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

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

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

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

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

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

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

.2. . . . . . .Leibnizova formula . . . . . . . . . . 7. . . . . . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . . .1. . .1. .5. . . . . 7. . . . .2. . . . . . . . . . .6 Neodredeni oblici . . . . . . . . . . . . . .2 Odredeni integral . .8 Primjene derivacija . . . .6 Derivacije viˇeg reda . . . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa . . . . 6. . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . .1. c 6. s 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . . . . 6.1 Motivacija . . . 7. . . . . . . . . . .3 Teˇiˇte . . . . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . .5. . . . . . . . c 6. . . . . . . . . .1. . . . . . . . . 7.2. . . . . . c 6. . . . .3 Newton . . . . . . 6. . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . c 6. . .1.5. . . . . . . . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . .7 Primjene u fizici . . . . .6 Povrˇina rotacijske plohe . zs 7. . . . . . . . . . . . . . . . . . . . . .5. . . . . . . zs 7. . . 6. . . . . . . . . . . . . . . . . . . . . . . 7. . . 7. . . . .2 Svojstva odredenog integrala . . . . .2 Neodredeni integral . .2. . . . . . . . . . . . . . . . . . . . . . . . . . s 7.1. . . . . . . . . . 6. . . . . . . . 7. .5 Neprekidnost i limes . . . .2 Derivacija funkcije . . . . . . . . . . . . . . . . .4 Nepravi integral .1. . . . . . . . . . c 7. . . . . . . . 6. . . .1 Motivacija . . . . .5 Primjene integralnog raˇuna . . . . . . . . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . .2. . . . . . . . . . . . . . . . s 7. . . . . .2 Volumen rotacijskog tijela . . .2.1. . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . 7. . . . .1 Povrˇina lika u ravnini . .1 Neodredeni integral . . . .1. . . . . . . . .2.vi 6 Uvod u diferencijalni raˇun c 6. . . . . . .1 Neprekidnost funkcije . . .2.3 Metode integriranja . .5. . . .5. . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . .2. . .5 Duljina i teˇiˇte luka ravne krivulje . . .4 Raˇunanje derivacija . . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . .1 Neprekidnost i graniˇne vrijednosti .5.3 Derivacija funkcije . . . . 6. . . . . . . . . . . . . c 6. . . . . . . . . . . . . . .

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

Treba nam. troˇkovi proizvodnje. Bitni su. dakle. Unatoˇ tome. Nadalje. niti marka automobila. dakle. u naˇem primjeru. z c c Prvo. vidimo da oba naˇa s problema imaju istu strukturu. 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. Takve c prikaze zovemo matematiˇkim modelima. trajanje. kvantitativni aspekti. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. Nije bitan tip mobitela. Iz naˇih primjera vidimo da se rac s zliˇite realne situacije mogu prikazivati istim matematiˇkim modelom: linearna c c funkcija f (x) = ax + b sluˇi nam i za opis situacije s mobitelima i s rent-az car tvrtkama. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. dakle. s c s dakle. to je 800 km. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. porez. Vrijedno je. uloˇiti trud u razumijevanje svojstava linearne z . arhetipski. po kilometru) i da se tome dodaje konstantan iznos (pretplata. Takav nam okvir daje matematika. startna cijena). u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute.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. 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. gotovo karikirani. niti grad u koji se putuje. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. Bitne su cijene. c Matematika je. 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. udaljenosti. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem.

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

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

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

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

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

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

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

s Q P P Slika 1. z z Q − → − → Iz Definicije 1.10 ˇ POGLAVLJE 1. Poˇetak joˇ c c c s zovemo hvatiˇte. intenzitet).2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. Q) =| P Q |. Q Q’ P P’ Slika 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P.2 slijedi da je op´enito P Q = QP . tj.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 .2: Jednakost vektora. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. jedna od njih je poˇetak P a druga je kraj Q. − − → −→ Definicija 1. jer imaju razliˇite poˇetke i c c c krajeve. c . VEKTORSKI RACUN − → Definicija 1. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.1: Duˇina i usmjerena duˇina. tj. do na translaciju prostora)? z 1.

4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. tj. 3.2 znamo da takve toˇke A i B postoje i da su jedinstvene.1. z kolinearan je sa svakim vektorom). Iz a Napomene 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Sada samo izaberemo orijentaciju koja nam treba. Oˇito je | 0 | = 0. → c . uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Tada je c − − → − = OB. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. P = Q.3). Napomena 1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. B ∈ E takve da je OA = − i AB = b . zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Za vektor P Q kaˇemo da je orijentiran od P prema Q. c 2. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Pogledajmo sada neka svojstva nul vektora: c − → 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . poˇinje u P a z c zavrˇava u Q. Vektor kod kojeg su poˇetak i kraj jednaki. onda c a − → − →. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.1. → → → − − → − 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 . Preciznije. 11 − → 3. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.3). → Napomena 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. tj.

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

ali je suprotne orijentacije.1 ima sljede´a svojstva: ima →.6: Mnoˇenje vektora skalarom. koji ima isti smjer kao →.4 Vektor a = −→ iz Teorema 1. d c a + b+ c+ d a b Slika 1. λ > 0 B’ 0 λa. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. s → − − a c Napomena 1. tj. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. realnim brojem.λ<0 a A B Slika 1. λa . Za n ∈ N a c a a a − = (n − 1)− + − . Sliˇno 2− + − = 3→.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. itd. definiramo λ− kao vektor: a → 1. ˇija je duljina jednaka |λ||− |.1. z → Za λ ∈ R. a .5: Pravilo mnogokuta za zbrajanje viˇe vektora. c a − 2. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).1. → BA. a a → Za sluˇaj → + − piˇemo 2− (tj.

Primjetimo da se u Definiciji 1. b ∈ V je a + b ∈ V . a a → − 4. i neka je A = O c toˇka koja leˇi na tom polupravcu.♣ a a Definicija 1.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. uz pretpostavku − = 0 . (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. − → → → → − Ako su vektori − i b kolinearni. → od vektora a Teorem 1. a suprotnu orijentaciju a − za λ < 0.1 i Teorema 1. 1 · − = → (postojanje jedinice).14 ˇ POGLAVLJE 1. Neka je dan polupravac (zraka) s poˇetkom u O. a a → → → 2. 3. za sve a. onda.2.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. koji ima istu orijentaciju kao vektor − za λ > 0. postoji pravac a a . Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.5 nigdje ne govori o geometrijskim veliˇinama. a a a − → 3. c Vratimo se sada Definiciji 1. Elemente od skupa V zovemo vektori.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. VEKTORSKI RACUN → 3. λ(µ→) = (λµ)− (homogenost). za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . 2. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).

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

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

Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.1. c − → − Napomena 1. b i − tri linearno nezavisna vektora iz XO (E).. Ako su − .3 Bilo koja dva vektora iz XO (p) su linearno zavisna.♣ → → → ˇ s a b c Iz Teorema 1. → ∈ XO linearno zavisni. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. → → − Teorem 1. VEKTORSKI PROSTOR XO (E).♣ . onda su oni linearno zavisni ako i samo ako su kolinearni. takav rastav je jedinstven. z → − − 3. . on se ne moˇe izraziti kao njihova linearna konbinacija.3 je jasna. . Stoviˇe. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. c − → → a 4. taj rastav je jedinstven. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. →. jer se nalazimo na pravcu. Teorem 1.♣ → a s Jednostavna posljedica Teorema 1. − i − .5 Ako su − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . ♣ Tvrdnja Teorema 1.. → → − → Teorem 1. b ∈ XO (E). Stoviˇe.. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.2. →. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. → ∈ XO (E) jednak nul veka1 a2 an toru.3 slijedi iz Napomene 1.7. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . e1 e2 e3 z Tada su oni linearno nezavisni. pa z z slijedi da su oni linearno nezavisni.. onda su ti vektori linearno zavisni.4 Ako su − . b bilo koja dva linearno nezavisna vektora iz XO (M ). Ako imamo dva vektora − . Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .8 Neka su →. Ako je barem jedan od vektora − ..

→. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. − ∈ XO (E). k ne leˇe u istoj ravnini. 0. prema Napomeni 1. pri ˇemu su skalari a1 . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. 0) i Ez = (0.18 ˇ POGLAVLJE 1. c →. Tada je a e1 e2 e3 c − (Teorem 1. az ) su jednoznaˇno odredene.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p).5). Koordinatni sustav → − → Definicija 1. ay .3 Baza vektorskog prostora XO (E). Skalare a1 . pa ˇine bazu. Ey = (0. uredeni par → − (− . j = OEy i − → −→ − − − − → → → k = OEz . − . Stoviˇe. − → − → Neka je (→. 0. a2 i a3 − → → → vektor iz XO (E). → → a b i j k . Kako vektori i . onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . − . →). Analogno. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . 0).7 Uredena trojka (− .1 i Teorem z 1. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). e1 e2 Napomena 1. duljine su im 1 i leˇe na okomitim c s z pravcima. 1).2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . 1. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E).8 z ˇ oni su linearno nezavisni. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). z c → → Neka je sada − proizvoljan vektor iz XO (E). te toˇke Ex = c s c −→ − − → −→ − → − (1. Definirajmo i = OEx . Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. j . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. VEKTORSKI RACUN 1.

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

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

k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani).) Ako je barem jedan od vektora → i b → − − nul vektor. Osim toga. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. Svaka tri vektora − → → → (− . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). j . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . rezultat produkta vektora c − → mora biti skalar. pa kaˇemo da je ( i . j . k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). ( k . s − → → − → → − − → → Definicija 1. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). Skalarni produkt vektora − . onda je → · b = 0. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Iz Tablice 1.8: Uz definiciju skalarnog produkta. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1.1 vidimo da su vektori i . → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. a c c . j . j . Primijetimo da ( i . k ) − − − → → → nije jedina takva baza (npr. SKALARNI PRODUKT 21 produkt dvaju vektora. i ) je druga takva baza). kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b .1. Kako je rad skalarna veliˇina.5.8 Neka su − = 0 i b = 0 .3). (Uzimamo 0 ≤ ϕ ≤ π. − − − → → → Pogledajmo sada jediniˇne vektore ( i . b . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. j . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj.

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

6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. µ ∈ R. → → Neka su − = (x1 .. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. ako je vektorski prostor W = R.5. + xn yn .1. (− + b ) · − = − · → + b · → (aditivnost). Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . .. Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 . a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . a onda f zovemo linearni funkcional.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. a x y z Ova se formula za duˇinu vektora. yn ) ∈ Rn .. (λ− ) · b = λ(− · b ) (homogenost). tj. Posebno.. − → a b Napomena 1. . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .. a c a c c → → → − → − 2.10. tj.. a a → − → → − − a a c 3.♣ − → → → → 1. − = (y1 .. y2 . x2 . → · b = b · − (simetriˇnost). Definicija 1. xn ). b ∈ V i sve λ. → → x y Teorem 1. z z → → − → − → − → → 2. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. slaˇe s Napomenom 1. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .. Za preslikavanje (funkciju) sa V u W . .9 Neka su V i W realni vektorski prostori.

onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). Tada su oˇito ax . VEKTORSKI RACUN → Primjer 1. k ) od XO (E). Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . µ ∈ R proizvoljni. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. cos γ zovemo kosinusi smjera vektora − . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . vrijedi a s → − → → = ax → + ay − + az − . az ∈ [−1. cos β. − . − a0 →| i − −| j → −| k → |a |a |a . (− . Neka su sada →. − ).12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. j . vrijedi a2 + a2 + a x y 2 az = 1. Ve´ smo rekli (toˇka 1. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . ay . Stoviˇe.24 ˇ POGLAVLJE 1. → a i j k → Brojeve cos α. az = cos γ. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. ay = cos β. b ∈ a a c a XO (E) i λ. γ ∈ [0.1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . j . a → → → − Neka je sada − ∈ XO (E). − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. ay = − · j . az = − · k . 1]. Kako je |− | = 1. a a z c − → a → − Pogledajmo vektor − = − .2 Neka je − ∈ XO (E) fiksan vektor. pa postoje brojevi α. Tada je skalarno mnoˇenje s c z − linearni funkcional. j .♠ a a c a c c a − → − → − → Neka je sada ( i . π] c takvi da je ax = cos α.3). a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. β.

neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. Dakle imamo OD = ( d · − )− jer je OD = λ− . → |a| az cos γ = → . jediniˇni vektor.1. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. a0 a0 . SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD .5.10: Projekcija vektora na pravac. → |a| ay cos β = − . Nadalje. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Tada postoji D ∈ E takva da je d = OD. imamo − → → →→ − d = ( d · − )− .

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

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

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

− ) neka baza od XO (E).7 Desni i lijevi koordinatni sustavi. O ∈ E i neka su ( i . Neka je c − . ili sa S . j . onda kaˇemo da su S i S ekvivalentni ili jednako orijenc z tirani. j . − . Tada imamo dva − → − → − → − → − → − → pravokutna koodinatna sustava S = (O. jentacija Ori- Znamo da je za proizvoljnu toˇku O ∈ E skup XO (E) vektorski prostor. − . Jasno je da je svaki tre´i pravokutni koordinatni sustav jednako orijentiran s c toˇno jednim od ova dva.7. imaju istu orijentaciju).1. k ) i ( i . je li mogu´e krutim gibanjem (rotacija. Postavlja se pitanje. Tada ravnina okomita na − → − − → → − → − → → − i u kojoj su j i k prijede u ravninu okomitu na i u kojoj su j i k . Sada − → − → − → − → rotacijom oko osi koja sadrˇi i dovedemo j na j . Kako to odrediti? − − → → Prvo translatiramo O u O. To znaˇi da se skup svih pravokutnih koordinatnih sustava raspada na dva c podskupa. onda dovedemo i u i . DESNI I LIJEVI KOORDINATNI SUSTAVI. translacija ili oboje) c → − → − − − − → − → → → prevesti S u S tako da O prijede u O. ORIJENTACIJA 29 1. kako odrediti jesu li dva pravokutna sustava jednako . j . ako S nije ekvivalentan c sa S. →. Tada uredenu trojku (O. j u j i k u k ? Ako je to mogu´e. Neka su sada O. Ili se poklopi sa S. k ) i S = (O . i . Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima. i u i . k ). k ) proizvoljne ortogonalne baze od XO (E) odnosno XO (E). j . Postavlja se pitanje. i . − ) zovemo → − → → → → (a b c a b c → → → → − → − − − − → − koordinatni sustav. k 0 0 i j i k j Slika 1.11: Desna i lijeva ortonormirana baza. ili je suprotne orijentacije. Time vektor k padne na z − → pravac vektora k : ili se preklopi s njim (tj.

c1 c2 c3 Ako je D > 0. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). onda se z orijentiranost od S i S ispituje analogno.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). k ) pravokutni normirani c c → → − desni koordinatni sustav. tj. onda su S i S (odnosno njihove baze) jednako orijentirani.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. z Napomena 1. 1. j . i . → → a b i j k . pomo´u determinante pripadaju´e c c matrice. onda nisu. j . j . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. − → − → − → − → k = c1 i + c2 j + c3 k . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. k preko i .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. i . i .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O.30 ˇ POGLAVLJE 1. Prikaˇimo i . ako je D < 0. k ) i S = (O . − → − → → − − → j = b1 i + b2 j + b3 k . j . j . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . k : z − → − → − → − → i = a1 i + a2 j + a3 k . Definicija 1. Dakle.

i ϕ = 0 ili ϕ = π.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.1. a a a Napomena 1. pa je cos2 ϕ = 1. Tada je |− × b | = 0. − → → → − → − → → 2. Tada je |→ × − | = 0. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. c c z Teorem 1. Po pretpostavci je |→| = 0 i | b | = 0. kao saˇeti zapis. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. c Dokaz: − → → Ako je barem jedan od vektora − . Dakle a − → − i b su kolinearni. ϕ = 0 ili ϕ = π.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. → × b = −( b × − ) a a (antikomutativnost).♣ → a . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). b nul vektor. pa desna strana formule za duljinu vektora − × b iˇˇezava. neka je − × b = 0 . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .8.6. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . tj. Zbog − · − = |→||− | cos ϕ. a → − → → → → − → − → − Obratno.♣ Primijetimo da tvrdnje Teorema 1. → → → − → → − (a b c a c b c − − → → − → 3. → × ( b + − ) = − × b + − × − .7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Kako je − · b = |→|| b | cos ϕ. jer je nul vektor kolinearan sa svakim vektorom. a c → i → kolinearni. − → − → |a a sc a b → − → → − pa i − × b = 0 . Neka su sada oba vektora razliˇita od nul vektora. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .

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

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

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

− ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.ˇ 1. Pretpostavimo zato da su − = 0 . → komplanarni. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. b . |→ × b | je povrˇina paralelograma razapetog s → i b .16 Vektori →. Tada. MJESOVITI PRODUKT 35 bx c a c b Slika 1. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. pa tvrdnja slijedi a c iz svojstava determinante 3. a a . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . a | b | sin ϕ visina paralelograma. z → − − − a c Napomena 1. pa kako je − okomit na b × − . Tada je: → → → a b c → − → − → − − → 1. − . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. onda − → − Obratno.14: Mjeˇoviti produkt triju vektora. − ∈ XO (E). b . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . → − → − → → → → Napomena 1.17 Za vektore − . − . b = 0 i → = 0 . a a − → → − → − − → − 2. kako je a c → − − → → − − → − · ( b × c ) = 0.4 i 5 iz toˇke 1. b .16 oni su linearno zavisni. − komplanarni po Napomeni 1. b .11 Za vektore − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . zakljuˇujemo da su vektori → i b × c okomiti.6. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . vektorsko mnoˇenje i mjeˇoviti z z s produkt. s → → − → Definicija 1. jer je a a c → − − → |→ · b | = |− || cos ϕ|. gdje je |→| baza. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.9. − → − i samo ako su a b c − → → → Ako su − .♣.

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

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

− · − = c z r n r n 0. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. s c z Joˇ se naziva i implicitna jednadˇba pravca. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0.y ) 0 0 (x . onda − i → nisu okomiti. → − r n → − → → Ako toˇka (x. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. B. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0.1 Ako imamo dvije jednadˇbe. B = tB i C = tC. y) leˇi na pravcu p. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. tj. . s z z Napomena 2. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 .1: Pravac u ravnini. vrijedi Ax0 + By0 + C = 0. y) ne leˇi na pravcu p. ako toˇka (x. Definicija 2. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. c p n r (x . y0 ) okomit na vektor − = A i + B j . pa zbog okomitosti imamo − · → = 0.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A.y) Slika 2. tj. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . 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. c n Zaista. Ax + By + C = 0 i A x + B y + C = 0.38 ˇ POGLAVLJE 2.

onda pravac prolazi kroz ishodiˇte. Ako je A = C = 0.1.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. jer je toˇka (0. Ako je B = 0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . onda je pravac os x. c Obratno. onda je pravac paralelan s osi y. nepotpune obc z like): 1.1. → → Ax = 0 i vektor n n i 5. Odatle je A = tA i → → su vektori n n B = tB. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. Ako je C = 0. z → 2. ako postoji t ∈ R takav da je A = tA. znaˇi z c da prolaze kroz istu toˇku (x0 . C −A −B . Dobijemo z B A x + −C y = 1. Ako je B = C = 0. B = tB i C = tC. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. tj. onda je pravac os y. onda je pravac paralelan s osi x. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. − n → 3. y0 ) i da je za svaku drugu toˇku (x. Dakle → → r i j n i j n i j → − − → − i n kolinearni. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . 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. pa imamo tvrdnju. postoji t ∈ R takav da je n = t− .2. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. n n 2.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Oˇito je (x0 . y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . Ako je A = 0. − n 4. jer je (0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . jer je tada vektor − oblika n − → →=Bj. jer je tada vektor − oblika n − → →=Ai. jer je (0.

z z Uoˇimo sljede´e: ako je x = 0. z . c c y b a 0 x Slika 2. z p s=mi+nj P1 = (x 1. z 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . pravac prolazi kroz toˇke (0. b) i (a.2: Segmentni oblik jednadˇbe pravca. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.y 1 ) Slika 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.40 ˇ POGLAVLJE 2. c c tj.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). imamo A x a + y b = 1.3: Kanonski oblik jednadˇbe pravca. a ako je y = 0. onda je y = b. onda je x = a.1. 0).

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

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

z Jasno je da su a. c c s − → − → → d = |OP0 |. odnosno z → → r n x cos ψ + y sin ψ = d . tj. n − → → Toˇka P = (x. → → r n Jednadˇbu − · − = d. φ ∈ [0. s vektorom i ). n Kako je tg ϕ = m . Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. pa tada postoje ψ. π] takvi da je a = cos ψ − i b = cos φ. tj.1.5). y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. Povucimo sada kroz O pravac q okomit na p. tj. a2 + b2 = 1. P = (x. b ∈ [−1. l). y) leˇi na pravcu p ako i samo ako je z − · − = d. imamo k = tg ϕ. 2.3 Za x = 0 imamo y = l tj. c 43 n ˇ Uzeli smo da je k = m . Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). pravac prolazi toˇkom (0. Neka je − = a i + b j jediniˇni vektor na pravcu q.6: Normirani oblik jednadˇbe pravca.1. PRAVAC U RAVNINI Napomena 2. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. 1]. c − → − → → pa imamo − = cos ψ i + sin ψ j . n c y q n θ P0 x r P p 0 Slika 2. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.2.

predznak od t je jednak suprotnom predznaku od C). ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. po Napomeni 2. Stoga je t= 1 √ . Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. z . z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.44 ˇ POGLAVLJE 2. 2. tB = sin ψ. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. dakle mora biti tA = cos ψ.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.2.2 2. tC = −d. postavlja se pitanje kako prona´i njegov normirani oblik.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. −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. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 .

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

. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . → → Napomena 2.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. m2 n2 → → Napomena 2. s1 s2 tj. tj. ako i samo ako postoji λ ∈ R takav da je − = λ− . ako i samo ako je m1 m2 + n1 n2 = 0. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . s1 s2 odnosno ako i samo ako je n1 m1 = .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .46 b) Kanonski oblik: ˇ POGLAVLJE 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.

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

k2 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Zanima nas udaljenost c toˇke P0 od pravca p.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. s Napomena 2. tj. tj. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . y0 ) i pravac p u ravnini.7). Napomena 2. p) = x0 cos ψ + y0 sin ψ − d. Neka je pravac p dan u c c normiranom obliku. 2 ako i samo ako je tg ϕ = ∞. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. ANALITICKA GEOMETRIJA Napomena 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . odnosno ako i samo ako je k1 = k2 . tj. c Definicija 2. ako i samo ako je ϕ1 = ϕ2 . To je ekvivalentno s 1 k1 = − . x cos ψ + y sin ψ = d.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .1.48 ˇ POGLAVLJE 2. odnosno ako i samo ako je 1 + k1 k2 = 0. sa suprotne strane od ishodiˇta) jer je tada n s . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . 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.2.5. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.

Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. p) = |Ax0 +By0 +C| √ .ˇ 2. p) = odnosno d(P0 . p) ≥ 0. odnosno bx + ay − ab = 0.1 c z c (segmentni. 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. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. −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.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. p) = |x0 cos ψ + y0 sin ψ − d|. eksplicitni). a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . p) < 0. p) = |bx0 +ay0 −ab| √ . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . A2 +B 2 Ax0 + By0 + C √ . pravac kroz dvije toˇke. tj. udaljenost toˇke P0 = (x0 .1.2. a2 +b2 x y + = 1. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . onda iz toˇke 2. y0 ) od pravca p je c d(P0 . a b . kanonski. y0 ) od pravca p je c d(P0 .

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

ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. 3. sijeku se u jednoj toˇki. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.2. c 2. identiˇni su.2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . poklapaju se. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.ˇ 2.8: Mogu´i poloˇaji pravaca u ravnini. xs = . zovimo je S = (xs . tj. c z U sluˇaju da se sijeku u jednoj toˇki.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. ys ).3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. Npr. paralelni su.

onda je A 1 B1 A 2 B2 = 0. ako su p1 i p2 paralelni.52 i ˇ POGLAVLJE 2. . p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Vrijedi i obrat. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) i δ(B. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p)|.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) suprotnog predznaka.2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . Napomena 2. p) = x0 cos ψ + y0 sin ψ − d. onda su p1 i p2 paralelni. Osim udaljenosti.4). 2.11 Ako je A 1 B1 A 2 B2 = 0.2.

Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. p2 .ˇ 2. β ∈ R takvi da je −3 = α→ + β −2 . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. bez smanjenja op´enitosti. p1 i p2 sijeku u jednoj toˇki. → n i j → → −2 = A2 − + B2 − .11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. z c s Da bi se p1 . p2 . c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. Tada p3 mora prolaziti kroz S. tj. Oznaˇimo c c c ju sa S = (xs . ys ). jer ako su sve tri jednake nuli. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . tj. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . tj. onda prema Napomeni c 2. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. s c Neka se sada.2.2. p3 u ravnini u op´em obliku. A2 B2 A 1 B1 . po Teoremu 1. . Dokaˇimo da je i z C3 = αC1 + βC2 .4 vektori → → −1 = A1 − + B1 − . ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. postoje α.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 .

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

kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.3.3.3 2. z) = (x0 + ta.3.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . y. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . 2. → → → a i + b j + c k .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. Neka c z s −→ → → − − radij-vektor toˇke P . y0 . z0 + tc).2. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .9: Pravac u prostoru. Tada imamo P0 P = − − − . y. y0 + tb. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. PRAVAC U PROSTORU 55 2. .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. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . → − → r r0 s p ts P0 r 0 s r0 Slika 2.

z s Napomena 2. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. Prema s z Napomeni 1. j i k dobivamo kanonske jednadˇbe pravca. z0 ) i 2.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . y = y0 + tb. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − .14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . c su koeficijenti smjera pravca p.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . c) odnosno a. z c s 2. pravac p prolazi toˇkom (x0 .3. b. y0 .56 Jednadˇbe z ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA x = x0 + ta. z Napomena 2. b. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . vektor smjera pravca p je dan s (a. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . . Kako su vektori baze linearno nezavisni. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.

s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . − → z definirajmo s P c s − je vektor smjera pravca p. Sada imamo da je → = P1 P2 = → − →. c s → Iz toˇke 1.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. c) je dana s x y z = = . c). γ ∈ [0. Uzmimo sada npr. z1 ) i P2 = (x2 .3. − .1. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. odnosno postoje c s0 α. pa odreduje isti pravac. − →| s →| |→| |→| |s |s s s − jediniˇni. → − → → r r1 r2 r1 .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). y1 . i njihov omjer daje koeficijent smjera (toˇka 2. jedan kosinus smjera prelazi u sinus.5 i toˇka 2. tj.3. c c Tada kroz njh prolazi jedinstveni pravac p.1. 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.6). onda ima dva kosinusa smjera. s 2.3. z Znamo iz toˇke 2. istog smjera i orijentacije kao i →. z2 ) u prostoru.2. β. b. π] takvi da je a cos α = − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . onda znamo da je vektor → s a b c 1 → s0 = − − = − . pa iz toˇke − − s r2 c s r2 r1 c 2. b. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.3. −| |s Dakle koeficijenti smjera a.5 znamo da postoje kosinusi smjera vektora − . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. b. →| |s c cos γ = → . Zbog komplec mentarnosti. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Odredimo njegovu jednadˇbu. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . →| |s b cos β = − . PRAVAC U PROSTORU 57 → Posebno. y2 .

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

Napomena 2.3. + n2 + 1 2.14 Iz toˇke 2. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. + n2 + 1 cos β = √ m2 n .11: Pravac zadan dvjema projekcijama. z b c . Dakle. z y=nz+n 1 x =mz+m 1 y 0 x (m . Tada za svaki izbor a. + n2 + 1 cos γ = √ m2 1 .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .3.3 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 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.3. vrijedi x−m1 m = y−n1 n = z.n ) 1 1 Slika 2. uz oznake n = b c b i n1 = − c z0 . PRAVAC U PROSTORU odnosno.2. 59 y = nz + n1 . b. y0 .

ANALITICKA GEOMETRIJA 2.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . 2 2 2 . z → c radij vektor toˇke B. AC : CB = m : n. tj. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . z1 ) i B = (x2 .60 ˇ POGLAVLJE 2. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . mz1 +nz2 ). y1 . . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 .12: Dijeljenje duˇine u zadanom omjeru. my1 +ny2 . 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. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. y2 .3. m ∈ N. r2 r1 →=− + − → ρ r1 n m → → → − + n −. z2 ) u prostoru. m+n m+n m+n Napomena 2. . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. s z Imamo → = 1 (− + − ).

4. → → radij-vektora r n c P . γ kutovi c → zatvara s pozitivnim smjerovima osi x. k iz toˇke 1. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.13: Normalni oblik jednadˇbe ravnine.4 2.2. j . P0 d r π n0 0 M Slika 2. onda je p = 0. y. RAVNINA U PROSTORU 61 2.4. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. Povucimo okomicu iz toˇke O na ravninu Π. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . β. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. ako Π prolazi kroz ishodiˇte (tj. a vektor z −0 zovemo normala ravnine Π. s vektorima baze −0 ˇto ih n s − − − → → → i . Neka je −0 = OP0 c c n p −→ − (tj.3 ). z redom (tj.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. toˇku O). → → r n . c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. → n Posebno. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine.

udaljenost ravnine Π od ravnine Π .2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . y. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. Kao i kod pravca (toˇka 2. u stvari. iz normalne jednadˇbe ravnine imamo. 0). Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. n . C ∈ Π. 0). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π).17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine.2. c). redom. a c kako M leˇi u Π . Za toˇke s druge strane bit ´e n c c d < 0. z. z − − → OA · → = p. 0. c Neka je M = (x1 . B = (0. n0 − − → → OB · −0 = p. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.4. toˇke u kojima Π sijeˇe koordinatne osi x. B. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. c c Sada. n − → → OC · −0 = p. → ako je M s one strane Π na koju pokazuje −0 . y1 . Kako je d. C = c (0. z). kako su A. jer je duljina okomice do Π jednaka p). Napomena 2.2.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi.2.62 ˇ POGLAVLJE 2. 2. Imamo neˇto analogno otklonu iz toˇke 2. b. 0. neka su toˇke A = (a. y. z1 ) ∈ E proizvoljna. Nadalje.16 Ako toˇka P ∈ E ima koordinate (x. r n Napomena 2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0.

4. Odatle. 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. b cos β = p. Bez smanjenja op´enitosti. B. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). .14: Segmentni oblik jednadˇbe ravnine. p p p cos α = .2.4. z Dakle. cos γ = . cos β = . Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. z 2. y0 . c C C Tada postoji toˇka (x0 . a cos α = p. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). neka je C = 0. tj. c cos γ = p. z = − C x − B y − D . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A.

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

z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv.2. Π) = |Ax1 +By1 +Cz1 +D| √ . C C C A z Oznaˇimo a1 = − C . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Dakle imamo cos α = 65 A . ravnina prolazi kroz ishodiˇte. s c A2 +B 2 +C 2 Napomena 2. B.1). onda je oˇito da O = (0. tj. Tada je. 0) nema komponentu u smjeru n − → osi z (tj.20 Neka je dana toˇka M = (x1 .4. R cos β = B . nepotpune obc z like): c c z 1. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. Ako je C = 0. s → 2. istog su smjera n n → c n i orijentacije. onda su koordinate A. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. k ). b1 = − B i c1 = − D . 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. c . pa imamo cos γ = 0. RAVNINA U PROSTORU predznaka od D. z1 ) ∈ E. pa odreduju istu ravninu. R cos γ = C . po c Napomeni 2.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. Ako je D = 0. Stoga ´emo i vektor − zvati vektor normale. Napomena 2.18) i koeficijent razmjernosti je A2 + B 2 + C 2 .17. c onda je A B D z =− x− y− . tj. y1 . C). Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. R → → Vektor normale −0 je normirani vektor − = (A. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. B. onda normala − = (A. B.4.

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

→ = (a2 . b1 . z0 ). s1 s2 . b2 . Kako imamo dva parametra (u i v).22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . z Napomena 2. y0 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. y0 . z0 ) z z c → → i dva vektora smjera − = (a1 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. − = (a1 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. Napomena 2.21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina.2. → − Nek je P0 = (x0 . b2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. b1 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . c1 ). vidi se da je ravnina dvodimenzionalni objekt u prostoru. y = y0 + ub1 + vb2 .17: Ravnina zadana parametarski. c2 ). Tada P = s1 s2 → − (x. y.4. c1 ) i − = (a2 .

moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. Po Napomeni 1. z2 ). z1 ). y1 . P2 . Kako toˇke P1 . P2 . P1 P3 komplanarni.16. 2. s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. P1 P2 . s1 . P3 = (x3 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. 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 .5. P2 = (x2 . − . y2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P3 ne leˇe na istom pravcu. Po Napomeni 1.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 .4. y3 . 2. vektori s1 s2 −→ → − − − → P0 P . z3 ) u c prostoru takve da ne leˇe na istom pravcu. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). Kao i u toˇki 2.68 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA −→ → − − odnosno. P2 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Dakle.5 2.4. → komplanarni.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . ako i samo ako su P0 P .4. P3 (uzmemo npr.

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

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

∆ . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. 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. paralelne su). onda je presjeciˇte jedinstveno (tj.4.2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. B. c) i − = (A. tj. ∆. C). 2. s jedna toˇka. b. → → s n .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . toˇka 2. 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. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .5. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). z nepoznanice). y. z Definicija 2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. b.5.

Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . b.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . ako je π − ϕ kut izmedu − = (a. b.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. tj. Am+Bn+C Am+Bn+C Am+Bn+C . → → s n Kako je kosinus kuta izmedu − = (a. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. B. − Am1 +Bn1 +D . → Napomena 2.72 ˇ POGLAVLJE 2. − Anm1 +Bnn1 +Dn + n1 . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. odnosno ako → − kolinearni. tj. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ. B. z c c s z0 = − Am1 + Bn1 + D . 2. tj.5. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. c) i − = (A. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. ako i samo ako je − · − = 0. c) i − = (A. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . i ravnina Π s Ax + By + Cz + D = 0. ANALITICKA GEOMETRIJA → → Znaˇi.

2. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z1 − c Ax1Aa+Bb+Cc+D . y = y1 + bt. y0 . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. y1 − b Ax1Aa+Bb+Cc+D . a druga je uvjet paralelnosti pravca i ravnine. tj. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. z z . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0.28 Ako ne postoji takav t koji je konaˇan. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D .5. z = z1 + ct. 2. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. ako nema konaˇnog z koji je rjeˇenje. Ax1 + By1 + Cz1 + D .5. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. Aa + Bb + Cc Napomena 2. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.

5. → → 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 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .18: Mimosmjerni pravci. Pravac je sadrˇan u ravnini. s1 s2 redom.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). 3. Pravac i ravnina se ne sijeku. . y2 . z2 ) s vektorima smjera − = (a1 . c1 ) odnosno − = (a2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). b1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). y1 . Definicija 2. z1 ) odnosno c → → P2 = (x2 . b2 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . ANALITICKA GEOMETRIJA Teorem 2. → → s1 s2 p 2 p 1 Slika 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c c c 2. Pravac i ravnina se sijeku u samo jednoj toˇki. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. c2 ).8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c 2.74 ˇ POGLAVLJE 2.

7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. tj.2. → Napomena 2. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. c c z → s1 Napomena 2. tj.5. z= 1 m−m n−n . 2. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.5). mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . tj.5.3. 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 . ako i samo ako je → · − = 0.

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

z 3. Pravci su mimosmjerni. pa nema presjeciˇta.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.2. Teorem 2.5. 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. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. imamo isti pravac. z Moˇe se desiti da su oni paralelni. ˇetvrti sluˇaj. Pravci leˇe u istoj ravnini i ne sijeku se. Pozabavimo se sluˇajem mimosmjernih pravaca. Prema Napomeni 2. z 2.29. iz toˇke 1. 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).3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. c =0 . z c 4. 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 . Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. Pravci se podudaraju. i 6. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.6 na gornju determinantu (tj. tj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. ne leˇe u istoj ravnini. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.

a2 b2 c2 Definicija 2.78 ˇ POGLAVLJE 2.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . b1 .22. b2 . imamo da Π prolazi z → → kroz P1 = (x1 . 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 = = . . = 0. Dakle.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). z1 ) i paralelna je sa − = (a1 . jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. z1 ) → odnosno P2 = (x2 . Iz s1 s2 Napomene 2. b2 . . y1 . y1 . c2 ). y2 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . b1 . a2 b2 c2 a2 b2 c2 . c2 ).5. z2 ) s pripadaju´im vektorima smjera − = (a1 . ANALITICKA GEOMETRIJA 2. Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. kako p1 leˇi u Π i Π je paralelna sa p2 . c1 ) i − = (a2 . c1 ) c s1 − = (a2 . p1 leˇi u ravnini).

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

.

z i c z u. 1 −1 0  1 1 1 81 . To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x.1. Ako bismo uspjeli razviti raˇun takvih objekata. z i u) kao jedinstveni objekt (matricu). za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . y. z z Npr.1 3. U primjeru iz toˇke 1.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. 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.Poglavlje 3 Matrice i linearni sustavi 3. y.

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

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

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

...♠ .. tj. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  .. tj. 7 3 −2 −3 0 Napomena 3.5 Matrica A  1  A= 4 7 je simetriˇna.. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1.. ali suprotnog predznaka... c . . Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1.. j = 1. odnosno vrijedi aii = 0 za i = 1..1. tj.  2 0   AT =  3 1  . OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n..♠ 2 7 . c Primjer 3. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. . tj. aij = aji za i.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu. j = 1. c c Primjer 3. j = c T 1. Oznaˇavamo ju s AT . aij = −aji za i. . A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. .4 Matrica A  2  0  A=  0 0 je gornja trokutasta.. n. zrcale se jedni u druge. .. n.. Sliˇno se definira donja trokutasta matrica. Ako je A = −A.. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . matrica A je antisimetriˇna (kososimetriˇna).3 Ako je A= onda je 2 3 4 0 1 2  .. Primjer 3. n je transponirana matrica matrice A. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu. n..ˇ ˇ 3.♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. n. m..

. .. .3 Zbroj matrica se definira samo za matrice istog tipa. Definirajmo sada mnoˇenje matrice skalarom. m. a na R znamo ˇto znaˇi s c ”biti jednak”. .. .2 Jednakost matrica se definira samo za matrice istog tipa. tj. m..1. . .. Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. .. C =A+B = . Piˇemo A = B.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1.  . . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva.. .. m.   .. n.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. = .   . = . Definicija 3.4. . j = 1.. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . j = 1. am1     λa11 · · · λa1n · · · a1n .. λA = λ  .. + .. . Definicija 3.  .3 odnosno Definicije 3. j = 1.86 POGLAVLJE 3. z Definicija 3. s Napomena 3. n... MATRICE I LINEARNI SUSTAVI 3.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. .. . . . n.. . . ..  . . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. λam1 · · · λamn · · · amn  a11  . a11  . tj. ..    · · · a1n b11 · · · b1n . . .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . . am1 + bm1 · · · amn + bmn Napomena 3.

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

88 POGLAVLJE 3.3 i Definicije 3.4. gdje su elementi od C dani s cij = aij bij za i = 1. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). geometriji.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja.1. m i j = 1. 2 Oˇito je AT = As . a za Aa vrijedi AT = −Aa . AT = −Aa i A = As + Aa . Produkt A·B takvih matrica . B. nema podlogu u fizici. B ∈ Mmn .5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima... Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.. Definicije 3. Iako jednostavna. . 3. . (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Napomena 3. Tako bismo za matrice A = [aij ]. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Takoder. itd. To nam z name´e sljede´u definiciju.. (AT )T = A za sve A ∈ Mmn .. n. ♣ c s a 3. gdje za As vrijedi AT = As . B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. MATRICE I LINEARNI SUSTAVI 1.. Dakle imamo tvrdnju. Oˇito je tako definirana matrica C ∈ Mmn . 2. (A + B)T = AT + B T za sve A.

broj stupaca od A je jednak broju redaka od B.1.. b2j ..... Mnoˇenje matrica vodi raˇuna o poredku operanada. . Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. bnj ).. m. ai2 .. .. 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..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . . ai2 . bnj ) = ai1 b1j + ai2 b2j + . m. imamo A·B ∈ Mmp . p. Dakle. 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 + . Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . B = C Slika 3. j = 1. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1.. n i m . za i = 1... Npr.. a B · A nije definirano.. a da B · A nije ni definiran. i = 1. a j-ti stupac matrice B je (b1j .. . . Napomena 3.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .4).. p p = j n (i. Definicija 3. p.j) m A .. onda je A · B ∈ Mmp ..... . Za takve matrice A i B kaˇemo da su ulanˇane. a B ·A ∈ Mnn . b2j . . . ain ). a broj stupaca je c jednak broju stupaca od B.. za j = 1.. ain bnj . z c tj.. Ako je m = p = n. ain ) · (b1j . . Dakle zakljuˇujemo da na mjestu (i. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A.1: Produkt matrica..... + ain bnj .. Dakle opet je A·B = B ·A. ako su A ∈ Mmn i B ∈ Mnp i m = p.ˇ ˇ 3. Tada je i-ti redak matrice A jednak (ai1 .

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

. Primjer 3. 0.1. 1 0 3 0  Neka je r = s = 2. prvi i tre´i. npr. bm ]T poznata matrica desnih strana i z x = [x1 . 4. b = [b1 . Izaberimo dva redka. Sloˇimo li ih u (r ×s) matricu. 3. c . svaka linearna z jednadˇba ide u svoj redak).. 3. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. 3.. c drugi i tre´i. Sloˇimo li ih u (2 × 2) matricu.♠ Ako su izabrani redci i stupci uzastopni. xn ]T nepoznata matrica. ♣ 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 ). dobivamo podmatricu z matrice A. i dva stupca npr. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 3. ..6..1. takvu podmatricu zovemo blok. dobijemo podmatricu z 3 4 0 3 matrice A. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica..5 Podmatrice i blok matrice Neka je A ∈ Mmn .ˇ ˇ 3.3.6 Neka je  2 3 4 1   A =  −1 2 1 3  .4.

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

1. neka je dana matrica c 0 1 1 0 . c c c Iz svojstva 5.1.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. OSNOVE MATRICNOG RACUNA 93 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.6 Regularne matrice. c Napomena 3. b. postoji broj koji pomnoˇen s a daje 1.ˇ ˇ 3. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Teorema 3. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. tj. 1. onda je barem jedan od a ili b jednak nuli. U toˇki 3. c. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.1. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . dakle ne postoji izbor brojeva a. Npr. c 2. U skupu R vrijedi: ako je a · b = 0. Npr.

Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . z Napomena 3. Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. . tj. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. Tada je B jednoznaˇno odredena s A. c 0 1 1 0 · a b c d = c d a b . z Definicija 3.9 Neka je A ∈ Mn regularna.♣ Znaˇi. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In .4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 .94 POGLAVLJE 3. c Teorem 3. Dakle je A · A−1 = A−1 · A = c In . Za matricu A koja nije regularna kaˇemo da je singularna. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 .

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

i 3.. a1 an Napomena 3.10 slijedi da je L(− ..96 POGLAVLJE 3. − ). Podprostor razapet vektorima a1 an − . ... λn ∈ R}. MATRICE I LINEARNI SUSTAVI 3. Definicija 3. − je skup svih linearnih kombinacija vektora − . z Teorem 3.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. .11 Neka su − . Iskaˇimo sada jedan bitan rezultat.. ... Iz Napomene 3. ..5)... a1 an . a1 an → → i izravno iz Definicije 3. Sliˇno.. Definicija 3. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. 2.. .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(→..7 Rang matrice.. + λn − : λ1 . → → Definicija 3.. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. tj. matrice iz M1n . →) ⊆ Rm .10 Neka je V vektorski prostor (Definicija 1. moˇemo promatrati kao vektore u R .. ... − ) podprostor od Rm . − ∈ Rm .. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). matrice iz Mm1 ..5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . − ) = {λ1 − + . linearne zavisnosti/nezavisnosti.6 znamo da stupce.. → → s L( a1 an → → → → an a1 L(− .5 izravno slijedi da je r(A) = r(AT )... moˇemo promatrati kao vektore u vektorskom prostoru Rm . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. ..5) i neka je L neki podskup od V .. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). vrijede svojstva 1.. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.. Oznaˇavamo ga → → → → a1 an a1 an c − . iz Definicije 1. Elementarne transformacije Neka je A = [aij ] ∈ Mmn .1.♣ Kako je po Teoremu 3. − . . njene z c n redke.

. .♣ Primjer 3.1. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Neka je In ∈ Mn ... ... Neka je L(− . − )). →)) ≤ n. i R (A) podprostor Rn razapet redcima od matrice A.13 imamo da je r(A) ≤ min(m. Napomena 3. →}. Stoga vrijedi s − − dim(L(→. − ). a1 an Vratimo se na konkretan vektorski prostor.14 Uz gornje oznake iz Teorema 3. znamo da je u a1 an a1 an bazi najviˇe n vektora. Mmn .... OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Tada je r(0) = 0. . .. Neka je A ∈ Mmn ..15 Iz Napomene 3. Napomena 3. → → → → Napomena 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. z Teorem 3.. Tada je oˇito r(In ) = n. c . n). − . Dimenziju vektorskog prostora L(− ... Neka je R(A) podprostor od Rm razapet stupcima matrice A. jer je skup { 0 } uvijek linearno zavisan.12 Neka su − ..ˇ ˇ 3.13 Kako vektori − . .8 Vrijedi: − → 1.. Neka je 0 ∈ Mmn nul matrica. − ) → → → → od R razapet sa a1 an a1 an →.. . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. − razapinju L(− .5 izravno slijedi r(A) = dim(R(A)) = dim(R (A))..... 2. ... Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. − ∈ Rm . . .. − ) podprostor a1 an a1 an m − ....

z 3. 2. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .98 POGLAVLJE 3. n) ima jedinice. Dakle.  ..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     . . jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. .. Neka je dana B ∈ M5.. iz Teorema 3. k. Mnoˇenje redka (stupca) skalarom λ = 0. tj. Nadalje. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. . m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).♠ Iz Primjera 3.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .5 imamo da je r(B) = 3. c c r(In ) = n) i matrice koja izgleda kao i matrica B. j = 2. 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. na pozicijama a11 . Primjer 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. Pitanje je... Dakle.. na aij za j < i ima nule. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. akk za k ≤ min(m..    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. na aij za i = k + 1. Zamjena dvaju redaka (stupaca)... ima nule.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    . na aij za i < j.

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

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

c s 2.. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 .. Ako je barem z jedan bi = 0.. . . Npr. ....2. n i slobodnim ˇlanovima b1 ..18 Primijetimo: 1. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0.14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto.. c c Napomena 3. Homogeni sustav je uvijek mogu´.. = bm = 0.. Za sustav kaˇemo da je homogen ako je b1 = ... m. = xn = 0 daje rjeˇenje c svakog homogenog sustava.. LINEARNI SUSTAVI 101 3.. sustav je nehomogen.. . Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan... s z suglasan ili mogu´. + a1n xn = b1 a21 x1 + a22 x2 + .. s i = 1. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . n.2. c2 .. bm : c a11 x1 + a12 x2 + . c s z proturjeˇan ili nemogu´. + amn xn = bm .. Takvo rjeˇenje zovemo trivijalno. . .. Ako za neki i = 1. m vrijedi ai1 = . + a2n xn = b2 . ..2 3..... a bi = 0..3. Definicija 3. . . 0. . .. sustav je nemogu´. c2 .. Uredena n-torka (c1 .... ... kaˇemo da je nekonzistentan. m.. xn s z koeficijentima aij .. jer x1 = . .. 2. s s z s 3.. .. uredena ˇetvorka (1. Ako sustav nema rjeˇenja.. s Ako je (c1 ... j = 1. i = 1. am1 x1 + am2 x2 + . s . i = 1. = ain = 0. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja..xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.. imamo netrivijalno rjeˇenje.

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

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

po Teoremu 3. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . Ako je n = m. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. = λn = 0 a a a c (tj.. Ako je r = r(A) = r(Ab ). − n su vektor stupci od A).) Ako je n = m i A regularna. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.21 Ako sustav A− = b ima dva rjeˇenja. ♣ − → − Napomena 3.. Dakle stupci od A su linearno x x nezavisni. .8 homogeni sustav je uvijek c rjeˇiv.. → − x 0 → → − Napomena 3. Ho´emo pokazati da je λ1 = .104 POGLAVLJE 3.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). odnosno λ1 = . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje.. tj. Iz − → → − b = (λ1 + x1 )− 1 + . λ = 0 .. λn ∈ R takvi da je λ1 →1 + . Iz Napomene 3.. s x → → − → Obrnuto.6). + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b .. → → − III... bilo kojih r z linearno nezavisnih redaka u A.6 imamo da je r(A) = n). ..8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. = λn = 0. jer je A(A b ) = b . A je regularna. da su stupci od A linearno nezavisni. (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. dakle ima bar jedno rjeˇenje. → je A regularna. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. s c s → − → → − → − → Ako je A− = b . tj.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. Neka su sada λ1 .. + a − → → → → λn − n = 0 (− 1 . onda ih ima beskonaˇno x s c mnogo. tj... MATRICE I LINEARNI SUSTAVI Teorem 3. s − → → II. pa je sustav konzistentan. Dokaz: . tj.. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − .

♣ s c z s x → Iz Teorema 3. c 3. tj. dakle dokaˇimo da za proizvoljne c z − . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .8 i Napomene 3. Dokaz: Oˇito je N (A) ⊆ Rn .2. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Tada je.1 i Teorema 1. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . Treba provjeriti da N (A) ima svojstva iz Definicije 1. → ∈ 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).2. A− = b i A− = b . gdje je λ ∈ R proizvoljan.3.♣ .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).2 su oˇito zadovoljena. x x − → Oˇito je 0 ∈ N (A). jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. c Svojstva iz Teorema 1.22 N (A) je podprostor od Rn .3 Homogeni sustavi → Iz Napomene 3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).5. tj. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . u u Dakle je N (A) vektorski podprostor od Rn .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . c Napomena 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u v u v − → dakle → + − ∈ N (A). Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .

s Dokaz: (Dokazujemo samo tvrdnju II. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). z s .8 je matrica A regularna.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. iz jedinstvenosti zakljuˇujemo da je − = 0 .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b ..106 POGLAVLJE 3. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . Onda. onda po Teoremu 3. prema Teoremu 3.♣ Napomena 3. onda je i njihova linearna kombinacija rjeˇenje tog sustava. rjeˇenje je x s u s jedinstveno.22 zakljuˇujemo da ako su u1 .. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. s x → − → → Obrnuto. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Teorem 3. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. Po Teoremu 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . N (A) = { 0 }. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. Kako je iz Teorema 3. tj. Tvrdnja Teorema 3. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b .. svako rjeˇenje je oblika − 0 + 0 .9 I. 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)). ut rjeˇenja homogenog sustava c s − = − . . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.9 II.23 Primijetimo: → 1.9. → → → → Ax a y y 2. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. gdje je − ∈ N (A).9 I. → → → → u u y y − → → II.) − → → − → − Ako je matrica A sustava A− = b regularna. tj. Tvrdnja Teorema 3.

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

MATRICE I LINEARNI SUSTAVI − 0 = [c1 .24 Tvrdnja Teorema 3. iz Teorema 3.. Brojevi cr+1 . .3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.1.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. dimR(A) + dimN (A) = n.8 II. . Kako je (− r+1 . . − − → u u u pri ˇemu su µr+1 . cr+1 . + µn − n . c ... − n ) baza s x u u u − → − = b oblika → od N (A).9.. i obratno.7 odnosno toˇki 3. → → Teorem 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A)..108 koje je oblika POGLAVLJE 3... 0 U toˇki 3. . ..... .. cn postoje → − jedinstveni c1 . − = [c1 .. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . a broj dimN (A) defekt od A. → x → → Dakle. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b ..10 I.. µn proizvoljni parametri. cn ]T je rjeˇenje sustava A− = c s x − → b. Teorem 3.♣ c Napomena 3.. − u u u pri ˇemu su µr+1 .. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica... → → − II. dok brojevi c1 . . .11 izravno slijedi iz Teorema 3. . .. cr .. cr koji su dani s A−1 β (c) = [c1 ... izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). + µn − n ...♣ Iz Teorema 3.... cn su slobodni prametri. cr ]T ......2. µn proizvoljni parametri. . r(A) = dimR(A) = n..... onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ... Broj dimR(A) smo zvali rang od A.11 Ako je (− r+1 . .. cr ]T ). tj.

z Za neke se posebne matrice druge.. Qq . j = 2. .. . Q1 · Q2 · · · Qq · b ] = [A . posebno dizajnirane. . Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. b ].3. na aij za j < i ima nule.2. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.5 Determinanta... Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. b ] dobili matricu [A . 3. akk za k ≤ min(m. na aij za i < j. − → mi smo zapravo matricu [A. n) ima jedinice. uz male modifikacije je numeriˇki stabilan. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . ima nule. . b ] (gdje je matrica A takva da na pozicijama a11 . Radimo li to elementarnim transformacijama samo nad redcima.. imamo postupak Gaussovih eliminacija. z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. b ] mnoˇili s lijeva elementarnim matricama Q1 .6. . tj. k. metode mogu pokazati brˇima (manja im je sloˇenost). na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Ovaj se postupak moˇe primiz jeniti na sve matrice.... na aij za i = k + 1... a ostale pozicije su ”nebitne”).. m ima nule. lagano moˇemo oˇitati rjeˇenje)....1. tj. b p ..2. A −→ det A. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. sloˇenost mu je c z 3 ∼ n (tj. .

.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . MATRICE I LINEARNI SUSTAVI U toˇki 1.. odnosno n det A = k=1 (−1)k−1 a1k det A1k . u stvari skup R). Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . n > 3.110 POGLAVLJE 3. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda.. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . n. + (−1)n−1 a1n det A1n . Tada za A ∈ M1 oblika A = [a] definiramo det A = a. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2.. . c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 .. . oznaˇimo s A1k . k = 1. Determinanta matrice reda n > 3 se definira induktivno. Za A ∈ Mn . Napomena 3. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. c1 c2 a1 a2 b1 b2 .

n ≥ 2. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale.7. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . n ≥ 2. . 3.1. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Posebno je c det In = 1. Neka je A ∈ Mn dijagonalna matrica. pravilo za c raˇunanje inverza matrice). determinanta mijenja predznak. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . 2.2. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. c 4. det(Qij A) = − det A. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Svojstva determinante su: 1. onda je det A = a11 a22 · · · ann . onda je det A = 0.3. je razvoj determinante po prvom redku. onda sc je det A = 0. Ako je A ∈ Mn trokutasta (gornja ili donja).

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

i+1 (naravno. ♣ Napomena 3. B ∈ Mn vrijedi det(AB) = det A · det B.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 . ♣ U Teoremu 3.2. ♣ .12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . tj.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 . 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. Dokaz: Iz Teorema 3.i+1 = 0). z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . LINEARNI SUSTAVI 113 ispod njega. z Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. itd. Teorem 3. ai+1. ♣ Iz Teorema 3.3.12 Za proizvoljne matrice A. Ako to nije mogu´e. onda je det A = 0. Teorem 3.♣ Teorem 3. Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Radimo sve analogno sve do zadnjeg elementa na dijagonali.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Dakle oˇito je det A = 0.26 Ako je A ∈ Mn regularna. 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.

15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.114 Veliˇinu c POGLAVLJE 3. k=1 Oˇito. tj. Vrijedi i obrat. ♣ Napomena 3. ako je i = j. onda je po Teoremu 3. onda iz Teorema 3.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.13 prethodni zbroj jednak det A.26 smo vidjeli da ako je A ∈ Mn regularna. Kofaktor matrice A oznaˇavamo s kof (A). ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . onda je det A = 0.27 izravno slijedi: Teorem 3. 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. Definicija 3. Promatramo zbroj n (−1)j+k aik det Ajk . Inaˇe je zbroj det A. c c Dokaz: Neka su uzeti i-ti i j-ti redak. det A Dokaz: Ako je det A = 0.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Analogno ide dokaz za stupce.♣ . tj. k) stoji kofaktor elementa aki matrice A. det A Dakle A je regularna i A−1 = kof (A) det A . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.28 U Napomeni 3. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .16 imamo da je 1 kof (A) · A = In . (−1)k+i det Aki . c Napomena 3.♣ Iz Napomene 3.

Rjeˇenje je dano s − = A−1 b . D D pri ˇemu je D = det A. D x2 = D2 Dn . Definicija 3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . µ ∈ R i sve − . . n. → ∈ Rn .. za sve λ. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.3. . xn = . onda takav linearni x y operator zovemo linearnim funkcionalom. A je regularna ako i samo ako je det A = 0. . Rm = R. 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.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. − → → Iz Teorema 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 3.3... Takvu x x funkciju zovemo linearni operator. a Dk . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.3 3. . onda je rjeˇenje z s tog sustava dano s x1 = D1 . Ako je matrica A regularna. . k = 1.3. → ∈ Rn . → x Teorem 3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.26 i Napomene 3. Ako je m = 1. Stoviˇe. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . µ ∈ R i sve − .

tj. Iz Definicije 3. µ ∈ R i sve →.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. 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 (− ). µ ∈ R i sve →. Dokaˇimo da je i F + G linearni z operator.2. − ∈ Rn . x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. − ∈ Rn . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).1 i Teorema 1.5. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. x x Napomena 3.116 POGLAVLJE 3. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. Dokaˇimo da vrijede i prva dva. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. dakle zadovoljavaju tre´e svojstvo Definic cije 1. MATRICE I LINEARNI SUSTAVI Napomena 3.5. tvrdnja slijedi.♣ .16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .

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

3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .118 POGLAVLJE 3. Sada nas zanima kada su ti vektori kolinearni. Tada je po Teoremu 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Primjer 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. tj.2.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.10 Pogledajmo sljede´e primjere: c 1. y.3. c 2. z) = x.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Neka je F : Rn −→ Rm proizvoljan linearni operator. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. tj. Iz Napomene 3. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Operator F vektoru iz Rn pridruˇuje vektor iz Rn . z . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )).31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. y). − → → → Nadalje. iz toˇke 3. Oˇito je rang od p1 jednak jedan (jer je slika x-os). c H =GF . odnosno dimN (F ) = dimN (F ). vrijedi dimN (F ) + dimR(F ) = n.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Kako su F i F ustvari isti linearni oper− → − → atori. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Njegova je matrica dana s 1 0 0 0 1 0 . MATRICE I LINEARNI SUSTAVI Napomena 3.32 i Teorema 3. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. z) = (x. Napomena 3.10 izravno slijedi teorem o rangu i defektu za linearni operator. Njegova je matrica dana s 1 0 0 .♠ c 3. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. F ∈ Mn ). a defekt dva. a defekt jedan. y.

Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). 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 .33 Primijetimo: → 1.3. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . neka je µ ∈ R µ = 0 proizvoljan. Dokaz: 1.2 oˇito zadovoljava. → → Svojstva iz Teorema 1.5. Nadalje. x y x y x y . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).1 i Teorema 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .17. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Nadalje neka su − . c x y tj. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Izravno iz Definicije 3. Dokaz: Oˇito je S(λ0 ) podskup od Rn . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .17 Neka je A ∈ Mn . A− 0 = x x − 0 . → → 2.3. − ∈ S(λ0 ). x x → → Vektor − 0 ∈ Rn . x x x x → Dakle za svaki µ ∈ R. µ = 0. tj. 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 . 2. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . Napomena 3. ♣ Napomena 3. da c z s zadovoljava uvjete Definicije 1.

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

zovemo svojstveni ili karakteristiˇni polinom c matrice A. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Nadalje. Taj polinom.. Dakle.. ϕ = kπ k ∈ Z. Dakle. ako i samo ako je KA (λ0 ) = 0.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R. . Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1. Ako stavimo λ = 0 dobijemo KA (0) = an = det A. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante.3. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. tj. s Izraˇunajmo svojstvene vrijednosti od A... Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta.3. + an . tj. Odatle je a1 = (−1)n−1 a11 + . u oznaci KA (λ). gdje su bij = aij za i = j i bij = aij − λ za i = j. + (−1)n−1 ann . PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. Primjer 3. a1 = (−1)n−1 trA.

jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. tj.18 Za matrice A. Za dijagonalne matrice.19 Neka je A ∈ Mn simetriˇna matrica. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. Tako npr.122 POGLAVLJE 3. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. nul matrice.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Nadalje. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. za trokutaste. cos2 ϕ − 1.2 = cos ϕ ± Kako je ϕ = kπ. iterativne metode. Tada su sve njene svojstvene vrijednosti realne. k ∈ Z. svaki vektor kanonske ortonormirane baze od Rn je svojstven. imamo cos2 ϕ − 1 < 0 tj. da A c nema realnih svojstvenih vrijednosti. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. . c s c z itd. c Teorem 3. tj. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. Medutim. svojstvene vrijednosti od A nisu realni brojevi. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. Stoga se koriste razne pribliˇne metode. Definicija 3. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ).♠ Dakle iz Primjera 3. za nul matrice.

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

Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . ako je λ0 svojstvena vrijednost od A ∈ Mn . Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. s Teorem 3. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. . c c Teorem 3.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. λ−1 . . ona se u nizu c nultoˇaka λ1 . .. c Teorem 3. Obratno. A je regularna.♣ c .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 .34 znamo da je skup S(λ0 ) potprostor od Rn .. ♣ Teorem 3...... .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. 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.. Dakle 0 nije svojstvena vrijednost. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. iz osnovnog teorema algebre (Teorem 5. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. tj. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). c Napomena 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.♣ Napomena 3..36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Ako je A joˇ simetriˇna onda iz Teorema 3..12 vidimo da ne moˇemo svaku matricu dijagonalizirati. Ipak.. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Sada. λn . c Kako je KA (λ) polinom n-tog stupnja.. λn . Tada iz Napomene 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. nultoˇka od KA (λ). λn od KA (λ) zovemo algebarska kratnost od λ0 . .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.. a odgovaraju´i se svojstveni vektori podudaraju.21 Neka je A ∈ Mn simetriˇna. dijagonalna..124 POGLAVLJE 3. λn od KA (λ) pojavljuje barem jednom. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.. tj.

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

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

Onda je po Napomeni 4. tj. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . po Teoremu 4. pa je lim an = 0. tj. ˇto ne moˇe biti jer je G gomiliˇte.2 niz (an ) ima barem jedno c gomiliˇte. niz (an ) s konvergentan. To je ekvivalentno s |q| < ε.6 Monoton. dakle divergira ili u uˇem. Pogledajmo prvo sluˇaj |q| < 1. G > G ..1. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. 1 |q n | Neka je sada |q| > 1. q 2 . jer je log |q| < 0. c Napomena 4. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Teorem 4. vrijedi lim inf an = lim sup an ∈ R.6 je tipiˇni teorem egzistencije. q. . niz 1. c c c Prema Teoremu 4. tj. on moˇe imati najviˇe jedno gomiliˇte. NIZOVI REALNIH BROJEVA 133 Teorem 4...4.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Tj. Dakle imamo samo c c s z s jedno gomiliˇte. q 3 . log |q| Dakle svi ˇlanovi niza 1. q 3 . no ne c s znamo koliko je i kako to na´i. . Tada po Teoremu 4. q. izraˇunati.♣ Teorem 4. Sada. odrediti. c Dokaz: Neka je (an ) monoton i ograniˇen.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .4. ograniˇen niz je konvergentan. za svaki n ∈ N. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. Imamo log ε n> .♣ c z s Napomena 4. Kako je (an ) monoton. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. dakle divergentan. ako s z s s (an ) ima barem dva gomiliˇta G i G . ε). c c . postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. pa prema prethodnom niz n n −→ 0.4 dovoljno je promatrati niz s a1 = 1. n−→∞ Dokaz: Iz toˇke 4. znamo da neˇto postoji. Za |q| < 1 je lim an = 0.. Tada je n 1 |q| < 1.3 imamo |q | −→ ∞. ili u ˇirem smislu. (an ) raste. Logaritmiranjem se dobije n log |q| < log ε. U suprotnom.. i ako npr.1. dakle ili q −→ ∞. q 2 .

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

c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . a1 . + an = k=1 ak = Sn .. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . Red dobiven od niza (an ) oznaˇavamo s c an . kaˇemo da i red z Napomena 4.2. REDOVI REALNIH BROJEVA 135 4. konaˇna suma. ∞ an je oznaka za n=1 Primjer 4.1 Redovi realnih brojeva Pojam reda. n-ta parcijalna suma.2. a3 . tj. gdje je (Sn ) niz parcijalnih suma niza (an ). a konaˇna suma postaje red. (Sn )).8 Neka je (an ) niz.8 Oznaka sumu reda an ... n=1 Ako niz parcijalnih suma (Sn ) divergira. Ako je S = lim Sn < ∞. Dakle. tj.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). c Definicija 4. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. zareze zamijenimo plusevima c dobijemo beskonaˇni red. No.. a2 . Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). Za svaki konaˇan n z c veliˇina Sn je dobro definirana. .4. Definicija 4. an je oznaka za red. Konvergencija reda Ako u beskonaˇnom nizu (an ).8 Pogledajmo sljede´e primjere: c .2 4. a oznaka an divergira. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.

za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 .. n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . Dakle. 2 lim Sn = ∞. 2. 2 3. imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1.. 2n . n! 4.. Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. n(n + 1) 5. + n = odnosno n−→∞ n(n + 1) . n+1 lim Sn = 1. Kako je n−→∞ 1 . Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + . + xn )(1 − x) = 1 − xn+1 . Red POGLAVLJE 4.. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1.136 1.

Nadalje.8. Ako red an konvergira. tj.10 Iz Primjera 4. Dakle je red Teorem 4.10 Red an apsolutno konvergira ako konvergira red |an |.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. REDOVI REALNIH BROJEVA za svaki n ∈ N. n−→∞ odnosno n−→∞ lim an+1 = 0. kaˇemo da red z an konvergira uvjetno.8 znamo da red = divergira i da je lim n n−→∞ n 0. c c ako op´i ˇlan niza (an ) konvergira u nulu. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. a red |an | ne konvergira. onda on konvergira i obiˇno. onda op´enito red c c c an ne mora konvergirati. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.4.♠ 2n n−→∞ ∞ Napomena 4. tj.♠ dok red 1 n divergira (Primjer 4.8). an .♣ 1 1 Napomena 4. c . Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Primjer 4.8 Ako red apsolutno konvergira. n 1 (−1)n−1 n uvjetno konvergentan.9 ne slijedi obrat Teorema 4. oˇito vrijedi c Sn+1 = Sn + an+1 .2. Definicija 4.9 op´enito ne vrijedi. S = lim Sn = n−→∞ n=1 an .♣ c Uoˇimo da iz Primjera 4.

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

4.2. REDOVI REALNIH BROJEVA
za a1 = 0, iz Napomene 4.9 zakljuˇujemo da red c Ako je |q| > 1 i q > 0, onda imamo
n−→∞ n−→∞

139
a1 (−1)n−1 divergira.

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = ∞. lim Sn = ∞, a1 q n−1 divergira i to u uˇem smislu. z

Dakle je
n−→∞

pa iz Napomene 4.9 zakljuˇujemo da red c I na kraju ako je |q| > 1 q < 0 imamo
n−→∞ n−→∞

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

Dakle iz Napomene 4.9 zakljuˇujemo da red a1 q n−1 divergira u ˇirem smislu (jer niz a1 q n−1 c s alternira). Dakle ako geometrijski red a1 q n−1 konvergira mora biti |q| < 1.♣

Primjer 4.10 Pogledajmo sljede´e primjere: c 1. Neka je dan geometrijski red Teorema 4.9 znamo da red
∞ 1 . 2n−1 1

2n−1

Oˇito je a1 = 1 i q = 1 . Tada iz c 2 konvergira i suma mu je 1 1−
1 2

1 2n−1

=

= 2.

n=1

2. Neka je a ∈ R oblika a = 0.333... Tada oˇito vrijedi c 0.333... = i oˇito je a1 = c iq = konvergira i suma mu je
∞ 3 10

3 3 3 + + + ... = 10 100 1000
1 . 10

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

Napomena 4.11 Uoˇimo da nam formula c 3 1 = n 10 3

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

Rekli smo da red an konvergira ako i samo ako konvergira njegov niz parcijalnih suma Sn . Dakle, iz Teorema 4.7 imamo nuˇan i dovoljan uvjet konvergencije reda z an : Teorem 4.10 (Nuˇan i dovoljan uvjet konvergencije reda) Red z vergira ako i samo ako an kon-

(∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|Sn − Sn+r | < ε, ∀r ∈ N).♣ Uoˇimo da je izraz c |Sn − Sn+r | < ε iz Teorema 4.10 jednak izrazu |an+1 + an+2 + ... + an+r | < ε. Dakle, Teorem 4.10 tvrdi da red an konvergira ako i samo ako se apsolutna vrijednost zbroja bilo kojeg konaˇnog broja uzastopnih ˇlanova niza (an ) moˇe c c z uˇiniti dovoljnom malom, poˇnemo li od dovoljno dalekog ˇlana niza (tj. doc c c voljno velikog n ∈ N). Kriterij Teorema 4.10 nije jako koristan u praksi, jer je uvjet teˇko provjeriti. s Dakle, bilo bi dobro prona´i kriterije konvergencije reda ˇije uvjete je lakˇe provc c s jeriti. Cijena toga ´e biti slabljenje kriterija, tako da ´emo obiˇno dobivati samo c c c dovoljnost za konvergenciju. Oˇito je da ako izostavimo prvih konaˇno mnogo ˇlanova reda c c c an onda, se konvergentnost novog reda ne mijenja (tj. ako red an konvergira onda, konvergira i novi red, ako red an divergira onda divergira i novi red). Dakle, ako red an konvergira onda, konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. Red an+1 + an+2 + ... zovemo ostatak reda Ako red an konvergira i suma mu je S, vrijedi S = Sn + Rn , za svaki n ∈ N, gdje je Rn suma reda an+1 + an+2 + .... Nadalje, kako Sn −→ S, tako mora Rn −→ 0. Dakle, ostatak konvergentnog reda teˇi u 0 za n −→ ∞. z an .

4.2. REDOVI REALNIH BROJEVA

141

Napomena 4.12 Rekli smo, ako je red an konvergentan sa sumom S, onda vrijedi S = Sn + Rn , za svaki n ∈ N. Dakle ostatak reda daje pogreˇku aproksis macije pri zamjeni prave sume reda S n-tom parcijalnom sumom Sn , odnosno Rn = S − Sn . Napomena 4.13 Red an konvergira ako i samo ako konvergira i red an+1 + an+2 + ..., za svaki n ∈ N.
Dokaz: Ako red an konvergira onda, oˇito konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. c Obrnuto, ako red an+1 + an+2 + ... konvergira onda, oˇito konvergira i red c an , jer smo redu an+1 + an+2 + ... dodali samo konaˇno mnogo ˇlanova a1 , ..., an , ˇija je suma oˇito konaˇna.♣ c c c c c

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

an konvergentan red sa sumom A i neka je c ∈ R. Tada je

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

neka je niz (cn ) zadan formulom cn = an ± bn . Tada je n-ta parcijalna suma reda cn = (an ± bn ) dana s
n n

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

Kako limes desne strane u gornjoj formuli postoji, i jednak je A±B, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda (an ± bn ).
n

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

an . Nadalje, neka je niz (cn ) zadan cn = can dana s

formulom cn = can . Tada je n-ta parcijalna suma reda
n n

Cn =
i=1

ci =
i=1

cai = cAn .

142

POGLAVLJE 4. NIZOVI I REDOVI
Kako limes desne strane u gornjoj formuli postoji, i jednak je cA, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda can ♣.

Primjer 4.11 Neka je dan red

(−1)n , tj.

−1 + 1 − 1 + 1 − 1 + ... Tada po Napomeni 4.9 taj red divergira. S druge strane pogledajmo red (−1 + 1) + (−1 + 1) + (−1 + 1) + ... Ovaj red oˇito konvergira i suma mu je nula. c Dakle, zakljuˇujemo da kod grupiranja ˇlanova (ispuˇtanje ili dodavanje zagrada) c c s moramo biti paˇljivi.♠ z Teorem 4.12 Ako ˇlanove konvergentnog reda grupiramo, po redu kojim dolaze, c u konaˇne skupine, i od zbrojeva tih skupina napravimo novi red, taj red konverc gira i suma mu je jednaka sumi polaznog reda.♣ Dakle, Teorem 4.12 tvrdi da ako u konvergentnom redu po redu kojim dolaze u konaˇne skupine c an ˇlanove grupiramo c

(a1 + ... + ap ) + (ap+1 + ... + ar ) + (ar+1 + ... + as ) + ..., i ako od zbrojeva tih skupina u1 = a1 + ... + ap , u2 = ap+1 + ... + ar , u3 = ar+1 + ... + as , ... formiramo novi red un , on konvergira. Takoder vrijedi
∞ ∞

an =
n=1 n=1

un .

Napomena 4.14 Primijetimo da iz Primjera 4.11 slijedi da je u Teoremu 4.12 konvergencija reda bitan uvjet da bismo mogli grupirati ˇlanove u konaˇne skupine. c c

4.2. REDOVI REALNIH BROJEVA Napomena 4.15 Zaˇto je suma reda s vergentnog reda an ?

143 un iz Teorema 4.12 jednaka sumi kon-

Dokaz: Oˇito je niz parcijalnih suma niza (un ), tj. reda c un , podniz niza parcijalnih suma reda an , dakle podniz konvergentnog niza. Sada tvrdnja lagano slijedi iz tre´eg svojstva c konvergentnih nizova iz toˇke 4.1.2.♣ c

Teorem 4.12 je poop´enje svojstva asocijativnosti zbrajanja na beskonaˇne konc c vergentne sume (tj. moˇemo po volji ubacivati i izbacivati zagrade). Medutim z za komutativnost se to ne moˇe napraviti (ne smijemo permutirati ˇlanove). z c Primjer 4.12 U Primjeru 4.9 smo spomenuli da red (−1)n−1 1 1 1 1 1 1 1 = 1 − + − + − + − + ... n 2 3 4 5 6 7 8 konvergira i suma mu je

n=1

(−1)n−1 = ln 2. n

Zapiˇimo isti red na drugi naˇin, s ispremijeˇanim ˇlanovima s c s c 1− 1 1 1 1 1 1 1 1 1 − + − − + − − + − ... = 2 4 3 6 8 5 10 12 7

1 1 1 1 1 1 1 1 1 (1 − ) − + ( − ) − + ( − ) − + ( − ... = 2 4 3 6 8 5 10 12 7 1 1 1 1 1 1 − + − + − + ... = 2 4 6 8 10 12 1 1 1 1 1 1 1 1 (1 − + − + − + − + ...). 2 2 3 4 5 6 7 8 Dobili smo 1 ln 2 = ln 2, 2 ˇto ne moˇe biti.♠ s z Dakle, iz Primjera 4.12 zakljuˇujemo da op´enito ne smijemo permutirati ˇlanove c c c reda (niti konvergentnog), jer se u tom sluˇaju suma moˇe promijeniti. Postoje c z redovi kod kojih se to smije uˇiniti. c

144

POGLAVLJE 4. NIZOVI I REDOVI

Teorem 4.13 Ako red apsolutno konvergira onda, njegova suma ne ovisi o poretku ˇlanova.♣ c Ako su svi ˇlanovi konvergentnog reda pozitivni onda, oˇito red i apsolutno konc c vergira pa po Teoremu 4.13 zakljuˇujemo da suma takvog reda ne ovisi o poretku c ˇlanova. c

4.2.4

Redovi s pozitivnim ˇlanovima c

Za red an kaˇemo da je red s pozitivnim ˇlanovima ako je an ≥ 0 za svaki z c n ∈ N. Jasno je da je niz parcijalnih suma reda s pozitivnim ˇlanovima monotono rastu´i, c c dakle red s pozitivnim ˇlanovima ne moˇe divergirati u ˇirem smislu (suma je ili c z s konaˇna ili +∞). c Ako je S suma reda s pozitivnim ˇlanovima, pri ˇemu dopuˇtamo sluˇaj S = +∞ c c s c (tj. ako red divergira), onda je jasno da je Sn ≤ S za svaki n ∈ N. an red s pozitivnim ˇlanovima i neka je (cn ) omeden c Teorem 4.14 Neka je niz pozitivnih brojeva. Ako red an konvergira, onda konvergira i red cn an .
Dokaz: Kako je (cn ) omeden niz, to postoji M > 0 takav da je M > cn za svaki n ∈ N. Nadalje, neka je A suma reda an . Tada znamo da je za svaki n ∈ N n-ta parcijalna suma od an manja ili jednaka od sume A reda an .
n

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

c cn an . Oˇito je niz (Sn ) pozitivan i rastu´i c

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

Monoton niz parcijalnih suma (Sn ) reda red cn an konvergentan.♣

cn an je ograniˇen, pa iz Teorema 4.6 slijedi da je c

Neka su dani redovi

an i

bn . Za red

cn = a1 b1 +(a1 b2 +a2 b1 )+(a1 b3 +a2 b2 +a3 b1 )+(a1 b4 +a2 b3 +a3 b2 +a4 b1 )+... kaˇemo da je produkt redova z an i bn .

4.3. KRITERIJI KONVERGENCIJE

145

Teorem 4.15 Neka su an i bn konvergentni redovi s pozitivnim ˇlanovima c ˇije su sume jednake A i B, redom. Tada je konvergentan i njihov produkt, tj. c red cn = a1 b1 +(a1 b2 +a2 b1 )+(a1 b3 +a2 b2 +a3 b1 )+(a1 b4 +a2 b3 +a3 b2 +a4 b1 )+... konvergira i njegova suma je jednaka AB.♣

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

Teorem 4.16 Neka je an red u R i neka je (bn ≥ 0 za svaki n ∈ N), takav da 1. 2. Tada red bn majorira bn konvergira. an apsolutno konvergira i vrijedi
∞ ∞ ∞

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

Napomena 4.16 Neka su an i je an ≤ bn , za svaki n ∈ N. Onda 1. ako red

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

Dokaz: 1. Slijedi izravno iz Teorema 4.16. 2. Red an divergira ako i samo ako divergira niz parcijalnih suma (An ) reda an . Kako je po pretpostavci 0 ≤ an ≤ bn , onda je oˇito Bn ≥ An , dakle i niz parcijalnih suma c reda bn divergira, pa i on sam.♣

. . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Red oblika an xn . an za svaki n ≥ n0 . 0 < λ < 1.146 POGLAVLJE 4. . i n0 ∈ N takav da je an+1 ≤ λ. an0 +m ≤ λm an0 ..13 1. c Teorem 4. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. gdje je x ∈ R proizvoljan.♣ Primjer 4. 1 2. Oˇito je za x = 0 svaki red potencija konvergentan.18 Neka je 0 < λ < 1.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . red an0 + an0 +1 + . Neka je an = n! . i suma mu je 1−x . . Dokaz: Neka su λ ∈ R. onda red an konvergira. za svaki n ∈ N. Dakle. an za svaki n ≥ n0 . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. zovemo red potencija. Ako postoji λ ∈ R. Ako red n an x0 divergira. za svaki m ∈ N. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .3. Neka je an = 1. onda konTeorem 4. za svaki n ∈ N.♠ 1 xn−1 (n−1)! 4. Tada iz Teorema 4.. . Dakle imamo an0 +1 ≤ λan0 .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |.

9 konvergira.3 Cauchyev kriterij Teorem 4. Neka je dan red divergira..14 1.. an konvergira.16 imamo da i red an0 + an0 +1 + . ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. onda red an ≤ λ.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . c Primjer 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. ali vrijedi 1 .8 znamo da on konvergira. 1 n+1 lim n−→∞ 1 n 2. n Tada iz Primjera 4.19 Neka je an red s pozitivnim ˇlanovima.4. konvergira.3.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Neka je dan red vrijedi 1 .♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Sada iz Napomene 4.8 znamo da on = 1. 4. Ako postoji limes c an+1 = l.♣ . n−→∞ an lim onda red an konvergira za l < 1.3. c 0 < λ < 1.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.♣ Napomena 4. imamo da red c an konvergira. n2 Tada iz Primjera 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. divergira za l > 1. Ako postoji λ ∈ R.

tj. c Teorem 4.1. (an ) niz u R i x ∈ R prozvoljan. a divergira za sve x ∈ R za koje je |x| > ρ. onda red an konvergira za l < 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1.20 Neka je an xn red potencija.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.15 Analogno kao i u Primjeru 4.148 POGLAVLJE 4. a iz toˇke 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.♠ c s Cauchyev kriterij je jaˇi. NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.14 za red odnosno red n znamo da divergira odnosno konvergira.20 zovemo radijus konvergencije reda potencija a n xn . Ako postoji limes c n−→∞ lim √ n an = l. Ako postoji lim sup n |an | i lim sup n |an | = 0. . c 1 Primjer 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). divergira za l > 1.

20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.♠ n2 Teoremu 4.4.16 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Neka je dan red potencija lim sup n 1 n x . Ako je x = 1 onda. Neka je dan red potencija lim sup n 149 1 n x . Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.20 red potencija |x| < 1. a divergira za |x| > 1. (−1)n . Po Teoremu 4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.8 imamo da konvergira i red (−1)n . Teorem 4.3. iz Primjera 4. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. n 2. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. dakle i apsolutno konvergira red (−1)n . a divergira za |x| > ρ (ako lim sup n |an | postoji). Ako je x = −1. a divergira za |x| > 1. konvergira za Pogledajmo sada ako je |x| = 1.). dok za x = 1 red n 1 divergira. Po Teoremu 4.3. KRITERIJI KONVERGENCIJE Primjer 4. ali smo u Primjeru 4. n 1 n x n dakle je ρ = 1. tg n.20 red potencija |x| < 1. 4. Tada imamo sljede´i kriterij (Leibnic c zov): . n Tada je 1 = lim n−→∞ n n 1 = 1. c sin n. Iz n2 n2 1 Teorema 4. onda iz Primjera 4. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.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. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). konvergira za Pogledajmo sada ako je |x| = 1.8 znamo 1 1 da red konvergira. n2 1 n x n2 dakle je ρ = 1. itd.

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

♠ s .17 Iz Teorema 4. KRITERIJI KONVERGENCIJE Primjer 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.4.3.

.

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

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

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

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

a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. z s Iz Napomene 5. .1.3: Primjer krivulje koja nije graf funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. ˇto je suprotno s definicijom 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. Napomena 5.5. Npr. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. c y x0 0 x Slika 5.

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

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

oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. Dakle. onda on ne mora biti i globalni.5 Uoˇimo. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. pa i na cijelom R. govorimo o strogom globalnom maksimumu odnosno minimumu. +∞ i strogo padaju´a na svakom interc c valu u −∞. 4. dakle svaki x ∈ R je lokalni maksimum i minimum. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. dok je svaki globalni ekstrem i lokalni. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ).♠ c Napomena 5. x0 + ε . Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. u toˇkama iz R \ {0} f nema lokalnih ekstrema. ako su nejednakosti stroge. pa i globalni maksimum i minimum.160 POGLAVLJE 5.2 1. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . Nadalje. Dakle f nema lokalnih pa ni globalnih ekstrema. c dakle je i strogi globalni minimum. Primjer 5. 0]. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. Ako su nejednakosti stroge. Analogno. . Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). govorimo o strogom lokalnom maksimumu odnosno minimumu. dakle je i c strogi globalni maksimum. FUNKCIJE za svaki x ∈ x0 − ε. 3. +∞ a strogo rastu´a na svakom intervalu u c −∞. 2. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. c Nadalje. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. 0].

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

5 5 2. neka c √ je funkcija f : [−1. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. f (x) = 0 za svaki x ∈ R. tj.5 -10 Slika 5. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.5 1 2 3 -5 -7.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. postoji i konaˇan je broj f (−1). Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.5 -1 -3 -2-2. tj. Primjer 5. Npr. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije.5: Primjer parne (lijevo) i neparne (desno) funkcije. 1] −→ R dana formulom f (x) = 1 − x2 . za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. tj. jedan rub je konaˇan a drugi beskonaˇan).162 POGLAVLJE 5.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. +∞ . Takav je rub c c regularna toˇka. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .

Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. neka je z c funkcija f : 0. Ako z je a ∈ R taj rub.5. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. +∞ −→ R dana formulom f (x) = x−1 .) z y y y −1 0 1 x 0 x 0 1 x Slika 5.) c z .) 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 −∞. (Npr. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. +∞ −→ R dana formulom f (x) = 2x . Tada oˇito f strogo raste u +∞. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. +∞ −→ R dana formulom f (x) = xx . a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. +∞ ili −∞. s c c c c 2. tj. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. neka je funkcija f : [0. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). To znaˇi z c da. i to brˇe od svakog pravca. c c (Npr. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. neka je funkcija c 1 c f : 1.1.

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

pravac). OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Kad bi imala dvije asimptote u jednom rubu.1.5.3 Realna funkcija realne varijable f : I = a. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). . Intuitivno. b −→ R. x0 + δ ) ⊆ f (x0 ) − ε. dok je u svim drugim toˇkama neprekidna. f (x0 ) + ε . Primjer 5.5 Neka je dana funkcija sign : R −→ R formulom   1. x = 0   −1 x < 0 Funkcija f ima prekid u 0.7 Ako funkcija ima asimptotu. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj.3 kaˇe da je funkcija f : I = a. z Definicija 5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. Dakle nula je toˇka prekida od f . ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Definicija 5. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Odnosno. gdje je I ⊆ D(f ). c 1 Uzmimo ε = 2 . zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. x > 0  sign x = 0. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 . c 165 Napomena 5. Definirajmo sada pojam neprekidnosti funkcije.

je ograniˇena na I ako postoji realan broj M ∈ R. b −→ R. FUNKCIJE y 1 0 x −1 Slika 5. gdje je I ⊆ D(f ). iz uvjeta m ≤ f (x) ≤ M. b −→ R neprekidna u toˇki c x0 ∈ I. za svaki x ∈ I.4 stavimo M = max{|m|. c .10 Ako je funkcija f : I = a. M ∈ R c takvi da je m ≤ f (x) ≤ M. je ograniˇena ili omedena na I ako postoje realni brojevi m. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Ako je x0 > 0.4 Realna funkcija realne varijable f : I = a. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε.166 POGLAVLJE 5. tj.8 Ako u Definiciji 5.4. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. tj.9 Iz Definicije 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.8: Funkcija sign(x). M > 0. takav da je c |f (x)| ≤ M . za svaki x ∈ I. Napomena 5.♠ z Definicija 5. funkcija je neprekidna u x0 . Napomena 5. Analogo se dokaˇe za x0 < 0. za svaki x ∈ I. Napomena 5. gdje je I ⊆ D(f ). b −→ R.

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

Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. b) Ako je c > 0. c c Neka su f. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.. Uoˇimo da je D(g) = R. . Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. c) Ako je c < 0. skup funkcija {1. a g dana formulom g(x) = c. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). . c Preciznije. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}.. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). pri ˇemu je f proizvoljna. graf funkcije f + g je isti kao i graf funkcije f . Dakle imamo definirano c c mnoˇenje funkcije skalarom. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. g : R −→ R.168 POGLAVLJE 5. tj.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). Npr.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. pa je D(f ± g) = D(f ). Napomena 5. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore.. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. c c ∈ R.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. dakle beskonaˇni skup {xn . z c z Napomena 5.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor.. 1. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}.. x . n = 0. . x. 1.3). onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).5). FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. a) Ako je c = 0. Tj.

Graf funkcije f g je pravac y = 0 ili x os. tj.10: Graf funkcije 2f (x). . samo je usporen pad i rast c funkcije f .1. y 2 f(x) 0 f(x) x Slika 5. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.5. b) Ako je 0 < c < 1. Pogledajmo funkciju f g u ovisnosti o c ∈ R.9: Graf funkcije f (x) + c za c > 0. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . a) Ako je c = 0. Dakle. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. onda je (f g)(x) = 0 za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija c c f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). 2. Graf funkcije f g je sliˇan grafu funkcije f . vrijedi |(f g)(x)| ≤ |f (x)|.

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

onda je f (x) = f (x) za svaki x ∈ D f . Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. onda oˇito g funkcija f u njima nije definirana.1. tj. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. c g) i 3 b). c . funkcija g f je jednaka pravcu y = 0 na skupu D g f . 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. 0 . tj. npr. tamo funkcija f pada. c c c Za ostale operacije ova tvrdnja ne vrijedi. gdje funkcija f raste. g g 1 b) Ako je c = 1. g f g a) Ako je c = 0. c c c Napomena 5. Pogledajmo funkciju g f u ovisnosti o c ∈ R. 3.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran).4). f). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. za f. funkcija f u njima ima c c vertikalne asimptote.5. . g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. c). OSNOVNI POJMOVI 171 predznaka.1. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. onda je f (x) = 0 za svaki x ∈ D . Dakle. Ako funkcija f ima nultoˇke. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b).

Neka su f.172 POGLAVLJE 5. Ako su obje parne.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)).12: Kompozicija funkcija. onda su funkcije f ± g. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Tim se postupkom mogu stvarati nove z funkcije. . Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Matematiˇki se to formalizira pojmom kompozicija funkcija. 3.1. c h f A B g C Slika 5. onda je funkcija f ± g neparna. f g i f g f g sve parne.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. Ako je jedna funkcija. Primjer 5. Ako su obje neparne. recimo g. neparna a f parna. te funkcije f g i obje parne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. g : R −→ R funkcije. 2. Definicija 5. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija.4). za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). g 5. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. dok su funkcije f g i f obje neparne.

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

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

z 3. b) Ako su funkcije f i g neparne. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija.5. OSNOVNI POJMOVI 2.1. onda je i kompozicija g ◦ f neprekidna u x0 . c . d) Ako je funkcija f neparna a g parna. g f N N P P P P g f N P Slika 5. 175 a) Ako su funkcije f i g parne. Parnost kompozicije u ovisnosti o parnosti komponenata. Toˇnije.13: Kompozicija funkcija. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = 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). ako je funkcija f neprekidna u x0 . a funkcija g definirana c i neprekidna u f (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).

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

1) i (1. Injektivnost.11 U Primjeru 5. c c Definicija 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.10 Funkcija f (x) = xn . ali ne i za paran n. Napomena 5. n ∈ N. tj.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. za bilo koji c ∈ R. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). Definicija 5.5. Napomena 5. 1). s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). f (x1 ) = f (x2 ) povlaˇi x1 = x2 . f : D(f ) → R(f ) je uvijek surjekcija. s c Primjer 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. x2 ∈ D(f ). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. a injektivnost njegovu jedinstvenost.8 izraˇunali smo da je x(1300) = 4.1.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. .♠ Primjer 5.6 c ekvivalentan sljede´em: za x1 . je injekcija za neparan n.

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

♠ Napomena 5.20 Ako je funkcija f : R −→ R strogo monotona.20 znamo da f c ima inverznu funkciju g.5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. +∞ −→ [0. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. a strogo c c padaju´e funkcije strogo padaju´a. g1 (x) = − x.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a.+∞ su bijekcije s inverzima g1 : [0. 0].19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle. +∞ . onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.10). Dakle. i √ g2 : [0. onda je ona oˇito i bijekcija na svoju sliku. +∞ −→ −∞.0] √ i f |[0. To je oˇito inverzna funkcija od f . a ona c c je strogo rastu´a funkcija. f | −∞. No f ◦ g = id.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Teorem 5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). no njezine restrikcije na −∞.1. Tada iz Napomene 5. c c Dokaz: Neka je f : R −→ R strogo rastu´a. g2 (x) = x. jer je c f ◦ g = g ◦ f = id. Dakle vrijedi f ◦ g = g ◦ f = id.♣ z c . Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. pa ima i inverznu funkciju. kad govorimo o inverzima funkcija f : R −→ R. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. +∞ jesu. 0] i [0. Primjer 5. OSNOVNI POJMOVI 179 Napomena 5. c Primijetimo da ako f nije strogo monotona nego samo monotona.

Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.12 slijedi da tvrdnju Teorema 5. Dakle. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.♠ c Analogno kao u Primjeru 5.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.♣ Iz Primjera 5. +∞ . +∞ −→ −∞. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). z c Napomena 5. 0] ili [0.2 ne moˇemo izre´i za parne funkcije. f −1 je neparna. 0] odnosno .2 Inverzna funkcija neparne funkcije je neparna.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.180 POGLAVLJE 5. jer je f (x) c rastu´a. Pokuˇajmo sada. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. +∞ gdje je bijekcija. Primjer 5. Tada je njena inverzna funkcija g : [0. FUNKCIJE Teorem 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. ali nije bijekcija. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. praktiˇno izraˇunati.

ima inverznu funkciju. ˇ Cak i za funkcije koje imaju inverze. 0.2. c . 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. +∞ dana formulom − n x odnosno n x.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.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. +∞ −→ [0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.8 0. c Osim elementarnih postoje i tzv.2 -3 -2 -1 -0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. Ako je n neparan.16: Graf funkcije f (x) = xex . Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.6 0.4 0.2 -0. specijalne funkcije kojima se ovdje ne´emo c baviti. +∞ je bijekcija. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. 5. tj.4 1 2 Slika 5. Primjer takve funkcije je c x f (x) = xe . no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.

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

5 5 2. . .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. c 10 7. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. tj. Definicija 5.11 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 . a0 su koeficijenti polinoma Pn (x). Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5. . . a a0 je slobodni koeficijent. Dakle je svaki polinom definiran na cijelom skupu R. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. P.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 + . ako su jednaki kao 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. + a2 x2 + a1 x + a0 . .2. Definicija 5. . Polinomi su konceptualno najjednostavije funkcije. Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5 -3 -2 -1 -2.a1 . Koeficijent an je vode´i. Ovdje podrazumijevamo da je an = 0. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Realne konstante an .

14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda..14. tj.01 1.. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. c c . c c c s naravno. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.02 3 2 0. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.11.184 POGLAVLJE 5.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn ..5 2 2.5 3 Slika 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). . Apscisa nultoˇke je nuliˇte. = an = 0. Broj c k zove se red ili kratnost nultoˇke x0 .3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. za sve i = 0. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. c Primjer 5. n.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.01 -0. 0.02 4 0.. a ordinata je. 1..♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.: n m Teorem 5. FUNKCIJE n Teorem 5.4 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 .3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .

22 U nultoˇkama neparnog reda polinom mijenja predznak. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Ako je k neparan. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. a prema dolje ako je a < 0.5. a padaju´a ako je a ≤ 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. po Teoremu c 6. Tjeme . Za a = 0 imamo konstantnu funkciju p(x) = b. Ako su ove nejednakosti c c stroge. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. a = 0.19: Graf linearne funkcije f (x) = x + 75. onda iz Teorema 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. kaˇemo da je linearna funkcija strogo rastu´a. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.2. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.ako raste u s c nekoj toˇki. Otvor joj je okrenut prema gore ako je a > 0. raste na cijelom R. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b.3 Qn−k (x) = 0 na nekoj oklini oko x0 . odnosno strogo padaju´a.8). tj. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. je polinom drugog stupnja ili kvadratna funkcija. Ako je k paran. onda iz Teorema 6. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. dok za x > x0 vrijedi (x − x0 )k > 0. dok c u nultoˇkama parnog reda nema promjene predznaka. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). za x ≥ 0.

Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. 2a i realne su ako je D ≥ 0.♣ c c . mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). c Napomena 5. parabole ima koordinate (−b/2a.2 = √ −b± D . Nultoˇke kvadratne funkcije dane su formulom c x1. inaˇe velike pozitivne).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. inaˇe velike negativne vrijednosti). Teorem 5. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. npr.8) graf polinoma mora negdje sje´i x os.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.♣ c Iz Teorema 5. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. −D/4a). Zbog neprekidnosti c polinoma na R (Teorem 6. FUNKCIJE 1 2 Slika 5. tj.

♠ Dakle.16 Pogledajmo funkciju (polinom) Pn (x) = xn .♠ c .2. pravac y = x. Primjer 5.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. R(Pn ) = [0.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. dakle nije injekcija. dakle je bijekcija. kao funkcija an xn . c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. onda je P1 (x) = x linearna funkcija. iz Primjera 5. 1. 0]. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. +∞ i ima nultoˇku u (0. graf c joj je zrcalno simetriˇan s obzirom na y os. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. 3. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. +∞ . tj. c neparna je i ima nultoˇku u (0.. Ako je n = 1. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. . i = 1. Pn (x) strogo raste na R. Ako je n paran broj. P1 (x) strogo raste na R. onda je oˇito funkcija Pn (x) = xn neparna. tj. dakle je bijekcija i ima nultoˇku u (0. onda je oˇito funkcija Pn (x) = xn parna.. Oˇito je D(P1 ) = R(P1 ) = R. c vrijedi D(Pn ) = R. Strogo pada na −∞. n − 1. 0). tj. strogo raste na [0. c 2. Nadalje. tj. Ako je n neparan broj. 0). 0).21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n..5.

su koeficijenti polinoma Pnm (x). Npr. tj.. dijeljenjem polinoma c izlazimo iz te klase funkcija. kako se polinom Pn (x) = i=0 ai xi . razlika. u tom sluˇaju se situacija komplicira. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). m. Napomena 5. Za . .25 Polinom proizvoljnog stupnja n > 1 nema asimptotu...3 Racionalne funkcije Oˇito je zbroj. FUNKCIJE Napomena 5. . problem s asimptotike je sloˇeniji.2. Realne konstante aij . 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. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.. i = 1. n > 1.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. y) = i=0 j=0 aij xi y j . kvocijente dvaju polinoma nazivamo racionalnim funkcijama. 5. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. umnoˇak i kompozicija polinoma ponovo polinom. z n Nadalje. itd. ali c z kvocijent dvaju polinoma op´enito nije polinom. j = 1. Dakle. n.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu..188 POGLAVLJE 5.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. z Definicija 5. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. Po analogiji s racionalnim c brojevima. problem poniˇtavanja je vrlo kompliciran. Naravno.. sam sebi je asimptota.

) Dakle. Funkcija j dana formulom j(x) = x−13 je polinom. takve su definirane na cijelom R. c c . PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma.17 Pogledajmo sljede´e primjere: c 1. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. 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. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. Qm (x) = 0}. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. Red pola je red odgovaraju´e nultoˇke nazivnika. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Naravno. (Smatramo da je racionalna funkcija ve´ skra´ena. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. s c D(f ) = {x ∈ R. Funkcija f dana formulom f (x) = 2. 6.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . tj. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Dakle.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. nije racionalna funkcija. Definicija 5. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. tj. U polu racionalna funkcija c nije definirana. nultoˇkama nazivnika. 5. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Dakle.2. je racionalna funkcija. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0.5. 3. c Primjer 5. Funkcija hR dana formulom h(x) = 4.

Sada tvrdnja izravno slijedi iz Napomene c 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 1 x 1 Slika 5. Dakle.26 Ako je pol parnog reda.22. 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. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. i to na vanjskim rubovima prirodnog podruˇja definicije. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). kao i u toˇkama u c kojima se nazivnik poniˇtava. Osim vertikalnih. FUNKCIJE 100 75 50 25 -1 -0.190 POGLAVLJE 5.5 0.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. z c Dokaz: Red pola je red nultoˇke nazivnika. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. 2. (lijevo) i pola Napomena 5.graf racionalne funkcije moˇe imati asimptote: z 1. bi x i=0 i−m bi x i=0 i xm . tj. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . kad c argument ide u +∞ i −∞.5 1 80 60 40 20 -1 -0.5 -25 -50 -75 -100 0.26). dok za polove neparnog z c reda.

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

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

Definirajmo polinom u dvije varijable s P (x. y) takav da vrijedi P (x.2. Tada je oˇito P (x. c Neka je sada f (x) = funkcija i algebarska. y) = Pn (x) − y. jer u suprotnom ne bi bila funkcija.5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. √ x2 + 1 i njenih asimptota z Napomena 5.29 Svaki polinom i racionalna funkcija su algebarske funkcije. y) = Qm (x)y −Pn (x). f (x)) = 0.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. dakle je svaka racionalna c √ Primjer 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Tada je oˇito P (x. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x. y) = x − y n oˇito je P (x. f (x)) = 0. Dokaz: Neka je dan proizvoljni polinom Pn (x).19 1. Definicija 5.2.18.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. 5. Pn (x)) = 0. dakle je svaki polinom algebarska funkcija. c . Napomena 5.

vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. je D(f ) = 1. Dakle. dakle nema niti vertikalnu niti horizontalnu asimptotu. c c √ Nadalje. je D(f ) = R(f ) = [0. c 1 3. z 1 4. dakle nema vertikalnu asimptotu. +∞ .♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. z √ 2. Neka je dana algebarska funkcija f formulom f (x) = x. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . u 1 (toˇka 5.4). f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. f (x)) = 0. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.1. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. +∞ (Primjer 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 .20 1. je D(f ) = R(f ) = R (Primjer 5. Nadalje. koja je bijekcija sa R na R. ima vertikalnu asimptotu x = 1. Neka je dana algebarska funkcija f formulom f (x) = 3 x. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. +∞ i R(f ) = 0. pravac y = 0 je horizontalna asimptota funkcije f . f strogo raste na R i neomedena je. dok kosu asimptotu ne moˇe imati zbog Napomene 5. +∞ . y) = xy n − 1 oˇito je P (x. Kada se argument sve viˇe pribliˇava c s z broju 1.1.13).4). Dakle.194 POGLAVLJE 5.13). Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. √ Primjer 5.13). 0 je regularna toˇka (toˇka 5. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. z tj. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = √x−1 .13). c c tj. tj. Dakle.28. tj. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . FUNKCIJE 1 2.

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).

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

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

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

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

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

Sliˇno se interpretira i kotangens. 2 ] udaljenost toˇaka (0.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. 1) i Q na kotangesnoj osi. k ∈ Z}. ˇto se vidi i s trigonometrijske kruˇnice. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. onda je interpretacija vrijednosti ctg t za 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. Sliˇno kao i sinus i kosinus. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. .5. 1) (joˇ s c s π ga zovemo kotangensna os). k ∈ Z}. s 1 P T x 0 1 tg x ctg x Q Slika 5. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Imamo ctg t = D(ctg) = R \ {kπ.2. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija.

Tada prema Napomeni 5. ni tangens ni kotangens nisu injekcije. 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π . k ∈ Z}. π].33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Napomena 5. c dakle niti bijekcije. 2 i kotangens na 0. π .208 POGLAVLJE 5. tangens na − 2 . kosinus na 2 2 π π [0. π x 2 2 i Ctg x = ctg| 0. π ]. a c c s nema rjeˇenja za c ∈ [−1.π x su bijekcije s tih intervala na R.2. 1]. c c Dakle. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. 2 . Npr. FUNKCIJE za svaki t ∈ R \ {kπ. restringirajmo sinus na [− π . Dakle. dakle nisu bijekcije. njihove restrikcije Tg x = tg| − π . Dakle sinus nema inverznu funkciju. a isto vrijedi s / i za ostale trigonometrijske funkcije.33 . na svoju sliku.34 Zbog periodiˇnosti. a kotangens strogo padaju´a na 0. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1.

1]. π π R(arcsin) = [− . π strogo rastu´e. Kako je sin |[− π . . Dakle.34 znamo da su funkcije sin |[− π . π].5 -1 -0. 1] −→ [− . π ] i tg| − π . ]. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. 2 ] jednadˇbe sin t = s z s z x. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. a arccos c strogo padaju´a na [−1.5 2 1.5 1 0. z π π Za x ∈ [−1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. π]. 2 2 . 1] −→ [0. inverznu funkciji cos |[0.5 1 0. dakle su i bijekcije.5 3 2.1 i Napomene 5. rjeˇenje jednadˇbe postoji i jedinstveno je. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . 2 2 koja je inverzna funkciji sin |[− π . PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.π strogo padaju´e. π bijekcija.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).5 1 Slika 5. rjeˇenje jednadˇbe postoji i jedinstveno je. s z 2 2 s z Kako je tg| − π .π] . a c 2 2 2 2 cos |[0.5 0.5 0.5 -1 -0. oˇito je c c D(arcsin) = D(arccos) = [−1. π jednadˇbe tg t = x .5 -0. π ] bijekcija.π] i ctg| 0. Iz Teorema 5. 1].5 1 -1 -1. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. Nadalje. ]. Dakle. 1. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .5.2. koje zovemo arkus funkcije. π ] .33 slijedi da je arcsin strogo rastu´a. 2 2 R(arccos) = [0.

FUNKCIJE arcctg : R −→ 0. π . . inverznu funkciji ctg| 0. Nadalje.5 1 0. -4 2 1.5 -4 -2 2 4 Slika 5. c . pri traˇenju rjeˇenja t jednadˇbe. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . tako da bi smo dobili arkus funkcije definirane na tim intervalima.5 3 2. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. π .5 2 1.5 -2 -0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 1 0.5 -2 2 4 4 3. npr. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. Dakle. 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 .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. R(arctg) = − . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. z s z sin x = t. Iz Teorema 5. π ]. R(arcctg) = 0. Napomena 5.210 koja je inverzna funkciji tg| − π . oˇito je c c π π D(arctg) = D(arcctg) = R.1 i Napomene 5. π .34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. 2 odnosno ctg| 0. 1].π . Npr.5 -1 -1.

za svaki x ∈ R. 3. +∞ i nema asimptote. tanges hiperc c boliˇki i kotanges hiperboliˇki. Primjerice.2. .9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . neograniˇena c je pa je R(sh) = R i nema asimptote. 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. Dakle je R(ch) = [1. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Lagano se vidi da je ch x > 0 .2. 0] i c strogo raste na [0. +∞ . 2 sh x e x − e −x th x = = x . za svaki x ∈ R. Strogo raste na R. i R(th) = −1. iako se definiraju u terc minima eksponencijalne funkcije. Napomena 5. za svaki x ∈ R. strogo pada na −∞. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. y = −1 i y = 1. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Iz formule lagano ˇ slijedi da je |th x | < 1 . 2 e x − e −x sh x = . Stoviˇe. Nadalje. Lako se vidi da je neparna. parna je. 2.5. th je neparna. cth x = th x i zovemo ih redom kosinus hiperboliˇki. 1 . ch x e + e −x 1 . vrijedi ch x = ch2 x − sh2 x = 1 . Zbog neparnosti c c od sh i parnosti od ch. dakle nije injekcija. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. strogo raste na R. sinus hiperboliˇki. neograniˇena je. Dakle th ima dvije horizonzalne s z asimptote.

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

vertikalne asimptote od Arth. R(Arth) = R i iz Teorema 5. Oˇito je D(Arth) = −1. Kako su y = −1 i y = 1 horizontalne asimptote od th. Kako su y = −1. onda je D(Arch) = [1. y = 1 horizontalne.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Oˇito je D(Arcth) = R \ [−1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 1]. pravci x = −1 i x = 1. iz Teorema 5. Ako smo ch restringirali na [0. +∞).5 -1 -2 -3 0.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). tj. pravci x = −1 i x = 1.5 0. vertikalne asimptote od Arth. .39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). a pravac y = 0 horizontalna asimptota. onda su rubovi −1 i 1.2. tj.5 3 Slika 5. a x = 0 vertikalna asimptota od cth. c 2.1 zakljuˇujemo da Arch strogo raste.5 2 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1.5 1 1. onda su rubovi −1 i 1. +∞ i R(Arch) = [0. c 3.1 c slijedi da Arcth strogo pada. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. +∞ . 1 .5 1 0. 3 2 1 -1 -0. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Oˇito je D(Arsh) = R(Arsh) = R.1 slijedi da Arth strogo raste.5 2 2. R(Arth) = R \ {0} i iz Teorema 5. 4. Iz Teorema 5.5.

.

1 6. m = 20 i m = 30.8. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. 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.05(m2 − m1 ). moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20).8 kn.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.1.5 + 0. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05h (∆c = ˇ 0. Graf te funkcije prikazan je na slici 6. m > 20.1.5 + 0.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.05h = 0.05∆m). a visina poˇtarine c u z s kunama). 0 ≤ m ≤ 20 3. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. (Masa m je izraˇena u gramima. Naime. Dakle imamo c(m) = 2.05(m − 20) kn. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. onda je 215 .

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

6.2 Iz Definicije 6.1 Neka su funkcije f. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). S druge strane. s c c Napomena 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. No.2 nam daje ideju za sljede´u definiciju: c Definicija 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Tada su u toˇki x0 neprekidne i funkije: c . ipak m(c) nije blizu m(20). Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.1. Primjer 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. Analogno. koji c je manji od nekog fiksnog strogo pozitivnog broja. ako je m > 20 i m blizu 20. postoji δ > 0 za koji vrijedi Definicija 6.ˇ 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε).1. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .♠ Primjer 6.1. ako je m lijevo od 20 i dovoljno blizu 20.2 Svojstva neprekidnih funkcija Teorem 6.1 ima prekid u toˇki c = 20. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. ali je ona c neprekidna s lijeva u toj toˇki. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 .1.2 Funkcija c(m) iz Primjera 6.

1] (jer je nema na cijelom R). 3. za koji je f (xδ ) ≤ 0. i neka je f (c) > 0 (f (c) < 0). i funkcija g neprekidna u f (x0 ). 1] −→ R. Tada je |f (xδ ) − f (c)| > f (c) = ε. Ako pogledamo funkciju f restringiranu na segment [−1. Dokaz: Pretpostavimo suprotno. c + δ .218 1. po pretpostavci. onda je funkcija g ◦ f neprekidna u x0 . f .3 Iz Napomene 5. Tada za svaki δ > 0. x = 0 svugdje neprekidna osim u nuli. onda njezin graf mora negdje sjeˇi x os.1] : [−1. f · g. c + δ) takav da je f (xδ ) ≤ 0. f ima prekid u toˇki c. Tada postoji x0 ∈ a. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. c s Analogno se dokaˇe sluˇaj f (c) < 0. f |[−1. f + g. ˇto je suprotno pretpostavci.♠ . |xδ − c| < δ.♣ Teorem 6. tj.♣ c Teorem 6. tj. mora imati nultoˇku.♣ z c Teorem 6.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. x=0 x f (x) = 1. c c Primjer 6.11 znamo da je funkcija f : R −→ R dana formulom 1 .3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. 1]. g : R −→ R takve da je definirano (g ◦ f )(x0 ). da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. ali oˇito f nema nultoˇku na segmentu c c c [−1. b]. f − g. 2. i neka je f (a)f (b) < 0. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).♣ Teorem 6. onda je oˇito f (−1)f (1) = −1 < 0. c + δ).2 Neka su funkcije f. Uzmimo ε = f (c). tj. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. tj. b takav da je f (x0 ) = 0. g ˇ POGLAVLJE 6. postoji xδ ∈ (c − δ. Dakle. Ako je funkcija f neprekidna u x0 . 4.

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

polinom Pn (x) neprekidan na R. jer je svaka racionalna funkcija kvocijent dvaju polinoma. Budu´i da je f (x) − f (x0 ) = c − c = 0.1. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. c Dokaz: U Primjeru 6.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. c c neprekidne na R. 1.1. i = 0. z c Uzmimo proizvoljni ε > 0.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.1. logaritamskih. zakljuˇujemo c da je i suma od ai xi . n... i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Dokaz: Neprekidnost eksponencijalnih. jer su njihove restrikcije npr. trigonometrijske.7 su neprekidne. . z c Uzmimo proizvoljni ε > 0.♣ Napomena 6. π odnosno 0.9 Eksponencijalne. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. takoder iz Teorema 6. z 2. 1.♠ z Iz Primjera 6. Nadalje. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Na kraju... takoder iz Teorema 7. . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. logaritamske.4 dokazali smo da je funkcija f (x) = x neprekidna na R. Na isti naˇin se zakljuˇi da su xi . Budu´i da je |f (x) − f (x0 )| = |x − x0 |. na R su neprekidne i funkcije ai xi .1 sada slijedi da je na R neprekidna i funkcija x2 . Teorem 6. . arkus. Iz Teorema 6. n.4 i Teorema 6. slijedi da c moˇemo uzeti δ = ε.. n. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. dakle iz Teorema 6. tj..1.. UVOD U DIFERENCIJALNI RACUN 1. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.220 ˇ POGLAVLJE 6.. 1. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. hiperboliˇkih (osim kosinusa hiperbolnog). Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. π monotone c 2 2 bijekcije na R. .4) i Teorema 6.. i = 0.7. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. na intervale − π .7 imamo da su neprekidne i funkcije arctg i arcctg.7 c i periodiˇnosti. i = 0. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.1 direktno imamo: n Teorem 6.

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

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

2 2 5.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.ˇ 6.5). osim. ako c ˇelimo promatrati ponaˇanje oko nule.2. Dakle. tj. moˇda u samoj toˇki c. 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). 6. |f (x) − M | < ε). osim. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. Ako funkcija ima limes L u toˇki c. x−→c Ako limes postoji on je i jedinstven: Teorem 6.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.♠ Situacije iz Primjera 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Definicija 6.1. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. onda piˇemo c s L = lim f (x). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.2.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Neka je dana funkcija f : R −→ R formulom f (x) = xx . .8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . pravac y = π je horizontalna asimptota. moˇda u samoj toˇki c.

Analogno.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. +∞. tj. Dakle imamo |M − L| < |M − L|. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. Dakle je M = L. M ) je okolina od −∞. naravno ne zaboravljamo. Pri tome uzimamo da je svaki otvoreni interval oblika (M.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. ali postoji bitna razlika. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. |f (x) − M | < ε). da je M = L. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. postoji δ > 0. 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). 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 ). i svaki interval oblika (−∞.224 Tada je L = M . Ali.4 Uoˇimo da je definicija limesa (Definicija 6. . +∞) okolina od +∞. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). pri ˇemu. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. Uzmimo sada ε = 1 |M − L|.♣ s z c c Napomena 6.6 i Napomz ena 4. ˇ POGLAVLJE 6.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. ˇto ne moˇe biti. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. Tada za taj ε. −∞ ∈ R. 2 po pretpostavci.2) jako sliˇna definiciji neprekidnosti (Definicija 6.

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

tj. lim 3. x > 0 ima prekid u nuli.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. lim 2. UVOD U DIFERENCIJALNI RACUN Teorem 6. s c 1.6 Opiˇimo sada pomo´u limesa Primjer 6. x = 0   1.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. c osim. x−→0 x π 4. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x−→+∞ 6. x−→1 x−1 1 = +∞.1. moˇda u samoj toˇki c. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. lim arctg x = .♠ 6. x−→+∞ 2 5.5 znamo da funkcija   −1.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. onda je jasno iz Definicije 6. x2 − 3x + 2 = −1.7 Iz Primjera 5. ne postoji lim sin x. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x −→0 − lim sign x = −1 .226 ˇ POGLAVLJE 6. x < 0  sign x = 0. onda iz Definicije 6. Dokaz: Ako funkcija f ima limes L u toˇki c. Obrnuto. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . ♣ c Primjer 6. Dakle je x−→0+ lim sign x = sign 0 . ako postoje limesi s lijeva i s desna i oni su jednaki L.5 Neprekidnost i limes Primjer 6. x−→0+ lim xx = 1.5.

Nadalje.5 U Teoremu 6. imamo x−→c lim f (x) = f (c) = f ( lim x).12 imamo: Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.♣ .1.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).4).♠ x−→2 Primjeri 6. x−→c Napomena 6. Zaista imamo: c c Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c. onda limes i funkcija z c ”komutiraju” tj.♠ Primjer 6. x−→c+ Dokaz: Izravno iz Definicije 6. c c Sada direktno iz Napomene 6. Dokaz: Izravno iz Definicije 6. konaˇan je broj. tj.4) i da limes mora postojati.ˇ 6.7 i 6.1 i Primjer 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. i neka postoji limes funkcije f 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)). oˇito vrijedi c f (2) = lim f (x).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.♣ Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Tada je c x−→c lim g(f (x)) = g( lim f (x)).13 Neka je funkcija g : R −→ R neprekidna.2 i definicije jednostranog limesa.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.♣ x−→c Analogno kao Teorem 6.1 i 6.3.

(−∞) · (−∞) = +∞. 6. 3. (−∞) + (−∞) = −∞. a < 0. (+∞) · (+∞) = +∞. 5. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. a +∞ = 0. jer operacije nisu definirane i operandi nisu realni brojevi. 7. a ∈ R proizvoljan. (+∞) · (−∞) = −∞. 6. (+∞) · a = +∞. Kako one nisu realni brojevi.♣ 6. x−→c+ Dokaz: Izravno iz Teorema 6.1. 4. a > 0 +∞.12 i 6. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.228 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. a ∈ R proizvoljan. +∞ ± a = +∞. 9.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c).11. a > 0 −∞. 2. −∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (−∞) · a = 10. . −∞ ± a = −∞. To se posebno odnosi na veliˇine +∞ i −∞. a ∈ R proizvoljan.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. (+∞) + (+∞) = +∞. 8.14. a < 0.

+∞ −∞ . 1+∞ . 0 ∞ . −∞ 2. 5. ∞ · 0. 1−∞ . −∞ −∞ . onda s je to i limes od f (x) kad x −→ c. ”Sedam veliˇanstvenih”: c 0 . a −∞ 229 = 0. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. Osim s beskonaˇnim veliˇinama. s s c c Iz Primjera 6. (−∞)0 . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. 4. ∞0 . 3. pa je 0 neodreden oblik. 0 2. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. −∞ · 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. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. 0∞ . +∞ +∞ . +∞ . 1∞ . (+∞)0 . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. Dakle. 0 . 00 .ˇ 6.1. 0 0 . ∞ ∞ − ∞. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. a ∈ R proizvoljan. +∞ · 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. (+∞) + (−∞). Ako se dobije jedan od neodredenih oblika.

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

2. parnost. koji se nalazi unutar trokuta OBB . Dakle.4).9.1. njihov rast. 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.ˇ 6. To znaˇi da je c x−→+∞ lim loga x = +∞.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). . vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. a ∈ R. i zbog parnosti od sin x . za a > 1. koriste´i definicije limesa i jednostranih limesa (toˇka 6. tg x ). 0). sin x). ortogonalnu projekcija toˇke A na x os. svojstva potencija.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. π ). x−→+∞ x sin x = 1. Iz toˇke 5. Oznaˇimo s A = z c c (cos x.16 lim i 1 lim (1 + )x . pad. Kako gledamo c limes funkcije sin x kada x −→ 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Kada s pravca uzmemo x ∈ (0. neparnost i sliˇno.1. jasno je da je dovoljno x x promatrati x ∈ (0. c c eksponencijalnih i logaritamskih funkcija. +∞) i da joj c c je slika cijeli R. 0) u ravnini.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). i s B = (1. c Osim ovih limesa. tj.

232 ˇ POGLAVLJE 6. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. sin x cos x xr . UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.2: Uz izvod osnovnog trigonometrijskog limesa. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. 2 x 2 sin x 1 ≥ ≥ cos x.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. x−→0 x sin x = 1.♣ x lim .

10 ex − 1 = 1.♠ x−→0 t−→0 x ln a ln(t+1) ln a .17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. ♣ Primjer 6. Dakle .17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 x lim a > 0. Dakle imamo ax − 1 ex ln a − 1 = lim . x Oznaˇimo sada ex − 1 sa t.2.1. x−→0 x Iz Teorema 6. c Zbog toga je ex − 1 t lim = lim = 1. i da je x = ln(t + 1). x−→0 t−→0 ln(t + 1) x Iz toˇke 5.12 i Teorema 6. a ∈ R. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. 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.ˇ 6. Tada je jasno da t −→ 0 kada x −→ 0. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 x lim i ax − 1 = ln a.

16. x−→c c 3.13.1. g : R −→ R. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.2 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. .18 i temeljni limesi iz toˇke 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). 6.2. c 6. Tada 1. x−→c x−→c 4.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. x−→c x−→c 2. 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. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). 6. 6.17. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).7 su nam dovoljni za c raˇunanje gotovo svih limesa.234 ˇ POGLAVLJE 6. ♣ x−→c Teoremi 6.

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

∆t .001) − y(1) . c ∆y = tg α.3: Ovisnost visine projektila o vremenu.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . Dakle. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . y(t0 +∆t)) zatvara s osi x. prosjeˇna brzina projektila u vremenskom intervalu [t0 . Op´enito.236 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. y(t0 )) i c ∆t (t0 +∆t. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. 1. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . a to je jednako koeficijent smjera te sekante. prosjeˇna brzina odgovara koeficijentu smjera sekante. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.

2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c Primjer 6.♠ 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . f : I −→ R. tj.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.4: Sekante i tangenta.2. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) .2.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .6. c mjeri brzinu promjene veliˇine c Definicija 6. x0 ∈ I.

3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. l ∈ R. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. Dakle brzina promjene linearne funkcije je konstanta.15 Pogledajmo sljede´e primjere: c 1. za proizvoljne k. . UVOD U DIFERENCIJALNI RACUN Primjer 6.2.♠ ∆x−→0 ∆x 6. 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.6 Uoˇimo bitnu razliku.238 ˇ POGLAVLJE 6. ∆x−→0 ∆x Napomena 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Derivacija funkcije f (x) = kx + l je f (x) = k. Derivacija funkcije f u toˇki x0 je broj. Dakle je c f (x) = lim f (x + ∆x) − f (x) . koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). c z Primjer 6. c c koji se oznaˇava sa f (x0 ). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1.

Derivacija funkcije f (x) = x2 je f (x) = 2x.6. s c 2. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim . ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. Dakle je promjena brzine konstantne funkcije nula. ˇto smo i oˇekivali. funkcija f (x) = l je konstanta.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6.2. 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.♠ . a c iz gornjeg raˇuna imamo da je c f (x) = 0. tj.16 Derivacija funkcije f (x) = sin x je f (x) = cos x.

Tu funkcija niti raste c niti pada.4) ustvari limes funkcije f (x + ∆x) − f (x) . U toˇkama gdje je f (x) = 0. Dakle iz Teorema 6. ako je f (x) < 0 na nekom intervalu. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. funkcija pada c c na tom intervalu. odnosno da je tangenta pravac koji raste. ∆x Lagano se vidi da je M = 1 i L = −1. M= ∆x−→0− lim .4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). To su npr.240 ˇ POGLAVLJE 6. tangenta je paralelna s osi x. tj. problem postoc janja limesa. Primjer 6. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.2.17 1.. Sliˇno. Takve toˇke zovemo stacionarne toˇke. ne postoji f (0).11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. c c 6. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. problem rubova domene. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . problem konaˇnosti c c limesa. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. problem razliˇitih vrijednosti s lijeva i zdesna.

Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .7 imamo da je c lim √ 3 1 = +∞. ∆x ∆x−→0 .1. 3.2.7 imamo da je c lim √ 3 1 ∆x2 = +∞.♠ Teorem 6. Tada je f i neprekidna u x0 . c x0 ∈ I ⊆ D(f ). dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. ∆x−→0 dakle ne postoji f (0). ∆x ∆x−→0 dakle ne postoji f (0). DERIVACIJA FUNKCIJE 2.6.1.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. 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 ). √ 3 241 x nije derivabilna u x0 = 0.

(f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. produkta i kvocijenta funkcija Teorem 6. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. Iz Teorema 6. g 2 (x) Dokaz: 1. ∆x−→0 ∆x ∆x . Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). f · g i f g (tamo gdje je definirana. razlike.♣ Obrat Teorema 6. Derivacija zbroja. Tada su na I derivabilne i funkcije f ± g. (f (x) ± g(x)) = f (x) ± g (x) 2. f (x) g(x) = f (x)g(x)−f (x)g (x) . za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). I ⊆ D(g).12 zakljuˇujemo da je funkcija g neprekidna u x0 .20 Neka su funkcije f. tj. za one x ∈ I za koje je g(x) = 0). Nadalje. i vrijedi 1. ∆x f (x0 ). Sve tri funkcije iz Primjera 6.19 op´enito ne vrijedi.12 imamo da je f neprekidna u x0 .17 su c neprekidne u nuli. ali vidjeli smo da nisu derivabilne. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ∆x = 0 .242 ˇ POGLAVLJE 6. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ).

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

f (x) ♣ .♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) ∈ J ⊆ D(g).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 .15 i Primjera 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. odnosno (f −1 ) (f (x)) = 1 .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. moˇe provesti samo ako je f (x) = 0. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Sada primjenom Teorema 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Izraˇunajmo joˇ i (f ◦ g) . Primjera 6. f (x) Ovo se. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Dakle imamo f −1 (f (x)) = x.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . f (x) = sin x. Dakle. c Primjer 6.21. x ∈ I ⊆ D(f ). naravno. iz Teorema 6. c −1 tj. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) = 0 na I i neka postoji f −1 .244 ˇ POGLAVLJE 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. z Teorem 6. g = f . gdje je g(x) = x2 .

x 1 √ . i vrijedi (f ◦ g)(x) = x. 6. .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Osnovne derivacije dajemo u sljede´oj tablici.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.8 Studentima se preporuˇuje da provjere donje formule samostalno.6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .10 imamo da je f (x) = lim e∆x − 1 = 1. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. odnosno 1 g (x) = √ .2. Iz Teorema 6. ∆x−→0 ∆x lim dakle je f (x) = ex .21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .21 i 6.22 i derivacijama iz donje tablice. odnosno g (x) = 2.19 Pogledajmo sljede´e primjere: c 1 1. Kako je (f ◦ g)(x) = x iz Teorema 6. 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. Derivacija funkcije g(x) = ln x je g (x) = x . c Napomena 6. Derivacija funkcije g(x) = √ 1 . DERIVACIJA FUNKCIJE Primjer 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. 2 x x je g (x) = Iz Primjera 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.20.20.

vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . Jasno je da je ∆x = tg α.1: Derivacije elementarnih funkcija 6. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). c tj.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. f (x0 )) s c c ∆f apscisom x0 + ∆x. Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . odnosno ∆f = tg α∆x .5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6. gdje je α kut izmedu tangente funkcije f u toˇki (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 )) i osi x. f (x0 )) biti dosta mala.2. no to je ponekad teˇko izraˇunati.

5). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .6. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. jednadˇba tangente u c z toˇki (x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.2.5: Diferencijal funkcije. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. DERIVACIJA FUNKCIJE 247 ∆x. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). c Teorem 6. 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 . Tada od svih polinoma stupnja najviˇe jedan. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . f (x0 )). odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. Dakle.1.♣ c .

♠ s s c . dakle je f (0) = cos 0 = 1. 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 Primjer 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .16 znamo da je f (x) = cos x.5 1 1. Iz Primjera 6. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Dakle.5 -1 0.5 2 Slika 6.23).248 ˇ POGLAVLJE 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.

Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . 1 Kako je f (0) = 0. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. DERIVACIJA FUNKCIJE 249 Primjer 6. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . gdje je G glavnica. imamo f (r) ≈ f (0) + f (0)(r − 0) = r.♠ c s . z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala.6.2. odnosno 2 = (1 + r)t . Imamo 2G = G(1 + r)t . f (r) = 1+r . odnosno f (0) = 1. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

b) u kojoj je tangenta paralelna s tom sekantom.6. f (a)) i (b.♣ f (b) − f (a) . f (a)) i (b. postoji x ∈ a. f (b)) z c postoji toˇka x ∈ (a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. tj. b−a onda Teorem 6. b ∈ I. a < b. b−a y f(x) 0 a x0 b x Slika 6.25. c . Napomena 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).26 kaˇe da za svaku sekantu kroz toˇke (a.2. proizvoljne. tj. b za koju je F (x ) = 0. Neka je L pravac kroz toˇke (a. b−a f (b) − f (a) (x − a).12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. f (b)). c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.13 Primijetimo: 1.

y f(x) 0 a b x Slika 6. 2 za koji je f (x ) = 1.258 ˇ POGLAVLJE 6. 0 x>1 oˇito f ima prekid u x = 1. pa je. po Teoremu 6. x ≤ 1 .12. x za koji je f (x) − f (a) = f (x ).26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. UVOD U DIFERENCIJALNI RACUN 2. oˇito je c x−→1 lim f (x) = 3 = f (1). Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.26 je bitan. Kako je f (x) = 3.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. b−a ali ne postoji x ∈ 0. Ako je dana funkcija f : R −→ R formulom 3x. x ≤ 1 f (x) = 3 x > 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). . z Iz Teorema 6. Uvjet f ∈ C 1 (I) iz Teorema 6. f neprekidna na R.

poznavaju´i vric c jednosti viˇih derivacija u x0 .14 Za n = 0 Teorem 6.2. tj.27 je baˇ Lagrangeov teorem srednje s vrijednosti. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. 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 . f (x)). imamo c pribliˇni izraz. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Teorem 6.♣ 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.5).+ (x−x0 )n + (x−x0 )n+1 . ali ne znamo za koji x . tj. iz Teorema 6. .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. Napomena 6.. S druge strane. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.2. c Usporedimo to s lokalnom linearizacijom (toˇka 6. tj. tj.. i ne znamo ga toˇno. Koliko je ta aproksimcija dobra? Odnosno.6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .26. no u nekoj toˇki sigurno je. Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. f (a)) i (x. imamo toˇan izraz.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.

UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . 2! . x2 = x. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. .24 Neka je dana funcija f (x) = sin x. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. Dakle. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.23.260 ˇ POGLAVLJE 6... 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . Dakle. f (x0 )) od svih c polinoma danog stupnja.. 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . Sliˇno kao i Teorem 6..♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. T1 (x) = f (0) + f (0)x = x. s Primjer 6. Aproksimacija je dobra lokalno.

1).2. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n (x) n! zovemo McLaurinov red funkcije f .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. odnosno konvergirati nekoj z (x drugoj funkciji.. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . sin x. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . (2n)! Napomena 6. Moˇe se pokazati da su funkcije ex . 6.. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .28 Neka je f ∈ C 1 (I) za neki interval I.3. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . n! ∞ sin x = n=0 (−1)n x2n+1 . tj..6.. dakle nisu jako c dobri za numeriku. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.2. .

ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I.26 postoji x ∈ (x.24 smo vidjeli da. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Kako je desna strana gornje jednadˇbe nenegativna.11 imamo da obrat ne vrijedi.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. jer se c s c medu njima nalaze potencijalni ekstremi. Limes nenegativne funkcije mora i sam biti nenegativan.262 ˇ POGLAVLJE 6. Medutim. onda je f (x0 ) = 0.25 zakljuˇujemo da u Teoremu 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. UVOD U DIFERENCIJALNI RACUN 1. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. x−→0 U Teoremu 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. po Teoremu 6. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Dokaz ide na sliˇan naˇin. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). onda funkcija strogo raste (pada) na I. dakle z funkcija f raste na I. Dokaz: c 1. za svaki x ∈ I. obratna tvrdnja ne mora vrijediti. ∆x Primjer 6.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. lim x2 = 0). 2.♠ Iz Primjera 6. pa je f (x) = lim za svaki x ∈ I. Tada. 2. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Iz Napomene 6.26. ∆x za svaki x ∈ I. Jedan smjer bismo mogli dokazati. Obratno. Dakle ne vrijedi f (x) > 0 na R. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. to je i lijeva strana takva. za svaki x ∈ I. . Funkcija f raste na I ako i samo ako je f (x) ≥ 0.28 primjenom Teorema 6. pa je f (x + ∆x) − f (x) ≥ 0.

5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke.♣ c Konveksnost. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . a s druge pada (raste)). x2 ∈ I. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. Dokaz: Izravno iz toˇke 5. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj.6. Teorema 6. 2 za sve x1 . Teorem 6. onda u x0 funkcija f ima lokalni minimum. da je barem f ∈ C 2 (I)). Definicija 6. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . ali i ne mora. Ako derivacija s c ne mijenja predznak. c Kao ˇto smo rekli. jer konveksnost i konkavnost ovise o predznaku druge derivacije. onda u x0 funkcija f ima lokalni maksimum. kaˇemo da je f konkavna na I. DERIVACIJA FUNKCIJE 263 Definicija 6. Teorema 6.24.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .1.28. imati s c z lokalni ekstrem. u stacionarnoj toˇki funkcija moˇe. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .2. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. c Dakle. x2 ∈ I. . Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki.4. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .

♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Onda ´e i toˇka cx iz Teorema 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . UVOD U DIFERENCIJALNI RACUN Definicija 6.31. c 2. Zbog neprekidnosti druge c derivacije. jer c c se nalazi izmedu x0 i x. Uzmimo x proizvoljan iz te okoline. iz Teorema 6. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.264 ˇ POGLAVLJE 6. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. 2. f (x1 )) i (x2 . Teorem 6. ali je f (0) = 0.3). funkcija f ima u x0 ∈ I lokalni minimum. Dokaz: 1.♣ Teorem 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. izmedu x1 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). c . Npr. Ako je f (x0 ) > 0. konveksnost i konkavnost su odredene predznakom druge derivacije. za svaki x ∈ I. x2 ∈ I graf konveksne funkcije je ispod. c 1. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. a konkavna ako je za sve x1 . Ako je f (x0 ) < 0. c c Dakle.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I).30 Neka je f : I −→ R klase C 2 (I). Dakle je f (cx ) > 0. za svaki x ∈ I. funkcija f ima u x0 ∈ I lokalni maksimum. Primijenimo li Teorem 6.27 biti iz te okoline. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . 2. 1.27 za sluˇaj c n = 1. f (x2 )). Dokaz ide na sliˇan naˇin.

i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. x ∈ I. z Neka je lim f (x) = lim g(x) = 0. Tada iz Teorema 6.6.32 Neka je f ∈ C 2 (I). moˇda. Dakle je konveksna na −∞.24 f (c) = 0. c strogo konveksna i na c. onda je c f (c) = 0. c c Kaˇe se joˇ da je toˇka (c. Npr. Ako je c ∈ I toˇka infleksije od f .30 imamo da funkcija f raste na (c − δ. pa je po Teoremu 6. Onda je c toˇka infleksije od f . Dokaz: Bez smanjenja op´enitosti. g (x) onda je i x−→x0 lim f (x) = L. Dakle. c + δ strogo konkavna ili je na c − δ. x ∈ I. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . c + δ strogo konveksna. c + δ). ∞ . 0 i f (x) > 0 za x ∈ 0. ∞ . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. z s c c Teorem 6. neka je f na c − δ. Neka postoji δ > 0 takav da je funkcija f na c − δ. Iz Teorema 6. c strogo konveksna i na c. DERIVACIJA FUNKCIJE 265 Definicija 6.34 Neka su f i g derivabilne funkcije na I osim. pa x = 0 ne moˇe biti z toˇka infleksije.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.7 Neka je f : I −→ R i c ∈ I. f ima lokalni maksimum u c.L’Hospitalovo pravilo c Teorem 6.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) .33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. u x0 ∈ I. c Teorem 6. c + δ strogo c konkavna za neki δ > 0. 0 i 0.♣ Uvjet f (c) = 0 iz Teorema 6. f (c)) toˇka infleksije grafa funkcije f . Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Ako je g (x) = 0 za svaki x = x0 . c Dokaz: Izravno iz Definicije 6. ali je f (x) > 0 za x ∈ −∞.2. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c strogo konkavna i na c.7. c) i pada na (c.♣ Raˇunanje limesa .

. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g(x0 ) = 0. . f (n) (x0 ) = 0. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . analogno kao u dokazu Teorema 6. .18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . .♣ g (x) f g Na Teorem 6. g (n) (x0 ) = 0. .12) i iz Teorema 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). c Napomena 6. f (x0 ) = 0.266 i ˇ POGLAVLJE 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.34. g (n+1) (x0 ) = 0. iz 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.16 Neka su funkcije f.12). α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Dakle. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. po g (x0 ) = 0. .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . . Tada.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. Znamo da je c tg α1 = f1 (x0 ). tg α2 = f2 (x0 ).

17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . onda je i tg α = 0 .2. a > 0. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. c c pa moˇemo re´i da se diraju u toj toˇki. dakle je f1 (x0 ) = f2 (x0 ).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. x a + x2 = f2 (x). Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Iz toˇke 2. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. tj. To znaˇi da u c toˇki (x0 .6. . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. z c c Primjer 6. odnosno ako i samo ako je tg α = ∞. Ako je α = 0.14: Kut izmedu dviju krivulja. 1 + f1 (x0 )f2 (x0 ) Napomena 6.

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

DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Odrediti domenu funkcije (prirodno podruˇje definicije). c c 2. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. konkavnosti i toˇke infleksije. u izvjesnom smislu. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima.2. Ispitati ponaˇanje na rubovima domene (asimptote). c c 6.6. to upu´uje na pogreˇku u raˇunu. 3. 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 Primjer 6. samokorigiraju´i. Sloˇiti sve dobivene podatke u graf funkcije. c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. Postupak je. 7. neparnost. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Prona´i stacionarne toˇke. Ispitati parnost.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Oznaˇimo c li tu duljinu s x. Prona´i intervale konveksnosti. s 5. . periodiˇnost. c c z 8. Postupak: 1. c c 4. Odrediti intervale monotonosti i lokalne ekstreme. Nadalje je V (x) = (a − 2x)(a − 6x).

. Druga oˇito nema smisla u danom kontekstu. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. a za c c prvu se lako provjeri da je u njoj lokalni minimum. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha.270 ˇ POGLAVLJE 6.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. dakle funkcija V (x) prelazi iz rasta u pad. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. dakle u stotinama metara. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = .♠ V 6 27 Primjer 6. Iz P = xy = 1 slijedi da je y = x . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. 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 .15: Kako napraviti kutiju najve´eg volumena?. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. 6 a x2 = . Maksimalni c 2 volumen je 2 a = a3 .

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 . DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. 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. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. tj.♠ s z c . pozvali smo se na rezultat koji. U drugom pristupu. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike.6. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . 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).2. za x = 1. 1 Nadalje. doduˇe. slijedi da je x + x ≥ 1. koji je elegantniji. z c Usporedimo sada ova dva pristupa.

.

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

1 Neka je F primitivna funkcija funkcije f na I ⊆ R. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. UVOD U INTEGRALNI RACUN deriviranja operator.274 ˇ POGLAVLJE 7.1 Neka je f neprekidna funkcija na I ⊆ R. Zanima nas. Teorem 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. 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. Uvedimo prvo ime za takve funkcije.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. 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). linearan operator koji mu je inverzan.2.20 i Napomene 6. itd. ako postoji.7 izravno slijedi da je operator deriviranja linearan. Odatle slijedi vaˇno svojstvo primitivnih funkcija. C ∈ R. Iz Teorema 6. Definicija 7. Stoviˇe. . jer je derivacija svake konstante jednaka nuli. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. c Primjerice. da je x primitivna funkcija funkcije x. a onda pogledajmo kada postoje i koja su im svojstva.

koji je po Teoremu 7. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.1. Ostale raˇunamo koriste´i svojstva c c c .26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). tj. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. slijedi H(x) = H(x0 ) za svaki x ∈ I. c F (x) je primitivna funkcija funkcije f (x). jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .7. 275 Dakle imamo prvu tvrdnju.1. dx pokazuje po ˇemu se integrira. dolazi od S kao suma. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). s To nije toˇno inverz od derivacije.2. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. H je konstantna funkcija. gdje je c neka toˇka izmedu x i x0 . a to je upravo druga tvrdnja teorema. C ∈ R je konstanta integracije.4). f (x) je integrand.♣ 7.1 beskonaˇan. Interpretirajmo elemente ove formule: je znak integrala.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Piˇemo s f (x)dx = F (x) + C. ˇalje c s u f.

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

tabliˇne integrale. Tako moˇemo integrirati polinome i jednostavnije racionalne.2. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.4). tzv. Ako se i moˇe integrirati.1. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. eksponencijalne i z trigonometrijske funkcije.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.1. c 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c c z z to obiˇno nije lako. S druge strane. c c koriste´i pravila i tablicu derivacija (toˇka 6.1. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. Najpoznatiji primjer je e−x dx.7. Primjer 7. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.2) i svojstva iz Teoc c rema 7.1 Pogledajmo sljede´e primjere: c .3.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.

3 2. Odredimo integral funkcije f (x) = x2 + sin x. UVOD U INTEGRALNI RACUN 1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i to je x3 +x+1. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. 3).2: Primitivne funkcije funkcije 3x2 + 1. 3). z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. Samo jedna prolazi toˇkom (1. 3). Koriste´i Teorem 7. Drugim rjeˇima. i ˇiji graf prolazi kroz toˇku (1. Koriste´i Teorem 7. y 3 0 1 x Slika 7. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.278 ˇ POGLAVLJE 7. Traˇena funkcija je F (x) = x3 + x + 1.♠ c . i one c 3 su oblika x +x+C.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Dakle je 3 = F (1) = 1 + 1 + C. pa je C = 1. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1.

7.1. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). Ipak. + C.♠ 2 . Dakle je sin x cos x dx = 1 2 sin x + C. a to znamo da je u2 2 sin x d(sin x). Koriste´i izraz za diferencijal (toˇka 6. tj. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.5).2 Odredimo integral funkcije f (x) = sin x cos x. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. ovo moˇemo pisati kao c c z sin x d(sin x). NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.3 i tabliˇne integrale. ne mogu integrirati produkti funkcija (osim c za polinome. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. op´enito. gornji se integral svodi na u du. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. deriviranjem sloˇenih funkcija. z Primjer 7.2.

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

4 Odredimo integral funkcije f (x) = tg x . x2 −1 Uvedimo supstituciju u = x2 − 1. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. Sada je du = 2x dx. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x.7.♠ u Napomena 7.5 Odredimo integral funkcije f (x) = 3x . Primjer 7. cos x i da je sin x derivacija od − cos x.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b.♠ x2 . Manipuliramo malo izraz pod integralom kako bismo ga sveli na oblik pogodan za supstituciju: tg x dx = − sin x dx = cos x 1 sin x dx = − cos x 1 (− sin x )dx = cos x d(cos x) =− cos x du = − ln |u| + C = − ln | cos x| + C. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. 281 sin Integral tg x dx nije tabliˇni. Dakle. pa je dx = Uvrstimo u integral. NEODREDENI INTEGRAL 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. u 2 2 du . 2x 1 dx. kako iz integranda. a nije ni produkt. tako i iz diferencijala.1.

Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Napomena 7.6 Pogledajmo sljede´e primjere: c 1. zbog dv = v dx.♣ u (x)v(x)dx. Imamo produkt u kojem oba faktora znamo lako integrirati. Odredimo integral funkcije f (x) = x cos x. Koji od njih treba odabrati kao v? v du. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. a drugi se deriviranjen pojednostavnjuje.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. tj. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. v du + u dv. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. klase C 1 (I). u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. du = u dx. (uv) = u v + v u.282 ˇ POGLAVLJE 7. Polazimo od formule za derivaciju produkta funkcija. .4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. v du.

Primijenimo li parcijalnu integraciju joˇ jednom. tj. 2. 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. dv = v dx = cos x dx. no sveli smo ga na jednostavniji ins c tegral xex dx. c x2 ex dx = (x2 − 2x + 2)ex + C. tj. Sada je v = x . tj. dobivamo s xex dx = xex − Konaˇno. v = ex . c ˇto daje du = u dx = 2x dx i v = ex . s Parcijalnom se integracijom moˇemo posluˇiti i kad. c 2 dv = v dx = x dx. du = − sin x dx. Dobili smo integral koji je kompliciraniji od polaznog. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. NEODREDENI INTEGRAL 283 Stavimo u = x. i u = x2 .1. na prvi pogled.♠ Iz Primjera 7. Odredimo integral funkcije f (x) = x2 ex . c Primjer 7.7. Joˇ nismo izraˇunali polazni integral. du = u dx = dx. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. Sada je v = sin x. nema proz z dukta u podintegralnoj funkciji. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. v = x.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. .6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. v = cos x.

v = 1. Odredimo integral funkcije f (x) = ln x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. Odredimo integral funkcije f (x) = arctg x . v = sin x. tj. i u = sin x. tj. 1.5 imamo xdx 1 = ln(x2 + 1) + C. sin2 x dx. Stavimo dv = dx. x dx x i v = x. tj. 2+1 x 2 Imamo arctg x dx = xarctg x − 1 ln(x2 + 1) + C. ˇto daje du = u dx = s cos x dx i v = − cos x.284 ˇ POGLAVLJE 7. i u = ln x. Dobivamo arctg x dx = xarctg x − Sada analogno kao i u Primjeru 7.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = .♠ 2 x dx . ˇto daje du = u dx = s v = x. Stavimo dv = dx. Odredimo integral funkcije f (x) = sin2 x. Stavimo dv = sin x dx. i u = arctg x. UVOD U INTEGRALNI RACUN 1. 2. v = 1.

daje nam Im u terminima integrala s niˇom potencijom funkcije sin x. 2. Odredimo integral funkcije f (x) = sinm x. Stavimo dv = sin x dx. sin−m x dx.♠ . tj. pa je I= 1 sin2 x dx = (x − sin x cos x) + C. Dobivamo Im = sinm x dx = sinm−1 x sin x dx = sinm−2 cos2 x dx = sinm−2 (1 − sin2 x)dx = − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1)Im−2 − (m − 1)Im . 2 285 sin2 x dx = x−sin x cos x−I. m m Formula za Im je rekurzivna. Kako znamo I0 i I1 . sinm x cosn x dx.1. i u = sinm−1 x. c c Sliˇno se raˇunaju i integrali c c cosm x dx. ˇto daje du = s m−2 u dx = (m − 1) sin x cos x dx i v = − cos x. tj. Oznaˇimo c Im = Sada imamo Im = sinm x dx = sinm−1 x sin x dx.7. Odatle je Im = − 1 m−1 sinm−1 x cos x + Im−2 . v = sin x. NEODREDENI INTEGRAL − sin x cos x+ (1−sin2 x)dx = x−sin x cos x− Odatle je 2I = x − sin x cos 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 . sinm x dx.

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

c Neka je x0 ∈ C \ R. NEODREDENI INTEGRAL 3. Uvrstimo u integral. . tj. onda je to i x0 . 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. i ostatak r(x) koji je polinom stupnja 0. x−3 287 Uvedimo supstituciju u = x − 3. onda je x0 = a − bi.1. onda je x0 = x0 . gdje c su a. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. c c 3. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. Ako je x0 ∈ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C.) Dokaz: 1.7. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. ako je x0 ∈ C oblika a + bi. 2. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. c Napomena 7. b ∈ R. tj. onda polinom (x − x0 ) dijeli Pn (x). Qn−1 (x). tj. c 2.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. Tada vrijedi: 1.♠ 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. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. ako je x0 ∈ C nultoˇka od Pn (x). ako je x0 ∈ C nultoˇka od Pn (x). pa tvrdnja oˇito vrijedi. polinom (x − x0 ) dijeli s c c z polinom Pn (x). pa je du = dx. konstanta. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . Odredimo integral funkcije f (x) = 1 . onda je to i x0 . a u brojnicima konstante ili linearni polinomi. c Metoda se temelji na sljede´im svojstvima polinoma. r(x) = C ∈ R.

. Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima.. (x − x2 ). .. ..5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 .. . x2 .) = n. Medutim. Medutim. Iz 1. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). Dakle.... x2 + cx + d = (x − (g + hi))(x + (g − hi)). (x − xs ). i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x)... Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ . r1 + r2 + . xs sve razliˇite nultoˇke medu z1 . + rs = n..♣ n Napomena 7. g + hi.. v = 0. .. medu brojevima x1 . . r2 .. x2 . rs .) + 2(rab + rcd + .4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . xs c c c od Pn (x) kratnosti rγ . . xs od Pn (x). xs . i e + f i.. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 .. f = 0. . UVOD U INTEGRALNI RACUN 3. . x2 + ax + b = (x − (e + f i))(x + (e − f i)). znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). x0 nultoˇka od Pn−2 (x). .. zn od Pn (x) s pripadnim c c kratnostima r1 . tj. ima moˇda onih s komplesnim koeficijentima.. pa tvrdnja oˇito vrijedi. c c Dakle je po tvrdnji 2. Kvadratni faktori nemaju realnih korijena. zn . Tada je po Napomeni 7.4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ . c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab .. rcd . i gdje su α. onda je x0 = x0 .. 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. medu razliˇitim nultoˇkama c c c c x1 ... . Iz Napomene 7. medu kojima moˇe c c biti istih. onda je po tvrdnji 2... razliˇite realne nultoˇke s pripadnim kratnostima rα .5 Iz Teorema 5..288 ˇ POGLAVLJE 7. c2 − 4d < 0. ... x2 . to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). njena kratnost je toˇno r. β.. h = 0. Neka je γ = u+vi.. a2 − 4b < 0. Neka su x1 . odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). x2 . Kako je x0 nultoˇka kratnosti r od Pn (x). c Neka je x0 ∈ C \ R. ........ s ≤ n.. odnosno medu linearnim fakorima (x − x1 ).. rβ . redom.. 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.. Kako je x0 nultoˇka kratnosti r od Pn (x). . .. tj... c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . Ako je x0 ∈ R..

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

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

Rjeˇenje je A = 3. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . B = 2. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. x(x−2)(x+1) x+2 A B D = + + .♠ 3 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .7.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . 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).1. D = −1. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.

Ona daje cos x = 1−t2 . 1−t2 dx = 2 dt . c 2 ch x svodi na integriranje racionlne funkcije od t. UVOD U INTEGRALNI RACUN Na integriranje racionalnih funkcija svodi se i integriranje racionalnih funkcija eksponencijalne funkcije i racionalnih funkcija hiperboliˇkih funkcija. Supstitucijom 1 1 eax = t.♠ 4 15 15 15 Sliˇnom se supstitucijom. 2 univerzalna trigonometrijska supstitucija. 1−t2 . tj. 1+t2 1 a R(t) dt. 1+t2 Primjer 7.292 ˇ POGLAVLJE 7. npr. f (x) = (e2x )3 + 2e2x − 3 . e2x − 5 Neka je R(eax ) racionalna funkcija eksponencijalne funkcije eax . 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. integriranje racionlne funkcije od sh x. To je tzv.12 Odredimo integral funkcije f (x) = 1 . Dakle je ax t R(eax )dx = ˇto znamo rijeˇiti. t sin x = 2t . 5+sin x+3 cos x Koriste´i univerzalnu trigonometrijsku supstituciju imamo c 1 dx = 5 + sin x + 3 cos x 2 dt 1+t2 2 2t + 3−3t2 1+t2 1+t 5+ = 5+ 5t2 2 dt = + 2t + 3 − 3t2 t2 dt = +t+4 2tg x + 1 15 − 1 2t + 1 2 2 arctg √ ( ) + C = √ arctg √2 + C. dobivamo dx = a edt = a dt . aeax dx = dt. 1+t2 dx = 2 dt . 1−t2 ch x = 1+t2 . Racionalna c fukcija eksponencijalne funkcije je. th x = t. Imamo sh x = 2t .

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

294 ˇ POGLAVLJE 7.) Po Teoremu 6. (Funkcija f je strogo pozitivna na [a. krivuljni trapez omeden odozdo komadom osi x. b] . b]. b] funkcije f (x). Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b x KT 1 KT2 KT KT3 4 Slika 7. b] ako je f (x) > 0.4: Krivuljni trapez. i da komad krivulje bude graf neke funkcije. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a.6. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. dakle. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.5: Rastav ravnog lika na krivuljne trapeze. funkcija f na segmentu [a. za svaki x ∈ [a. Promatrajmo. Neka je ta funkcija neprekidna. s lijeva pravcem x = a.

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

. b]. Uvijek je m ≤ mi ≤ Mi ≤ M. . jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). x2 .296 ˇ POGLAVLJE 7. 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. i = 1. .n. i = 1.6). c m(b − a) ≤ s(r).. 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. Sliˇno... a zbog m ≤ mi i Mi ≤ M . imamo s(r) ≤ S(r).7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. . . S(r) = i=1 Mi ∆xi .. xn−1 } s r. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi .. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a... i = 1. . imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a)... UVOD U INTEGRALNI RACUN postoje po Teoremu 6. Zbog mi ≤ Mi . s Oznaˇimo li sada zadanu podjelu {x1 .

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

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

y f(x)=x 0 a x x x 1 2 3 b x Slika 7.. dakle je a 1 dx = b − a. c 2. b] je mi = Mi = f (si ) = 1. . Mi = n a + i∆x. Za svaku podjelu r segc menta [a.. Izraˇunajmo a b x dx. n.. Sada je mi = a + (i − 1)∆x. 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.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije.7. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . i = 1. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a.2. c Oˇito je funkcija f (x) = x neprekidna na [a. Podijelimo segment [a. ∆x = b−a . Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . b] c na n jednakih djelova. b]. b].

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

n. i = 1. a drugi u c f (x)dx.2. b u svaku podjelu od [a. pa je a a b f (x)dx = 0. Dokaz: Za bilo koju podjelu r segmenta [a. n..♣ b c b 3..♣ 2.2. Mi i f (si ).♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. ODREDENI INTEGRAL 301 7. .7.2 a Svojstva odredenog integrala f (x)dx = 0. . b .. c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. b f (x)dx = − a f (x)dx.... c Ovo se zove aditivnost integrala po podruˇju integracije.. biti negativne. za svaku toˇku c ∈ a. a 1.. a f (x)dx = a f (x)dx + c f (x)dx. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . tj.. . i = 1. n. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . b] 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. < an−1 < b. .. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx.. a] su gornja i donja Darbouxova suma a jednake nula. ostaju iste.. za a < a1 < a2 < . i = 1. Dakle odredeni integral mijenja predznak ako se zamijene granice. + an−1 f (x)dx.. a vri- jednosti mi .

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

Beskonaˇnodimenzionalan je..♣ b b 5. M = f (c) i za svaku podjelu r segmenta [a... b]). a (f (x) ± g(x))dx = a ili aditivnost integrala. . . Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0... Oˇito je z c c tada m = 0. Stoviˇe... xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. onda je c b f (x)dx = 0. .2. a cf (x)dx = c a f (x)dx. Ako je funkcija f : [a.13).. skup c {1.. b] i da je f (c) > 0. x.2 i Teorema 6. 1. Mi = 0. Dakle je s(r) = 0 i S(r) = Mj ∆xj . b] (skup R(I) nije prazan.7. Nadalje. i = 1. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. a 4.18.2 i Teorema 6. dakle i integrabilna. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. j + 1.. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.♣ c Napomena 7. i = 1. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. x2 .. unutra se sigurno nalaze sve neprekidne funkcije na [a. gdje je c ∈ R proizvoljan. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Dakle beskonaˇni skup {xn : n = 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). 6. i Mj = f (c). a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. . j − 1. n. b] toˇka c pada u toˇno jedan c c [xj−1 ..18.. xj ].3). i svaka funkcija iz tog skupa je neprekidna na I.} se c nalazi u nekoj bazi od R(I). . jer npr. pa je mi = 0. .. n.

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

Dakle postoje x1 . Kako je funkcija F = g − f neprekidna na [a. onda je F (c) = g(c) − f (c) > 0. b]. Dakle. Ovo svojstvo se zove svojstvo monotonosti integrala. i oˇito ima pozitivnu derivaciju. b] tada iz Teorema 6. Ako je f neprekidna i nenegativna funkcija na [a. Dokaz: Po Teoremu 7. c F (x) = g(x) − f (x) ≥ 0. b] onda vrijedi stroga nejednakost. Ako je f (c) < g(c) za bar jedno c ∈ [a. b] iz Teorema 6.3 slijedi da postoji interval I ⊂ [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a.3 slijedi da postoji interval . b].8 je dobro definirana funkcija F ∈ C 1 [a. ODREDENI INTEGRAL 305 8.7. za svaki x ∈ I . Tada je b b f (x)dx ≤ a a g(x)dx. b] oko toˇke c takav da je f (x) > 0. Odatle slijedi da je F (b) ≥ F (a) = 0. Iz pozitivnosti funkcije f na [a.28 F raste na [a. x2 ∈ I takve c da je x1 < c < x2 . x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. onda je b f (x)dx > 0.2. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. tj. b] i ako je f (c) > 0 za neki c ∈ [a. b]. b]. b] odnosno stroge pozitivnosti na [x1 . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Neka su f i g neprekidne funkcije na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a.♣ 9. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. po Teoremu 6. x2 ] imamo x2 f (x)dx > 0.

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

Nadalje. Oˇito je da funkcija f ima prekid u x0 = 0. a Teorem 7. Odatle ime teoremu. kako je f neparna c funkcija. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. x < 0. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. imamo da je 1 f (x)dx = 0.. −1 medutim ne postoji toˇka c ∈ [−1.7 ne mora vrijediti: Primjer 7.. Povrˇina ispod s grafa neprekidne funkcije f nad [a. c Napomena 7. 1] za koju je f (c) = 0. iz svojstva 7. n Za funkcije koje nisu neprekidne Teorem 7.7.9: Teorem srednje vrijednosti za odredeni integral.. a2 . ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.♠ c ... .2. b]. x ≥ 0 −1. se zove srednja vrijednost funkcije f na segmentu [a.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.+an dine (aritmetiˇka sredina od a1 . an ∈ R je a = c ).

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

∆x odnosno f (ζ1 ) = m ≤ .11: Funkcija F (x). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Po Teoremu 7. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.7.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆F ≤ M = f (ζ2 ). ∆x−→0 ∆x Funkcija f je neprekidna na [a.LEIBNIZOVA FORMULA je derivabilna na [a. b] i vrijedi F (x) = f (x). pa onda i na svakom podsegmentu [x.6). Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. x+∆x]. Ho´emo gledati c ∆F .3. b]. NEWTON .

z Teorem 7. toˇke ζ1 i ζ2 moraju teˇiti prema x. ∆x Teorem 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. a Dokaz: Prema Teoremu 7. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Dakle je F (x) derivabilna funkcija na cijelom [a. Sliˇno i za ζ2 −→ x. no dokaz je bitno sloˇeniji. iz toˇke 7. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. b F (b) = a f (ζ)dζ. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).9 (Newton . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. i neodredeni. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. b]. zbog neprekidnosti funkcije f na [a. F (x) = f (x). Odatle je a f (x)dx = F (b) − F (a).Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. onda.310 ˇ POGLAVLJE 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. U njoj se povezuju odredeni integral.♣ Newton .8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.2. f (x) ≤ F (x) ≤ f (x). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Odatle slijedi c f (x) ≤ lim tj.♣ x ∆x−→0 ∆F ≤ f (x).8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . tj. b] i F (x) = f (x). do kojeg dolazimo preko limesa niza integralnih suma. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.12).

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

. 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 √ + 3.17 Izraˇunajmo c 0 1 xex dx.♠ 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. b i neka je x−→b− lim f (x) = +∞. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.6 i omedena) na podruˇju integracije.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.♠ 3 Kod parcijalne integracije situacija je jednostavnija.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. u dv = uv a b a − a v du.312 ˇ POGLAVLJE 7. c c c Neka je funkcija f neprekidna na [a. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. kao i da je samo poc druˇje integracije konaˇno. Iz Primjera 7.10. tj. U takvim sluˇajevima govorimo c s c o nepravim integralima. Primjer 7.

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

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

tj. t + b = a imamo t1 = a − b. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. inaˇe c Primjer 7. tj. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 1]. Izraˇunajmo c −1 1 x2 dx . Iz ϕ(t) = a. 1 a f (x)dx konvergira. . onda divergira. Sada oˇito funkcija ϕ : [a − c b. 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 . 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.4. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. tn Ako je n < 0. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. x2 b 2. (x − b)n Stavimo ϕ(t) = t + b. Analogno. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. dakle imamo b a dx = (x − b)n 0 a−b dt .19 1.10.7. Izraˇunajmo c a dx . 0] −→ R zadovoljava uvjete Teorema 7. iz ϕ(t) = b dobijemo t2 = 0.

c z z Promatrajmo sada drugi mogu´i izvor problema.19 moˇe posluˇiti pri usporedivanju. iz toˇke 7. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). 0]. situaciju kad podruˇje c c integracije nije ograniˇeno. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. divergira za n ≥ 1. +∞ . Neka je funkcija f neprekidna na [a. b]. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Primjer 7.316 ˇ POGLAVLJE 7. 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. Uz svojstvo monotonosti integrala (svojstvo 9. −n + 1 −n + 1 za n > 1. Dakle tn b a dx (x − b)n konvergira za n < 1.2) npr.2. integral dx divergira za n ≥ 1. Znamo c . onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.

c c da za svaki x ∈ [a. kaˇemo da integral divergira. 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. Izraˇunajmo c +∞ 0 e−x dx.4. −∞ Primjer 7. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. −∞ pa i za sluˇaj c +∞ f (x)dx. . +∞ postoji integral te funkcije u granicama od a do x. z Sliˇno postupamo i za sluˇaj c c b f (x)dx.13: Nepravi integral po neograniˇenom podruˇju integracije. tj. postoji x f (ζ)dζ. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞.20 1.7. a Ako promatrani limes ne postoji.

c 3. Izraˇunajmo c dx . 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. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1.318 Imamo +∞ 0 ˇ POGLAVLJE 7.♠ c . x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. 2. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Izraˇunajmo c 1 +∞ dx . 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. Izraˇunajmo 1 +∞ dx .

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

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

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

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

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

UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. f2 (x) = R − √ r 2 − x2 .324 y ˇ POGLAVLJE 7. Primjer 7. .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. R > r.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 . y R r 0 x −R Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .

♣ zs Na Guldinov teorem ´emo se vratiti kasnije. tj.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. x = b. volumen tog komada moˇemo z izraˇunati..ˇ 7. xi ]. Podijelimo li opet segment [a.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika. c Teorem 7.. Sada iz Primjera 7. b]) funkcije f . U limesu. b] −→ R oko osi y b Vy = 2π a xf (x)dx. x osi i grafom (pozitivne i neprekidne na [a. Razreˇemo ga po izvodnici i razmotamo. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. b] na n dijelova. n. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi .16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π. nastaje cilindriˇni sloj. . xi ] konstantom f (xi ). PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi .5. dobijemo prizmu.. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. i = 1. debljine ∆xi = xi − xi−1 . . rotacijom komada izmedu [xi−1 . to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx.

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

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

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

recimo. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).ˇ 7.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π.5. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. zs s s y r 0 r x Slika 7.11). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. i=1 a to u limesu daje My = µ b a xf (x)dx. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . Iz simetrije je jasno da mora biti xT = 0.23: Teˇiˇte homogenog polukruga. zs √ Imamo f (x) = r2 − x2 . s Primjer 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . upravo xi . 2 . Kako je masa promatranog lika jednaka M = µP. iz Primjera 7. yT = 1 2 b 2 a f (x)dx b a f (x)dx . Takoder.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.

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

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

za µ = 1.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y. Primjer 7. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.24: Teˇiˇte homogenog stoˇca. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.♠ 8 π 4 R . 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. mjereno od osnovice. 23 dobivamo xT = Mx M . tj. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .332 ˇ POGLAVLJE 7. 4 3 Zbog M = µV = 1 R2 πH.♠ 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 . 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 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. 4 Zbog M = µV = 14 3 R π.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1.

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

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

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

i zbroje se momenti inercije malih valjaka polumjera f (si ). 5 . Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. Analogno iz ϕ(t) = r imamo t2 = 0.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . gdje je si ∈ [xi−1 . UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. 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. Sada iz Primjera 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. i visine ∆xi = xi − xi−1 . Prijelazom na limes dobijemo gornju formulu. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. 2 2 a onda se interval [a.. dakle je 1 I0 = Ix + Iy = M r2 . . 4 4 4 Takoder zbog simetrije. xi ].♠ 2 Kombinacijom razmatranja iz toˇke 7. π] −→ R zadovoljava Teorem 7.5.336 ˇ POGLAVLJE 7. moment inercije cijelog kruga obzirom na y os je Iy = Ix . Iz ϕ(t) = −r imamo t1 = π. n. xi ]. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .8 imamo 1 Ix = r4 π... i = 1.10. Oˇito funkcija ϕ : [0. c Primjer 7. b] podijeli na male podsegmente [xi−1 .

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

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

Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. i = 1. Teorem 7. . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . tj. Toˇnije.5. Primjer 7. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . ploˇtinu sfere polumjera r... Ovdje smo s ds oznaˇili diferencijal luka. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.ˇ 7. n.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.. 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.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 . ako znamo poloˇaj tijela u trenutku t1 = 0.31 Izraˇunajmo oploˇje kugle. c ds = 1 + [f (x)]2 dx. . gdje je si ∈ [xi−1 .26). PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .5. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.♣ s zs 7. xi ].

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

♠ z Posebno vaˇan sluˇaj je rad sile teˇe. ako se masa tijela mijenja. 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. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje.5. i nakon toga s . Ako sila nije konstantna. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . tj. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Odavde odmah slijedi da je rad sile F (x) na putu [a. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Primjer 7. b] z z b W = a F (x)dx. s Primjer 7. pri ˇemu je g ≈ 9.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. To je formula dobivena integriranjem konstantne sile mg od 0 do h.33 Jarak duljine 10 m. 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. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. Tada ´e njen integral (tj. b]. Konstanta k nam nije zadana u ovom primjeru. no nije ni bitna. onda je b W (h) = a F (x)dx. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. rad) biti kvadratna funkcija pomaka x.ˇ 7.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . F = −kx.

Integriraju´i doprinose svih dubina c od 0 do h = 1 m. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. s x 0 y h Slika 7. a debljina sloja je dx metara).342 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.33.29: Jarak iz Primjera 7. .30: Jarak iz Primjera 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.83 J. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. ˇirina c s 2(1 − x) m.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. duljina jarka je 10 m.

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

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

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

Sign up to vote on this title
UsefulNot useful