+1 . LINEARNI SUSTAVI 107 3.. . pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.. c Dakle... iz Teorema 3. .2. . Iz Teorema 3.6 imamo da je A0 regularna. + a1r xr = b1 − a1r+1 xr+1 − ... cn proizvoljni realni parametri. ..4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. − ain cn za i = 1.. ar1 x1 + . − → Prvo treba odrediti rangove matrica A i Ab ... ...8). + arn xn = br . − a1n xn . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj... ... . Ako su rangovi jednaki (r(A) = r(Ab ) = r). .. + a1n xn = b1 ... kao βi (c) = bi − air+1 cr+1 − .. . − → Uvedimo novi vektor desnih strana β (c)..8 II. r.

− u u u pri ˇemu su µr+1 . Kako je (− r+1 .. iz Teorema 3.9.108 koje je oblika POGLAVLJE 3... cn ]T je rjeˇenje sustava A− = c s x − → b.. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . .♣ Iz Teorema 3. Broj dimR(A) smo zvali rang od A... r(A) = dimR(A) = n... Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. . .11 Ako je (− r+1 . . ... − − → u u u pri ˇemu su µr+1 . .. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . cr koji su dani s A−1 β (c) = [c1 .. + µn − n . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A)...1... 0 U toˇki 3. Brojevi cr+1 . . cr+1 . cr ]T ). dok brojevi c1 . .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.8 II. µn proizvoljni parametri. µn proizvoljni parametri. .7 odnosno toˇki 3. − n ) baza s x u u u − → − = b oblika → od N (A).. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). cr .. c . − = [c1 . → x → → Dakle. cr ]T . → → Teorem 3.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori... Teorem 3. tj. cn postoje → − jedinstveni c1 .. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. cn su slobodni prametri.... a broj dimN (A) defekt od A.. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ... . dimR(A) + dimN (A) = n. .....24 Tvrdnja Teorema 3. i obratno.10 I. + µn − n ..11 izravno slijedi iz Teorema 3...... → → − II.♣ c Napomena 3...2. .

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

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

Posebno je c det In = 1. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . determinanta mijenja predznak.3. pravilo za c raˇunanje inverza matrice). Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. n ≥ 2.1. det(Qij A) = − det A. onda sc je det A = 0. c 4.7. 2. Svojstva determinante su: 1. . onda je det A = 0. 3. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. n ≥ 2. onda je det A = a11 a22 · · · ann . Neka je A ∈ Mn dijagonalna matrica. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. je razvoj determinante po prvom redku. Ako je A ∈ Mn trokutasta (gornja ili donja). Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta.2.

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

♣ Iz Teorema 3. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . B ∈ Mn vrijedi det(AB) = det A · det B. ♣ . det A−1 = 0 i vrijedi det A−1 = (det A)−1 . tj. Dakle oˇito je det A = 0. LINEARNI SUSTAVI 113 ispod njega. z Teorem 3.3.♣ Teorem 3. Dokaz: Iz Teorema 3. itd.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Teorem 3. onda je det A = 0.12 Za proizvoljne matrice A. Teorem 3. Teorem 3.i+1 (naravno.26 Ako je A ∈ Mn regularna. ♣ U Teoremu 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.2. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .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 . c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Ako to nije mogu´e.i+1 = 0).12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ♣ Napomena 3. ai+1. Radimo sve analogno sve do zadnjeg elementa na dijagonali.

Vrijedi i obrat.27 izravno slijedi: Teorem 3. det A Dakle A je regularna i A−1 = kof (A) det A . tj. ♣ Napomena 3. det A Dokaz: Ako je det A = 0.28 U Napomeni 3.16 imamo da je 1 kof (A) · A = In .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .13 prethodni zbroj jednak det A. onda je po Teoremu 3.114 Veliˇinu c POGLAVLJE 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak. (−1)k+i det Aki .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Analogno ide dokaz za stupce. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . k) stoji kofaktor elementa aki matrice A. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. onda iz Teorema 3.♣ .♣ Iz Napomene 3. Definicija 3. Kofaktor matrice A oznaˇavamo s kof (A). tj. Inaˇe je zbroj det A. Promatramo zbroj n (−1)j+k aik det Ajk . k=1 Oˇito. onda je det A = 0.26 smo vidjeli da ako je A ∈ Mn regularna. c Napomena 3.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . 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.

n. Rjeˇenje je dano s − = A−1 b . Stoviˇe. Definicija 3.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. A je regularna ako i samo ako je det A = 0.3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− ...3. . → ∈ Rn . . D D pri ˇemu je D = det A. onda takav linearni x y operator zovemo linearnim funkcionalom.. → x Teorem 3. xn = . − → → Iz Teorema 3. za sve λ. .28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Rm = R. k = 1. . → ∈ Rn . Ako je matrica A regularna. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. Takvu x x funkciju zovemo linearni operator.3 3.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.♣ a 3. µ ∈ R i sve − . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .3. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. Ako je m = 1. onda je rjeˇenje z s tog sustava dano s x1 = D1 .26 i Napomene 3. .8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. a Dk . . D x2 = D2 Dn . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. µ ∈ R i sve − .

dakle zadovoljavaju tre´e svojstvo Definic cije 1. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. MATRICE I LINEARNI SUSTAVI Napomena 3. x x Napomena 3.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). 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. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ).5. 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.1 i Teorema 1. − ∈ Rn . Dokaˇimo da vrijede i prva dva.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. tvrdnja slijedi. µ ∈ R i sve →. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.2. Dokaˇimo da je i F + G linearni z operator. Iz Definicije 3.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .♣ . Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. tj.116 POGLAVLJE 3. − ∈ Rn . da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.5.

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

x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . y). − → → → Nadalje.32 i Teorema 3.3.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. c 2. z) = (x. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . F ∈ Mn ). Sada nas zanima kada su ti vektori kolinearni. Tada je po Teoremu 3. Njegova je matrica dana s 1 0 0 . y. Dakle dimenziju slike linearnog s operatora takoder zovemo rang.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F .10 Pogledajmo sljede´e primjere: c 1. z . Njegova je matrica dana s 1 0 0 0 1 0 .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. vrijedi dimN (F ) + dimR(F ) = n. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Napomena 3. odnosno dimN (F ) = dimN (F ). c H =GF . Iz Napomene 3. a defekt jedan. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. MATRICE I LINEARNI SUSTAVI Napomena 3.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. tj. z) = x. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x.118 POGLAVLJE 3. a defekt dva. iz toˇke 3. tj. Primjer 3.2. Oˇito je rang od p1 jednak jedan (jer je slika x-os). y. Neka je F : Rn −→ Rm proizvoljan linearni operator. Kako su F i F ustvari isti linearni oper− → − → atori.10 izravno slijedi teorem o rangu i defektu za linearni operator. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.♠ c 3.

neka je µ ∈ R µ = 0 proizvoljan. x x → → Vektor − 0 ∈ Rn .3. → → 2.17 Neka je A ∈ Mn . µ = 0.1 i Teorema 1. 2. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . da c z s zadovoljava uvjete Definicije 1.33 Primijetimo: → 1. Dokaz: Oˇito je S(λ0 ) podskup od Rn . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). A− 0 = x x − 0 . Nadalje. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. 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 . x x x x → Dakle za svaki µ ∈ R.5. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Izravno iz Definicije 3. c x y tj.2 oˇito zadovoljava. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Dokaz: 1. Napomena 3.17. tj. → → Svojstva iz Teorema 1. x y x y x y . Nadalje neka su − . y y → → Dokaˇimo da je − + − ∈ S(λ0 ).3. tj.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. ♣ Napomena 3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). − ∈ S(λ0 ).

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

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

iterativne metode. Stoga se koriste razne pribliˇne metode.18 Za matrice A. cos2 ϕ − 1. Medutim. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0.122 POGLAVLJE 3. c s c z itd. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Tako npr. za nul matrice. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. c Teorem 3. Definicija 3. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.♠ Dakle iz Primjera 3. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ).11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. tj. da A c nema realnih svojstvenih vrijednosti. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. tj. za trokutaste. Tada su sve njene svojstvene vrijednosti realne. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. svaki vektor kanonske ortonormirane baze od Rn je svojstven. svojstvene vrijednosti od A nisu realni brojevi. nul matrice. . Za dijagonalne matrice.19 Neka je A ∈ Mn simetriˇna matrica. Nadalje. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. imamo cos2 ϕ − 1 < 0 tj. k ∈ Z.2 = cos ϕ ± Kako je ϕ = kπ. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna.

3. analogno vrijedi za a = d = 0.20 Sliˇne matrice imaju iste svojstvene vrijednosti. jer u suprotnom matrica P nije regularna. Dakle. To nije uvijek mogu´e. tj. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. Takoder nikoja tri od a. z Uzmimo sada da je samo a = 0. c. onda iz druge jednadˇbe imamo da je y = 2. d ne mogu biti nula. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. d ne mogu svi biti istodobno nula. 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. x 0 0 y . dijagonalizirati matricu A. Primijetimo da a. b. c Primjer 3. b. tj. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu.3. ˇto ne moˇe biti. Pokuˇajmo je dijagonalizirati. c. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. b. a b c d .12 Neka je matrica A dana s A= 2 0 1 2 . Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0.♠ c s z z = ax by cx dy . x 0 0 y . znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. pretpostavimo prvo da je b = c = 0. s z Dakle ostaje nam samo sluˇaj kada su a. c. Dakle matricu A ne moˇemo dijagonalizirati. d svi razliˇiti od nule.

λn od KA (λ) zovemo algebarska kratnost od λ0 ..36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .♣ c . Sada.124 POGLAVLJE 3. .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn ..♣ Napomena 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). λ−1 . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. A je regularna. c c Teorem 3.. tj. ♣ Teorem 3..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. . λn . Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. ona se u nizu c nultoˇaka λ1 . iz osnovnog teorema algebre (Teorem 5.12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. λn . a odgovaraju´i se svojstveni vektori podudaraju.. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . c Teorem 3. Tada iz Napomene 3. tj.. s Teorem 3.. nultoˇka od KA (λ).. λn od KA (λ) pojavljuje barem jednom.. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. ako je λ0 svojstvena vrijednost od A ∈ Mn .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.34 znamo da je skup S(λ0 ) potprostor od Rn .. c Napomena 3. . dijagonalna.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Ipak. . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . .. Obratno. c Kako je KA (λ) polinom n-tog stupnja.21 Neka je A ∈ Mn simetriˇna. Ako je A joˇ simetriˇna onda iz Teorema 3. 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. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Dakle 0 nije svojstvena vrijednost..

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

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

no ne c s znamo koliko je i kako to na´i.. Teorem 4. i ako npr.♣ c z s Napomena 4. Kako je (an ) monoton. Sada. q. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . vrijedi lim inf an = lim sup an ∈ R. ako s z s s (an ) ima barem dva gomiliˇta G i G .♣ Teorem 4. Tada je n 1 |q| < 1.4.4 dovoljno je promatrati niz s a1 = 1. q. q 2 . Za |q| < 1 je lim an = 0. tj. za svaki n ∈ N. dakle divergira ili u uˇem. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. log |q| Dakle svi ˇlanovi niza 1.6 je tipiˇni teorem egzistencije.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . jer je log |q| < 0. 1 |q n | Neka je sada |q| > 1. Onda je po Napomeni 4. .. dakle divergentan. Imamo log ε n> . tj.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.2 niz (an ) ima barem jedno c gomiliˇte. Tj.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . ograniˇen niz je konvergentan.3 imamo |q | −→ ∞. Dakle imamo samo c c s z s jedno gomiliˇte. znamo da neˇto postoji. niz 1. q 2 . c c . n−→∞ Dokaz: Iz toˇke 4. tj. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.. c Dokaz: Neka je (an ) monoton i ograniˇen. q 3 . c Napomena 4. q 3 . ε). dakle ili q −→ ∞.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. Tada po Teoremu 4. ili u ˇirem smislu. pa je lim an = 0. ˇto ne moˇe biti jer je G gomiliˇte. NIZOVI REALNIH BROJEVA 133 Teorem 4.. pa prema prethodnom niz n n −→ 0. Pogledajmo prvo sluˇaj |q| < 1. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. To je ekvivalentno s |q| < ε.1.4. Logaritmiranjem se dobije n log |q| < log ε. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. odrediti. izraˇunati. . (an ) raste. U suprotnom. on moˇe imati najviˇe jedno gomiliˇte. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε.6 Monoton. c c c Prema Teoremu 4..1. G > G . niz (an ) s konvergentan. po Teoremu 4.

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

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

2 3. 2.. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . Red POGLAVLJE 4.136 1.. + xn )(1 − x) = 1 − xn+1 . + n = odnosno n−→∞ n(n + 1) .. n! 4. 2 lim Sn = ∞. n+1 lim Sn = 1. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + . 2n . n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. n(n + 1) 5. Kako je n−→∞ 1 . Dakle. imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 .. Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1.

9 op´enito ne vrijedi.♠ 2n n−→∞ ∞ Napomena 4. c . tj. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. REDOVI REALNIH BROJEVA za svaki n ∈ N. Dakle je red Teorem 4. n−→∞ odnosno n−→∞ lim an+1 = 0.♠ dok red 1 n divergira (Primjer 4.10 Iz Primjera 4.8 Ako red apsolutno konvergira. Definicija 4.8.2. an .9 ne slijedi obrat Teorema 4. onda op´enito red c c c an ne mora konvergirati.4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.8). S = lim Sn = n−→∞ n=1 an . a red |an | ne konvergira. oˇito vrijedi c Sn+1 = Sn + an+1 .8 znamo da red = divergira i da je lim n n−→∞ n 0. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Ako red an konvergira. kaˇemo da red z an konvergira uvjetno. c c ako op´i ˇlan niza (an ) konvergira u nulu. Primjer 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.♣ 1 1 Napomena 4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.♣ c Uoˇimo da iz Primjera 4. tj. n 1 (−1)n−1 n uvjetno konvergentan. Nadalje. onda on konvergira i obiˇno.10 Red an apsolutno konvergira ako konvergira red |an |.

. + a1 q n−1 . Sn = a1 + a1 q + a1 q 2 + . = a1 q n−1 . c Pretpostavimo da je a1 = 0 i |q| < 1.5 imamo da je lim Sn = a1 lim a1 1 − qn = . tj. n−→∞ 1 − q 1−q 1 − qn . q ∈ R proizvoljni. Nadalje. pa je Sn = na1 . vrijedi Sn = a1 za svaki n ∈ N. tj. Teorem 4. a1 q n−1 = 1−q n=1 Obrnuto. Iz Teorema 4.2. + a1 q n . da geometrijski red a1 q konvergira i da je |q| ≥ 1. Nadalje kako je c n−→∞ lim an = 0 . Ako je q = 1.. onda je oˇito an = a1 (−1)n−1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.. gdje su a1 . Pogledajmo n-tu parcijalnu sumu. tj.. Pretpostavimo suprotno. imamo Sn − qSn = a1 (1 − q n ). a to divergira za svaki a1 = 0. NIZOVI I REDOVI 4..9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. onda je oˇito an = a1 . zovemo geometrijski red s kvocijentom q. c Ako je q = −1. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1..138 POGLAVLJE 4.

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.♣

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

4.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.3.8 znamo da on = 1.♣ Napomena 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.19 Neka je an red s pozitivnim ˇlanovima. divergira za l > 1. Sada iz Napomene 4.3. Neka je dan red divergira.8 znamo da on konvergira. Neka je dan red vrijedi 1 . c Primjer 4. an konvergira. ali vrijedi 1 .. n Tada iz Primjera 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti..4.14 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . n−→∞ an lim onda red an konvergira za l < 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.♣ . konvergira. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. 1 n+1 lim n−→∞ 1 n 2.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.3 Cauchyev kriterij Teorem 4.9 konvergira. Ako postoji limes c an+1 = l. Ako postoji λ ∈ R. n2 Tada iz Primjera 4.16 imamo da i red an0 + an0 +1 + .17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. c 0 < λ < 1. onda red an ≤ λ. imamo da red c an konvergira.

divergira za l > 1. c Teorem 4. NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. .18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.148 POGLAVLJE 4. tj. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. Ako postoji limes c n−→∞ lim √ n an = l.15 Analogno kao i u Primjeru 4. (an ) niz u R i x ∈ R prozvoljan. a ne moˇemo niˇta z s zakljuˇiti za l = 1.1. onda red an konvergira za l < 1.♠ c s Cauchyev kriterij je jaˇi.20 Neka je an xn red potencija. Ako postoji lim sup n |an | i lim sup n |an | = 0. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.14 za red odnosno red n znamo da divergira odnosno konvergira. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).20 zovemo radijus konvergencije reda potencija a n xn .4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. c 1 Primjer 4. a divergira za sve x ∈ R za koje je |x| > ρ.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. a iz toˇke 4.

Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).3.16 1.♠ n2 Teoremu 4.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. ali smo u Primjeru 4. a divergira za |x| > 1. a divergira za |x| > 1. Neka je dan red potencija lim sup n 149 1 n x . tg n.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. Po Teoremu 4. n Tada je 1 = lim n−→∞ n n 1 = 1.8 imamo da konvergira i red (−1)n . itd. onda iz Primjera 4.3. a divergira za |x| > ρ (ako lim sup n |an | postoji). 4.8 znamo 1 1 da red konvergira. dok za x = 1 red n 1 divergira. n 2. Ako je x = −1. (−1)n . Tada imamo sljede´i kriterij (Leibnic c zov): . c sin n. KRITERIJI KONVERGENCIJE Primjer 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. n2 1 n x n2 dakle je ρ = 1.). Iz n2 n2 1 Teorema 4. Po Teoremu 4.20 red potencija |x| < 1. konvergira za Pogledajmo sada ako je |x| = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Neka je dan red potencija lim sup n 1 n x . n 1 n x n dakle je ρ = 1. dakle i apsolutno konvergira red (−1)n . Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Ako je x = 1 onda.20 red potencija |x| < 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. iz Primjera 4. Teorem 4. konvergira za Pogledajmo sada ako je |x| = 1. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.4.

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

17 Iz Teorema 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.♠ s .3. KRITERIJI KONVERGENCIJE Primjer 4.4.

.

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

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

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

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

z s Iz Napomene 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. ˇto je suprotno s definicijom funkcije. c y x0 0 x Slika 5. Npr. . jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.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. c kruˇnica u ravnini nije graf niti jedne funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.1. Napomena 5.5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.

dakako. podruˇja gdje funkcija raste ili pada). c z . kaˇemo da funkcija f pada z z na I. c s c Napomena 5. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. 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. za x = 0 je f (0) = 1). toˇke oblika (x0 . pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. tj. s 5. podruˇja vrijednosti i nultoˇaka. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. tj. tj. Ako za takve dvije vrijednosti x1 . z c I ⊆ D(f ). Nuliˇte je apscisa nultoˇke. Ti su pojmovi vezani c uz usporedbe vrijednosti. c Neka je interval I = a. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. f (x) = cos x. ako postoje). kaˇemo da je f (strogo) monotona na intervalu I.1.4 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. realne funkcije realne varijable). f je (strogo) padaju´a s c ili (strogo) rastu´a na I). c Osim podruˇja definicije. s Dakle. ekstremne vrijednosti. Gledamo li graf funkcije f . x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). kao ˇto smo rekli. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. toˇke prekida i asimptotsko c c ponaˇanje. To.158 POGLAVLJE 5. FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. kaˇemo da je funkcija f strogo raste. 0) ∈ Γ(f ). x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). bliskost argumenata i sliˇno. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. b ⊆ R sadrˇan u podruˇju definicije funkcije f . ne mora biti nultoˇka funkcije c c (npr. intervale z monotosti (tj. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). odnosno strogo pada na I.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0).

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

govorimo o strogom globalnom maksimumu odnosno minimumu. 0]. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. 4.160 POGLAVLJE 5. dok je svaki globalni ekstrem i lokalni. +∞ a strogo rastu´a na svakom intervalu u c −∞. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0.5 Uoˇimo. x0 + ε . dakle svaki x ∈ R je lokalni maksimum i minimum. pa i globalni maksimum i minimum. 2. 0]. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Ako su nejednakosti stroge. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum.2 1. pa i na cijelom R. ako su nejednakosti stroge. Primjer 5. Dakle. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. govorimo o strogom lokalnom maksimumu odnosno minimumu. dakle je i c strogi globalni maksimum. Dakle f nema lokalnih pa ni globalnih ekstrema.♠ c Napomena 5. onda on ne mora biti i globalni. c dakle je i strogi globalni minimum. . ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). c Nadalje. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. Analogno. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. +∞ i strogo padaju´a na svakom interc c valu u −∞. 3. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). FUNKCIJE za svaki x ∈ x0 − ε. Nadalje.

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

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

) z y y y −1 0 1 x 0 x 0 1 x Slika 5. neka je funkcija c 1 c f : 1. Tada oˇito f strogo raste u +∞.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. neka je z c funkcija f : 0.) 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 −∞. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije.) c z . tj. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. i to brˇe od svakog pravca. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. (Npr. +∞ −→ R dana formulom f (x) = xx . +∞ ili −∞. To znaˇi z c da. (Npr. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. s c c c c 2. c c (Npr. +∞ −→ R dana formulom f (x) = x−1 . Ako z je a ∈ R taj rub. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ −→ R dana formulom f (x) = 2x . Rub prirodnog podruˇja definicije funkcije je beskonaˇan.1. neka je funkcija f : [0.5. 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 +∞. 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.

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

b −→ R. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj.1.3 Realna funkcija realne varijable f : I = a. Definirajmo sada pojam neprekidnosti funkcije. dok je u svim drugim toˇkama neprekidna. x > 0  sign x = 0. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. z Definicija 5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.3 kaˇe da je funkcija f : I = a. 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. Kad bi imala dvije asimptote u jednom rubu. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. x0 + δ ) ⊆ f (x0 ) − ε. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Odnosno.7 Ako funkcija ima asimptotu.5 Neka je dana funkcija sign : R −→ R formulom   1. c 1 Uzmimo ε = 2 . ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Dakle nula je toˇka prekida od f . Primjer 5. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). gdje je I ⊆ D(f ). . Definicija 5. Intuitivno. f (x0 ) + ε . c 165 Napomena 5.5. pravac). 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 . OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.

je ograniˇena ili omedena na I ako postoje realni brojevi m.8: Funkcija sign(x). |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.10 Ako je funkcija f : I = a.♠ z Definicija 5. za svaki x ∈ I. Napomena 5. M > 0. c . Napomena 5. FUNKCIJE y 1 0 x −1 Slika 5. b −→ R. b −→ R neprekidna u toˇki c x0 ∈ I.166 POGLAVLJE 5. Analogo se dokaˇe za x0 < 0.9 Iz Definicije 5. iz uvjeta m ≤ f (x) ≤ M. b −→ R. za svaki x ∈ I.4 stavimo M = max{|m|. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Napomena 5.8 Ako u Definiciji 5. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. za svaki x ∈ I. je ograniˇena na I ako postoji realan broj M ∈ R. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. tj. M ∈ R c takvi da je m ≤ f (x) ≤ M. gdje je I ⊆ D(f ). Ako je x0 > 0.4. takav da je c |f (x)| ≤ M .4 Realna funkcija realne varijable f : I = a. gdje je I ⊆ D(f ). funkcija je neprekidna u x0 . tj.

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

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

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

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

npr. . 0 . onda oˇito g funkcija f u njima nije definirana.1. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. 3. funkcija g f je jednaka pravcu y = 0 na skupu D g f . g f g a) Ako je c = 0. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. tj. onda je f (x) = f (x) za svaki x ∈ D f . Pogledajmo funkciju g f u ovisnosti o c ∈ R. c . c g) i 3 b). Zbroj dviju padaju´ih funkcija je padaju´a funkcija. tamo funkcija f pada. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. f).4). Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). za f. g g 1 b) Ako je c = 1. OSNOVNI POJMOVI 171 predznaka. Ako funkcija f ima nultoˇke. onda je f (x) = 0 za svaki x ∈ D .1. c c c Za ostale operacije ova tvrdnja ne vrijedi. funkcija f u njima ima c c vertikalne asimptote. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. c c c Napomena 5. tj. gdje funkcija f raste. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno.5.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). c). Dakle.

. onda je funkcija f ± g neparna. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Tim se postupkom mogu stvarati nove z funkcije. g 5.4). onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. f g i f g f g sve parne. dok su funkcije f g i f obje neparne. Ako su obje neparne. onda su funkcije f ± g. Ako je jedna funkcija. Primjer 5. g : R −→ R funkcije. Matematiˇki se to formalizira pojmom kompozicija funkcija.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. Neka su f.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)). Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. 3. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome.172 POGLAVLJE 5. recimo g. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Definicija 5.12: Kompozicija funkcija. te funkcije f g i obje parne. 2. neparna a f parna. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.1. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). c h f A B g C Slika 5. Ako su obje parne.

g ◦ f = f ◦ g. . Dakle imamo f ◦ id = id ◦ f = f. tj. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. jer je D(id ◦ f ) = D(f ◦ id) = D(f ).16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . 3x + 1 3x + 1 2x 6x = . 1 . za proizvoljnu funkciju f . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . OSNOVNI POJMOVI Primjer 5. da je. za tu funkciju vrijedi g ◦ f = f ◦ g = g.5.7 Neka je dana funkcija f (x) formulom f (x) = x . c Napomena 5. 1 Primjer 5. Naime. U takvom sluˇaju piˇemo f 2 = f ◦ f . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). z funkciju f komponirati samu sa sobom. tj. za svaku funkciju g : R −→ R. moˇemo gledati funkciju f ◦ f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Napomena 5. op´enito.6 vidimo da operacija kompozicije funkcija nije komutativna.♠ x+1 x+1 173 2x .1.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . Tada je oˇito c D(f ) = R(f ).♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.

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

onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije. g f N N P P P P g f N P Slika 5. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x).5.13: Kompozicija funkcija. onda je i kompozicija g ◦ f neprekidna u x0 . c) Ako je funkcija f parna a g neparna. 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. Parnost kompozicije u ovisnosti o parnosti komponenata. d) Ako je funkcija f neparna a g parna. c . ako je funkcija f neprekidna u x0 . 175 a) Ako su funkcije f i g parne. b) Ako su funkcije f i g neparne. z 3.1. Toˇnije. a funkcija g definirana c i neprekidna u f (x0 ).

tj.. 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. c s Pogledajmo sada obratni problem. Dakle.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . a za z c neke nije. b : studenti −→ {0. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).1. moˇe biti viˇe studenata koji su imali nula bodova.8 Troˇkovi rada stroja su 200 kn/h. 12}. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Ne c c moˇemo rijeˇiti problem. Primjer 5. 200x + 500 = 1300. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. FUNKCIJE 5. tj. Drugim rijeˇima. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.♠ Primjer 5.♠ z s Definicija 5. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. Nas zanima x(y). .7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. Dakle imamo. . Kaˇe se i da z c z f ne lijepi argumente. i joˇ 500 kn za dovoz i odvoz. Uspjeli smo rijeˇiti problem. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.176 POGLAVLJE 5. 1.. 2. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. i obrnuto. 10 sati rada stroja koˇtati 2500 kn. To je za neke funkcije mogu´e.. s s Jasno je da ´e nas npr. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost.

7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Napomena 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . x2 ∈ D(f ). Napomena 5. 1).10 Funkcija f (x) = xn . f : D(f ) → R(f ) je uvijek surjekcija. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. Injektivnost. . n ∈ N. a injektivnost njegovu jedinstvenost. je injekcija za neparan n.8 izraˇunali smo da je x(1300) = 4. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.♠ Primjer 5. ali ne i za paran n. s c Primjer 5. c c Definicija 5. za bilo koji c ∈ R. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.5. Definicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.11 U Primjeru 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.6 c ekvivalentan sljede´em: za x1 .1. tj. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. 1) i (1.

15: Graf funkcije i njoj inverzne funkcije. Dakle. c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id.♠ 200 Definicija 5. x(c) = c − 500 . 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x).178 dobivamo formulu za x u terminima c. 200 POGLAVLJE 5. . dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. 200 (200x − 500) + 500 = x. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c).

Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. i √ g2 : [0. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. a strogo c c padaju´e funkcije strogo padaju´a. jer je c f ◦ g = g ◦ f = id. no njezine restrikcije na −∞. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).20 znamo da f c ima inverznu funkciju g. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. +∞ .19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Primjer 5. Teorem 5. g1 (x) = − x. onda je ona oˇito i bijekcija na svoju sliku.20 Ako je funkcija f : R −→ R strogo monotona. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. f | −∞. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Tada iz Napomene 5. +∞ −→ −∞. To je oˇito inverzna funkcija od f . No f ◦ g = id. c Primijetimo da ako f nije strogo monotona nego samo monotona.♠ Napomena 5.0] √ i f |[0. +∞ jesu. Dakle vrijedi f ◦ g = g ◦ f = id. g2 (x) = x. c c Dokaz: Neka je f : R −→ R strogo rastu´a. a ona c c je strogo rastu´a funkcija. Dakle.+∞ su bijekcije s inverzima g1 : [0. OSNOVNI POJMOVI 179 Napomena 5. 0]. +∞ −→ [0.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. 0] i [0. pa ima i inverznu funkciju. kad govorimo o inverzima funkcija f : R −→ R.1.5. Dakle.10).♣ z c .

ali nije bijekcija.♠ c Analogno kao u Primjeru 5. z c Napomena 5. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Pokuˇajmo sada. +∞ −→ −∞.12 slijedi da tvrdnju Teorema 5. FUNKCIJE Teorem 5. 0] odnosno . f −1 je neparna. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. praktiˇno izraˇunati. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. +∞ .13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. 0] ili [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).2 Inverzna funkcija neparne funkcije je neparna. Primjer 5. Dakle.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. jer je f (x) c rastu´a.♣ Iz Primjera 5.21 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. Tada je njena inverzna funkcija g : [0. +∞ gdje je bijekcija.180 POGLAVLJE 5.2 ne moˇemo izre´i za parne funkcije. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.

tj. 0.4 0.6 0.2 -3 -2 -1 -0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. +∞ je bijekcija.4 1 2 Slika 5. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. c . Ako je n neparan. +∞ dana formulom − n x odnosno n x. specijalne funkcije kojima se ovdje ne´emo c baviti. c Osim elementarnih postoje i tzv. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2. Restrikcija te funkcije na interval [−1. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. ima inverznu funkciju. 5. 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.16: Graf funkcije f (x) = xex . no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.5. +∞ −→ [0. ˇ Cak i za funkcije koje imaju inverze.8 0. Primjer takve funkcije je c x f (x) = xe .2 -0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.

2.1 Klasifikacija i podjela realnih funkcija 1.Ostale algebarske funkcije b) Transcendentne . mnoˇenih nekim koeficijentima.Polinomi .182 POGLAVLJE 5.Trigonometrijske . xk = x · x · · · x .Logaritamske .Eksponencijalne . za svaki x ∈ R. dolazimo do pojma z . FUNKCIJE 5.Racionalne funkcije .Ciklometrijske .Area 2. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.2. Elementarne a) Algebarske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. k Po definiciji stavljamo x0 = 1.Hiperboliˇke c .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.

a0 su koeficijenti polinoma Pn (x). Polinomi su konceptualno najjednostavije funkcije. .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. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Definicija 5. Koeficijent an je vode´i. c 10 7. . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma.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 + . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. .5 -3 -2 -1 -2.11 Dva polinoma P i Q su jednaka. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 .2. ako su jednaki kao funkcije. tj. + a2 x2 + a1 x + a0 . a a0 je slobodni koeficijent. . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5 5 2.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 .a1 . . Ovdje podrazumijevamo da je an = 0.5. Dakle je svaki polinom definiran na cijelom skupu R. Definicija 5. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. P. Realne konstante an . .

.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 . c c c s naravno..: n m Teorem 5. Broj c k zove se red ili kratnost nultoˇke x0 .01 -0.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . a ordinata je.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .184 POGLAVLJE 5. Apscisa nultoˇke je nuliˇte. = an = 0. 0. tj. za sve i = 0.14. 1.02 3 2 0.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.. n. c Primjer 5.11. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x)..♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.. c c .01 1. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.5 2 2. FUNKCIJE n Teorem 5. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.5 3 Slika 5. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.

8).5. Ako su ove nejednakosti c c stroge. Ako je k paran.2. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. je polinom drugog stupnja ili kvadratna funkcija. a prema dolje ako je a < 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. dok c u nultoˇkama parnog reda nema promjene predznaka. kaˇemo da je linearna funkcija strogo rastu´a. Otvor joj je okrenut prema gore ako je a > 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). a padaju´a ako je a ≤ 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. a = 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda.ako raste u s c nekoj toˇki. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.3 Qn−k (x) = 0 na nekoj oklini oko x0 . po Teoremu c 6. onda iz Teorema 6. raste na cijelom R. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. onda iz Teorema 6. za x ≥ 0. Tjeme . ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. dok za x > x0 vrijedi (x − x0 )k > 0.22 U nultoˇkama neparnog reda polinom mijenja predznak. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. odnosno strogo padaju´a. Ako je k neparan. tj.19: Graf linearne funkcije f (x) = x + 75.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Za a = 0 imamo konstantnu funkciju p(x) = b. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0.

♣ c Iz Teorema 5. inaˇe velike negativne vrijednosti). Zbog neprekidnosti c polinoma na R (Teorem 6.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. −D/4a).5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. FUNKCIJE 1 2 Slika 5. Nultoˇke kvadratne funkcije dane su formulom c x1. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.2 = √ −b± D . inaˇe velike pozitivne).5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. parabole ima koordinate (−b/2a.♣ c c .23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. Teorem 5.8) graf polinoma mora negdje sje´i x os. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. tj. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. c Napomena 5. 2a i realne su ako je D ≥ 0. npr.

3. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. 0). dakle je bijekcija i ima nultoˇku u (0.2.. graf c joj je zrcalno simetriˇan s obzirom na y os. Strogo pada na −∞. 0]. 1. tj.5.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. i = 1.16 Pogledajmo funkciju (polinom) Pn (x) = xn . onda je P1 (x) = x linearna funkcija. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. +∞ i ima nultoˇku u (0.♠ c . Ako je n neparan broj. Ako je n paran broj. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. c 2. c neparna je i ima nultoˇku u (0. tj. R(Pn ) = [0. tj. kao funkcija an xn .. P1 (x) strogo raste na R. Ako je n = 1.. 0). c vrijedi D(Pn ) = R. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. onda je oˇito funkcija Pn (x) = xn parna. +∞ . iz Primjera 5. strogo raste na [0. . Nadalje. tj. dakle je bijekcija.♠ Dakle. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . pravac y = x. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. 0). Pn (x) strogo raste na R. n − 1. Primjer 5. onda je oˇito funkcija Pn (x) = xn neparna.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. Oˇito je D(P1 ) = R(P1 ) = R. dakle nije injekcija.

ali c z kvocijent dvaju polinoma op´enito nije polinom.. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. razlika. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. dijeljenjem polinoma c izlazimo iz te klase funkcija.188 POGLAVLJE 5.. sam sebi je asimptota. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Realne konstante aij . Po analogiji s racionalnim c brojevima.3 Racionalne funkcije Oˇito je zbroj. . Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. problem poniˇtavanja je vrlo kompliciran. m.. j = 1.. n > 1. Dakle.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.. Npr.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. i = 1.. problem s asimptotike je sloˇeniji. n. Za . Napomena 5. z Definicija 5. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).2. FUNKCIJE Napomena 5. kako se polinom Pn (x) = i=0 ai xi . umnoˇak i kompozicija polinoma ponovo polinom. tj. 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. 5. u tom sluˇaju se situacija komplicira. y) = i=0 j=0 aij xi y j . itd. .24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. z n Nadalje. su koeficijenti polinoma Pnm (x). Naravno.

6. tj. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Funkcija j dana formulom j(x) = x−13 je polinom. Funkcija f dana formulom f (x) = 2. je racionalna funkcija. 5. c Primjer 5. c c . postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Definicija 5. nije racionalna funkcija. 3.2. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. tj. s c D(f ) = {x ∈ R. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika.) Dakle. Naravno. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. Dakle. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. takve su definirane na cijelom R. nultoˇkama nazivnika. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Dakle. 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. (Smatramo da je racionalna funkcija ve´ skra´ena.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . U polu racionalna funkcija c nije definirana. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Qm (x) = 0}.5.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. Funkcija hR dana formulom h(x) = 4. 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.17 Pogledajmo sljede´e primjere: c 1.

onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. Dakle. 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 5.22. FUNKCIJE 100 75 50 25 -1 -0. z c Dokaz: Red pola je red nultoˇke nazivnika. (lijevo) i pola Napomena 5.5 1 x 1 Slika 5.5 0. bi x i=0 i−m bi x i=0 i xm .5 1 80 60 40 20 -1 -0.26 Ako je pol parnog reda. 2. kad c argument ide u +∞ i −∞. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. kao i u toˇkama u c kojima se nazivnik poniˇtava. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . i to na vanjskim rubovima prirodnog podruˇja definicije.190 POGLAVLJE 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). tj.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Sada tvrdnja izravno slijedi iz Napomene c 5. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .graf racionalne funkcije moˇe imati asimptote: z 1.5 -25 -50 -75 -100 0. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.26). Osim vertikalnih. dok za polove neparnog z c reda.

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

racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . tj. +∞ i za svaki x ∈ 0. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. kada argument ide u beskonaˇnost. +∞ . m i−m xm bi x i=0 m POGLAVLJE 5. 0 vrijedi f (x) > −x. R(f ) = [1. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . zrcalno simetriˇna obzirom c c na y os.♠ Iz Primjera 5. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. dakle nije injekcija. Oˇito je D(f ) = R. f (x) = x + x (desno) i njihovih asimptota.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo).27 ne mora vrijediti. 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). . +∞ vrijedi f (x) > x. Nadalje. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. 0] i za svaki x ∈ −∞. f strogo pada na −∞. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞.27 Analogno kao i kod vertikalnih asimptota. f je parna. Napomena 5. Dakle. Dakle. FUNKCIJE ide u am+1 x. +∞ . bm jer i=0 bi xi−m ide u bm . z √ Primjer 5.192 xm (am+1 x) . f strogo raste na [0.

19 1. c .29 Svaki polinom i racionalna funkcija su algebarske funkcije. Napomena 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Definirajmo polinom u dvije varijable s P (x.5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. y) = Pn (x) − y. Tada je oˇito P (x. jer u suprotnom ne bi bila funkcija. y) = Qm (x)y −Pn (x). f (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. 5.18. dakle je svaka racionalna c √ Primjer 5. dakle je svaki polinom algebarska funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Pn (x)) = 0. c Neka je sada f (x) = funkcija i algebarska.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.2. f (x)) = 0. Definicija 5. y) = x − y n oˇito je P (x. Tada je oˇito P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x).24: Primjer iracionalne funkcije f (x) = iz Primjera 5.2. y) takav da vrijedi P (x. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x.

√ Primjer 5. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. z 1 4. Nadalje. je D(f ) = R(f ) = R (Primjer 5. +∞ . Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . +∞ i R(f ) = 0. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . f strogo raste na R i neomedena je.♠ 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. c c tj. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. +∞ (Primjer 5.1.20 1. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Nadalje.4). f (x)) = 0. dakle nema vertikalnu asimptotu. z √ 2. Dakle. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. FUNKCIJE 1 2. dok kosu asimptotu ne moˇe imati zbog Napomene 5. tj.194 POGLAVLJE 5. c c √ Nadalje. z tj. je D(f ) = R(f ) = [0. c 1 3. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Neka je dana algebarska funkcija f formulom f (x) = 3 x. ima vertikalnu asimptotu x = 1. Neka je dana algebarska funkcija f formulom f (x) = x.28. 0 je regularna toˇka (toˇka 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .1. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Dakle. u 1 (toˇka 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. pravac y = 0 je horizontalna asimptota funkcije f . y) = xy n − 1 oˇito je P (x. je D(f ) = 1. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.13).13). za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.4). tj. +∞ . Dakle. Kada se argument sve viˇe pribliˇava c s z broju 1.13). koja je bijekcija sa R na R.

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).

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

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

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

1]. tj. dok je sinus neparna. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. π ]. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. k ∈ Z.5 -1 -1. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. c 2 1.5 -10 -5 -0.5 -1 -1. temperatura kroz godinu. zbog periodiˇnosti. period razliˇit od 2π i ne s c c . imaju amplitudu razliˇitu od 1. Svaki 2kπ. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. plime i oseke.5. c amplitude i faze. je period funkcija sin i cos. Kaˇemo da im je faza nula. Dakle je z D(sin) = D(cos) = R. s 2 1 u nuli i 0 u π . Nadalje.5 -2 5 10 Slika 5. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).32 Lako je vidjeti da je kosinus parna funkcija. npr.5 -2 5 10 -10 -5 2 1. a kosinusa obrnuto. napona. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. −1 ≤ sin t ≤ 1.2.5 -0. itd. krvnoga tlaka. za opis osz c cilacija. Najmanji pozitivni period je 2π i zovemo ga temeljni period. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0.5 1 0. tj. Napomena 5. tj. Medutim. za svaki t ∈ R. 1]. To znaˇi R(sin) = R(cos) = [−1. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. π ]. Nadalje. Nadalje.5 1 0. vidimo da je −1 ≤ cos t ≤ 1.

period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. pomak funkcije na x osi je x0 . π]. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. 2 ] udaljenost toˇaka (1.33 Zbog periodiˇnosti. funkcije sinus i kosinus nisu injekcije. k ∈ Z}. 1]. c c Sin x = sin |[− π . FUNKCIJE nul fazu. . 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. formulom A sin(Bx − x0 ). tj. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. 0) (joˇ ga zovemo tangensna os). 0) i P na tangensnoj c osi. 2 ]. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. Sliˇno kao i sinus i kosinus. na svoju sliku. 2 ]. dakle c niti bijekcije. imamo π D(tg) = R \ {(2k + 1) . 2 ˇto se vidi i s trigonometrijske kruˇnice. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija.π] x su bijekcije na [−1. i funkciju z c π tangens proˇirujemo izvan intervala [0. U tim toˇkama tangens ima vertikalnu asimptotu. 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 −∞. Napomena 5. a kosinus strogo padaju´a na [0. Amplituda ove funkcije je A (jer je amplituda sinusa 1). π ] x 2 2 i Cos x = cos |[0 .206 POGLAVLJE 5. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . tj. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. Dakle. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu).

1) i Q na kotangesnoj osi. 1) (joˇ s c s π ga zovemo kotangensna os). Sliˇno kao i sinus i kosinus. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. Sliˇno se interpretira i kotangens. s 1 P T x 0 1 tg x ctg x Q Slika 5. k ∈ Z}. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. 2 ] udaljenost toˇaka (0.5. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. k ∈ Z}. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R.2. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. Imamo ctg t = D(ctg) = R \ {kπ. . ˇto se vidi i s trigonometrijske kruˇnice.

π . na svoju sliku. 2 i kotangens na 0.2. c c Dakle. tangens na − 2 . 1]. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. a isto vrijedi s / i za ostale trigonometrijske funkcije.π x su bijekcije s tih intervala na R.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). a kotangens strogo padaju´a na 0. k ∈ Z}. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Tada prema Napomeni 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. a c c s nema rjeˇenja za c ∈ [−1.208 POGLAVLJE 5. Dakle sinus nema inverznu funkciju. dakle nisu bijekcije. ni tangens ni kotangens nisu injekcije. kosinus na 2 2 π π [0. 2 . Npr. njihove restrikcije Tg x = tg| − π . c dakle niti bijekcije. Napomena 5. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. Dakle. π x 2 2 i Ctg x = ctg| 0.34 Zbog periodiˇnosti. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. restringirajmo sinus na [− π . π .33 . FUNKCIJE za svaki t ∈ R \ {kπ. π ]. 5. π].

Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .5 2 1. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. ].5. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . rjeˇenje jednadˇbe postoji i jedinstveno je. 1] −→ [0.33 slijedi da je arcsin strogo rastu´a.5 -1 -0. 1. ]. Kako je sin |[− π . rjeˇenje jednadˇbe postoji i jedinstveno je. 1] −→ [− .1 i Napomene 5. a c 2 2 2 2 cos |[0. a arccos c strogo padaju´a na [−1.5 0. 2 2 . π]. 1].5 -0. s z 2 2 s z Kako je tg| − π . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. inverznu funkciji cos |[0. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.5 1 0. π strogo rastu´e. z π π Za x ∈ [−1.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).5 1 -1 -1. dakle su i bijekcije. 2 2 koja je inverzna funkciji sin |[− π .π] . π π R(arcsin) = [− .5 1 0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 3 2. koje zovemo arkus funkcije.π] i ctg| 0. Dakle. π]. π ] bijekcija. 2 ] jednadˇbe sin t = s z s z x. π bijekcija. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Nadalje. .5 -1 -0.34 znamo da su funkcije sin |[− π . π ] .5 1 Slika 5. Iz Teorema 5. 2 2 R(arccos) = [0. Dakle.2. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.π strogo padaju´e. 1]. π ] i tg| − π . oˇito je c c D(arcsin) = D(arccos) = [−1. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.5 0. π jednadˇbe tg t = x .

-4 2 1.5 3 2. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.5 2 1. npr.1 i Napomene 5. pri traˇenju rjeˇenja t jednadˇbe. inverznu funkciji ctg| 0. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. tako da bi smo dobili arkus funkcije definirane na tim intervalima. FUNKCIJE arcctg : R −→ 0. π . . R(arcctg) = 0. oˇito je c c π π D(arctg) = D(arcctg) = R.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. Napomena 5.5 -4 -2 2 4 Slika 5.5 -1 -1.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). c . Dakle.5 -2 2 4 4 3.210 koja je inverzna funkciji tg| − π . π . Iz Teorema 5. 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 .5 -2 -0. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. Nadalje.π .34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. π .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. R(arctg) = − . 2 odnosno ctg| 0.5 1 0. π ]. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. 1]. Npr. z s z sin x = t.5 1 0.

Dakle je R(ch) = [1. th je neparna. neograniˇena je. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. Primjerice. Lako se vidi da je neparna. tanges hiperc c boliˇki i kotanges hiperboliˇki. PREGLED ELEMENTARNIH FUNKCIJA 211 5. strogo raste na R. za svaki x ∈ R. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. dakle nije injekcija.5. +∞ i nema asimptote. Stoviˇe.2. 0] i c strogo raste na [0. 2 e x − e −x sh x = . Nadalje. 3. Dakle th ima dvije horizonzalne s z asimptote. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. y = −1 i y = 1. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Strogo raste na R. i R(th) = −1. ch x e + e −x 1 . Zbog neparnosti c c od sh i parnosti od ch. neograniˇena c je pa je R(sh) = R i nema asimptote. za svaki x ∈ R. Iz formule lagano ˇ slijedi da je |th x | < 1 . parna je. 1 . sinus hiperboliˇki.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . strogo pada na −∞. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. vrijedi ch x = ch2 x − sh2 x = 1 .36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. cth x = th x i zovemo ih redom kosinus hiperboliˇki. 2 sh x e x − e −x th x = = x . 2. . Lagano se vidi da je ch x > 0 . Napomena 5.2. +∞ . iako se definiraju u terc minima eksponencijalne funkcije. za svaki x ∈ R.

areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth.5 1 0. Zbog neparnosti od th i cth je neparna.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. i R(cth) = R \ [−1. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). restringiramo na −∞. c osim funkcije ch.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. 4. areasinus hiperboliˇki ili Arsh. z y = −1 i y = 1. kako je |th x | < 1 . 1]. imamo: . 0] ili [0.5 -1 -1. zbog parnosti. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. za svaki x ∈ R. +∞ . 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. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. 1. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞.5 -4 -2 -0. preciznije areakosc inus hiperboliˇki ili Arch. Ako ch. cth strogo pada na R \ {0}.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). Dakle cth ima i dvije horizontalne asimptote. Nadalje. Kako th strogo raste na R. ch postaje bijekcija na svoju sliku. tj. imamo da je |cth x | > 1 . Funkcije inverzne hiperboliˇkima zovu se area funkcije. za svaki x ∈ R\{0}. to mora i cth x .

38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). tj. 1].5 1 0. +∞ i R(Arch) = [0. y = 1 horizontalne.2. .1 c slijedi da Arcth strogo pada. onda je D(Arch) = [1. c 3. Oˇito je D(Arsh) = R(Arsh) = R. +∞ . c 2. a x = 0 vertikalna asimptota od cth. Kako su y = −1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.5 0. R(Arth) = R i iz Teorema 5. +∞). iz Teorema 5.1 zakljuˇujemo da Arch strogo raste.5 2 2.5. a pravac y = 0 horizontalna asimptota. pravci x = −1 i x = 1. vertikalne asimptote od Arth.5 2 1. Iz Teorema 5. Kako su y = −1 i y = 1 horizontalne asimptote od th. Oˇito je D(Arcth) = R \ [−1. onda su rubovi −1 i 1.5 -1 -2 -3 0. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch.5 1 1. R(Arth) = R \ {0} i iz Teorema 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).1 slijedi da Arth strogo raste. Oˇito je D(Arth) = −1. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. tj. PREGLED ELEMENTARNIH FUNKCIJA 213 1. pravci x = −1 i x = 1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. vertikalne asimptote od Arth. 1 .5 3 Slika 5. onda su rubovi −1 i 1. 4. 3 2 1 -1 -0. Ako smo ch restringirali na [0.

.

5 + 0. onda je 215 .5 + 0. m = 20 i m = 30. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05(m2 − m1 ).Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20) kn. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.8. m > 20. Dakle imamo c(m) = 2. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.1. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.1 6. (Masa m je izraˇena u gramima.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Graf te funkcije prikazan je na slici 6.05h (∆c = ˇ 0. a visina poˇtarine c u z s kunama).1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Naime. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05h = 0.05(m − 20).05∆m). 0 ≤ m ≤ 20 3.1.8 kn.

i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. Definicija 6.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.7 kn.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). . c c Napomena 6. S druge strane. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. odnosno da graf funkcije ima prekid u toj toˇki. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.216 ˇ POGLAVLJE 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).♠ c Definicija 6. s s 20M ≥ (m2 − m1 )). Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.

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

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

4 Funkcije f. Teorem 6. π funkcijom tg je R. π . i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .3 slijedi da je uvjet neprekidnosti iz Teorema 6. . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. Tada je funkcija f neprekidna na intervalu I. Npr. slika otvorenog intervala − π .ˇ 6.♣ c Tvrdnja Teorema 6.1.6 ne vrijedi za otvorene intervale. Pitanje je sad.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. za svaki x ∈ I (Definicija 5.♣ 6. funkcija f (x) = neprekidna na 0. Npr. 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. ali oˇito je neomedena. 1 . Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. c 1 x je Teorem 6.3 Neprekidnost elementarnih funkcija Primjer 6.1. M ∈ R takvi da je m ≤ f (x) ≤ M.♣ Teorem 6.4) Teorem 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. b]. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Nadalje.4 nuˇan.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.5 ne vrijedi za otvorene intervale. Tvrdnja z Teorema 6.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. onda je ta funkcija i neprekidna. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.

arkus. takoder iz Teorema 6. hiperboliˇkih (osim kosinusa hiperbolnog). polinom Pn (x) neprekidan na R. 1. Budu´i da je f (x) − f (x0 ) = c − c = 0.9 Eksponencijalne. . takoder iz Teorema 7. 1. n. i = 0. slijedi da c moˇemo uzeti δ = ε. n..1. dakle iz Teorema 6. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. . Teorem 6. Iz Teorema 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma.♣ Napomena 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). logaritamske.220 ˇ POGLAVLJE 6. na intervale − π .. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. jer su njihove restrikcije npr. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. trigonometrijske. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.4 i Teorema 6. c c neprekidne na R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. UVOD U DIFERENCIJALNI RACUN 1. tj.7 c i periodiˇnosti. z 2. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. c Dokaz: U Primjeru 6. Dokaz: Neprekidnost eksponencijalnih.7 su neprekidne. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.♠ z Iz Primjera 6.. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. n. Nadalje. 1... na R su neprekidne i funkcije ai xi . z c Uzmimo proizvoljni ε > 0. i = 0. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. Na kraju..1 direktno imamo: n Teorem 6.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1 sada slijedi da je na R neprekidna i funkcija x2 . Zbog neprekidnosti konstantne funkcije na R (Primjer 6.1.1. z c Uzmimo proizvoljni ε > 0...4) i Teorema 6.7. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.7 imamo da su neprekidne i funkcije arctg i arcctg.1. π monotone c 2 2 bijekcije na R. . π odnosno 0..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. i = 0. . logaritamskih. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). zakljuˇujemo c da je i suma od ai xi .4 dokazali smo da je funkcija f (x) = x neprekidna na R. Na isti naˇin se zakljuˇi da su xi .

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

zakljuˇujemo. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. vrijednosti c funkcije su malo ve´e od −1. 6. c 3. tj. Dakle.222 ˇ POGLAVLJE 6. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. S druge strane. ali pozitivnu. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 4. funkcija nije definirana u toˇki 0. tj. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. tj. vrijednosti funkcije c su malo manje od −1. dodemo li s x dovoljno blizu c toˇki 1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. vidimo da su one c c c blizu vrijednosti −1. ali negativnu. za x malo manji od 1. za vrijednosti od x koje su malo ve´e od 1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Ako uzmemo s c toˇku x dovoljno malu. Raˇunaju´i te vrijednosti. c c 2.1. 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 volji velikog realnog broja. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. funkcija nije definirana u toˇki 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. ako uzmemo toˇku c x dovoljno malu.

a ne znamo izraˇunati ni njenu vrijednost za x = 0. 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). Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. x−→c Ako limes postoji on je i jedinstven: Teorem 6. moˇda u samoj toˇki c. Ako funkcija ima limes L u toˇki c. ako c ˇelimo promatrati ponaˇanje oko nule.5). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.ˇ 6. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. onda piˇemo c s L = lim f (x).2. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. tj.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. moˇda u samoj toˇki c. osim. 2 2 5. osim.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . Definicija 6.1.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.♠ Situacije iz Primjera 6.2. 6. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. |f (x) − M | < ε). pravac y = π je horizontalna asimptota. Neka je dana funkcija f : R −→ R formulom f (x) = xx . Dakle. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. .

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

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

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. moˇda u samoj toˇki c. ne postoji lim sin x. lim 2. x > 0 ima prekid u nuli. lim arctg x = . x−→0 x2 lim 1 1 = +∞ i lim = −∞. lim 3.5 Neprekidnost i limes Primjer 6. Dokaz: Ako funkcija f ima limes L u toˇki c.♠ 6. onda iz Definicije 6. x−→0 x π 4. Obrnuto. x−→+∞ 2 5.6 Opiˇimo sada pomo´u limesa Primjer 6. Nadalje je oˇito da je c x−→0+ lim sign x = 1 .5. c osim. onda je jasno iz Definicije 6. Dakle je x−→0+ lim sign x = sign 0 . x−→1 x−1 1 = +∞. s c 1. x < 0  sign x = 0.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x = 0   1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .5 znamo da funkcija   −1. ♣ c Primjer 6. x−→+∞ 6.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. UVOD U DIFERENCIJALNI RACUN Teorem 6. tj. x2 − 3x + 2 = −1.226 ˇ POGLAVLJE 6. ako postoje limesi s lijeva i s desna i oni su jednaki L. x−→0+ lim xx = 1.7 Iz Primjera 5.1. x −→0 − lim sign x = −1 .

c c Sada direktno iz Napomene 6.♠ Primjer 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.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)).♣ Teorem 6.7 i 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Nadalje. onda limes i funkcija z c ”komutiraju” tj.♣ .12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. x−→c+ Dokaz: Izravno iz Definicije 6. Zaista imamo: c c Teorem 6.2 i definicije jednostranog limesa.1.1 i Primjer 6. konaˇan je broj. imamo x−→c lim f (x) = f (c) = f ( lim x). tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Dokaz: Izravno iz Definicije 6.12 imamo: Teorem 6.ˇ 6.1 i 6. x−→c Napomena 6.♣ x−→c Analogno kao Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).♠ x−→2 Primjeri 6.4).4) i da limes mora postojati.13 Neka je funkcija g : R −→ R neprekidna.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. oˇito vrijedi c f (2) = lim f (x).3. i neka postoji limes funkcije f u toˇki c.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.5 U Teoremu 6.

x−→c+ Dokaz: Izravno iz Teorema 6. a < 0.14. (−∞) · a = 10.♣ 6. (+∞) · a = +∞.1. a > 0 +∞. (−∞) + (−∞) = −∞.11. (+∞) · (−∞) = −∞. 5. 4. 7. a < 0. a +∞ = 0. 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. (+∞) · (+∞) = +∞. (−∞) · (−∞) = +∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. To se posebno odnosi na veliˇine +∞ i −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. 3.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). (+∞) + (+∞) = +∞. −∞. a ∈ R proizvoljan.12 i 6. a ∈ R proizvoljan. 6. 2. jer operacije nisu definirane i operandi nisu realni brojevi. . a > 0 −∞. 9.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. Kako one nisu realni brojevi. a ∈ R proizvoljan.228 ˇ POGLAVLJE 6. +∞ ± a = +∞. 8. −∞ ± a = −∞.

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

α > 0 0. 6. a>1 0. α>0 +∞. 0. 5. −∞. a>1 −∞. a>1 +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. a>1 +∞. x−→+∞ lim ax = 9. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. n ∈ N paran. +∞. lim x−n = +∞. . x−→0+ x−→0− 7. α < 0. x−→−∞ lim ax = 10. n ∈ N paran. x−→0− 4. +∞. n ∈ N neparan. UVOD U DIFERENCIJALNI RACUN 6. 0 < a < 1. α < 0. 0 < a < 1. 3. lim xn = +∞. x−→+∞ lim loga x = 11.1. n ∈ N neparan +∞. lim x−n = −∞.230 ˇ POGLAVLJE 6. n ∈ N proizvoljan. +∞. n ∈ N proizvoljan. 0 < a < 1. x−→0+ lim xα = 0. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. 0 < a < 1.7 Raˇunanje limesa c Neki temeljni limesi 1. −∞. 8. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→+∞ x−→+∞ 2.

neparnost i sliˇno.2. i zbog parnosti od sin x . +∞) i da joj c c je slika cijeli R. Oznaˇimo s A = z c c (cos x. Dakle. koji se nalazi unutar trokuta OBB . π ). . x−→+∞ x sin x = 1. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . parnost. To znaˇi da je c x−→+∞ lim loga x = +∞. 0).16 lim i 1 lim (1 + )x . ortogonalnu projekcija toˇke A na x os.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0.1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ).9. 0) u ravnini. c Osim ovih limesa. c c eksponencijalnih i logaritamskih funkcija. koriste´i definicije limesa i jednostranih limesa (toˇka 6. a ∈ R. njihov rast. jasno je da je dovoljno x x promatrati x ∈ (0. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice).♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. sin x).1. tg x ). Kada s pravca uzmemo x ∈ (0. pad.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. svojstva potencija. Kako gledamo c limes funkcije sin x kada x −→ 0.4). tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. i s B = (1. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.ˇ 6. za a > 1. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). Iz toˇke 5.

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

x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .17 x−→+∞ 233 lim 1+ 1 x x = e. ♣ Primjer 6. x Oznaˇimo sada ex − 1 sa t.♠ x−→0 t−→0 x ln a ln(t+1) ln a . i da je x = ln(t + 1). Dakle . Tada je jasno da t −→ 0 kada x −→ 0. x−→0 x Iz Teorema 6. x−→0 x lim a > 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. 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 = 1.2. a ∈ R.1. x−→0 x lim i ax − 1 = ln a.ˇ 6.12 i Teorema 6. Dakle imamo ax − 1 ex ln a − 1 = lim . c Zbog toga je ex − 1 t lim = lim = 1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.

18 i temeljni limesi iz toˇke 6. 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. x−→c x−→c 4. g : R −→ R. x−→c c 3.17. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).1.1 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. c 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). ♣ x−→c Teoremi 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. x−→c x−→c 2. .2. Tada 1. 6.234 ˇ POGLAVLJE 6.2 6.16.13.

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

Op´enito.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. a to je jednako koeficijent smjera te sekante. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.3: Ovisnost visine projektila o vremenu. Dakle. UVOD U DIFERENCIJALNI RACUN Primjer 6. prosjeˇna brzina projektila u vremenskom intervalu [t0 .001) − y(1) . y(t0 +∆t)) zatvara s osi x. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .236 ˇ POGLAVLJE 6. prosjeˇna brzina odgovara koeficijentu smjera sekante. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . y(t0 )) i c ∆t (t0 +∆t. c ∆y = tg α. ∆t . 1. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.

tj.2. 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.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. x0 ∈ I. c mjeri brzinu promjene veliˇine c Definicija 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . ∆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 . f : I −→ R.6. Ako postoji z c f (x0 + ∆x) − f (x0 ) .2. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.♠ 6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.4: Sekante i tangenta. c Primjer 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.

koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). l ∈ R. c c koji se oznaˇava sa f (x0 ). za proizvoljne k.6 Uoˇimo bitnu razliku. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s 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. Derivacija funkcije f u toˇki x0 je broj. Derivacija funkcije f (x) = kx + l je f (x) = k.♠ ∆x−→0 ∆x 6.238 ˇ POGLAVLJE 6. .14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.2.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. Dakle je c f (x) = lim f (x + ∆x) − f (x) .15 Pogledajmo sljede´e primjere: c 1. ∆x−→0 ∆x Napomena 6. c z Primjer 6. Dakle brzina promjene linearne funkcije je konstanta. 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. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. UVOD U DIFERENCIJALNI RACUN Primjer 6.

16 Derivacija funkcije f (x) = sin x je f (x) = cos x. Dakle je promjena brzine konstantne funkcije nula. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. funkcija f (x) = l je konstanta. Derivacija funkcije f (x) = x2 je f (x) = 2x. tj. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. 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 .♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. a c iz gornjeg raˇuna imamo da je c f (x) = 0.♠ . s c 2.6.2. ˇto smo i oˇekivali.

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

3. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .1. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.7 imamo da je c lim √ 3 1 = +∞. DERIVACIJA FUNKCIJE 2. √ 3 241 x nije derivabilna u x0 = 0.2.♠ Teorem 6. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. 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 .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. c x0 ∈ I ⊆ D(f ). 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. Tada je f i neprekidna u x0 .6. ∆x ∆x−→0 dakle ne postoji f (0). ∆x−→0 dakle ne postoji f (0). 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 √ . Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).7 imamo da je c lim √ 3 1 ∆x2 = +∞. ∆x ∆x−→0 .

i vrijedi 1. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . Tada su na I derivabilne i funkcije f ± g. (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). Iz Teorema 6. razlike.♣ Obrat Teorema 6. za one x ∈ I za koje je g(x) = 0). (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. ∆x = 0 . produkta i kvocijenta funkcija Teorem 6.242 ˇ POGLAVLJE 6. ∆x−→0 ∆x ∆x . f (x) g(x) = f (x)g(x)−f (x)g (x) . Sve tri funkcije iz Primjera 6. Derivacija zbroja. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.20 Neka su funkcije f. g 2 (x) Dokaz: 1.12 imamo da je f neprekidna u x0 .12 zakljuˇujemo da je funkcija g neprekidna u x0 . za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). ∆x f (x0 ). I ⊆ D(g). ali vidjeli smo da nisu derivabilne. tj. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). (f (x) ± g(x)) = f (x) ± g (x) 2.17 su c neprekidne u nuli. Nadalje. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ).19 op´enito ne vrijedi. f · g i f g (tamo gdje je definirana.

Oˇito je D(g) = R. Tada je funkcija λf . 3. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). za svaki x ∈ I.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x).6. DERIVACIJA FUNKCIJE 2. Kako je g(x) · 1 g(x) = 1. tj. Izraˇunajmo prvo c 1 g(x) . tj. 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) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).2.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).♣ . po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) . g 2 (x) f (x) g(x) = 1 f (x) g(x) . ∆x−→0 ∆x−→0 Sada iz Teorema 6. gdje je λ ∈ R proizvoljan. imamo g(x) · = 0. za svaki x ∈ I. c dakle je po Teoremu 6. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.♣ g 2 (x) Napomena 6. Dakle 1 g(x) = 0. 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). derivabilna na I i vrijedi (λf ) (x) = λf (x).

c −1 tj. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . z Teorem 6. moˇe provesti samo ako je f (x) = 0.244 ˇ POGLAVLJE 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Izraˇunajmo joˇ i (f ◦ g) .18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . c Primjer 6. f (x) Ovo se. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. g = f .15 i Primjera 6. gdje je g(x) = x2 . x ∈ I ⊆ D(f ).21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . Sada primjenom Teorema 6. odnosno (f −1 ) (f (x)) = 1 .21.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).22 Neka je funkcija f : R −→ R derivabilna na intervalu I. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . f (x) = sin x. f (x) ♣ . f (x) ∈ J ⊆ D(g). Dakle. Primjera 6. iz Teorema 6. naravno.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Dakle imamo f −1 (f (x)) = x. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) = 0 na I i neka postoji f −1 .

21 i 6. Osnovne derivacije dajemo u sljede´oj tablici. odnosno g (x) = 2.10 imamo da je f (x) = lim e∆x − 1 = 1.8 Studentima se preporuˇuje da provjere donje formule samostalno. .22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. odnosno 1 g (x) = √ .22 i derivacijama iz donje tablice. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.19 Pogledajmo sljede´e primjere: c 1 1. c Napomena 6.21 i 6.20. Kako je (f ◦ g)(x) = x iz Teorema 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Derivacija funkcije g(x) = ln x je g (x) = x .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. ∆x−→0 ∆x lim dakle je f (x) = ex . DERIVACIJA FUNKCIJE Primjer 6. Derivacija funkcije g(x) = √ 1 .20. 2 x x je g (x) = Iz Primjera 6.2. Iz Teorema 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. i vrijedi (f ◦ g)(x) = x. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. 6. x 1 √ .6.

Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) i osi x. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .1: Derivacije elementarnih funkcija 6.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6.2.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. no to je ponekad teˇko izraˇunati. 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. Jasno je da je ∆x = tg α. f (x0 )) biti dosta mala. odnosno ∆f = tg α∆x . vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . c tj. 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 . 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.

Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .1.2. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).5). y f(x) α 0 x0 x 0+ ∆ x x Slika 6. jednadˇba tangente u c z toˇki (x0 . DERIVACIJA FUNKCIJE 247 ∆x. f (x0 )). Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Dakle. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).6. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . c Teorem 6. Tada od svih polinoma stupnja najviˇe jedan.♣ c . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.5: Diferencijal funkcije.

5 -1 0. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.23).5 2 Slika 6. Dakle. Iz Primjera 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. c Primjer 6.♠ s s c .248 ˇ POGLAVLJE 6.16 znamo da je f (x) = cos x. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . to su razlike ordinata na grafu i na tangenti male za istu apscisu.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. dakle je f (0) = cos 0 = 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.5 1 1.

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

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).

Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).♣ f (b) − f (a) .6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. f (b)). DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. b−a f (b) − f (a) (x − a). Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.2. f (a)) i (b. Neka je L pravac kroz toˇke (a. tj. b−a y f(x) 0 a x0 b x Slika 6. f (a)) i (b. proizvoljne. c . a < b. f (b)) z c postoji toˇka x ∈ (a. b za koju je F (x ) = 0. b) u kojoj je tangenta paralelna s tom sekantom.25. postoji x ∈ a. tj. b−a onda Teorem 6.13 Primijetimo: 1. b ∈ I. Napomena 6.26 kaˇe da za svaku sekantu kroz toˇke (a.

oˇito je c x−→1 lim f (x) = 3 = f (1). Uvjet f ∈ C 1 (I) iz Teorema 6. 2 za koji je f (x ) = 1. Kako je f (x) = 3. 0 x>1 oˇito f ima prekid u x = 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. . x za koji je f (x) − f (a) = f (x ).26 je bitan.12. x ≤ 1 f (x) = 3 x > 1. po Teoremu 6. pa je. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. z Iz Teorema 6. x ≤ 1 . x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).258 ˇ POGLAVLJE 6. Ako je dana funkcija f : R −→ R formulom 3x. f neprekidna na R. b−a ali ne postoji x ∈ 0. y f(x) 0 a b x Slika 6. UVOD U DIFERENCIJALNI RACUN 2.

no u nekoj toˇki sigurno je. poznavaju´i vric c jednosti viˇih derivacija u x0 . imamo toˇan izraz. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. ali ne znamo za koji x . 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 .♣ 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. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. i ne znamo ga toˇno. c Usporedimo to s lokalnom linearizacijom (toˇka 6.. S druge strane.27 je baˇ Lagrangeov teorem srednje s vrijednosti..+ (x−x0 )n + (x−x0 )n+1 . tj. .5). tj. Napomena 6.2. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).6.14 Za n = 0 Teorem 6. Koliko je ta aproksimcija dobra? Odnosno. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. f (a)) i (x. iz Teorema 6. tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.26. f (x)).26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). tj.2. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. Teorem 6. imamo c pribliˇni izraz. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.

Aproksimacija je dobra lokalno. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . 2! . T1 (x) = f (0) + f (0)x = x. 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.. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + .. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. x2 = x. Sliˇno kao i Teorem 6.260 ˇ POGLAVLJE 6. Dakle.. 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. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 .♠ (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. s Primjer 6. Dakle.24 Neka je dana funcija f (x) = sin x.

6. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n (x) n! zovemo McLaurinov red funkcije f .. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. 6..8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6..2. odnosno konvergirati nekoj z (x drugoj funkciji. dakle nisu jako c dobri za numeriku. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. .1). + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .15 Taylorovi redovi obiˇno sporo konvergiraju. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . n! ∞ sin x = n=0 (−1)n x2n+1 . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.3. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . tj.28 Neka je f ∈ C 1 (I) za neki interval I. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . Moˇe se pokazati da su funkcije ex . (2n + 1)! ∞ cos x = n=0 (−1)n x2n .. sin x.2. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). (2n)! Napomena 6.

za svaki x ∈ I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Jedan smjer bismo mogli dokazati. 2. Tada.25 zakljuˇujemo da u Teoremu 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. x−→0 U Teoremu 6. Medutim. dakle z funkcija f raste na I. Dakle ne vrijedi f (x) > 0 na R. Obratno. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. 2. za svaki x ∈ I.28 primjenom Teorema 6. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Dokaz ide na sliˇan naˇin. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).11 imamo da obrat ne vrijedi. Iz Napomene 6. Limes nenegativne funkcije mora i sam biti nenegativan. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. pa je f (x + ∆x) − f (x) ≥ 0.25 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. lim x2 = 0). Funkcija f pada na I ako i samo ako je f (x) ≤ 0.24 smo vidjeli da. po Teoremu 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. onda je f (x0 ) = 0.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.26 postoji x ∈ (x.262 ˇ POGLAVLJE 6. ∆x Primjer 6.♠ Iz Primjera 6. pa je f (x) = lim za svaki x ∈ I. UVOD U DIFERENCIJALNI RACUN 1. Dokaz: c 1. obratna tvrdnja ne mora vrijediti. . jer se c s c medu njima nalaze potencijalni ekstremi. Kako je desna strana gornje jednadˇbe nenegativna. ∆x za svaki x ∈ I. to je i lijeva strana takva. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0.26.

x2 ∈ I.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . onda u x0 funkcija f ima lokalni minimum. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). kaˇemo da je f konkavna na I.24.4. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .2. ali i ne mora.♣ c Konveksnost. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . jer konveksnost i konkavnost ovise o predznaku druge derivacije. . x2 ∈ I. u stacionarnoj toˇki funkcija moˇe. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . DERIVACIJA FUNKCIJE 263 Definicija 6. c Kao ˇto smo rekli. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj.28. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Dokaz: Izravno iz toˇke 5. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Teorema 6. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. da je barem f ∈ C 2 (I)). c Dakle. Ako derivacija s c ne mijenja predznak. Teorem 6. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.1. 2 za sve x1 . imati s c z lokalni ekstrem. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). a s druge pada (raste)). Definicija 6. onda u x0 funkcija f ima lokalni maksimum. Teorema 6.6.

x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Teorem 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. f (x2 )). Dakle je f (cx ) > 0. x2 ∈ I graf konveksne funkcije je ispod.♣ Teorem 6. c . Zbog neprekidnosti druge c derivacije.30 Neka je f : I −→ R klase C 2 (I). Ako je f (x0 ) < 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. izmedu x1 . a konkavna ako je za sve x1 . Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0.27 za sluˇaj c n = 1. 2. c c Dakle. c 2.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). ali je f (0) = 0.264 ˇ POGLAVLJE 6.31. za svaki x ∈ I. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0.3). f (x1 )) i (x2 .27 biti iz te okoline. Uzmimo x proizvoljan iz te okoline. 2. jer c c se nalazi izmedu x0 i x. funkcija f ima u x0 ∈ I lokalni maksimum. Ako je f (x0 ) > 0.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Primijenimo li Teorem 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). funkcija f ima u x0 ∈ I lokalni minimum. UVOD U DIFERENCIJALNI RACUN Definicija 6. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). konveksnost i konkavnost su odredene predznakom druge derivacije. 1. Onda ´e i toˇka cx iz Teorema 6. Npr. iz Teorema 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Dokaz: 1. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . c 1. Dokaz ide na sliˇan naˇin. za svaki x ∈ I.

z Neka je lim f (x) = lim g(x) = 0. neka je f na c − δ. pa x = 0 ne moˇe biti z toˇka infleksije.24 f (c) = 0. c + δ strogo c konkavna za neki δ > 0. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . Ako je g (x) = 0 za svaki x = x0 . ∞ . c) i pada na (c.6. c Teorem 6.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. ali je f (x) > 0 za x ∈ −∞. c strogo konveksna i na c. 0 i f (x) > 0 za x ∈ 0. c + δ strogo konkavna ili je na c − δ. c + δ). Dakle je konveksna na −∞. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .32 Neka je f ∈ C 2 (I). za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c c Kaˇe se joˇ da je toˇka (c. moˇda. Dokaz: Bez smanjenja op´enitosti. Iz Teorema 6. f ima lokalni maksimum u c. c Dokaz: Izravno iz Definicije 6. ∞ . g (x) onda je i x−→x0 lim f (x) = L. c strogo konveksna i na c.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c strogo konkavna i na c.♣ Uvjet f (c) = 0 iz Teorema 6. x ∈ I.30 imamo da funkcija f raste na (c − δ. pa je po Teoremu 6. f (c)) toˇka infleksije grafa funkcije f .♣ Raˇunanje limesa . Ako je c ∈ I toˇka infleksije od f .L’Hospitalovo pravilo c Teorem 6. c + δ strogo konveksna. Onda je c toˇka infleksije od f . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Neka postoji δ > 0 takav da je funkcija f na c − δ.7. Npr. Dakle. z s c c Teorem 6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.2. u x0 ∈ I.7 Neka je f : I −→ R i c ∈ I. DERIVACIJA FUNKCIJE 265 Definicija 6. onda je c f (c) = 0. x ∈ I. 0 i 0.34 Neka su f i g derivabilne funkcije na I osim. Tada iz Teorema 6.

g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . g (n) (x0 ) = 0.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. f (x0 ) = 0.266 i ˇ POGLAVLJE 6.12) i iz Teorema 6.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. Znamo da je c tg α1 = f1 (x0 ). g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g (n+1) (x0 ) = 0.16 Neka su funkcije f.34. c Dakle. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . .♣ g (x) f g Na Teorem 6. .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . f (n) (x0 ) = 0. . . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . iz Teorema 6. . . g(x0 ) = 0. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. po g (x0 ) = 0. c Napomena 6. . tg α2 = f2 (x0 ). g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.12). analogno kao u dokazu Teorema 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. Tada. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. onda je i tg α = 0 . odnosno ako i samo ako je tg α = ∞.6.2. . Ako je α = 0. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. c c pa moˇemo re´i da se diraju u toj toˇki. tj.2. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . 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 .14: Kut izmedu dviju krivulja. Iz toˇke 2. To znaˇi da u c toˇki (x0 . x a + x2 = f2 (x). DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. z c c Primjer 6. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . 1 + f1 (x0 )f2 (x0 ) Napomena 6. a > 0.

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

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

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

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

.

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

Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. . vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.20 i Napomene 6. jer je derivacija svake konstante jednaka nuli. 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. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. itd. Uvedimo prvo ime za takve funkcije. a onda pogledajmo kada postoje i koja su im svojstva.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Iz Teorema 6. Teorem 7.1 Neka je F primitivna funkcija funkcije f na I ⊆ R.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).1 Neka je f neprekidna funkcija na I ⊆ R. Stoviˇe.2.274 ˇ POGLAVLJE 7. Zanima nas. UVOD U INTEGRALNI RACUN deriviranja operator. C ∈ R. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Definicija 7. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. da je x primitivna funkcija funkcije x. linearan operator koji mu je inverzan. ako postoji. c Primjerice. Odatle slijedi vaˇno svojstvo primitivnih funkcija.

4). tj. a to je upravo druga tvrdnja teorema.7. C ∈ R je konstanta integracije. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. 275 Dakle imamo prvu tvrdnju.1. c F (x) je primitivna funkcija funkcije f (x). slijedi H(x) = H(x0 ) za svaki x ∈ I. Piˇemo s f (x)dx = F (x) + C. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .2. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). gdje je c neka toˇka izmedu x i x0 . Ostale raˇunamo koriste´i svojstva c c c .1. koji je po Teoremu 7.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ).1 beskonaˇan. f (x) je integrand. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. dx pokazuje po ˇemu se integrira. Interpretirajmo elemente ove formule: je znak integrala. dolazi od S kao suma. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. ˇalje c s u f. s To nije toˇno inverz od derivacije.♣ 7. H je konstantna funkcija.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.

F ± G primitivna funkcija funkcije f ± g. cF c primitivna funkcija funkcije cf . Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.7). c zbog linearnosti derivacije. Dokaz: Neka je F primitivna funkcija funkcije f .20 i Napomena 6.1 Iz Teorema 7. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. 2.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Oˇito je. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Oˇito je. Teorem 7. UVOD U INTEGRALNI RACUN neodredenog integrala. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.2 f (x)dx = f (x).3 Vrijedi: 1. Kako je imamo f (x)dx f (x)dx = F (x) + C. Neka je F primitivna funkcija funkcije f . Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. = (F (x) + C) = F (x) = f (x). 2.276 ˇ POGLAVLJE 7. z Teorem 7. Za ostale operacije nema jednostavnih pravila. f (x)dx.♣ Napomena 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.♣ . zbog linearnosti derivacije. Dokaz: 1.

1. c c z z to obiˇno nije lako.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. S druge strane. c c koriste´i pravila i tablicu derivacija (toˇka 6. tabliˇne integrale.2.2) i svojstva iz Teoc c rema 7. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. izraˇunati derivaciju bilo koje c c c elementarne funkcije. Tako moˇemo integrirati polinome i jednostavnije racionalne. Primjer 7.7. c 7.1. Najpoznatiji primjer je e−x dx. eksponencijalne i z trigonometrijske funkcije. tzv.4).3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Ako se i moˇe integrirati.1 Pogledajmo sljede´e primjere: c .3. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.1.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.

i to je x3 +x+1. Dakle je 3 = F (1) = 1 + 1 + C. i one c 3 su oblika x +x+C. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Koriste´i Teorem 7. 3). UVOD U INTEGRALNI RACUN 1. Samo jedna prolazi toˇkom (1.♠ c . Odredimo integral funkcije f (x) = x2 + sin x. Koriste´i Teorem 7. y 3 0 1 x Slika 7. 3 2. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. Traˇena funkcija je F (x) = x3 + x + 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija.2: Primitivne funkcije funkcije 3x2 + 1. 3). 3). pa je C = 1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Drugim rjeˇima. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. i ˇiji graf prolazi kroz toˇku (1.278 ˇ POGLAVLJE 7.

ne mogu integrirati produkti funkcija (osim c za polinome. Koriste´i izraz za diferencijal (toˇka 6.3 i tabliˇne integrale.5). + C. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. a to znamo da je u2 2 sin x d(sin x).2 Odredimo integral funkcije f (x) = sin x cos x. gornji se integral svodi na u du.1. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.2. z Primjer 7. Dakle je sin x cos x dx = 1 2 sin x + C. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x.7. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).♠ 2 . Ipak. ovo moˇemo pisati kao c c z sin x d(sin x). Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. tj. ima jedan sluˇaj kad se c produkt funkcija lako integrira. deriviranjem sloˇenih funkcija. op´enito.

UVOD U INTEGRALNI RACUN U Primjeru 7. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. moˇemo podintegralnu funkciju pisati kao z g(u)du. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. Zamjenom varijabli kao u Primjeru 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. d(u(x)) = u (x)dx. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. . Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. Ako je G(u) primitivna funkcija od g(u). a to je diferencijal od z u6 + C. tj.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.280 ˇ POGLAVLJE 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. Primjer 7.

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

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

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

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

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

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

c Metoda se temelji na sljede´im svojstvima polinoma. onda je to i x0 . Ako je x0 ∈ R. Tada vrijedi: 1. a u brojnicima konstante ili linearni polinomi. pa tvrdnja oˇito vrijedi. ako je x0 ∈ C oblika a + bi. r(x) = C ∈ R. c Napomena 7. ako je x0 ∈ C nultoˇka od Pn (x). ako je x0 ∈ C nultoˇka kratnosti r od Pn (x).1. tj. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. Qn−1 (x). Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . c Neka je x0 ∈ C \ R. tj. c 2. NEODREDENI INTEGRAL 3. .4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. onda je x0 = a − bi.) Dokaz: 1. onda polinom (x − x0 ) dijeli Pn (x). onda je x0 = x0 . Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. ako je x0 ∈ C nultoˇka od Pn (x). b ∈ R. Uvrstimo u integral.7. pa je du = dx. i ostatak r(x) koji je polinom stupnja 0. konstanta. tj. c c 3. Odredimo integral funkcije f (x) = 1 . onda je to i x0 . Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. gdje c su a. Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. 2. x−3 287 Uvedimo supstituciju u = x − 3. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. polinom (x − x0 ) dijeli s c c z polinom Pn (x).

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

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

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

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). To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.1. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Rjeˇenje je A = 3.7.♠ x−1 Ako su nuliˇta nazivnika jednostruka. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .♠ 3 3 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . B = 2. D = −1. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. x(x−2)(x+1) x+2 A B D = + + . 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.

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

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

i da komad krivulje bude graf neke funkcije.6. b x KT 1 KT2 KT KT3 4 Slika 7. b].) Po Teoremu 6. b] . Promatrajmo. Neka je ta funkcija neprekidna. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. za svaki x ∈ [a.5: Rastav ravnog lika na krivuljne trapeze. krivuljni trapez omeden odozdo komadom osi x. (Funkcija f je strogo pozitivna na [a. b] ako je f (x) > 0. 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.4: Krivuljni trapez. b] funkcije f (x).294 ˇ POGLAVLJE 7. dakle. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. s lijeva pravcem x = a. funkcija f na segmentu [a.

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

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

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

6 Svaka neprekidna funkcija na [a. b]. Primjer 7. za svaki x ∈ [a. Koje jesu? Neprekidne sigurno jesu. b] imamo mi = 0 i Mi = 1. onda je ona i c ograniˇena.5 Svaka monotona funkcija na [a. b] je integrabilna. f (x) = nije integrabilna. Uoˇimo da za svaku podjelu r segmenta [a. c Iz Primjera 7.♣ Napomena 7. 1 dx. nisu integrabilne.13 Dirichletova funkcija. b]. onda je f (a) ≤ f (x) ≤ f (b). b] je integrabilna. Izraˇunajmo iz definicije c b 1. .♠ Napomena 7..♣ Teorem 7. x ∈ R \ Q.. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b]. dakle je f ograniˇena funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a..8 Dirichletova funkcija ima prekid u svakoj toˇki. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). c i = 1. n.298 ˇ POGLAVLJE 7.♣ Primjer 7. c Dokaz: Ako f raste na [a. z c tj. Dirichletova funkcija nije integrabilna. b]. b]. tj. x∈Q 0. Koje joˇ? s Teorem 7. a . UVOD U INTEGRALNI RACUN Definicija 7. b].14 1.9 Uoˇimo da ako je f monotona funkcija na [a. b] z kaˇemo da je f integrabilna na [a.13 vidimo da nisu sve funkcije na segmentu [a. b] integrabilne. b]. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti.3 Ako za funkciju f moˇemo definirati odredeni integral na [a.

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

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

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

.. z Napomena 7. . . + an−1 f (x)dx. Definicija 7.5 i svojstva 3. iz Teorema 7. b] znamo a1 b izraˇunati integrale c a b f (x)dx. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. [an−1 ... [an ..... dakle znamo izraˇunati c i a f (x)dx. . UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. an−1 f (x)dx. na svakom segmentu [a. < an−1 < b sve toˇke prekida od f na [a. c Kako je f neprekidna..4 Funkcija f : [a. < an < b. gdje su a < a1 < a2 < ..10 Iz ovog svojstva slijedi da i funkcije koje na [a. Dakle. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. b]. To moˇemo napraviti tako da integral z zapiˇemo u obliku s b a1 a2 b a f (x)dx f (x)dx = a a f (x)dx + a1 f (x)dx + . . b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < ...302 ˇ POGLAVLJE 7. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna. a1 ]. takve da je f monotona na svakom segmentu [a. b ako uzmemo u obzir svojstvo c / 2.. b].. 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.. a1 ]. Analogno se dokaˇe ako je a < b < c.

7. 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). pa je mi = 0. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. Dakle je s(r) = 0 i S(r) = Mj ∆xj . M = f (c) i za svaku podjelu r segmenta [a. j + 1. j − 1.2... onda je c b f (x)dx = 0. b] toˇka c pada u toˇno jedan c c [xj−1 . .2 i Teorema 6. n. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. i Mj = f (c). . ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. skup c {1. a cf (x)dx = c a f (x)dx.2 i Teorema 6. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. xj ].. Stoviˇe. i svaka funkcija iz tog skupa je neprekidna na I. b]). Ako je funkcija f : [a. x2 ... jer npr. .. i = 1. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. Mi = 0. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Dakle beskonaˇni skup {xn : n = 0.3). Oˇito je z c c tada m = 0. a (f (x) ± g(x))dx = a ili aditivnost integrala.18... x. n. i = 1. unutra se sigurno nalaze sve neprekidne funkcije na [a.♣ b b 5. Nadalje. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. 6. b] (skup R(I) nije prazan.. gdje je c ∈ R proizvoljan.. a 4.} se c nalazi u nekoj bazi od R(I).♣ c Napomena 7. Beskonaˇnodimenzionalan je. . dakle i integrabilna.13).... . b] i da je f (c) > 0.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.. 1.18. .

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

Tada je b b f (x)dx ≤ a a g(x)dx. Dakle. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b]. b] onda vrijedi stroga nejednakost. c F (x) = g(x) − f (x) ≥ 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Ovo svojstvo se zove svojstvo monotonosti integrala.♣ 9. Ako je f neprekidna i nenegativna funkcija na [a. x2 ∈ I takve c da je x1 < c < x2 . x2 ] imamo x2 f (x)dx > 0. b] i ako je f (c) > 0 za neki c ∈ [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0.7. za svaki x ∈ I . b]. Iz pozitivnosti funkcije f na [a. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. b] iz Teorema 6. onda je b f (x)dx > 0. po Teoremu 6. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Kako je funkcija F = g − f neprekidna na [a. Neka su f i g neprekidne funkcije na [a.2. ODREDENI INTEGRAL 305 8. i oˇito ima pozitivnu derivaciju. Dokaz: Po Teoremu 7. b] tada iz Teorema 6.28 F raste na [a.8 je dobro definirana funkcija F ∈ C 1 [a. b] odnosno stroge pozitivnosti na [x1 . Ako je f (c) < g(c) za bar jedno c ∈ [a.3 slijedi da postoji interval . b]. onda je F (c) = g(c) − f (c) > 0.3 slijedi da postoji interval I ⊂ [a. tj. b] oko toˇke c takav da je f (x) > 0. Odatle slijedi da je F (b) ≥ F (a) = 0. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Dakle postoje x1 .

za svaki c x ∈ [a.♣ a Izraz 1 b−a b f (x)dx a . imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. b] −→ R. odnosno po Teoremu 6. Nadalje. tj.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). odnosno imamo strogu nejednakost. UVOD U INTEGRALNI RACUN I ⊂ [a. i Primjera 7. tj. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. Neka je f : [a.♣ 10. pa postoji barem jedan c ∈ [a.28 c F strogo raste na I . m ≤ f (x) ≤ M . b]. b]. Ako f nije konstanta na [a. b] takva da je c b f (x)dx = f (c)(b − a). za svaki x ∈ [a. iz svojstva 9. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). iz neprekidnosti funkcije f na [a. b] za koji je b f (x)dx = f (c)(b − a). 11.6. Teorem 7. iz svojstva 9.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a.306 ˇ POGLAVLJE 7. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. b] oko toˇke c takav da je F (x) > 0. Nadalje iz Teorema 6. b]. a Dokaz: Po Teoremu 6. b]. Dakle postoje x1 . b]. imamo da je F (b) > F (a) = 0. a b b f (x)dx ≤ a |f (x)|dx. Tada postoji toˇka c ∈ [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b).6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . za svaki x ∈ I .

a2 . kako je f neparna c funkcija. . a Teorem 7...9: Teorem srednje vrijednosti za odredeni integral.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. Oˇito je da funkcija f ima prekid u x0 = 0.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Nadalje. n Za funkcije koje nisu neprekidne Teorem 7.+an dine (aritmetiˇka sredina od a1 .. 1] za koju je f (c) = 0.2. Odatle ime teoremu. b]. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. x ≥ 0 −1. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. iz svojstva 7. se zove srednja vrijednost funkcije f na segmentu [a.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.♠ c . −1 medutim ne postoji toˇka c ∈ [−1..7. an ∈ R je a = c ). c Napomena 7.. imamo da je 1 f (x)dx = 0. Povrˇina ispod s grafa neprekidne funkcije f nad [a.7 ne mora vrijediti: Primjer 7. x < 0.

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

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

U njoj se povezuju odredeni integral. f (x) ≤ F (x) ≤ f (x).Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. b]. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . do kojeg smo doˇli pokuˇavaju´i invertirati s s c .12). b] i F (x) = f (x). Dakle je F (x) derivabilna funkcija na cijelom [a. a Dokaz: Prema Teoremu 7. F (x) = f (x).♣ x ∆x−→0 ∆F ≤ f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. b F (b) = a f (ζ)dζ. onda. z Teorem 7.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . tj.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. iz toˇke 7. toˇke ζ1 i ζ2 moraju teˇiti prema x. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. zbog neprekidnosti funkcije f na [a. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.2 c dobivamo x b F (a) = a f (a)dζ = 0. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.2. Odatle je a f (x)dx = F (b) − F (a).9 (Newton . i neodredeni. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.♣ Newton . Odatle slijedi c f (x) ≤ lim tj. Sliˇno i za ζ2 −→ x. do kojeg dolazimo preko limesa niza integralnih suma. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a).310 ˇ POGLAVLJE 7. ∆x Teorem 7. no dokaz je bitno sloˇeniji.

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

u dv = uv a b a − a v du. .♠ 3 Kod parcijalne integracije situacija je jednostavnija. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.6 i omedena) na podruˇju integracije. U takvim sluˇajevima govorimo c s c o nepravim integralima. c c c Neka je funkcija f neprekidna na [a. kao i da je samo poc druˇje integracije konaˇno. tj. Primjer 7. Iz Primjera 7.10. b i neka je x−→b− lim f (x) = +∞.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. 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.♠ 7.312 ˇ POGLAVLJE 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.17 Izraˇunajmo c 0 1 xex dx.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx.

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

UVOD U INTEGRALNI RACUN π . x 1 0 3. jer 1 √ x 1 x −→ +∞ kada x −→ 0 + . Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. Integral dx x je nepravi integral.♠ x−→0 ζ Dakle ovaj nepravi integral divergira. Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2. 2 2 1−x 1 0 2.314 i znamo da je ˇ POGLAVLJE 7. 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2. . jer 1 x −→ +∞ kada x −→ 0 + . Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. Integral dx √ x je nepravi integral.

tj. (x − b)n Stavimo ϕ(t) = t + b. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1.4. 1 a f (x)dx konvergira. tn Ako je n < 0. dakle imamo b a dx = (x − b)n 0 a−b dt . Izraˇunajmo c −1 1 x2 dx . Izraˇunajmo c a dx . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. t + b = a imamo t1 = a − b. 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 = +∞. c+ε2 Ako oba limesa na desnoj strani postoje. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . inaˇe c Primjer 7. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. Sada oˇito funkcija ϕ : [a − c b. Iz ϕ(t) = a.7. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx.19 1. x2 b 2. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.10. iz ϕ(t) = b dobijemo t2 = 0. . 0] −→ R zadovoljava uvjete Teorema 7. 1]. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. Analogno. tj. onda divergira.

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

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

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

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

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

valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. Podijelimo segment [a. dobit ´emo toˇnu formulu za volumen stoˇca. h = 0. tj.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. cc z tj. za ∆h −→ 0. H − ∆h... Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. < xn−1 < xn = b.16: Volumen stoˇca kao limes sume volumena tankih valjaka. krnji stoˇac visine ∆h.. . ∆h. recimo visine ∆h = H . manjoj) osnovici krnjeg stoˇca. recimo stoˇac visine H i polumjera osz novice r. Nareˇemo ga na tanke ploˇke.ˇ 7.5. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . Za n −→ ∞. b]. za svaki y ∈ [c. b] na n dijelova pomo´u toˇaka a = x0 < x1 < .. . zamijenimo komad stoˇca... i u z s n svakom sloju izmedu visine h i h + ∆h. n ∈ N. Povrˇinu osnovice tog valjˇi´a s cc . z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca.. Za veliki n ∈ N ´e zbroj z c H R Slika 7.5. 1. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . Time je c c i tijelo T podijeljeno na n slojeva. 7. 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.. i = 0. d] takvih da je s g1 (y) ≥ g2 (y). d]. n − 1. osi y.

a njegova povrˇina za zadani x je jednaka f (x)π. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . kad max ∆xi+1 −→ 0.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. oznaˇimo s P (xi ). Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. 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. ako taj limes postoji kad n −→ ∞. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. S druge strane. 0.322 y ˇ POGLAVLJE 7. No taj popreˇni presjek c c 2 je krug. i=0 Prijedemo na limes. tj. Primjer 7.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. 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.♠ 2 . Iz Primjera 7. 0).8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .

. 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. Dakle.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. c Primjer 7. f2 : [a. 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. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x).5. z z Po gornjoj formuli. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi 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. c z y R 0 Η x Slika 7.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. ako su f1 . za svaki x ∈ [a.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. b].ˇ 7.

UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . f2 (x) = R − √ r 2 − x2 . y R r 0 x −R Slika 7. Primjer 7.324 y ˇ POGLAVLJE 7.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . . R > r.

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

♠ 5 7. segmentom [a.5. yi ). x = b.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . da mu je gusto´a c ˇ svuda ista. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. b]. b] na osi x i grafom funkcije f nad [a. tj.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.326 ˇ POGLAVLJE 7. b]. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . (Teˇiˇte je toˇka u kojoj. Uzmemo li ˇkare i izreˇemo taj lik. c s c . UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. Promatramo lik omeden pravcima x = a. Zelimo odrediti teˇiˇte izrezanog lika. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . Primjer 7. dobijemo tanko tijelo.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. ono ostaje u ravnoteˇi. zs zs c ako podupremo tijelo.

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

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

ˇ 7.11). upravo xi . zs s s y r 0 r x Slika 7. iz Primjera 7. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . i=1 a to u limesu daje My = µ b a xf (x)dx. Iz simetrije je jasno da mora biti xT = 0. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). yT = 1 2 b 2 a f (x)dx b a f (x)dx . Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . Kako je masa promatranog lika jednaka M = µP.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. Takoder. s Primjer 7.5.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. zs √ Imamo f (x) = r2 − x2 .23: Teˇiˇte homogenog polukruga. 2 . recimo.

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

Raˇunamo statiˇki moment s obzirom na os y. i = 1. b] na n podsegmenata toˇkama a = x0 < x1 < . . je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi .. njenim integriranjen od a c c do b dobije se masa rotacijskog tijela. M= b a dm. teˇiˇte ´e leˇati na osi rotacije. b b M= a f2 (x)dx − a f1 (x)dx. M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. masa tog komadi´a je µf 2 (si )π∆xi . = b a x dm b a dm . Zbog neprekidnosti od f . xi ]. n. zs c z tj. xi ] i ∆xi = xi − xi−1 .. My : c c n My = µπ i=1 si f 2 (si )∆xi . .5. b] omedena s pravcima x = a i x = b. Dakle mu je apscisa zs s si . gdje je si ∈ [xi−1 . a to je u srediˇtu valjka. 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. b]) funkcije f oko osi x. Ovdje smo s dm oznaˇili veliˇinu dm = µπf 2 (x)dx. Uz konstantnu gusto´u µ. na osi x.ˇ 7.13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema. PRIMJENE INTEGRALNOG RACUNA xT = My . tj. Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja. Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi . volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi ... gdje su mi i Mi najmanja i najve´a vrijednost funkcije f c i na [xi−1 . Podijelimo segment [a. Zanima nas njegova apscisa.. 0). Zbog simetrije. Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . M 331 yT = Mx . Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. < xn−1 < xn = b. Napomena 7.

4 3 Zbog M = µV = 1 R2 πH.332 ˇ POGLAVLJE 7. dobivamo xT = 4 H. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . 23 dobivamo xT = Mx M . 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. mjereno od osnovice. Primjer 7. 4 Zbog M = µV = 14 3 R π. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .♠ 8 π 4 R .27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. tj. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.♠ z Primjer 7. 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 .24: Teˇiˇte homogenog stoˇca.

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

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

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

8 imamo 1 Ix = r4 π.5. xi ]. b] podijeli na male podsegmente [xi−1 .. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . c Primjer 7. Sada iz Primjera 7. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. 5 . Prijelazom na limes dobijemo gornju formulu. Oˇito funkcija ϕ : [0. . 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. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx..♠ 2 Kombinacijom razmatranja iz toˇke 7.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. 4 4 4 Takoder zbog simetrije. dakle je 1 I0 = Ix + Iy = M r2 . xi ]. moment inercije cijelog kruga obzirom na y os je Iy = Ix . Analogno iz ϕ(t) = r imamo t2 = 0. i = 1. gdje je si ∈ [xi−1 . i zbroje se momenti inercije malih valjaka polumjera f (si ). UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. Iz ϕ(t) = −r imamo t1 = π.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 . 2 2 a onda se interval [a.10. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. i visine ∆xi = xi − xi−1 . π] −→ R zadovoljava Teorem 7.336 ˇ POGLAVLJE 7. n..

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

mase µ. s 7.5. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i = 1..27: Ploˇtina plaˇta rotacijskog tijela... moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. n. . s yT = b a f (x) √ 1+[f (x)]2 dx . b] na podsegmente [xi−1 . xi ]. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. i . i = 1.26). Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. n. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). . UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .338 ˇ POGLAVLJE 7. xi ]. Dijeljenjem segmenta [a... s s plaˇta krnjeg stoˇca polumjera donje osnovice R. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. b] rotira oko osi x.. 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 )). a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .

31 Izraˇunajmo oploˇje kugle. c ds = 1 + [f (x)]2 dx. Toˇnije.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.♣ s zs 7.5. Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . Ovdje smo s ds oznaˇili diferencijal luka. 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. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.5.7 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 . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . . Teorem 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . xi ]. gdje je si ∈ [xi−1 .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. n... Primjer 7. i = 1. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .ˇ 7. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.26).. tj. ako znamo poloˇaj tijela u trenutku t1 = 0. . ploˇtinu sfere polumjera r.

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

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

(Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.83 J.342 ˇ POGLAVLJE 7.29: Jarak iz Primjera 7. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.33. duljina jarka je 10 m. . ˇirina c s 2(1 − x) m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. s x 0 y h Slika 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.33.30: Jarak iz Primjera 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. a debljina sloja je dx metara). zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.

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

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

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

Sign up to vote on this title
UsefulNot useful