Ivan Slapniˇar c

MATEMATIKA 1

http://www.fesb.hr/mat1
Fakultet elektrotehnike, strojarstva i brodogradnje Split, 2002.

Sadrˇaj z
Popis slika Popis tablica Predgovor 1 OSNOVE MATEMATIKE 1.1 Osnove matematiˇke logike . . . . . . . . c 1.2 Binarne relacije . . . . . . . . . . . . . . . 1.2.1 Uredeni skupovi . . . . . . . . . . 1.3 Funkcije . . . . . . . . . . . . . . . . . . . 1.3.1 Teorem o inverznoj funkciji . . . . 1.3.2 Ekvipotencija i beskonaˇni skupovi c 1.4 Prirodni brojevi . . . . . . . . . . . . . . . 1.4.1 Brojevni sustavi . . . . . . . . . . 1.4.2 Uredaj na skupu prirodnih brojeva 1.4.3 Binomni pouˇak . . . . . . . . . . c 1.5 Cijeli brojevi . . . . . . . . . . . . . . . . 1.6 Racionalni brojevi . . . . . . . . . . . . . 1.7 Realni brojevi . . . . . . . . . . . . . . . . 1.7.1 Aritmetika raˇunala . . . . . . . . c 1.7.2 Apsolutna vrijednost . . . . . . . . 1.8 Kompleksni brojevi . . . . . . . . . . . . . 1.8.1 Trigonometrijski oblik . . . . . . . 1.8.2 Eksponencijalni oblik . . . . . . . 2 LINEARNA ALGEBRA 2.1 Matrice . . . . . . . . . . . . . . . . . 2.1.1 Zbrajanje matrica . . . . . . . 2.1.2 Mnoˇenje matrice sa skalarom . z 2.1.3 Mnoˇenje matrica . . . . . . . z 2.1.4 Nul-matrica i jediniˇna matrica c v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xi xiii xv 1 2 4 5 7 8 9 10 12 12 13 16 17 19 20 21 23 25 28 31 32 34 34 35 37

2.1.5 Transponirana matrica . . . . . . . . 2.1.6 Joˇ o mnoˇenju matrica . . . . . . . s z 2.2 Matriˇni zapis sustava linearnih jednadˇbi . c z 2.3 Rjeˇavanje trokutastih sustava . . . . . . . s 2.4 Gaussova eliminacija . . . . . . . . . . . . . 2.4.1 Primjeri . . . . . . . . . . . . . . . . 2.4.2 Pivotiranje . . . . . . . . . . . . . . 2.4.3 Elementarne matrice transformacija 2.5 Linearna nezavisnost . . . . . . . . . . . . . 2.6 Rang matrice . . . . . . . . . . . . . . . . . 2.7 Kronecker–Capellijev teorem . . . . . . . . 2.8 Inverzna matrica . . . . . . . . . . . . . . . 2.9 Determinante . . . . . . . . . . . . . . . . . 2.9.1 Svojstva determinanti . . . . . . . . 2.9.2 Podmatrice i poddeterminante . . . 2.9.3 Laplaceov razvoj determinante . . . 2.9.4 Raˇunanje inverzne matrice . . . . . c 2.9.5 Cramerovo pravilo . . . . . . . . . . 2.10 Rjeˇavanje elektriˇne mreˇe . . . . . . . . . s c z

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

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

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

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

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

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

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

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

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

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

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

38 39 40 41 44 47 50 51 52 53 54 56 58 60 62 62 63 63 64

ˇ 3 VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 71 3.1 Vektori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 3.2 Zbrajanje vektora . . . . . . . . . . . . . . . . . . . . . . . . . . 74 3.3 Mnoˇenje vektora skalarom . . . . . . . . . . . . . . . . . . . . 75 z 3.4 Prostor radijus-vektora . . . . . . . . . . . . . . . . . . . . . . . 77 3.5 Koordinatizacija . . . . . . . . . . . . . . . . . . . . . . . . . . 77 3.5.1 Koordinatizacija pravca . . . . . . . . . . . . . . . . . . 77 3.5.2 Koordinatizacija ravnine . . . . . . . . . . . . . . . . . . 78 3.5.3 Koordinatizacija prostora . . . . . . . . . . . . . . . . . 80 3.6 Duljina vektora, jediniˇni vektor, kut izmedu vektora i kosinusi c smjerova . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 3.7 Linearna nezavisnost vektora . . . . . . . . . . . . . . . . . . . 83 3.8 Baza prostora E . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 3.9 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 85 3.10 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . . . . . 87 3.11 Mjeˇoviti produkt . . . . . . . . . . . . . . . . . . . . . . . . . . 90 s 3.12 Vektorsko-vektorski produkt . . . . . . . . . . . . . . . . . . . . 93 3.13 Pravac . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93 3.14 Ravnina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.15 Primjene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 3.15.1 Primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 vi

4 FUNKCIJE REALNE VARIJABLE 4.1 Naˇini zadavanja funkcija . . . . . . . . . c 4.1.1 Tabliˇno zadavanje . . . . . . . . . c 4.1.2 Eksplicitno zadavanje . . . . . . . 4.1.3 Implicitno zadavanje . . . . . . . . 4.1.4 Parametarsko zadavanje . . . . . . 4.2 Klasifikacija funkcija . . . . . . . . . . . . 4.3 Limes . . . . . . . . . . . . . . . . . . . . 4.3.1 Svojstva limesa . . . . . . . . . . . 4.3.2 Limes slijeva i zdesna . . . . . . . 4.3.3 Limes u beskonaˇnosti . . . . . . . c 4.3.4 Beskonaˇan limes . . . . . . . . . . c 4.4 Neprekidnost . . . . . . . . . . . . . . . . 4.4.1 Svojstva neprekidnih funkcija . . . 4.4.2 Vrste prekida . . . . . . . . . . . . 4.5 Asimptote . . . . . . . . . . . . . . . . . . 4.6 Pregled elementarnih funkcija . . . . . . . 4.6.1 Konstantna funkcija . . . . . . . . 4.6.2 Potencija . . . . . . . . . . . . . . 4.6.3 Eksponencijalna funkcija . . . . . . 4.6.4 Logaritamska funkcija . . . . . . . 4.6.5 Trigonometrijske funkcije . . . . . 4.6.6 Arkus funkcije . . . . . . . . . . . 4.6.7 Klasifikacija elementarnih funkcija 4.6.8 Polinomi i racionalne funkcije . . . 4.6.9 Hiperbolne i area funkcije . . . . .

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

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

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

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

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

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

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

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

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

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

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

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

105 107 107 108 109 112 115 117 119 122 123 124 125 126 128 130 132 132 133 136 139 141 149 153 154 156 161 162 165 166 167 170 170 174 175 176 177 179 180 180 181

5 DERIVACIJE I PRIMJENE 5.1 Derivacija . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Tangenta i normala . . . . . . . . . . . . . . . . . 5.1.2 Derivacije slijeva i zdesna . . . . . . . . . . . . . . 5.1.3 Pravila deriviranja . . . . . . . . . . . . . . . . . . 5.1.4 Deriviranje implicitno zadane funkcije . . . . . . . 5.1.5 Derivacije elementarnih funkcija . . . . . . . . . . 5.1.6 Logaritamsko deriviranje . . . . . . . . . . . . . . 5.2 Diferencijal . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 Pribliˇno raˇunanje . . . . . . . . . . . . . . . . . . z c 5.3 Viˇe derivacije i diferencijali . . . . . . . . . . . . . . . . . s 5.4 Deriviranje parametarski zadane funkcije . . . . . . . . . . 5.5 Teoremi diferencijalnog raˇuna . . . . . . . . . . . . . . . c 5.5.1 Fermatov i Rolleov teorem . . . . . . . . . . . . . . 5.5.2 Cauchyjev i Lagrangeov teorem srednje vrijednosti vii

. . . . . . . . . 6. . . . . . . .6 Dva vaˇna limesa . . . . . . . . . . . .2 Kriteriji konvergencije . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . 5. . .7 Ekstremi . . . . . .9. . . .4. . . . . 6. . . . . . . z 6. . . . . . 5. . . . . .10 Rjeˇavanje problema ravnoteˇe . . . . . . .1 Gomiliˇte i podniz .3 Niz funkcija .5 Taylorov red . . . . . 6. . . . . . . . s z 5. . .2.3 Deriviranje reda funkcija . 5. . . . . . . . . . . s 6. . . . monotonost i konvergencija 6. . . . . . . . . . . . 184 186 188 192 193 197 203 210 215 216 219 221 222 223 225 225 227 229 230 233 234 235 236 238 239 240 242 247 6 NIZOVI I REDOVI 6. . . . 6. . . . . . . . . . . . . . .4. . .5. . . . . . . . .7. . . . . . . . . . . 6. . . .1 Ispitivanje konvergencije . . . . . 5. . . . . . . z 6. . .8 Zakrivljenost . . . . . . . . . . . . . . . . . . . . .4 Alternirani redovi . .1. . . . . . . 6. . . . . . .1 Geometrijski ekstrem .5 Cauchyjev niz . . . . . .1. . . . . . . . . . .2 Red realnih brojeva . . .6 Monotonost . . .3 Broj e . . . . .1. . . . . . .2. . . . . . . . . . 6. . . . . . . . Indeks viii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Svojstva limesa . . . . . . . . . . . . . . . . . .1 Parametarski zadana funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . .2 Omedenost. . . . . . .1 Niz realnih brojeva . .2. . . . 6. 5. . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . .1. . . 5. . . . . . . .3 Apsolutna konvergencija . . . . 5. . . . . . . . . . . .1 Nuˇan uvjet konvergencije . . . .4. . . . . . . . .4 Red funkcija . . . . . . . . 6. . .1. . . . . . . . . . . . . . . . . . . . . . . . .9 Ispitivanje toka funkcije . . . . . . . . . . . .2 Red potencija .L’Hospitalovo pravilo i raˇunanje c oblika . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . neodredenih . . . . . . . . . .3 limesa . . . . . . . . . 6. . . . . 6. . . . . .

. . . . .10 3. . c Projekcija toˇke na ravninu .4 3. . . . . 103 . . . . . . . Komponente vektora . . . . 96 . . . . . . . . . . . . . . . 76 . . .14 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 Tabliˇno zadana funkcija . . s Volumen tetraedra . .Popis slika 1. . . . . . . . . . c z Standardna grana mreˇe . . . . .5 2. . . Vektorski produkt . . . . . . . . . . . . . . . Skalarni produkt .2 2. . . s Mjeˇoviti produkt . . . . . . . . . . . . . .6 3. . . . . . . . . . . . .7 3. . 86 . . . . . . . . . . . . . Koordinatizacija ravnine . .1 4.9 3. . . . .20 4. . . . . . .4 1. . . . . . . . .2 3. . . . . . . . . . . . . . . . Modul vektorskog produkta . . . . . . 102 . . .15 3. . . . . . . . . . .2 1. . . . . . . . . . . . . . . . . . . . . . . . . . .3 3. . Pravac u prostoru . . . . 74 . . . . . .11 3. . . 88 . . . . . . . . . . . . Kompleksni broj . . .1 3. 92 . . . . . . . . . . . . . . . . . . . . . . . 22 24 26 26 27 33 64 65 Pravci koji se sijeku . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107 c Linearna interpolacija . . . . . . . . . . . . . . . . . . . . . .3 1.2 Apsolutna vrijednost |x| . . . . . . . .16 3. . . . . . . .8 3. . . Povrˇina trokuta . . . . . . . . 80 . . . . . . . . . . . . . . . . . . . Koordinatizacija prostora . Elipsa u kompleksnoj ravnini . . .1 2. . . z Ekvivalentne usmjerene duˇine . . . . . . . . Ravnina u prostoru . . Elektriˇna mreˇa . . . . . s Projekcija toˇke na pravac . . z Zbrajanje vektora (pravilo trokuta) Pravilo paralelograma .18 3. . . . . . . . . . . . . . . . . Sjeciˇte pravca i ravnine . . . . . . . . . . . . . . . . . . . .13 3. . . . . . . . . . . . . 108 ix . . . . . . c . . . . . . . . 97 . . . . . . . . . . . Krug u kompleksnoj ravnini . . .3 3. . . . . . . . . . . . . . . . . . . . . . . . . . . .5 3. . . .1 1. . . . . . . . 76 . . . 78 . . . . . . . . . . . . . . . . . . . . Pravilo poligona . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 . . . . 91 . . . Pravac kao presjek ravnina . . . . . . . . . . . 75 . . Asocijativnost zbrajanja vektora . . . . . . .17 3. . . . . . . . . . . . . . . . . . 88 . . . . . .12 3. . . . . . . . . . . . . . . . . 90 . . . 73 . . . . . . . . . . . . Dio kompleksne ravnine . . . . . . . . . . . . . . 82 .19 3. . . . . . . . . . .

. .16 4. . . . . . . . . . . . √ Funkcija f (x) = x . . . . . . . . . . . . . . . . . . . . . . . . . . . Arkus sinus . . . . . . . . . Eksponencijalne funkcije 2x i 2−x . . . . . . . . . . . . . . . . . . . . . . Trigonometrijska kruˇnica . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 4. . . z Descartesov list . . .37 4.20 4. . . . . . . . . . . Funkcija 1/x . . . . . . . . . . . . . .12 4. . . . . . . . Implicitno zadana kruˇnica . 4 Funkcija galeb(x) = x2 . . . . . . .10 4. . . . . . . . . . . . . . . . . . . . . . . Tangens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Funkcija f (x) = log 2 x . . . . . . . . √ . . . . . . . . . . c Adicioni teoremi . . . . Funkcija f (x) = 3 x √ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kompozicije restrikcije sinusa s arkus sinusom . . . . . . . .24 4. . . . . . . . . Funkcije f (x) = x−k . . . . . . . . . . . . . . .22 4. c Kosinusov pouˇak . s Funkcija sign(x) . . . . . . . . . . .8 4. . . . . . . . .29 4. Limes funkcije . . . . . . . . .14 4. . .31 4. . Kosa asimptota . . . . . . . Pravilo uklijeˇtene funkcije . . . . . . Arkus tangens i arkus kotangens . . .7 4. . . . . . . . . Beskonaˇan limes . . Area sinus hiperbolni i area kosinus hiperbolni . . . . . . . . . . . . . . . . . . Sinus hiperbolni i kosinus hiperbolni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .13 4. . . . . . . Konstantna funkcija . . . . . . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32 4. . . .30 4. . . .11 4.25 4. . . . . . . . . . . . . . . . . . . .35 4. .42 5. . .27 4. . . . . . . . . . . . . . c Neprekidna funkcija . . .34 4.41 4. . . . . . . . . . . . . . . . . . . . . . . .26 4. . . . . . . . . . . . . . . . .21 4. k ∈ N . . . . . . . . .40 4. . Op´a sinusoida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .23 4. . . . . . . . . . . . . . . . . Funkcije 10x i ex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 4. . . . . . . . . . . . . . . . Cikloida . . . . . . . . Potenciranje s prirodnim brojem . . .39 4. . . z Sinus i kosinus . . . . .18 4. . . . . . . . . . . . . Arkus kosinus .17 4. . . . . . . . . . . . . .4 4. . .33 4. . . . . . . .28 4. . . . . . . . . . . . . . . . . . . . . . . . . . . 110 111 112 113 113 118 120 123 124 125 126 128 129 131 133 134 135 136 137 137 138 138 139 140 142 143 145 146 147 148 149 150 151 151 152 153 156 158 159 159 Izolirana toˇka . . . . . . . . . . . . . . . . . . . . . . .38 4. .19 4. . . . . . . . . . . . . . . . . . . . . . . . Funkcija f (x) = log 1/2 x . . . . . . .36 4. . . . . . . . . . . . . Tangens hiperbolni i kotangens hiperbolni . . . . . . . . . . . . . . . . . . . . . . Kotangens . . . . . Funkcija y = cos(x)/x . . .9 4. . . . . Funkcija sin x/x . . . . . . . . . . . . Funkcija arcsin(sin x) . . . . . . . . . . . Area tangens hiperbolni i area kotangens hiperbolni .15 4. . . . . . . . .3 4. . . . . 163 c x . . . . 1 Funkcija sin x . . . . . . . . . . . . .1 Implicitno zadana funkcija x + arccos(xy) = 0 . .

.4 5. . . . . . . . .12 5. . . . . . . . . . . . . . Taylorov red za ln((1 + x)/(1 − x)) . . . . . . . Konvergencija geometrijskog reda funkcija Konvergencija reda potencija . . . . . . . . . . . . . . . . . . . . . . .8 5. . . . . . . . . . . . . . . . . . . . . . Pretpostavke Lagrangeovog teorema . . . . Elipsa i tangenta . . . . . . . . . . . . . . . Konkavna i konveksna funkcija . . . . . . . . . . . . . . . . . . . . . . .9 5. . . . . .1 6. . . . . . Intervali monotonosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 6. . . . . . . . . . . . . . . . .6 6. . . . . . . . . . .18 6. . . Varijable x i y Descartesovog lista . . . . . . . . . . .16 5. . . . . . . . . . . . .14 5. . . . . . . . . Taylorov red za ex . . .7 6. . . . . . . . . . . . . . . . . 166 171 175 181 183 183 188 189 192 194 195 196 203 207 208 209 210 227 236 238 241 244 245 246 248 xi . . . . . . . . . . . . . . . . . . . . . . Strogo konveksna funkcija . . . . . . Derivacije varijabli Descartesovog lista po parametru Derivacije Descartesovog lista po varijablama x i y .13 5. . . . . . . . . . . . . . . . .7 5. . . . . Lokalni i globalni ekstremi . Geometrijska interpretacija Lagrangeovog teorema . . . . . . . . . . . . . . . . . . . . . . . . . Fermatov teorem . .3 5.2 6. Taylorov red za ln(1 + x) . . . . . . . . . . . . . . . . . . s Konvergencija niza funkcija . . . . . . .11 5. . . .17 5. . . . . . . z z c Proˇirenje po neprekidnosti . . . Graf iracionalne funkcije . Diferencijal . . . .5 6. . . . .10 5. . . . . . . . . z Volumen upisanog valjka . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . .15 5. . .6 5. .8 Tangenta na krivulju . . . . . . . . . . .3 6. . . . Valjak upisan u stoˇac . . . . . . . . . . . . . . . . . Taylorov red za sin x . . . . . . Poloˇaj ravnoteˇe mehaniˇkog sustava . . . . . . . . . . . . . . . . . . . . . . . .2 5. . . . . . .5 5. . . . . . . .

.

. . 209 xiii . . . . . . . 12 Osnovne vrijednosti trigonometrijskih funkcija . . . . . . . . . . . . 146 Monotonost Descartesovog lista . . . . . 208 Zakrivljenost Descartesovog lista . . . . . . . . . . . . .1 5. . .1 5. . . . . . . . . . . . . . . .1 4. . . . . . . . . .2 Brojevni sustavi . . . . . .Popis tablica 1. .

.

Obradena su poglavlja Osnove matemz atike. 1973. nije citirana posebna literatura. I. Ugleˇi´. rujna 2002. dio. Derivacije i primjene. U njoj je izloˇeno gradivo kolegija ”Matematika 1” po z sadrˇaju koji se predaje na FESB-u. a c u prvom redu studentima Fakulteta elektrotehnike. s s s U izradi ovog udˇbenika takoder je koriˇteno iskustvo i zabiljeˇke bivˇih i z sadaˇnjih nastavnika matematike na FESB-u pa im ovom prilikom iskazujem s svoju zahvalnost. Sliˇan sadrˇaj nalazi c z se u ve´ini istoimenih kolegija koji se predaju na tehniˇkim i prirodoslovnim c c fakultetima. I. 1978. ˇ c ˇ L. Linearna algebra. Zagreb. c z Spomenut ´u samo neke od knjiga koje su utjecale na sadrˇaj. dio (1. s s c Zagreb. Autor xv . Funkcije c realne varijable. Skolska knjiga. Siki´. Svuˇiliˇte u Splitu. Zadaci i rijeˇeni primjeri iz viˇe matematike. Krni´ i Z. Raˇun diferencijalni i integralni. Split. P. Viˇa matematika. te Nizovi i redovi. c c Zagreb. Za paˇljivo ˇitanje teksta i korisne primjedbe tijekom rada z c zahvaljujem se kolegi Marku Mati´u. Tehniˇka knjiga. c U Splitu. svezak). N. 1992. Tehniˇka c s s c knjiga. Vektorska algebra i analitiˇka geometrija. Budu´i se radi o standardnom sadrˇaju. sc c c s 1989. a koje prec z poruˇujem i ˇitatelju: c c D. Predavanja iz matematiˇke analize I.Predgovor Ova knjiga namijenjena je studentima tehniˇkih i prirodnih znanosti. Demidovi´. B. strojarstva i brodogradnje u Splitu (FESB). Blanuˇa. i 2.

.

. . . . . OSNOVE MATEMATIKE 1. . . . . . . . . . . . Prirodni brojevi . . . . . . . . . . 25 1. . . . .2. .1 1. . . . . . . .1 1.4. . . . . . . . . . . . . . . . . 17 Realni brojevi . . . . . . . . .7. . . Uredaj na skupu prirodnih brojeva . . . .1 1. . . . .4.1 1. . .7. . . . . . . . .6 1. . . . . . . . . . . . . . . . . . . . . .1 Uredeni skupovi . . . . 1. . 1. . . . . . .2 1. . . . . . . . . . 2 4 5 7 8 9 12 12 1. . . 28 . . . . . . . . c Binarne relacije . . .3. . . . . . .8. . . . . . 13 c 1. . . . . .8 Aritmetika raˇunala . c Apsolutna vrijednost . . . . .5 Cijeli brojevi . . . . . .1 Trigonometrijski oblik . . . . . . . . . . .2 Eksponencijalni oblik . . . . . 16 1. . . . . . . . . . . . . . . . . . . . . . . . c Brojevni sustavi . . . .2 Teorem o inverznoj funkciji .7 Racionalni brojevi . . . . . . . . . . 23 1. . . . . .4 1. . . .4. . . .3. . 10 1. . . . . . . . . . . . . .3 Binomni pouˇak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 1. . .3 Funkcije . . . Ekvipotencija i beskonaˇni skupovi . . . . . . . . . . . 20 21 Kompleksni brojevi . . . .2 1. . . . .8. . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . .2 Osnove matematiˇke logike . .

⊥ ⊥ ⊥ – ekskluzivna disjunkcija. Pri tome τ (A) = znaˇi A je istinit. ” Svaki brod je jedrenjak” je neistinit sud. Definicija 1. Takoder ´emo vrlo op´enito definirati pojam funkcije te dati c c teorem o inverznoj funkciji. osim u prenesenom znaˇenju. A B. pojam predikata te vrste kvantifikatora. kao i razne tipove relacija na skupovima. τ (A) τ (B) ⊥ ⊥ τ (A ∨ B) .1 ” Je li danas ˇetvrtak?” nije sud nego pitanje. cijelih. osnovne operacije sa suc dovima. [ili A ili B]. A ∧ B. τ (A) τ (B) ⊥ ⊥ τ (A ∧ B) ⊥ ⊥ ⊥ . Osnovne operacije sa sudovima i njihove c tablice istinitosti su: – konjunkcija. ve´ prema danu u c c kojem se izgovara. z Primjer 1.2 OSNOVE MATEMATIKE U ovoj glavi prvo ´emo definirati osnovne pojmove matematiˇke logike koji c c su potrebni za pra´enje predavanja. realnih i kompleksnih brojeva. racionalnih. odnosno laˇna. A ∨ B. Zatim ´emo dati neke pojmove vezane c c uz skupove te detaljnije definirati pojam relacije.1 Sud je svaka smislena izjava koja moˇe biti samo istinita ili z neistinita. 1. [A i B]. razmatrat ´emo detaljnije skupove c prirodnih. [A ili B]. . ” Jutro je pametc nije od veˇeri” nema smisla kao izjava. c c a τ (A) = ⊥ znaˇi A je neistinit.1 Osnove matematiˇke logike c U ovom poglavlju definirat ´emo pojam suda. Na kraju. ” Danas je ˇetvrtak” je sud koji je istinit ili neistinit. Istinitost suda A oznaˇimo s τ (A). pa nije c c sud. ⊥ ⊥ – disjunkcija.

B je nuˇan uvjet za A]. ⊥ Za sudove A. non A]. A ∨ (B ∧ C) = (A ∨ B) ∧ (A ∨ C).1 Osnove matematiˇke logike c 3 τ (B) ⊥ ⊥ τ (A B) ⊥ ⊥ τ (A) . A ∧ (B ∨ C) = (A ∧ B) ∨ (A ∧ C). i zakoni distribucije. ⊥ ⊥ – implikacija. A je ako i samo ako je B. A ⇔ B. ⊥ ⊥ – ekvivalencija. τ (A) ⊥ τ (¬A) . ⊥ ⊥ – negacija. A je nuˇan i dovoljan uvjet za B]. B i C vrijede DeMorganovi zakoni. [A povlaˇi B. A ⇒ B. ¬(A ∨ B) = ¬A ∧ ¬B. z τ (A) τ (B) ⊥ ⊥ τ (A ⇒ B) ⊥ . ¬(A ∧ B) = ¬A ∨ ¬B. [A je ekvivalentno s B.1. . iz A slijedi B. z τ (A) τ (B) ⊥ ⊥ τ (A ⇔ B) ⊥ ⊥ . ¬A. A je dovoljan uvjet za c B. Dajte primjere za DeMorganove zakone i zakone distribucije.1 Dajte primjere za osnovne operacije sa sudovima i protumaˇite c tablice istinitosti. Zadatak 1. [ne A.

τ [(∃!x ∈ R) τ [(∃!x ∈ N) P (x)] = ⊥. Na primjer. P (x)] = 1. S ∅ oznaˇavamo prazan skup. recimo. nadskupa. {b}. P (x)] = P (x. c Kod izraˇavanja pomo´u predikata koristimo kvantifikatore: z c – univerzalni. uvijek je ∅ ∈ 2X i X ∈ 2X . y). odnosno postoji toˇno jedan x takav da je P (x). dok. Na primjer. (∀x)P (x). unije skupova. y ∈ S. predikat x je roden prije y postaje sud kada su x i y dvije osobe. {a. P (x.2 a) Neka je P (x. z ∈ S. b. b. / c Zadatak 1. Partitivni skup skupa X je skup 2X ˇiji su elementi svi podskupovi skupa c X. skup S = {x. {a. c}. . ako je X = {a. z. . presjeka skupova i razlike skupova te osnovna svojstva tih operacija.2 Ponovite pojmove podskupa. t ∈ S. c}}. Skup je zadan svojim elementima. (∃x)P (x). {c}. {b. y)] = .2 Otvorena reˇenica ili predikat je izjavna reˇenica koja sadrˇi c c z parametre i koja postaje sud kada parametri poprime odredenu vrijednost.4 OSNOVE MATEMATIKE Definicija 1. Tada vrijedi τ [(∀x ∈ R) τ [(∃x ∈ R) P (x)] = ⊥. Tu ˇinjenicu zapisuc jemo s x ∈ S. odnosno za svaki x je P (x). Na primjer. w ∈ S. {a. y. Predikat s dvije varijable oznaˇavamo s P (x. Kartezijev produkt skupova c i binarnu relaciju te dati klasifikaciju binarnih relacija. odnosno postoji x takav da je P (x) te (∃!x)P (x). w} ima elemente x. {a}. c}. odnosno skup bez elemenata. z i w. tada je 2X = {∅. y)] = P (x. . Tada vrijedi τ [(∀x)(∃y) τ [(∀y)(∃x) τ [(∀y)(∃!x) b) Neka P (x) glasi x2 = 4. . y) = x je roden prije y. Skup je pojam koji se ne definira. y)] = ⊥. y. c}. Dakle. c Primjer 1. b}.2 Binarne relacije U ovom poglavlju definirat ´emo partitivni skup. i – egzistencijalni.

simetriˇna i tranzitivna. supremum. tranzitivna i anti-simetriˇna. svaka dva elementa skupa X u relaciji. neka je X skup ljudi i neka je (x. Takoder. odnosno c (x ≤ y ∧ y ≤ x) ⇒ x = y. Na primjer. y) ∈ R. (x R y ∧ y R z) ⇒ x R z. dodatno. a). y ∈ X. c 1. Takoder. b}. a). y) ∈ R ako su x i y rodeni istog dana. c – tranzitivna ako (x R y ∧ y R z) ⇒ x R z. donja meda. c Na primjer. (1.2. tada je X × Y = {(1. odnosno ∀x.5 Relacija parcijalnog uredaja ≤ na skupu X je svaka binarna relacija na skupu X koje je refleksivna. a X je ureden skup.1 Uredeni skupovi U ovom poglavlju definirat ´emo relaciju parcijalnog uredaja i uredeni c skup te pojmove kao ˇto su gornja meda. x ≤ y moˇemo pisati i kao s z y ≥ x. – relacija ekvivalencije ako je refleksivna. Binarna relacija je: – refleksivna ako je x R x za svaki x ∈ X.2 Binarne relacije 5 Definicija 1. 2. b)}. Izreku (∀x ∈ X)(∀y ∈ X) kra´e ´emo zapisati kao c c ∀x. b). 3} i Y = {a. s minimum i maksimum. X × ∅ = ∅ za svaki skup X. i piˇemo x R y z s ili R(x. x R y ⇒ y R x. piˇemo x < y. (2. y ∈ X vrijedi x ≤ y ∨ y ≤ x. kaˇemo da je x u relaciji R s y. odnosno X × Y = {(x. y). infimum. y) : x ∈ X ∧ y ∈ Y }. tada je ≤ relacija potpunog uredaja.1 Relacija ekvivalencije na skupu X cijepa taj skup na medusobno disjunktne podskupove.1. Ako su. b). takozvane klase ekvivalencije. Ako je x ≤ y i x = y.3 Direktni produkt ili Kartezijev produkt skupova X i Y je skup svih uredenih parova (x. Ako je uredeni par (x. a). Definicija 1. – simetriˇna ako x R y ⇒ y R x. (3. Skup X se moˇe na z jedinstven naˇin prikazati kao unija tih klasa ekvivalencije.4 Binarna relacija na skupu X je svaki podskup R ⊆ X × X. y). gdje je x ∈ X i y ∈ Y . Definicija 1. pa je R relacija ekvivalencije. ako je X = {1. . (2. Napomena 1. (3. Oˇito vrijedi c x R x.

lakˇi) od y. (a. 9. Donje mede skupa A su svi brojevi manji ili jednaki ˇetiri. ·) = {x ∈ X : a ≤ x}. . c to je i min A = 5. gornje mede skupa A su brojevi 8. 7. 4 i 5. Najve´a donja meda ili infimum skupa A je element inf A ∈ X sa svojstvima: – inf A je donja meda od A. zatvoreni interval definiramo kao [a. – za svaku gornju medu M skupa A vrijedi sup A ≤ M . X = R i A = (4. 8] ⊆ R. dok A nema minimum. skup ljudi je potpuno ureden s relacijom ≤ koju definiramo x ≤ y ⇔ x nije stariji (viˇi. b] i [a.. Ako je (X. Neka je. 3. – za svaku donju medu m skupa A vrijedi m ≤ inf A. Neka je. Skup A je omeden odozgo ako ima barem jednu gornju medu.6 OSNOVE MATEMATIKE kao Na primjer.6 Neka je (X. 6. Razliku izmedu infimuma i minimuma moˇemo ilustrirati na skupu realnih z brojeva. b) = {x ∈ X : a < x < b}. Skup c A je omeden odozdo ako ima barem jednu donju medu. . 11. Najve´i element ili maksimum skupa A je element max A ∈ A koji je c ujedno i gornja meda skupa A. kao i skupove tipa c [a. skupovi N. 2. . (ii) Element M ∈ X je gornja meda skupa A ako ∀a ∈ A vrijedi a ≤ M . pa je inf A = 4. Definicija 1. a otvoreni interval definiramo kao (a. Nadalje. (i) Element m ∈ X je donja meda skupa A ako ∀a ∈ A vrijedi m ≤ a. Najmanja gornja meda ili supremum skupa A je element sup A ∈ X sa svojstvima: – sup A je gornja meda od A. 8} ⊆ N. b). Najmanji element ili minimum skupa A je element min A ∈ A koji je ujedno i donja meda skupa A. Q i R su potpuno uredeni sa standardnom relacijom uredaja ≤. dakle. 10. Z. Najve´a donja meda je inf A = 5. ≤) ureden skup. Sliˇno definiramo i poluotvorene intervale. na primjer X = N i A = {5. ≤) ureden skup i A neprazan podskup od X. S c . a sup A = max A = 8. s s Naravno. Donje mede skupa A su brojevi 1. a kako je 5 ∈ A. b] = {x ∈ X : a ≤ x ≤ b}.

1. skup Y je podruˇje vrijedc c nosti ili kodomena funkcije f .7 Funkcija ili preslikavanje iz skupa X u skup Y je svako pravilo f po kojemu se elementu x ∈ X pridruˇuje jedinstveni element y ∈ Y . Prema definiciji 1. gornje mede skupa A su svi brojevi ve´i ili jednaki osam i vrijedi c sup A = max A = 8. elementi m1 i m2 su takoder donje mede skupa A. s c c potrebno je definirati kada su dva objekta jednaka. Nakon ˇto smo definirali novi matematiˇki objekt. a skup svih vrijednosti s c koje poprima zavisna varijabla oznaˇavamo s R f i zovemo slika funkcije. Skup X je podruˇje definicije ili domena funkcije f .8 Funkcije f i g su jednake. x je nezavisna varijabla ili argument funkcije f . funkcije f (x) = x i g(x) = je Dg = R \ {0}. Definicija 1. i m2 ≤ m1 = inf A. u ovom sluˇaju funkciju. x2 nisu jednake jer je Df = R. Definicija 1. Joˇ koristimo oznaku s h = g ◦ f.6. gdje je R f ⊆ V . supremum.1. neka je m 1 = inf A i m2 = inf A. z Koristimo oznake f : X → Y ili y = f (x). . Zaista. odnosno f = g. odnosno m1 ≤ m2 = inf A pa iz definicije 1.9 Kompozicija funkcija f : X → Y i g : V → Z.3 Funkcije 7 druge strane. Skup svih vrijednosti nezavisne varijable x za koje je funkcija doista definirana joˇ oznaˇavamo s D f . dokazati vaˇan teorem o inverznoj funkciji te definirati ekvipoz tentnost skupova i beskonaˇne skupove. ako vrijedi Df = D g ∧ f (x) = g(x) za ∀x ∈ Df .3 Funkcije U ovom poglavlju dat ´emo osnovne pojmove vezane uz funkcije i klasic fikaciju funkcija. je funkcija h : X → Z definirana s h(x) = g(f (x)). minimum i maksimum jedinstveni (ukoliko postoje). dok x Na primjer. c Definicija 1. c Rf = {y ∈ Y : (∃x ∈ Df ) takav da je y = f (x)} ⊆ Y. Primijetimo da su infimum. a y je zavisna varijabla funkcije f .5 slijedi m1 = m2 .

3. a funkcija f je ekstenzija funkcije g. a funkcija f je ekstenzija ili proˇirenje z s funkcije g. – bijekcija ili obostrano jednoznaˇno preslikavanje ako je surjekcija i injekc cija. a zove se inverzna c funkcija funkcije f i oznaˇava s f −1 . OSNOVE MATEMATIKE Zaista. Funkcija g je jedinstvena.8. Tako je u ovom sluˇaju i funkcija f1 : R → R \ {0} definirana s c f1 (x) = x. za x = 0 za x = 0 = (h ◦ g)(f (x)) = ((h ◦ g) ◦ f )(x) jedna od beskonaˇno mogu´ih ekstenzija funkcije g. gdje su iX i iY odgovaraju´e identitete. funkcija g(x) = x2 /x je restrikcija funkcije f (x) = x na skup Dg = R \ {0}.1 Funkcija f : X → Y .8 Kompozicija funkcija je asocijativna.11 Funkcija f : X → Y je: – surjekcija ili preslikavanje na ako je R f = Y . c . c c 1. dok ekstenzija to nije. Definicija 1. je bijekcija ako i samo ako postoji funkcija g : Y → X takva da je g ◦ f = i X i f ◦ g = iY . Primijetimo da je restrikcija uvijek jedinstvena. za proizvoljni x za koji je kompozicija definirana vrijedi (h ◦ (g ◦ f ))(x) = h((g ◦ f )(x)) = h(g(f (x))) pa tvrdnja slijedi iz definicije jednakosti funkcija 1. funkcija g je restrikcija ili suˇenje funkcije f . odnosno g = f |Dg . odnosno funkcija i X : X → X definirana s iX (x) = x za svaki x ∈ X. Jedan primjer bijekcije je identiteta.1 Teorem o inverznoj funkciji Prvo ´emo definirati neke klase funkcija. Na primjer. gdje je X = D f . c Definicija 1. – injekcija ili 1-1 preslikavanje ako f (x) = f (x ) ⇒ x = x za sve x. Teorem 1. x ∈ Df .10 Ako je Dg ⊆ Df i g(x) = f (x) za svaki x ∈ Dg . odnosno h ◦ (g ◦ f ) = (h ◦ g) ◦ f. 1.

11 z povlaˇi c (∀y ∈ Y )(∃!x ∈ X) takav da je y = f (x). Pretpostavimo da postoje z dvije funkcije s traˇenim svojstvima. za svaki c y ∈ Y vrijedi f (g(y)) = f (x) = y pa je f ◦ g = i Y i prvi smjer je dokazan. Potrebno je pokazati da je f bijekcija. To oˇito ne vrijedi samo za parne brojeve. Za svaki x ∈ X vrijedi g(f (x)) = g(y) = x pa je g ◦ f = i X . Na kraju dokaˇimo jedinstvenost funkcije g. Potrebno je dokazati oba smjera tvrdnje teorema. Ekvipotencija je oˇito relacija ekvivalencije na skupovima. i skup svih brojeva koji c su djeljivi s tisu´u takoder ima jednako mnogo elemenata kao i skup N. Dokaˇimo da je f injekcija.12 Skup X je beskonaˇan. skup prirodnih brojeva N je beskonaˇan. ako postoji bijekcija izmedu ta dva skupa. Dakle. 1. tada je z x = iX (x) = g(f (x)) = g(f (x )) = iX (x ) = x . Neka je x = g(y). c . ako je ekvipotentan sa svojim pravim podskupom. Sliˇno. g i g 1 .3. zanimljivo je da parnih brojeva ima jednako mnogo kao i svih prirodnih brojeva. Za svaki y ∈ Y vrijedi z g(y) = x = iX (g(y)) = (g1 ◦ f )(g(y)) = g1 (f (g(y))) = g1 (iY (y)) = g1 (y) pa je g = g1 prema definiciji 1.8. Zakljuˇujemo da je svaki element y ∈ Y slika nekog elementa x ∈ X pa je f c surjekcija. Skup X je konaˇan c ako nije beskonaˇan. Svojstva funkcije g povlaˇe c f (x) = f (g(y)) = (f ◦ g)(y) = iY (y) = y. Potrebno je konstruirati funkciju g s traˇenim svojstvima. Definicija 1. jer je funkcija f (n) = c 2n bijekcija izmedu skupa prirodnih brojeva i skupa svih parnih brojeva.3 Funkcije 9 Dokaz. Neka postoji funkcija g s traˇenim z z svojstvima. Klasa ekvivac lencije kojoj pripada skup X zove se kardinalni broj skupa X i oznaˇava s c kard X. ako je f (x) = f (x ). odnosno imaju jednako mnogo elemenata. c Na primjer. Odaberimo proizvoljni y ∈ Y . Neka je f bijekcija.2 Ekvipotencija i beskonaˇni skupovi c Zbog svojstava bijekcije prirodna je sljede´a definicija: skupovi X i Y su c ekvipotentni. Definicija 1. Dakle. Stoga moˇemo definirati funkciju g : Y → X pravilom z g(y) = x ˇim je c y = f (x). f je bijekcija te smo dokazali i drugi smjer tvrdnje teorema.1. Zaista. Dokaˇimo drugi smjer tvrdnje teorema. odnosno ima beskonaˇno mnogo elec c menata.

Funkcije c + i · jedine su funkcije s gornjim svojstvima. ∀m. P4. P2.13. z Teorem 1. P3. Ponovit ´emo i neke naˇine zapisivanja elemec c c nata skupa N. postoji barem jedan element 1 ∈ N koji nije niˇiji sljedbenik.10 OSNOVE MATEMATIKE 1. s je injekcija. Razni naˇini oznaˇavanja prirodnih c c c brojeva dani su u poglavlju 1. Posebnu paˇnju posvetit ´emo principu matematiˇke indukcije i njegovoj primjeni na z c c dokazivanje binomnog pouˇka. (i) 1 ∈ M . c Operacije na skupu N definiramo na sljede´i naˇin: c c – zbrajanje je funkcija + : N × N → N sa svojstvima m + 1 = s(m) ∧ m + s(n) = s(m + n).4. – mnoˇenje je funkcija · : N × N → N sa svojstvima z m·1 =m ∧ m · s(n) = (m · n) + m. Aksiom P4 zove se princip matematiˇke indukcije. n ∈ N. osnovne raˇunske c c operacije na tom skupu i njihova svojstva te relaciju potpunog uredaja. . ako je M ⊆ N i ako vrijedi (ii) n ∈ M ⇒ s(n) ∈ M . Ovaj teorem zapravo kaˇe da se uvijek radi o istom skupu N bez obzira z na to kako oznaˇavamo njegove elemente. Definicija 1. postoji funkcija sljedbenika s : N → N.2 Postoji toˇno jedan skup sa svojstvima iz definicije 1. ∀m.13 Skup prirodnih brojeva N je skup koji zadovoljava ˇetiri Peanova c aksioma: P1.4 Prirodni brojevi U ovom poglavlju definirat ´emo skup prirodnih brojeva N.1. n ∈ N. Dva vaˇna teorema navodimo bez dokaza. tada je M = N. odnosno c s(n) = 1 za svaki n ∈ N.

Ako je n ∈ M . (iv) m + n = m + p ⇒ n = p. (m + n) · p = m · p + n · p.4 Prirodni brojevi 11 Teorem 1. (iii) distributivnost. 2 ∀n ∈ N.3 taj princip ´emo koristiti za c dokazivanje binomnog pouˇka.4. p ∈ N z c vrijedi (i) asocijativnost. a sada navodimo sljede´i primjer.13 koristimo za dokazic vanje raznih korisnih tvrdnji. c c Primjer 1. n. odnosno formula vrijedi za c svaki n ∈ N. Pokaˇimo da je ispunjen i uvjet (ii) aksioma P4. 2 Dakle. Princip matematiˇke indukcije P4 iz definicije 1. tada je n+1 n i= i=1 i=1 i +n+1 = n(n + 1) n2 + n + 2n + 2 +n+1= 2 2 (n + 1)(n + 2) = . Za n = 1 formula c c oˇito vrijedi. odnosno m · (n + p) = m · n + m · p.3 Dokaˇimo formulu z n i=1 (m · n) · p = m · (n · p).3 Mnoˇenje i zbrajanje imaju sljede´a svojstva: za sve m. Neka je M skup svih prirodnih brojeva za koje formula vrijedi. odnosno ako formula vrijedi za n. Ovaj c uvjet zove se baza indukcije. . n + 1 ∈ M pa aksiom P4 povlaˇi M = N. Koriste´i c princip matematiˇke indukcije dokazat ´emo da je M = N. odnosno (m + n) + p = m + (n + p). (ii) komutativnost. m · n = n · m. i = 1 + 2 + 3 + · · · + (n − 1) + n = n(n + 1) . odnosno m + n = n + m. U poglavlju 1. Stoga je 1 ∈ M i tako je ispunjen uvjet (i) aksioma P4. (v) m + n = m. m · n = m · p ⇒ n = p.1. z odnosno korak indukcije.

Kod rimskih brojeva oznaka V za broj pet zapravo simbolizira ruku koja ima pet prstiju. odnosno binarni sustav. odnosno m ≤ n. U trgovini se takoder koristi i sustav s bazom 12.1. Taj sustav je praktiˇan jer je broj 12 djeljiv s dva. n ∈ N. Radi lakˇeg baratanja s s binarnim brojevima koriste se oktalni sustav s bazom osam i heksadecimalni sustav s bazom 16. odnosno m < n.1: Brojevni sustavi 1. c s c c 1. Tada je m manji od n. Raˇunala c zbog tehniˇkih mogu´nosti kreiranja samo dvaju stabilnih stanja (prekidaˇ) c c c koriste sustav s bazom 2. dok oznaka X za broj deset simbolizira dvije ruke. Iz babilonskih vremena smo naslijedili heksagezimalni sustav s bazom 60. c ˇetiri i ˇest. Danas dijelove tog sustava koristimo za prikazivanja vremena (1 sat=60 minuta= 60 · 60 sekunda) i kutova.4. c c Definicija 1.12 Decimalni sustav 1 s(1) = 1 + 1 = 2 s(2) = 2 + 1 = 3 s(3) = 3 + 1 = 4 5 6 7 8 9 10 11 12 13 14 15 16 Rimski brojevi I II III IIII ili IV V VI VII VIII IX X XI XII XIII XIV XV XVI Binarni sustav 1 10 11 100 101 110 111 1000 1001 1010 1011 1100 1101 1110 1111 10000 OSNOVE MATEMATIKE Heksadecimalni sustav 1 2 3 4 5 6 7 8 9 A B C D E F 10 Oktalni sustav 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 Tablica 1.2 Uredaj na skupu prirodnih brojeva Uredaj definiramo na sljede´i naˇin.14 Neka su m. ako i samo ako postoji p ∈ N za koji je m + p = n. neki od c c kojih su dani u tablici 1.1 Brojevni sustavi Elemente skupa prirodnih brojeva oznaˇavamo na razne naˇine.4. Koliˇinu 12 ˇesto zovemo tucet ili duzina. . ako vrijedi m < n ili m = n. Nadalje. tri. m je manje ili jednako n.

≤) je diskretan ili diskretno ureden. k!(n − k)! Dokaz. . n]N . ako je ekvipotentan s N. .4 Broj razliˇitih kombinacija n-tog reda i k-tog razreda K n jednak c je binomnom koeficijentu n k = n! . s c U teoremu 2. 3. Faktorijele su definirane rekurzivno s (n + 1)! = n!(n + 1) ili kao funkcija f : N → N zadana s f (1) = 1. Sljede´a definicija nadopunjava definicije iz poglavlja 1. n] N . . c Definicija 1.3 Binomni pouˇak c U ovom poglavlju definirat ´emo permutaciju i kombinaciju. ˇto moˇemo uˇiniti na Kn c s z c naˇina.7 je dokazano da skup svih razliˇitih permutacija n-tog reda c ima n! elemenata (n faktorijela).1. n]N = {p ∈ N : 1 ≤ p ≤ n} = {1. odnosno za svaki n ∈ N vrijedi {p ∈ N : n < p < n + 1} = ∅. ako je X ekvipotentan s [1. . Skup prirodnih brojeva (N. n]N . Skup X je prebrojiv ili prebrojivo beskonaˇan.5. 2. . 2. k Teorem 1.15 Skup X ima n elemenata.4. ·)N = {1. .4 Prirodni brojevi 13 S ovako definiranom relacijom potpunog uredaja N je ureden skup po definiciji 1. odnosno c kard X = ℵ0 (alef nula). ik } ⊆ c [1.1 moˇemo definirati intervale z [1. Svaku permutaciju n-tog reda moˇemo dobiti u tri koraka: z k 1.2.7 opiˇemo guste skupove Q i R. s 1. odnosno kard X = n. . .3. n]N . odaberemo jedan k-ˇlani podskup od [1. .} = N. i2 . n] N u [1. opisati Pascalov c trokut i dokazati binomni pouˇak i neke njegove posljedice. uz dogovor 0! = 1. c .16 Permutacija n-tog reda je svaka bijekcija s [1. n}.6 i 1. . Ovo svojstvo ´e biti jasnije c kada u poglavljima 1. U skladu s poglavljem 1. Posebno je [1. Pri tome je dopuˇten i sluˇaj k = 0. . c Definicija 1.2. f (n + 1) = f (n) · (n + 1). Kombinacija n-tog reda i k-tog razreda je svaki k-ˇlani podskup {i 1 .

z Druga tvrdnja teorema 1. = ∀k.5 Vrijedi n k n n + k k+1 = n . .5. n. osim rubnih. n ∈ N ∪ {0}. Teorem 1. ˇto moˇemo uˇiniti na k! s z c naˇina. (1.. c 3. c c Ukupan broj permutacija n-tog reda stoga je jednak k n! = Kn · k! · (n − k)! pa je teorem dokazan. 2. k < n. odaberemo jednu permutaciju preostalog (n−k)-ˇlanog podskupa. . zbroj dvaju elemenata koji se nalaze s lijeve i desne strane u retku iznad. Zadatak 1. n−k n+1 .1) U n-tom retku Pascalovog trokuta nalaze se binomni koeficijenti n-tog reda.5 daje nam poznati Pascalov trokut: 1 1 1 1 1 1 1 . 2 · · · . n ∈ N ∪ {0}. . Vidimo da je svaki element. k+1 ∀k. . n = 0. odaberemo jednu permutaciju tog podskupa.3 Dokaˇite teorem 1. i to poredani po razredu k = 0.14 OSNOVE MATEMATIKE 2. ˇto moˇemo c s z uˇiniti na (n − k)! naˇina. k ≤ n. . . 3. . 1. 1. 6 5 15 4 10 20 3 6 10 15 2 3 4 5 6 1 1 1 1 1 1 . .

2) Na primjer. Tehnika dokazivanja sliˇna je onoj iz Primjera 1. formula (1. no on vrijedi i za racionalne. Za n = 1 formula vrijedi jer je (a + b)1 = 1 0 1 1 1 0 a b + a b . 1 ∈ M pa je ispunjena baza indukcije.4 Prirodni brojevi 15 Teorem 1.13. Teorem ´emo dokazati pomo´u principa matematiˇke indukcije P4 iz c c c definicije 1. odnosno uvjet (i) aksioma P4.2) i Pascalov trokut (1. odnosno uvjet (ii) aksioma P4.6 (Binomni pouˇak) Za svaki n ∈ N vrijedi c n (a + b) = k=0 n n k n−k a b . Pokaˇimo da je ispunjen i korak indukcije. Binomni pouˇak dokazat ´emo za prirodne brojeve. c c realne i kompleksne brojeve. c Neka je M skup svih prirodnih brojeva za koje formula vrijedi. 0 1 Dakle. k (1. Dokaˇimo z da je M = N.1) za n = 4 daju (a + b)4 = 4 4 0 4 3 1 4 2 2 4 1 3 4 0 4 a b a b + a b + a b + a b + 4 3 2 1 0 = b4 + 4ab3 + 6a2 b2 + 4a3 b + a4 .1. Dokaz.3. Ako z .

. k odnosno zbroj elemenata u n-tom retku Pascalovog trokuta (1.1). 1. Dakle. k U predzadnjoj jednakosti koristili smo Pascalov trokut (1. n+1 ∈ M pa aksiom P4 povlaˇi M = N i teorem je dokazan. odnosno ako formula vrijedi za n. tada je n (a + b)n+1 = k=0 n n k n−k (a + b) a b k n k+1 n−k a b + k n k=0 = k=0 n+1 n k n−k+1 a b k n k=0 = k=1 n ak bn−(k−1) + k−1 n k=1 n k n−k+1 a b k n k=1 = + = = n n+1 0 a b + n n 0 n+1 a b 0 n n+1 0 a b + n n ak bn−k+1 + k−1 n k n−k+1 a b k n k=1 n n n + k−1 k ak bn−k+1 + n 0 n+1 a b 0 n + 1 n+1 0 a b + n+1 n+1 k=1 n + 1 0 n+1 n + 1 k n+1−k a b a b + 0 k = k=0 n + 1 k n+1−k a b .1) jednak je 2 n .5 Cijeli brojevi U ovom poglavlju ukratko ´emo dati osnovnu motivacija za uvodenje skupa c cijelih brojeva Z te navesti osnovna svojstva tog skupa.1 Za svaki n ∈ N vrijedi n (a − b) = (a + (−1)b) = i 2 = k=0 n n n n k=0 n (−1)n−k ak bn−k k n . c Korolar 1.16 OSNOVE MATEMATIKE je n ∈ M .

2 za n paran za n neparan bijekcija. a razlikuju se u tome ˇto Z nema najmanji element. odnosno oba skupa imaju jednako mnogo elemenata. n ∈ N vrijedi m < n ⇔ (∃p ∈ N) m + p = n. · i : te relaciju potpunog uredaja ≤ na skupu Q c .6 Racionalni brojevi 17 Prema definiciji 1. ∼ je relacija ekvivalencije. Na skupu Z × N = {(m.3. Stoga skup prirodnih brojeva N proˇirujemo s njegovom / s negativnom kopijom i dodajemo element 0 za koji vrijedi 0·m=0 i 0 + m = m. z tada n − m ∈ N. n) : m ∈ Z. − i · na skupu Z definiramo na poznati naˇin te za c c njih vrijede svojstva sliˇno kao u Teoremu 1. moˇemo pisati p = n − m. c 1. Kako je broj p jedinstven. n2 ) ⇔ m1 · n2 = m2 · n1 .6 Racionalni brojevi U ovom poglavlju definirat ´emo skup racionalnih brojeva Q te dati osc novna svojstva tog skupa. s Skup Z je ekivipotentan s N. n ∈ N} definiramo relaciju ∼ s (m1 .14 za m. − n−1 . 3) ∼ (4. 9). na primjer (2. n1 ) ∼ (m2 . 6) ∼ (6. Skup racionalnih brojeva Q je skup svih klasa ekvivalencije na skupu Z×N.14. c Uredaj na skupu Z uvodimo sliˇno kao u definiciji 1. Skup (Z. ∀m ∈ Z. n ∈ N . Raˇunske operacije +. jer je funkcija f : N → Z definirana s f (n) = n 2. Q= n ∼ Raˇunske operacije +. odnosno m : m ∈ Z.1. Ako je pak n < m. ≤) je diskretan kao i skup N.

Dakle. Sliˇno vrijedi q < q2 i c teorem je dokazan. Tada je q1 < q jer je 2m1 n1 n2 < m1 n1 n2 + n1 n1 m2 . = 2 2n1 n2 m1 . Dovoljno je dokazati da se izmedu svaka dva razliˇita racionalna broja c nalazi barem jedan racionalni broj. n1 · m 2 za m2 = 0. n1 n2 Ovdje se zaista radi o definicijama. c Za razliku od skupova N i Z koji su diskretni. Teorem 1.7 Skup Q je gust. skup Q je gust. Dokaz. a N prebrojiv. n1 q2 = m2 n2 i q1 < q2 odnosno m1 n2 < n1 m2 . Za raˇunske operacije 4 6 vrijede poznata svojstva sliˇno kao u teoremu 1.3. n1 n2 n1 · n 2 m1 · m 2 m1 m2 · = . jer smo ”nove” operacije i relaciju c uredaja na lijevim stranama definirali pomo´u poznatih operacija i uredaja na skupu Z na desnim stranama. Raˇunske operacije i relacija uredaja na skupu Q su dobro definirane jer ne ovise o pred9 1 c stavniku klase ekvivalencije. Naime. odnosno c c izmedu svaka dva razliˇita racionalna broja nalazi se beskonaˇno mnogo racionalnih brojeva. na primjer 3 + 1 = 2 + 12 . m1 m2 ≤ ⇔ m1 · n2 ≤ n1 · m2 . oba skupa imaju jednako mnogo c s elemenata. Unatoˇ tome ˇto je Q gust.18 definiramo redom kako slijedi: m1 · n 2 + n 1 · m 2 m1 m2 + = . n1 n2 n1 · n 2 m1 m2 : = n1 n2 m1 n1 m2 n2 OSNOVE MATEMATIKE = m1 · n 2 . Neka je q1 = Neka je q= q1 + q 2 m1 n2 + n 1 m2 . iste oznake za raˇunske operacije i c c c c relaciju uredaja imaju razliˇita znaˇenja na lijevim i desnim stranama. skupovi N i N × N su ekvipotentni jer je funkcija f : N → .

Prvo uoˇimo da je kvadrat prirodnog broja n paran ako i samo ako c je n paran: ako je n = 2p paran. 1). 2)f (3) (1. 1)f (7) ··· (1. nije istina. Dakle. Iz (2p) 2 = 2n2 slijedi 2p2 = n2 pa je n takoder paran. budu´i je skup Q c gust. 1)f (4) (4. 3)f (9) (3. 1. mogli bismo pomisliti da njegovi elementi prekrivaju ˇitavi pravac. navesti njegova osc novna svojstva. Medutim. tada je n2 = (2p − 1)2 = 4(p2 − p) + 1 neparan. Oznaka (1.8 2 ∈ Q.1.7 Realni brojevi U ovom poglavlju definirat ´emo skup realnih bojeva. pri ˇemu su m i n relativno prosti. Definicija 1. To. to c su i skupovi N i Z × N ekvipotentni. 3)f (6) (2. tada je n 2 = (2p)2 = 4n2 takoder paran. Naime. odnosno m = 2p. √ √ c Ako je (A) 2 ∈ Q. n odnosno ne mogu se dalje skratiti. tada je m 2 = 2n2 pa je prema prvom dijelu dokaza m paran. 2)f (5) (2. tada prema tablici z istinitosti za implikaciju iz poglavlja 1.7 Realni brojevi 19 N × N definirana s (1. Raˇunske operacije na skupu realnih brojeva definirane su na poznati naˇin c c te za njih vrijede svojstva sliˇno kao u teoremu 1. / Dokaz. Nanesemo li na brojevni pravac dijagonalu kvadrata sa √ stranicom duˇine jedan. c medutim. Kada racionalne brojeve nanosimo na brojevni pravac.3. Konaˇno. objasniti kako rade raˇunala i definirati apsolutnu vrijednost c realnog broja. tada i tvrdnja (A) mora biti neistinita i teorem je dokazan. tada je (B) 2 = m . iz N ⊂ Q ⊂ Z × N zakljuˇujemo c c da je skup Q takoder ekvipotentan s N. Skup realnih brojeva R je unija skupa racionalnih brojeva i skupa iracionalnih brojeva. Teorem ´emo dokazati koriste´i tehniku kontradikcije ili protuslovlja. c Sljede´i teorem navodimo bez dokaza. Kako je Z ekvipotentan s N. c . 1)f (2) (3. No. 4)f (10) ··· ··· bijekcija. a nisu elementi skupa Q. 1)f (1) (2. z c c √ Teorem 1.1 slijedi τ (A) = ⊥. 2)f (8) ··· ··· (1. a ako je n = 2p − 1 neparan.17 Iracionalni brojevi su brojevi koji se nalaze na brojevnom pravcu. m i n nisu relativno prosti pa je tvrdnja (B) neistinita. dobit ´emo po Pitagorinom pouˇku broj 2. 1)f (1) znaˇi f (1) = (1. c c ako je τ (A ⇒ B) = i ako pokaˇemo da je τ (B) = ⊥.

. 99. .1 Aritmetika raˇunala c √ Broj 2 ima beskonaˇni neperiodiˇni decimalni zapis pa ga ne moˇemo zac c z pisati ni kao decimalni broj. . . . . . . 998. Zamisc c limo raˇunalo koje za pohranjivanje brojeva i raˇunanje raspolaˇe s tri decic c z malna mjesta. . . 100. . . . . 9. . .7. c (ii) skup Q je gust u skupu R. . . .997.1. 102. . . . niti kao razlomak.0. . .41. . . . tako da osnovni matematiˇki zakoni asocijacije i distribucije iz teoc rema 1. . 10. 10. odnosno izmedu svaka dva razliˇita racionalna c broja postoji beskonaˇno realnih brojeva. 1. . .998. (v) elementi skupa R prekrivaju ˇitavi brojevni pravac.98.008. . .101. 1. .00.002. . .99. z c raˇunala za prikazivanje brojeva i raˇunanje koriste jedan diskretni podskup c c skupa Q.010. . s tim ˇto se decimalna toˇka moˇe pomicati. . c (iii) skup R je gust u skupu Q. odnosno izmedu svaka dva razliˇita realna broja postoji c beskonaˇno realnih brojeva. .8.001. . 99. . R . .20 Teorem 1.2.9 Vrijedi: OSNOVE MATEMATIKE (i) skup R je gust. c (iv) skup R je neprebrojiv. 9. neprebrojiv gusti prebrojivi 1.3333 . . . Sliˇno. . . s c z .099.9.14.011. 101. U ovakvom raˇunalu moˇemo prikazati brojeve c z 999. c Odnos izmedu do sada opisanih skupova brojeva je sljede´i: c N N diskretni ⊂ Z ⊂ Z ⊂ ⊂Q Q ⊂ ⊂ R. odnosno izmedu svaka dva razliˇita realna c broja postoji beskonaˇno racionalnih brojeva.009. . Zbog konaˇne memorije.012.999.3 ne vrijede.3 ima beskonaˇni periodiˇni decimalni zapis pa ga ne moˇemo zapisati kao c c z decimalni broj. ali ga moˇemo zapisati kao razlomak. Princip rada raˇunala ilustrirat ´emo na jednostavnom primjeru. . . .098. broj 1 = 0. . . 3. 10. .100. = c 3 ˙ 0.

4 = (200 + 0.001 i . Graf funkcije y = f (x) definiramo kao skup svih toˇaka xy-ravnine za koje je y = f (x).4 + 0. ne z c moˇemo prikazati niti jedan broj izmedu 998 i 999 kao niti izmedu . Na primjer. |x + y| ≤ |x| + |y|.4) + 0.5)+200 = 1+200 = 201.4 + 0. Teorem 1. ˇto je op´enito pravilo koje vrijedi za svako raˇunalo. ovdje se duljina razmaka mijenja.2 Apsolutna vrijednost U ovom poglavlju definirat ´emu apsolutnu vrijednost realnog broja i dokazati c neka njena svojstva.4) + 0. n (ii) nejednakost trokuta. |0| = 0. Ovakvo z s c c raˇunalo moˇe. Rezultat je toˇniji ako se prvo zbrajaju brojevi c c koji su bliˇe nuli. |x| = | − x|. dok c s c u drugom sluˇaju iznosi 0.6%. za x ≥ 0. naravno. U ovakvom raˇunalu asocijativnost ne vric jedi.002. Na slici 1. |x| = −x. r).2. dati i toˇan rezultat (0. |x − y| = |y − x|.7 Realni brojevi 21 Skup brojeva koje moˇemo prikazati je oˇito diskretan jer. |5| = | − 5| = 5.5+0.2 = 201. dok je 200 + (0. c z c Princip rada svih raˇunala je isti.10 Za apsolutnu vrijednost vrijedi: (i) |x| < r ⇔ −r < x < r ⇔ n i=1 x ∈ (−r. i=1 . z No. odnosno op´enitije c xi ≤ |xi |. pogreˇka u prvom sluˇaju iznosi 0. s time ˇto stvarna raˇunala uglavnom c s c raspolaˇu s 16 decimalnih mjesta.18 Apsolutna vrijednost realnog broja je funkcija | | : R → [0. U odnosu na toˇan rezultat 201.8) = 200 + 1.4) + 0. za razliku od skupova N i Z gdje su razmaci izmedu elemenata konstantni.4)) = 200 + (0. Preciznije definicije funkcije c i grafa dane su u poglavlju 4. s z c 1.1%. na primjer. Na taj se naˇin osigurava mala pogreˇka s z c s kojom se mogu kvalitetno vrˇiti ˇeljeni proraˇuni. +∞) definirana s x.1.4 + (0.4 = 200 + 0. za x < 0. jer je ((200 + 0.7. Definicija 1.1 prikazan je graf funkcije |x|.4 = 200.

(iv) |x · y| = |x| · |y|. y |y| Dokaz. odnosno op´enitije c n n xi = i=1 i=1 |xi |. ≤ i=1 |xi | + |xn+1 | = . a za x < 0 nejednakost c |x| < r povlaˇi −x < r. (v) |x| x = za y = 0.1: Apsolutna vrijednost |x| (iii) |x − y| ≥ |x| − |y|. Za n ≥ 2 imamo n+1 n n xi = i=1 i=1 n xi + xn+1 ≤ i=1 n+1 i=1 xi + |xn+1 | |xi |.22 OSNOVE MATEMATIKE 2 1 -2 -1 1 2 Slika 1. Op´enitiju tvrdnju dokazujemo indukcijom c (vidi primjer 1. c (ii) Za svaki x ∈ R vrijedi x ≤ |x|. tada je |x + y| = x + y ≤ |x| + |y|.3 i dokaz teorema 1.6). (i) Za x ≥ 0 nejednakost |x| < r povlaˇi x < r. Ako je x + y ≥ 0. tada je |x + y| = −(x + y) = −x − y ≤ | − x| + | − y| = |x| + |y| pa je prva tvrdnja dokazana. odnosno −r < x. a ako je x + y < 0. Tvrdnja oˇito vrijedi za n = 1 i c n = 2.

6. y ∈ R. Neka su z1 = x1 + iy1 i z2 = x2 + iy2 dva kompleksna broja. .6.1. x1 + iy1 x2 − iy2 z1 = · z2 x2 + iy2 x2 − iy2 x1 x2 + y 1 y2 y1 x2 − x 1 y2 = +i . Iz ove definicije slijedi s z i2 = −1.5 i 4. trigonometric jski oblik kompleksnog broja i operacije s brojevima u trigonometrijskom obliku te eksponencijalni oblik kompleksnog broja.6. 2 2 x2 + y 2 x2 + y 2 2 2 za z2 = 0. a realni broj y = Im z je imaginarni dio kompleksnog broja z. . i3 = −i. Realni broj x = Re z je realni dio kompleksnog broja z. Konjugirano kompleksni broj broja z = x + iy je broj z = x − iy.19 Skup kompleksnih brojeva C je skup svih brojeva oblika z = x + iy. .8 Kompleksni brojevi 23 pa nejednakost trokuta vrijedi za svaki n ∈ N. z1 − z2 = x1 − x2 + i(y1 − y2 ). (iv) i (v) teorema 1. osnovne c raˇunske operacije s kompleksnim brojevima i njihova svojstva.10. z 1.4 Dokaˇite tvrdnje (iii). Raˇunske c operacije su definirane na sljede´i naˇin: c c z1 + z2 = x1 + x2 + i(y1 + y2 ). z1 · z2 = (x1 + iy1 )(x2 + iy2 ) = x1 x2 + iy1 x2 + ix1 y2 + i2 y1 y2 = x1 x2 − y1 y2 + i(x1 y2 + x2 y1 ). . Stoga se imaginarna jedinica i definira tako ˇto su s s x = i i x = −i rjeˇenja jednadˇbe x2 + 1 = 0. Dva kompleksna broja su jednaka ako su im jednaki realni i imaginarni dijelovi. gdje su x. . x = 1 i x = −1. i4 = −i · i = −(−1) = 1. c z Motivacija za uvodenje kompleksnih brojeva je sljede´a: jednadˇba x 2 −1 = 0 ima dva rjeˇenja u skupu R.8 Kompleksni brojevi U ovom poglavlju definirat ´emo skup kompleksnih brojeva C. Pretpostavljamo da ˇitatelj c poznaje osnovna svojstva trigonometrijskih i arkus funkcija iz poglavlja 4. Posebno je 0 = 0 + i0. Definicija 1. dok sliˇna jednadˇba x 2 + 1 = 0 s c z nema niti jedno rjeˇenje. Zadatak 1. ¯ Modul ili apsolutna vrijednost kompleksnog broja z je nenegativni realni broj r = |z| = x2 + y 2 . i5 = i. i6 = −1.

24 Zadatak 1.5 Dokaˇite da za z, z1 , z2 ∈ C vrijedi: z a) z1 + z2 = z1 + z2 , ¯ ¯ b) z1 · z2 = z1 · z2 , ¯ ¯ c) z1 z2 = z1 ¯ , za z2 = 0, z2 ¯

OSNOVE MATEMATIKE

d) z = z, ¯ e) z = z ⇔ z ∈ R, ¯ f) z + z = 2 Re z, ¯ g) z − z = 2i Im z, ¯ h) z · z = z · z = |z|2 , ¯ ¯ i) |z| = 0 ⇔ z = 0, j) |z1 + z2 | ≤ |z1 | + |z2 | (nejednakost trokuta). Kompleksnom broju z = x + iy jednoznaˇno je pridruˇen uredeni par c z (x, y) ∈ R × R, odnosno toˇka T = (x, y) u ravnini, kao ˇto se vidi na slici 1.2. c s

y

z=x+iy, T=(x,y)

|x|=r ϕ 0 x

Slika 1.2: Kompleksni broj Iz slike 1.2 se vidi zaˇto su formule za zbrajanje kompleksnih brojeva sliˇne s c formulama za zbrajanje vektora, odnosno zaˇto se posebno zbrajaju realni, a s posebno imaginarni dijelovi.

1.8 Kompleksni brojevi

25

1.8.1

Trigonometrijski oblik

Kao ˇto se vidi na slici 1.2, kompleksni broj z = x + iy je jednoznaˇno s c − → odreden s modulom r i s kutom ϕ izmedu radij-vektora OT i pozitivnog smjera x-osi. Kut ϕ je argument broja z , odnosno ϕ = arg z. Trigonometrijski oblik kompleksnog broja glasi z = r(cos ϕ + i sin ϕ) = r cos ϕ + ir sin ϕ. Veze izmedu dva oblika su sljede´e: ako su zadani r i ϕ, tada je c x = Re z = r cos ϕ, a ako su zadani x i y, tada je y ϕ = arctg , x pri ˇemu kvadrant u kojem se nalazi ϕ treba odrediti sa slike odnosno iz predc znaka od x i y. r = |z| = x2 + y 2 , Primjer 1.4 a) Skup je krug radijusa dva sa srediˇtem u toˇki z 0 = i − 1 (vidi sliku 1.3). Zaista, s c iz definicije 1.19 slijedi |z − i + 1| ≤ 2 ⇔ Op´enito, skup c je krug radijusa r oko toˇke z0 . c b) Skup {z ∈ C : |z − z0 | ≤ r} (x + 1)2 + (y − 1)2 ≤ 2 ⇔ (x + 1)2 + (y − 1)2 ≤ 4. {z ∈ C : |z − i + 1| ≤ 2} y = Im z = r sin ϕ,

π ∧ Im z ≥ 1} 3 nacrtan je na slici 1.4. Pri tome se toˇke na iscrtkanom pravcu nalaze izvan c skupa, kao i toˇka u kojoj se dva pravca sijeku. c {z ∈ C : 0 < arg z < {z ∈ C : |z − 1| + |z + 2| = 5}

c) Skup je elipsa sa ˇariˇtima u toˇkama z 1 = 1 i z2 = −2 (vidi sliku 1.5). z s c {z ∈ C : |z − z1 | + |z − z2 | = r, z1 = z2 , r > 0} je skup svih toˇaka ˇiji je zbroj udaljenosti do dvije fiksne toˇke konstantan. c c c Mogu´a su tri sluˇaja: ako je |z1 − z2 | < r, tada se radi o elipsi; ako je c c |z1 − z2 | = r, tada se radi o duˇini koja spaja toˇke z 1 i z2 ; a ako je z c |z1 − z2 | > r, tada se radi o praznom skupu.

Op´enito, skup c

26

OSNOVE MATEMATIKE

i

-1

Slika 1.3: Krug u kompleksnoj ravnini

i

Slika 1.4: Dio kompleksne ravnine

Zadatak 1.6 Dokaˇite da je elipsa iz primjera 1.4.c zadana s formulom z
1 (x + 2 )2 y 2 + = 1. 6.25 4

Po uzoru na primjer 1.4.c analizirajte skup

{z ∈ C : |z − z1 | − |z − z2 | = r, z1 = z2 , r > 0}.

1.8 Kompleksni brojevi

27

-3

-2

-1/2

1

2

Slika 1.5: Elipsa u kompleksnoj ravnini

Trigonometrijski oblik kompleksnog broja omogu´uje jednostavno izvodenje c raˇunskih operacija. Adicioni teoremi daju c z1 · z2 = r1 (cos ϕ1 + i sin ϕ1 ) · r2 (cos ϕ2 + i sin ϕ2 ) = r1 r2 [cos ϕ1 cos ϕ2 − sin ϕ1 sin ϕ2 + i(sin ϕ1 cos ϕ2 + cos ϕ1 sin ϕ2 )] (1.3) = r1 r2 (cos(ϕ1 + ϕ2 ) + i sin(ϕ1 + ϕ2 )). Sliˇno, za z2 = 0 vrijedi c r1 z1 = (cos(ϕ1 − ϕ2 ) + i sin(ϕ1 − ϕ2 )). z2 r2 Iz formule (1.3) indukcijom slijedi
n n n n

zk =
k=1 k=1

rk

cos
k=1

ϕk + i sin
k=1

ϕk

.

Kada u gornju formulu uvrstimo z1 = · · · = zn = z = r(cos ϕ + i sin ϕ), dobijemo Moivreovu formulu za potenciranje s prirodnim brojem z n = r n (cos nϕ + i sin nϕ). (1.4)

Nadalje, n-ti korijen kompleksnog broja z je svaki kompleksni broj koji podignut na n-tu potenciju daje z. Vrijedi √ n z = zn =
1

√ ϕ + 2kπ ϕ + 2kπ n + i sin r cos , n n

k ∈ {0, 1, 2, . . . , n − 1}. (1.5)

28

OSNOVE MATEMATIKE

Naime, primjenom Moivreove formule (1.4) vidimo da svaki od brojeva na desnoj strani podignut na n-tu potenciju daje broj z, pa je stoga jednak ntom korijenu iz z. Zakljuˇujemo da svaki kompleksni broj, osim nule, ima n c medusobno razliˇitih n-tih korijena koji svi leˇe na srediˇnjoj kruˇnici radijusa c z s z √ n r i dijele tu kruˇnicu na n jednakih dijelova. z √ √ Primjer 1.5 Izraˇunajmo 6 1 = 6 1 + 0i. Trigonometrijski oblik glasi c 1 = 1 · (cos 0 + i sin 0), pa formula (1.5) daje √ 6 1 =1· cos 0 + 2kπ 0 + 2kπ + i sin , 6 6 k = 0, 1, 2, 3, 4, 5.

Uvrˇtavanje vrijednosti za k daje ˇest razliˇitih ˇestih korijena: s s c s w0 = cos 0 + i sin 0 = 1, √ π π 1 3 w1 = cos + i sin = + i , 3 3 2 2 √ 2π 2π 1 3 w2 = cos + i sin = − +i , 3 3 2 2 w3 = cos π + i sin π = −1, √ 4π 4π 1 3 w4 = cos + i sin = − −i , 3 3 2 √2 3 5π 1 5π + i sin = −i . w5 = cos 3 3 2 2

Zadatak 1.7 Nacrtajte sve kompleksne ˇeste korijene od jedan iz primjera s 1.5 i uvjerite se da dijele jediniˇnu kruˇnicu na ˇest jednakih dijelova. Zatim c z s √ √ √ 3 4 6 izraˇunajte i nacrtajte −1, i i 1 + i 3. c

1.8.2

Eksponencijalni oblik
eiϕ = cos ϕ + i sin ϕ.

Eksponencijalni ili Eulerov oblik kompleksnog broja glasi

Ova formula slijedi iz Taylorovih razvoja funkcija sin x, cos x i e x danih u primjeru 6.19 i zadatku 6.5. Kada formalno uvrstimo iϕ umjesto x u Taylorov razvoj funkcije ex , dobit ´emo c eiϕ = 1 + iϕ i2 ϕ2 i3 ϕ3 i4 ϕ4 i5 ϕ5 i6 ϕ6 i7 ϕ7 + + + + + + + ··· 1! 2! 3! 4! 5! 6! 7! ϕ2 ϕ3 ϕ4 ϕ5 ϕ6 ϕ7 ϕ −i + +i − −i + ··· . =1+i − 1! 2! 3! 4! 5! 6! 7!

.8 Kompleksni brojevi 29 Red na desnoj strani je apsolutno konvergentan pa po teoremu 6.12 smijemo prvo zbrojiti realne. a zatim imaginarne ˇlanove pa Taylorovi razvoji funkcija c cos x i sin x daju eiϕ = ϕ2 ϕ4 ϕ6 + − + ··· 2! 4! 6! = cos ϕ + i sin ϕ.1. 1− +i ϕ ϕ3 ϕ5 ϕ7 − + − + ··· 1! 3! 5! 7! Pomo´u Eulerovog oblika moˇemo definirati potenciranje s kompleksnim c z eksponentom ez = ex+iy = ex · eiy = ex (cos y + i sin y).

.

. . . . . . . . . . . . . . 50 51 2. . . . . . .9. . . .4. . . . .9. . . . . . s z 34 35 37 38 39 Matriˇni zapis sustava linearnih jednadˇbi . . . .4 Mnoˇenje matrice sa skalarom . . . .4 2. . . . . . .10 Rjeˇavanje elektriˇne mreˇe . .9. . . 44 2. . . . . .5 2. . . . . . . . . . . . . .4. . . 64 s c z . .1. . . .4.7 2. .1 Svojstva determinanti .9 Linearna nezavisnost . . . 40 c z Rjeˇavanje trokutastih sustava . . . .1. . . . . . . . . . . . .1. . . . . . 32 2. . . . . . . . . . . 52 Rang matrice . z Nul-matrica i jediniˇna matrica . . . . .4 Podmatrice i poddeterminante .9. . . . .8 2. . . . . 60 2. c 62 62 63 2.5 Cramerovo pravilo . . . .3 2. . . . . . . . . . . .1 Matrice . . .2 2. . . z Mnoˇenje matrica . . . Raˇunanje inverzne matrice . . . . . . . . . . . . . . .3 Pivotiranje . 63 2. . . . 54 Inverzna matrica . Elementarne matrice transformacija . .2 2. . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9. . . . . . . . . .1. . . .2 2. 53 Kronecker–Capellijev teorem . . . .6 2. . . . . . . . . .2 2.5 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 2. . . .3 2. . . . . . . . . . . . . . 58 2. . . . . . . . . . .1. . . . . . . . . . . . .2. . . . . . . . . . . . . . . . 56 Determinante . . . . . . 34 2. . . . . . . . .1 Primjeri . . . Laplaceov razvoj determinante . . . . . . 41 s Gaussova eliminacija . . . . . . . . . . . LINEARNA ALGEBRA 2. . . . .6 2. .1 Zbrajanje matrica . . c Transponirana matrica . . . . . . . . . . . . . . . . Joˇ o mnoˇenju matrica .3 2. . .

c c z 2.5 vidjet ´emo da su ova tri c sluˇaja jedina mogu´a i to za proizvoljni broj nepoznanica i jednadˇbi. Brojevi ai1 .1 Pravokutna tablica brojeva   a11 a12 · · · a1n  a21 a22 · · · a2n    A= . .. tada sustav nema rjeˇenje. ai2 . za takve je sustave lako ustanoviti da li su rjeˇivi z s te ako jesu. 1 ≤ j ≤ n su elementi matrice ili komponente matrice. zove se matrica tipa m×n. . n ∈ N. koriˇtenje matrica je za ve´inu novost. am1 am2 · · · amn m. . tako da ´emo dati i osnovne pojmove o matricama i determinantama c c te operacijama s njima. . Ako su svi brojevi a ij realni. s c – m pravaca moˇe leˇati na istom pravcu – pripadaju´i sustav ima beskonaˇno z z c c rjeˇenja. s Rjeˇenje sustava od m ≥ 2 jednadˇbi s n = 2 nepoznanice odgovara s z nalaˇenju sjeciˇta m pravaca u ravnini. Za razliku od s sustava nelinearnih jednadˇbi. . .1 Matrice Matrice omogu´uju jednostavan zapis i rjeˇavanje sustava linearnih jedc s nadˇbi. ain . Postupak se temelji na primjenama matriˇnog s c raˇuna. . y = −1/3 (slika 2. . tada piˇemo A ∈ Rm·n . . Oˇito vrijedi sljede´e: z s c c – m pravaca se moˇe sje´i u jednoj toˇki – pripadaju´i sustav ima toˇno z c c c c jedno rjeˇenje. s Tablica se stavlja u uglate ili oble zagrade. .1). . . sustav s 2x + y = 1 −x + y = −1 ima rjeˇenje u toˇki x = 2/3. z Definicija 2. Na primjer. rijeˇiti ih. c s U poznatom Kronecker–Capellijevom teoremu 2. . s – ako ni prvi ni drugi sluˇaj ne vrijede. Brojevi a ij . 1 ≤ i ≤ m. s z s c Pojam ”linearnih” znaˇi da se u jednadˇbama nepoznanice pojavljuju samo c z na prvu potenciju i da se ne pojavljuju umnoˇci nepoznanica.   .32 LINEARNA ALGEBRA U ovoj glavi definirat ´emo pojam sustava linearnih jednadˇbi i opisati c z postupak za njihovo rjeˇavanje. . Dok se ve´ina studenata ve´ susrela s problemom c c rjeˇavanja sustava linearnih jednadˇbi.

. brojevi a1j . ili s masnim z c s slovima.n}. 5 7 9 11 . A.n} tvore dijagonalu matrice A.min{m. A = (A)ij .1 Matrice 33 1-2*x -1+x 2 1 -2 -1 -1 1 2 -2 Slika 2. amj tvore j-ti stupac.1: Pravci koji se sijeku tvore i-ti redak. x. Retˇane i stupˇane matrice z c c c se joˇ zovu vektori. . B. a.127 1017 0  .   a11 a12 π a14 A =  1 −0. s Skup svih matrica tipa m × n joˇ oznaˇavamo s M mn . . . z c a ako je n = 1 kaˇemo da je A stupˇana matrica. x. . A = (Aij ). Koriste se i oznake c A = (aij ). Ako je m = n kaˇemo da je A kvadratna matrica z reda n. Na primjer. a2j . .2. Ako je m = 1 kaˇemo da je A retˇana matrica (ima samo jedan redak). amin{m. A = [aij ]. Matrice obiˇno s c c oznaˇavamo velikim tiskanim slovima. a brojevi a11 . . Vektore moˇemo oznaˇavati i s malim ˇtampanim slovima a. . A je matrica tipa 3 × 4. . b. b. X. . a22 . .

Svojstva zbrajanja su c c A+B =B+A (komutativnost) i (asocijativnost). 2. Svojstva ove operacije proizlaze direktno iz svojstava mnoˇenja brojeva: z λ(A + B) = λA + λB. Dakle. (λ + µ)A = λA + µA. matrice se zbrajaju ˇlan po ˇlan.2 Mnoˇenje matrice sa skalarom z Matrica se mnoˇi s nekim skalarom (brojem) tako da se svaki element z matrice pomnoˇi s tim brojem. u ovom sluˇaju matricu. c =  2 . a ujedno i stupˇane i c retˇane matrice c Nakon ˇto smo definirali novi objekt. ˇelimo ih s c z nauˇiti usporedivati. Prvi korak je definirati kada su dva objekta jednaka. 12345 dok su d = 0 i E = x kvadratne matrice reda 1. j. Drugim rijeˇima. c c   0 √ B = 1 2 3 4 .1. (A + B) + C = A + (B + C) 2. Ako su matrice A i B istog tipa. Mogu se zbrajati samo matrice istog tipa.34 LINEARNA ALGEBRA B i c su primjeri retˇane odnosno stupˇane matrice.1) . (2. tada je matrica C =A+B istog tipa kao i matrice A i B i vrijedi cij = aij + bij .2 Matrice A i B su jednake ako su istog tipa i ako je aij = bij za sve parove indeksa i.1. c Definicija 2. elementi matrice B = λA su z c Bij = λaij .1 Zbrajanje matrica Uvedimo prvu operaciju s matricama. λ(µA) = (λµ)A.

2.1 Matrice 35 2. Neka je. (2.1. s Na primjer. c z Matrice A i B moˇemo pomnoˇiti samo ako su ulanˇane.2) Element (2. ali umnoˇci c c z s nisu istog tipa:     1 1 1 1 1 1 1 1 = 1 1 1 . ali upravo nam z c ona omogu´ava jednostvno zapisivanje sustava linearnih jednadˇbi. z z Tada pomiˇete kaˇiprste prema a22 i b23 govore´i ”plus” dok se kaˇiprsti c z c z pomiˇu i ”puta” kada stignu na cilj. Nastavite li na taj naˇin izraˇunat ´ete c c c c a21 b13 + a22 b23 + a23 b33 + a24 b43 .3 Mnoˇenje matrica z Definicija mnoˇenja matrica je na prvi pogled neobiˇna. dakle. 3) produkta. Tada je matrica C tipa m × n i vrijedi k cij = l=1 ail blj = ai1 b1j + ai2 b2j + · · · + aik bkj . Matrica C = A·B ima redaka koliko A i stupaca koliko B. 3) umnoˇka s   b11  a11 a12 a13 a14  a21 a22 a23 a24  b21 b31 a31 a32 a33 a34 b41 b12 b22 b32 b42 b13 b23 b33 b43 b14 b24 b34 b44  b15 b25   b35  b45 nalazi se tako da stavite lijevi kaˇiprst na a 21 a desni na b13 i kaˇete ”puta”.      12 5 7 −2 1 2 3 1 2 0 −1 4 5 6 4 3 2 1  = 30 17 16 −5 48 29 25 −8 7 8 9 1 −1 1 −1 Uoˇimo da mnoˇenje u obrnutom poretku nije definirano stoga ˇto matrice c z s nisu ulanˇane. A tipa m × k i B tipa k × n. ˇto je upravo element (2. odnosno ako A z z c ima onoliko stupaca koliko B ima redaka. U sljede´em primjeru su oba mnoˇenja definirana. 1 1 1 1   1 1 1 1 1 = 3 . 1 .

ali nisu jednaki: c s 2 1 . 6 6 A= B= AB = BA = Iz prethodnih primjera zakljuˇujemo kako. oba umnoˇka jednaka: s 2 2 . jer se ova ˇinjenica lako zaboravi kada se manipulira s formuc lama koje sadrˇe matrice. B tipa k × l i C tipa l × n. −1 1 −1 1 . 1 0 3 4 . Tada je AB tipa . z Dokaz. 2 1 6 6 . (ii) A(B + C) = AB + AC (distributivnost). B i z C i broj λ.1 (Svojstva mnoˇenja matrica) Za proizvoljne matrice A. 5 2 −1 −1 . Primijetimo da zbog op´enite nekomutativnosti mnoˇenja matrica. (i) neka je A tipa m × k. moramo c z posebno navesti distributivnost prema mnoˇenju slijeva i zdesna. ukoliko su svi umnoˇci definirani vrijedi: s (i) (AB)C = A(BC) (asocijativnost). z Teorem 2. (iii) (A + B)C = AC + BC (distributivnost).36 LINEARNA ALGEBRA U sljede´em primjeru su umnoˇci AB i BA istog tipa. za razliku od mnoˇenja brojeva. (iv) λ(AB) = (λA)B = A(λB). 2 2 1 2 . pak. 12 5 A= B= AB = BA = U ovom primjeru su. c z mnoˇenje matrica op´enito nije komutativno. z c Budite oprezni.

a (AB)C je tipa m × n. = + = + 4 5 6 4 5 6 0 0 0 0 0 0 4 5 6 Kod mnoˇenja brojeva broj 1 je neutralni element s obzirom na mnoˇenje. Na c z c . Za proizvoljni element matrice (AB)C vrijedi: l [(AB)C]ij = p=1 l [AB]ip Cpj k = p=1 l q=1 k s Aiq Bqp Cpj = raspiˇemo sumu = p=1 q=1 k l Aiq Bqp Cpj = zamijenimo redoslijed zbrajanja = q=1 p=1 k Aiq Bqp Cpj = grupiramo pribrojnike na drugi naˇin c l = q=1 k Aiq p=1 Bqp Cpj = q=1 Aiq [BC]qj = [A(BC)]ij .1 Matrice 37 m × l. odnosno Omn kada ˇelimo naglasiti o kojem tipu se c z radi. c 2. Analogija kod matrica je jediniˇna matrica .1. 1 2 3 1 2 3 0 0 0 0 0 0 1 2 3 . Nulmatricu oznaˇavamo s O. Ostale tvrdnje dokazuju se sliˇno. Na primjer. Ukoliko matrica nije kvadratna. z z odnosno x · 1 = 1 · x = x za svaki broj x.4 Nul-matrica i jediniˇna matrica c Kod zbrajanja brojeva broj 0 je neutralni element s obzirom na zbrajanje. Analogija kod matrica je nul-matrica koja ima sve elemente jednake nuli. odnosno x + 0 = 0 + x = x za svaki broj x.2. c jediniˇne matrice u odnosu na mnoˇenje slijeva i zdesna su razliˇitog reda.

Dakle. Transponirana matrica matrice A je mas trica AT koja je definirana sa [AT ]ij = Aji . 3 5 6 3 5 6  . 2. odnosno s I n ako ˇelimo naglasiti o kojoj c c z dimenziji se radi. dakle c Iij = 1 0 za i = j. 48 29 25 −8 0 0 1 48 29 25 −8 i za svaku matricu tipa m × n vrijedi Im A = AIn = A.     12 5 7 −2 1 0 0 12 5 7 −2 0 1 0 30 17 16 −5 = 30 17 16 −5 . 0 48 29 25 −8 1 Jediniˇnu matricu oznaˇavamo s I. ako je A tipa m × n tada je AT tipa n × m. 0 0 9 2 8 2 −1 dok je  T  1 2 3 1 2 3 2 4 5  = 2 4 5  . odnosno z Dij = 0 za i = j. 1 2 0 −1 =   . Jediniˇna matrica je poseban sluˇaj dijagonalne matrice. Na primjer. D je dijagonalna c c matrica ako jedini ne-nula elementi leˇe na njenoj dijagonali.     1 1 0 T 2 1 2 8 T = 2 9  .38 primjer.1. lako vidimo da je   1 12 5 7 −2  30 17 16 −5 0 0 48 29 25 −8 0   0 1 0 0 0 0 1 0 LINEARNA ALGEBRA    0 12 5 7 −2 0   = 30 17 16 −5 . za i = j. Op´enito je.5 Transponirana matrica Uvedimo joˇ jedan novi pojam.

simetriˇne matrice su ˇeste u primjenama.1 Matrice 39 Oˇito je (AT )T = A. 9 8 7 9 8 7 9 8 7 . Zbog oˇite simetrije u c c prirodi.2) zapravo znaˇi da se matrice mnoˇe na sljede´i naˇin: c z c c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1  (1 · 1 + 2 · 4 + 3 · 1) 1 · 2 + 2 · 3 + 3 · (−1)) (1 · 0 + 2 · 2 + 3 · 1) (4 · 1 + 5 · 5 + 6 · 1) (4 · 2 + 5 · 3 + 6 · (−1)) (4 · 0 + 5 · 2 + 6 · 1)  (7 · 1 + 8 · 5 + 9 · 1) (7 · 2 + 8 · 3 + 9 · (−1)) (7 · 0 + 8 · 2 + 9 · 1)  No.6 Joˇ o mnoˇenju matrica s z Formula (2.1.3) 2. Transponiranje se lijepo uklapa u ostale operacije s c matricama: (A + B)T = AT + B T .2. 7 8 9                    3 2 1 3 2 1 3 2 1 1 4 + 4 5 + 1 6 2 4 + 3 5 + (−1) 6 0 4 + 2 5 + 1 6 . (AB)T = B T AT . Matrica za koju je AT = A je simetriˇna matrica. (µA)T = µAT . c c (2. mnoˇenje matrica se moˇe interpretirati na joˇ dva naˇina: z z s c    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1 i    1 2 3 1 2 0 4 5 6 4 3 2 = 7 8 9 1 −1 1       1 2 3 4 1 2 0 + 5 4 3 2 + 6 1 −1 1 .

x i b zadane s c A= 2 1 .2 Matriˇni zapis sustava linearnih jednadˇbi c z Sustav 2x1 + x2 = 1 −x1 + x2 = −1 moˇemo zapisati kao z 2 1 −1 1 odnosno kao Ax = b.2. −1 −x1 + x2 + 1 = 0 .40 Zadatak 2. c.1 Izraˇunajte umnoˇak c z    1 −1 2 1 2 0 9 3 4 −3 4 1 1 1 −1 na sva tri opisana naˇina. z pascal. c LINEARNA ALGEBRA Zadatak 2. sustav u obliku c 2x1 + x2 − 1 = 0 b = 2 1 −1 1 1 .2 Napiˇite programe za mnoˇenje matrica na ova tri naˇina u s z c programskom jeziku Matlab. −1 1 x= x1 . a vektor b se zove slobodni vektor ili vektor slobodnih ˇlanova. Zbog jednostavnosti moˇemo izostaviti vektor x jer se njegovo c z prisustvo podrazumijeva pa stoga ˇesto zapisujemo proˇirenu matricu sustava c s A Sliˇno.4) x1 1 . Programe moˇete napisati i u nekom drugom programskom jeziku (basic. −1 (2. pri ˇemu su matrice A. FORTRAN ili java). c++. x2 b= 1 . Postoji li joˇ mogu´ih interpretacija s c matriˇnog mnoˇenja? c z 2. Pri tome moˇete koristiti program Octave Onz line. = −1 x2 Istoznaˇnost ova dva zapisa slijedi iz definicije jednakosti matrica 2. Matrica c A se zove matrica sustava.

matrica L je donje trokutasta ako c i < j =⇒ lij = 0.3 Rjeˇavanje trokutastih sustava s 41 moˇemo zapisati kao z gdje je O21 odgovaraju´a nul-matrica. Ovaj teorem nam zapravo kaˇe da je uvijek ispunjen toˇno jedan od tri z c sluˇaja: c 1. Iz svojstava mnoˇenja matrica skalarom i mnoˇenja matrica slijedi z z Ax(λ) = λAx1 + (1 − λ)Ax2 = λb + (1 − λ)b = b. pa je teorem dokazan. s 2.2. c s 3.2 Ako su x1 i x2 razliˇita rjeˇenja sustava Ax = b. c s kao ˇto smo vidjeli u uvodu. Primjer gornje c z trokutaste matrice reda pet je   u11 u12 u13 u14 u15  0 u22 u23 u24 u25    0 u33 u34 u35  U = 0    0 0 0 u44 u45  0 0 0 0 u55 Sliˇno. Dokaz. z c Teorem 2. sustav ima toˇno jedno rjeˇenje. c Sada moˇemo lako dokazati sljede´i teorem. Detalje o tome kada nastupa koji od ovih sluˇajeva s c daje nam Kronecker–Capellijev teorem 2.5. odnosno elementi iznad dijagonale su nula. tada je c s x(λ) = λx1 + (1 − λ)x2 s takoder rjeˇenje tog sustava za svaki λ ∈ R. svi elementi koji leˇe ispod dijagonale su nula. sustav nema rjeˇenje.3 Rjeˇavanje trokutastih sustava s i > j =⇒ uij = 0. Ax − b = O21 . . Matrica U je gornje trokutasta ako Drugim rijeˇima. sustav ima beskonaˇno rjeˇenja. 2.

Ovaj postupak se oˇito moˇe izvesti za proizvoljnu c c z dimenziju n pa je teorem dokazan. u11 Kako su po pretpostavci dijagonalni elementi u ii razliˇiti od nule. Ilustrirajmo prvo rjeˇavanje sustava za n = 5. b[i]=b[i]/u[i][i].i--){ for (j=n. x4 = u44 Uvrˇtavanjem x4 i x5 u tre´u jednadˇbu te rjeˇavanjem te jednadˇbe dobijemo s c z s z x3 = b3 − u34 x4 − u35 x5 . tada sustav U x = b ima jedinstveno rjeˇenje. } . ove formule c jednoznaˇno odreduju xi . Prvo napiˇimo sustav s s u skalarnom obliku u11 x1 + u12 x2 + u13 x3 + u14 x4 + u15 x5 = b1 u22 x2 + u23 x3 + u24 x4 + u25 x5 = b2 u33 x3 + u34 x4 + u35 x5 = b3 u44 x4 + u45 x5 = b4 u55 x5 = b5 Peta jednadˇba sadrˇi samo nepoznanicu x 5 i moˇemo je rijeˇiti odmah: z z z s x5 = b5 . Odgovaraju´i z s c c program u programskom jeziku C glasi for (i=n.42 LINEARNA ALGEBRA Teorem 2. c s Dokaz.j>i.j--) b[i]=b[i]-u[i][j]*b[j]. u55 Dobivenu vrijednost od x5 moˇemo uvrstiti u ˇetvrtu jednadˇbu koju potom z c z rijeˇimo i dobijemo s b4 − u45 x5 . x1 = Ovaj postupak se jednostavno moˇe izvrˇiti na raˇunalu. u33 Nastavljaju´i ovim postupkom dobijemo c x2 = i b2 − u23 x3 − u24 x4 − u25 x5 u22 b1 − u12 x2 − u13 x3 − u14 x4 − u15 x5 .i>=1.3 Ako su svi dijagonalni elementi kvadratne gornje trokutaste matrice U razliˇiti od nule.

koja izvrˇavaju do 30 milijuna opc s eracija u sekundi. Program za rjeˇavanje gornje trokutastog sustava u programskom jeziku s Matlab izgleda neˇto jednostavnije: s for i=n:-1:1 for j=n:-1:i+1 b(i)=b(i)-u(i. Postupak za rjeˇavanje donje trokutastog sustava Lx = b je sliˇan i dan s c je u sljede´em Matlab programu: c for i=1:n for j=i+1:n b(i)=b(i)-l(i. izgleda ovako: do k=1.n b(i)=b(i)-u(i.3 Rjeˇavanje trokutastih sustava s 43 Nakon zavrˇetka programa. rjeˇenje x se nalazi na mjestu gdje se na poˇetku s s c nalazio vektor b. .i) end Kako se trokutasti sustavi lako rjeˇavaju.n i=n-k+1 do j=i+1. rjeˇavanje trokutastog sustava dimenzije n = 1000 traje oko s 1/30 sekunde. (2i − 1) = 2 2 i=1 Na modernim raˇunalima (Pentium 350).j)*b(j) end b(i)=b(i)/l(i.i) enddo Broj raˇunskih operacija potrebnih za rjeˇavanje gornje trokutastog susc s tava iznosi n n(n + 1) − n ≈ n2 .j)*b(j) enddo b(i)=b(i)/u(i.j)*b(j) end b(i)=b(i)/u(i.i) end Isti program u programskom jeziku FORTRAN. ovaj put napisan koriˇtenjem s uzlazne petlje. rjeˇenje op´eg (netrokutastog) s s c sustava dobijemo tako da pomo´u Gaussove eliminacije zadani sustav svedemo c na trokutasti oblik.2.

z (iv) zamijenimo dvije varijable. z c (ii’) zamijenimo dva retka. 3. 2.4 Gaussova eliminacija Lako vidimo da se rjeˇenje sustava ne mijenja ako izvrˇimo bilo koju od s s sljede´ih radnji: c (i) neku jednadˇbu pomnoˇimo s brojem razliˇitim od nule.5) . (iv’) zamijenimo dva stupca u matrici A. Tada stavimo mi1 = ai1 /a11 . z Koriste´i navedene transformacije matricu A svodimo na gornje trokutasti c oblik. z (iii) jednu jednadˇbu pribrojimo drugoj. i = 2. Pri tome moˇete koristiti program Octave c z On-line. Neka je zadan sustav 4 × 4 a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a21 x1 + a22 x2 + a23 x3 + a24 x4 = b2 a31 x1 + a32 x2 + a33 x3 + a34 x4 = b3 a41 x1 + a42 x2 + a43 x3 + a44 x4 = b4 Neka je a11 = 0. (iii’) jedan redak pribrojimo drugome.44 LINEARNA ALGEBRA Zadatak 2.3 Zadajte nekoliko gornje i donje trokutastih sustava i rijeˇite ih s pomo´u opisanih Matlab programa. z z c (ii) zamijenimo dvije jednadˇbe. 4 (2. Kombiniraju´i radnje (i’) i (iii’) imamo: jednom retku dodamo drugi redak c pomnoˇen s nekim brojem. Radnje (i) i (iii) ˇesto vrˇimo istovremeno: jednoj jednadˇbi dodamo drugu c s z jednadˇbu pomnoˇenu s nekim brojem. Taj postupak se zove Gaussova eliminacija. z z Ove radnje odgovaraju sljede´im radnjama na proˇirenoj matrici sustava : c s (i’) neki redak pomnoˇimo s brojem razliˇitim od nule.

bi = bi − mi3 b2 . bi = bi − mi1 b1 . 3. Rezultat c z z c z je gornje trokutasti sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a44 x4 = b4 gdje je aij = aij − mi3 a2j . Primijetimo da je varijabla x1 eliminirana iz tri posljednje jednadˇbe. 4) z z z te dobijemo sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a32 x2 + a33 x3 + a34 x4 = b3 a42 x2 + a43 x3 + a44 x4 = b4 gdje je aij = aij − mi1 a1j . Brojevi z mi1 kojima se u postupku eliminacije mnoˇi prva jednadˇba zovu se multipz z likatori.3. z z z Rezultat je sustav a11 x1 + a12 x2 + a13 x3 + a14 x4 = b1 a22 x2 + a23 x3 + a24 x4 = b2 a33 x3 + a34 x4 = b3 a43 x3 + a44 x4 = b4 gdje je aij = aij − mi2 a2j . i = 3. Neka je i a22 = 0. 4 i oduzmemo drugu jednadˇbu pomnoˇenu s m i2 od i-te jednadˇbe (i = 3. 4). bi = bi − mi2 b2 . Konaˇno.2.4 Gaussova eliminacija 45 i oduzmemo prvu jednadˇbu pomnoˇenu s m i1 od i-te jednadˇbe (i = 2. stavimo c mi3 = ai3 /a33 . Tada stavimo mi2 = ai2 /a22 . i=4 i oduzmemo tre´u jednadˇbu pomnoˇenu s m i3 od ˇetvrte jednadˇbe. . Dobiveni gornje trokutasti sustav sada rijeˇimo na naˇin koji je opisan u s c poglavlju 2.

neka je 1 0 0 1 M2 =  0 −m32 0 −m42 .46 LINEARNA ALGEBRA Broj raˇunskih operacija potrebnih za svodenje kvadratnog sustava reda n c na gornje trokutasti oblik iznosi n i=1 2i(i − 1) = 2 n(n + 1) 2 n(n + 1)(2n + 1) −2 ≈ n3 . −m41 0 0 1 Tada je A1 b1 = M 1 A 1 −m21 = −m31 −m41  a11  0 =  0 0  0 1 0 0 b 0 0 1 0 a13 a23 a33 a43  a11 0  a21 0  0 a31 1 a41 a14 a24 a34 a44 0 0 1 0 a12 a22 a32 a42  b1 b2  .4. koja izvrˇavaju do 30 milijuna operacija u sekundi.000 traje 1003 puta duˇe. b3  b4  0 0 . Postupak Gaussove eliminacije moˇemo interpretirati i kao mnoˇenje proˇirene z z s matrice sustava s lijeve strane s elementarnim matricama transformacije. odnosno oko 700 godina.5) i neka je s je A   1 0 0 0 −m21 1 0 0  M1 =  −m31 0 1 0 . Na modernim raˇunalima (Pentium 350). potrebno je dodatno koristiti postupak pivotiranja koji je opisan u poglavlju 2. a za n = 1. 6 2 3 Vidimo da je za ve´e dimenzije n broj raˇunskih operacija potreban za rjeˇavanje c c s trokutastog sustava zanemariv u odnosu na broj raˇunskih operacija potrebc c nih za svodenje na trokutasti oblik. z Postupak Gaussove eliminacije koji smo upravo opisali za sustav reda ˇetiri c na oˇit se naˇin moˇe poop´iti na sustave proizvoljnog reda. Ukoliko je neki od c c z c brojeva s kojima dijelimo jednak nuli. dok za n = 10000 traje 6 sati. 0 1 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 a12 a22 a32 a42  Dalje. svodenje sustava dimenzije s n = 1000 na trokutasti oblik traje oko 20 sekundi.000. Neka b proˇirena matrica sustava (2.2.

4 Napiˇite program za svodenje proˇirene matrice sustava na trokus s tasti oblik. b3  b4 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 a11 a12 a13  0 a22 a23 =  0 0 a33 0 0 0 Zadatak 2. neka je c  b1 0 0 1 0 a13 a23 a33 a43  0 a11 0  0  0  0 0 1 a14 a24 a34 a44 a12 a22 a32 a42  b1 b2  . c . 2. 0 1 a13 a23 a33 a43 a14 a24 a34 a44  b1 b2   b3  b4 Tada je A3 1 0 M3 =  0 0 b3 = M 3 A2 1 0 = 0 0   b2 0 0 1 0 0 1 0 −m43 0 0 1 0 0 1 0 −m43  0 a11 a12   0 a22 0  0 0  0 0 0 1 a14 a24 a34 a44  b1 b2  .1 Primjeri Sljede´i primjeri pokazuju tri sluˇaja koja se mogu dogoditi prilikom rjeˇavanja c c s sustava pomo´u Gaussove eliminacije.4.4 Gaussova eliminacija 47 Tada je A2 b2 = M 2 A1  1 0 0 1 = 0 −m32 0 −m42  a11 a12  0 a22 =  0 0 0 0 Konaˇno. b3  b4  0 0 .2.

tada koristimo pojednostavljeno pisanje. 5  1 0 0 1 −2 1 0 1 0 0 5 −4 = 3 0 −3 1 0 5 1  5 −13 . x = 1. Naime. Rjeˇenje sustava geometrijski odgovara toˇki s s c u kojoj se sijeku tri ravnine.48 Primjer 2. s c Kada sustav rjeˇavamo ”ruˇno”. a sa strane naznaˇimo s c c koje operacije na retcima vrˇimo. Sustav ima jedinstveno rjeˇenje.1 Rijeˇimo sustav s x − 2y + z = 5 LINEARNA ALGEBRA 2x + y − 2z = −3 −x − y = 0 Tada imamo  1 0 0 1 −2 1 −2 1 0  2 1 −2 b = −1 −1 0 1 0 1  5 −13 . y = −11.4 idealan je za raˇunala. Postupak rjeˇavanja sustava opisan u poglavlju 2. Sustav iz primjera 2. izbjegnemo razlomke. s c zapisujemo samo proˇirene matrice odgovaraju´ih sustava. ukoliko s je mogu´e. − 14 5   5 −13 5   5 −3 0 A1 b1 = M 1 A  1 −2 1 = 0 5 −4 0 −3 1 A2 b2 = M 2 A1 b1  1 −2 1 = 0 5 −4 0 0 −7 5 Iz ovog gornje trokutastog sustava lako vidimo da je z = 2.1 rjeˇava se na sljede´i c s c . Pri tom operacije biramo tako da.

x2 = t. ˇto je toˇno. a iz drugog retka slijedi x3 = 0. −14  5 −13 → 5 5 III + 3 II Sljede´i primjer pokazuje kako izgleda trokutasti oblik kada imamo paramc etarska rjeˇenja: s Primjer 2. Vrijednosti nezavisnih varijabli x 1 i x2 dobijemo iz prvog retka.4 Gaussova eliminacija 49 naˇin: c  1 −2 1 2 1 −2 −1 −1 0   1 −2 1 5 −3 II − 2 I → 0 5 −4 III + I 0 −3 1 0 1 −2 1 0 5 −4 → 0 0 −7   5 −13 . −3 0  1 −1  −4 III − II 2 IV + 2 II ˇ Cetvrti redak glasi 0 = 0.2  1 2 −1 0 2 4 0 1  −1 −2 3 4 1 2 −5 −2   1 1 0 1  II − 2 I  → 0 −5 III + I 3 0 IV − I  1 0 → 0 0 2 −1 0 0 2 1 0 0 3 0 0 0 2 −1 0 0 2 1 0 2 4 0 −4 −2  1 −1 . odnosno beskonaˇno rjeˇenja koja ovise o s c s jednom parametru t.     1 − 2t x1 x2   t    = x3   0  . Iz tre´eg retka slijedi s c c x4 = −1. Sustav ima parametarsko rjeˇenje.2. . x1 = 1 − 2t. −1 x4 t ∈ R.

5. tada moramo zamijeniti odgovaraju´e retke proˇirene matrice c s . 0 1  −2 2   4  III − 2 II 3 IV − II s∈R ˇ Cetvrti redak glasi 0 = 1. c s z Zbog toga se neka pitanja vezana uz Kronecker–Capellijev teorem.5) i odredivanje ranga matrice (vidi poglavlje 2. Napomena 2. x3   0  −1 x4  je takoder oblik rjeˇenja sustava.6).1 U praksi se sustavi jednadˇbi ˇesto rjeˇavaju koriste´i raˇunala.3  2 −1 1 3 0 1 −1 2  −2 3 −3 1 2 0 0 5   −2 2 −1 1 3  0 1 −1 2 2  → 0 2 −2 4 6  III + I 1 IV − I 0 1 −1 2  2 −1 1 3 0 1 −1 2 → 0 0 0 0 0 0 0 0  −2 2 . odnosno    s x1 x2   1 − s    = 2 2 . s c s Formalan opis sluˇajeva koji mogu nastati prilikom rjeˇavanja sustava daje c s nam Kronecker–Capellijev teorem 2. s Primjer 2. kao ˇto su s utvrdivanje linearne nezavisnosti skupa vektora (vidi poglavlje 2. s c c 2. s Sljede´i primjer pokazuje kako iz trokutastog oblika moˇemo zakljuˇiti da c z c sustav nema rjeˇenja.1. z c s c c pri ˇemu dolazi do pogreˇaka zaokruˇivanja kako je opisano u poglavlju 1. ˇto je nemogu´e pa sustav nema rjeˇenja.2 Pivotiranje Ukoliko je element kojim moramo dijeliti da bi dobili multiplikatore m ij jednak nuli.4.7. ne mogu rijeˇiti numeriˇkim raˇunanjem.50 LINEARNA ALGEBRA Primijetimo da smo mogli i x1 uzeti za parametar.

Tada produkt c c   1  π  A D2 A =   1  1 vrˇimo zamjenu prvog i tre´eg retka matrice A. Na taj naˇin uvijek vrijedi |m ij | ≤ 1 ˇto doprinosi c c s numeriˇkoj stabilnost algoritma. Gotovi programi uvijek vrˇe zamjenu redaka i to na naˇin s c da se najve´i element po apsolutnoj vrijednosti u stupcu kojeg poniˇtavamo c s dovede na vode´u poziciju.  0 1 1 Na primjer.3 Elementarne matrice transformacija odgovara mnoˇenju drugog retka matrice A s brojem π.4. Na sliˇan naˇin. U praksi je poˇeljno vrˇiti zamjenu redaka i kada je broj kojim dijelimo z s jako blizu nule. Neka je A ∈ M45 . (Pij )ij = (Pij )ji = 1.   1 1 1 1 1 0 0 → 0 1 1 1 1 0 1 1 0 1 1  1 1 1 0 1 1 → 0 −1 0 z = 1.  0 0 .  0 0 → 1 III − I   1 1 1 0 0 1 1  → 0 0 0 1 1 III + II x = 0. matrica P = P ij se s c c od jediniˇne matrice razlikuje samo u ˇetiri elementa i to c c (Pij )ii = (Pij )jj = 0. Op´enito. matrica z c Di se od jediniˇne matrice razlikuje samo u jednom elementu i to (D i )ii = 1 i c (Di )ii = 0.4 Gaussova eliminacija 51 sustava. Op´enito. c 2. 1 pa je rjeˇenje sustava s y = −1. No. .2.4 smo vidjeli kako je pribrajanje jednom retku nekog drugog retka pomnoˇenog nekim brojem ekvivalentno mnoˇenju s elementarnom maz z tricom M s lijeva. i ostale operacije na retcima moˇemo interpretirati na z sliˇan naˇin. pomo´u produkta c c c   0 0 1 0 0 1 0 0  P13 A =  1 0 0 0 A 0 0 0 1 U poglavlju 2.

(b) ako medu vektorima a1 . λ1 . i vrijedi c T P = P P T = I. zamijeniti drugi i peti stupac. · · · .8). ak ∈ Mn1 stupˇani vektori. tada su ti vektori linearno zavisni. · · · . λ k ∈ R λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 ⇒ λ1 = · · · = λk = 0.3 Vektori a1 . P = P T . ak su linearno zavisni ako i samo ako postoje λ 1 .5 Neka je A ∈ M45 . Dakle. · · · . Vektor c a = λ 1 a1 + λ 2 a2 + · · · + λ k ak . Ona je simetriˇna. a2 . matrica P je regularna. · · · . Ekvivalentna formulacija gornjeg s uvjeta glasi i λ2 > 0. tada su ti vektori linearno zavisni. · · · . ak nul-vektor.5 Linearna nezavisnost Neka su a1 . . · · · .52 LINEARNA ALGEBRA Matrica P se zove matrica permutacije. Na koji naˇin moˇemo pomo´u mnoˇenja c z c z matrice A elementarnim matricama tre´em stupcu dodati trostruki prvi stuc pac. λk ∈ R. ak su linearno nezavisni ako za sve skalare λ1 . a2 . Drugim rijeˇima. a1 . · · · . Definicija 2. tada je λk λ2 a1 = − a2 − · · · − ak . U protivnom su vektori a1 . ak linearno zavisni. Ovaj uvjet joˇ zapisujemo kao i |λi | > 0. ak ima jednakih. zove se linearna kombinacija vektora a 1 . a njena inverzna matrica je P upravo P T (vidi poglavlje 2. tre´i stupac pomnoˇiti s dva? c z 2. · · · . odnosno c |λ1 | + |λ2 | + · · · + |λk | > 0. Bez dokaza navodimo sljede´e tvrdnje: c (a) ako je neki od vektora a1 . · · · . Zadatak 2. Linearna zavisnost skupa vektora znaˇi i da je jedan c i od tih vektora linearna kombinacija preostalih – ako je na primjer λ 1 = 0. λ1 λ1 Linearna kombinacija i linearna nezavisnost retˇanih vektora definira se c analogno. · · · . λk c takvi da je λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 i da je barem jedan od λi razliˇit od nule. ak .

Iz primjera 2.2.6 Rang matrice Rang matrice A jednak je maksimalnom broju linearno nezavisnih stupaca. e3 . 0 1 su nezavisni. e4 . n}. aq linearno zavisni za bilo koje vektore a k+1 .6 Rang matrice 53 (c) ako su vektori a1 . tada je oˇito rang(A) ≤ min{m. e4 definirani s       1 0 0 0 1 0 e1 =   . ak+1 . Dodamo li ovom skupu peti vektor a = c T α β γ δ .4 zakljuˇujemo kako jediniˇna matrica I n ima rang n.4 te matrice Di i Pij iz poglavlja 2.4 Vektori e1 . tada su vektori e1 .4. e 3 =   . a = αe1 + βe2 + γe3 + δe4 . jer λ1 e1 + λ 2 e2 + λ 3 e3 + λ 4 e4 = 0 povlaˇi λ1 = λ2 = λ3 = λ4 = 0.2 Skup vektora {e1 . svaki skup od n linearno nezavisnih vekc tora n-dimenzionalnog prostora tvori jednu bazu tog prostora te se svaki vektor iz tog prostora moˇe prikazati kao linearna kombinacija vektora baze. e2 . ak linearno zavisni. · · · . 0 0 1 0 0 0   0 0 e4 =   . e2 . Iz toga slijedi da je rang(A) = rang(AT ). e2 . e4 } tvori jednu bazu ˇetverodimenzionalnog c vektorskog prostora M4 . tada su i vektori a1 . e3 . Napomena 2. · · · . aq . Matrice c c Mi iz poglavlja 2.3. Primjer 2. Maksimalan broj linearno nezavisnih stupaca jednak je maksimalnom broju linearno nezavisnih redaka matrice (ovu tvrdnju navodimo bez dokaza). ak linearno nezavisni. (e) bilo kojih n + 1 vektora iz skupa M n1 (ili M1n ) su linearno zavisni. . ak . Op´enito. e 2 =   . a linearno zavisni jer je jedan od njih linearna kombinacija ostalih. c Takoder. · · · . · · · . z 2. takoder uvijek imaju rang jednak dimenziji. ako je A tipa m × n. (d) ako su vektori a1 . tada je svakih p < k vektora izabranih izmedu tih vektora takoder linearno nezavisno. · · · . e3 .

dok je rang matrice sustava iz primjera 2.   . zakljuˇujemo da je postupak traˇenja ranga istovjetan c z s postupkom Gaussove eliminacije. dakle. 2. s Teorem 2. Piˇemo A ∼ B.54 LINEARNA ALGEBRA Iz ovih primjera zakljuˇujemo da rang matrice lako moˇemo raspoznati c z iz trokutastog oblika. Pomo´u navedenih elementarnih transformacija matricu A moˇemo c z svesti na oblik   1   1     . s . zamjene dvaju redaka i dodavanja z c jednog retka drugome te istih operacija sa stupcima.. Definicija 2.4 Matrice A i B istog tipa su ekvivalentne ako imaju isti rang.  1     0     .4 ne mijenjaju rang matrice. to i matricu B moˇemo svesti na isti oblik. c Kako A i B imaju isti rang. kao i rang matrice sustava iz primjera 2. Sada z lako nademo niz elementarnih transformacija koje matricu A prebacuju u matricu B.4 Ako su matrice A i B ekvivalentne. a rang proˇirene matrice sustava s iz istog primjera jednak tri. a te matrice su regularne (vidi poglavlje 2. zakljuˇujemo da je A ∼ B ako i c samo ako postoje regularne matrice matrice S i T takve da je B = SAT. Dokaz. Kako elementarne transformacije iz poglavlja 2.3 jednak dva.  .8). Tako je. rang matrice sustava iz primjera 2. Kako se sve navedene elementarne transformacije mogu izvesti mnoˇenjem z matrice A elementarnim matricama transformacija bilo s lijeva bilo s desna.  0 pri ˇemu je rang(A) jednak broju dijagonalnih elemenata koji su jednaki jedan..   .1 jednak tri. tada se matrica B moˇe z dobiti iz matrice A pomo´u elementarnih transformacija koje se sastoje od c mnoˇenja retka s brojem razliˇitim od nule.7 Kronecker–Capellijev teorem Sljede´i teorem nam opisuje strukturu rjeˇenja sustava linearnih jednadˇbi c s z u ovisnosti o rangu matrice sustava i rangu proˇirene matrice sustava.2.

a n stupci matrice A. Kako ve´ medu stupcima c Obratno. neka je rang(A) = rang( A matrice A ima r linearno nezavisnih. odnosno z rang(A) linearno nezavisnih redaka matrice A b .2 i 2.2. odnosno da postoje brojevi x 1 . s Dokaze tvrdnji (ii) i (iii) izostavljamo. (iii) Neka sustav ima rjeˇenje i neka je n broj nepoznanica. Tada je rjeˇenje s s jedinstveno ako i samo ako je rang(A) = n. odnosno sustave oblika Ax = 0. Homogeni sustav oˇito uvijek ima trivijalno rjeˇenje x = 0.6) xn T i neka su Dakle. (i) Neka sustav ima rjeˇenje x = x1 x2 · · · s a1 . 2. tada sustav ima beskonaˇno rjeˇenja koja su izraˇena pomo´u n − rang(A) c s z c parametara.6). (2. ˇto znaˇi da je x c s c rjeˇenje sustava.5 c s slijedi da ´e homogeni sustav imati i netrivijalna (parametarska) rjeˇenja ako c s i samo ako je rang(A) < n. · · · . Dokaz. zakljuˇujemo da z c je rang( A b ) = rang(A).5 (Kronecker–Capelli) Za sustav Ax = b vrijedi: (i) Sustav ima rjeˇenje ako i samo ako matrice A i A s b imaju isti rang. b je linearna kombinacija stupaca matrice A pa je rang( A b )≤ rang(A). Ako je rang(A) < n. Kako se dodavanjem stupca rang ne moˇe smanjiti. U matriˇnom obliku to odgovara zapisu Ax = b. a 2 . xn za koje vrijedi (2. tada sustav ima ista rjeˇenja kao i s sustav koji dobijemo kada uzmemo rang(A) nezavisnih jednadˇbi. · · · . c .1. Iz poglavlja 2.1. pri ˇemu je n broj nepoznanica. c Posebno je lagana primjena Kronecker–Capellijevog teorema na homogene sustave. zakljuˇujemo da je b linearna kombinacija c stupaca matrice A.3 prema teoremu 2.5. b ) = r. Zadatak 2. (ii) Ako je rang(A) = rang( A b ).6 zakljuˇujemo da matriˇno mnoˇenje Ax = c c z b moˇemo pisati i kao z x1 a1 + x2 a2 + · · · + xn an = b. x2 .6 Protumaˇite primjere 2.7 Kronecker–Capellijev teorem 55 Teorem 2. Iz teorema 2.

56 LINEARNA ALGEBRA 2. Stoga moˇemo uvesti oznaku B = A−1 . ∀x = 0. Ako stavimo s Y = y1 y2 · · · yn . Matrica B je. Matrica je singularna ako nije regularna. Tada je C = CI = C(AB) = (CA)B = IB = B. Po Kronecker–Capellijevom teoremu 2.5 svaki od sustava Ax i = ei ima jedinstveno rjeˇenje. rang(A T ) = n povlaˇi da svaki od sustava c c c AT yi = ei ima jedinstveno rjeˇenje. jedinstvena. odnosno A je regularna. postavlja se pitanje da li su s sve kvadratne matrice regularne. nesingularna) ako postoji matrica B ∈ Mn za koju vrijedi AB = BA = I. Tada je oˇito AX = I. Odgovor na to pitanje daje sljede´i teorem.6 Matrica A ∈ Mn je regularna ako i samo ako je rang(A) = n. za svaku regularnu matricu vrijedi AA−1 = A−1 A = I. . Sliˇno. c Definicija 2.8 Inverzna matrica Kod mnoˇenja realnih brojeva svaki broj razliˇit od nule ima svoj inverz. Tu tvrdnju dokazujemo na sljede´i naˇin: pretpostavimo da je C neka druga matrica za koju vrijedi c c AC = CA = I. Neka je s X = x1 x2 · · · xn . odnosno Y T A = I. Dokaz. Matrica A−1 zove se inverzna matrica z matrice A.7) Kao ˇto kod brojeva broj nula nema inverz. Dakle. tada je oˇito AT Y = I. Sada imamo c Y T = Y T I = Y T (AX) = (Y T A)X = IX = X. Neka je rang(A) = n i neka ei oznaˇava i-ti stupac jediniˇne mac c trice.5 Matrica A ∈ Mn je regularna (invertibilna. z c odnosno x · x−1 = x−1 · x = 1. ukoliko postoji. pa je X = Y T = A−1 . U skupu kvadratnih matrica Mn imamo sljede´u definiciju. c Teorem 2. (2.

odnosno rang(A) < n.7). Kako su stupci od A zavisni.  . (iv) (A−1 )−1 = A za ∀A ∈ Gn . neka je A regularna. z Zadatak 2. a svojstvo (iv) slijedi iz (2. svojstvo (iii) slijedi iz (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I. svi sustavi Axi = ei imaju zajedniˇku matricu sustava pa proˇirene c s matrice svih n sustava moˇemo pisati zajedno. Svojstvo (i) slijedi iz teorema 2. z A I .7). c Naime. Skup Gn svih regularnih matrica ima sljede´a svojstva: c (i) Gn = Mn .2. Pretpostavimo da teorem ne vrijedi. A je singularna.8 Inverzna matrica 57 Obratno. Dokaz teorema 2. No iz A−1 Ax = Ix = 0 slijedi da je x = 0. Kada pomo´u elementarnih transformacija dobijemo oblik c I B .6 nam daje postupak za raˇunanje inverzne matrice. ˇto je s kontradikcija. svojstvo (ii) vrijedi jer II = I povlaˇi c I −1 = I. tada je A−1 = B.7 Nadite inverznu matricu matrice  1 2 3 A = 4 5 6  7 8 6 i provjerite da vrijedi (2. (ii) I ∈ Gn . (iii) (AB)−1 = B −1 A−1 za ∀A. Ukoliko se ne moˇe dobiti ovaj oblik. B ∈ Gn . zakljuˇujemo da postoji vektor c x = 0 takav da je Ax = 0.6.

3) (2. . . Permutacija brojeva 1. Pri tome su se svi elementi i p+1 . tada se parnost promijeni. . Pri tome se ostali elementi ip+1 . in ) zamijenimo mjesta brojevima ip i iq . . 2. (ii) ako u permutaciji (i1 . Permutacija je parna ako je broj inverzija u njoj paran. c Dokaz. . . a pola neparno. . parnost ´e se promijeniti. iq pomakli za jedno mjesto ulijevo. a i p i iq su zamijenili mjesta. . n je svaka uredena n-torka (i 1 .9 Determinante Za definiciju determinante potreban nam je pojam permutacije. z (ii) Ako dva susjedna elementa zamijene mjesta. in ) u kojoj se svaki od brojeva 1. . iq−1 vrate na svoja originalna mjesta. i2 .1) (3. .3) (1.7 Vrijedi sljede´e: c (i) broj permutacija od n brojeva jednak je n(n − 1)(n − 2) · · · 1 ≡ n!.1) # inverzija 0 1 1 2 2 3 parnost parna neparna neparna parna parna neparna Vidimo da je pola permutacija parno. To znaˇi da z c prva dva mjesta moˇemo popuniti na n(n − 1) razliˇitih naˇina pa prvu z c c tvrdnju moˇemo dokazati indukcijom. i2 . . . . odnosno i p i iq nisu susjedi. 3. .3. . . 2.2. dakle neparni broj s zamjena susjednih elemenata pa se parnost promijenila.3. (i) Prvo mjesto u permutaciji moˇemo popuniti s n brojeva. . .2. .2) (2.1. Sljede´a tablica prikazuje sve permutacije brojeva c c 1. Pretpostavimo sada da je q − p > 1. p = q. Ukupno smo izvrˇili 2(q − p) − 1. 2. . Sada pomo´u q − p − 1 zamjena susjednih elemenata c ulijevo prebacimo element iq s pozicije q − 1 na poziciju p. . . a drugo mjesto z u permutaciji moˇemo popuniti s preostalih n − 1 brojeva. To vrijedi za svaki n. . broj inverzija i parnost: permutacija (1. . . n javlja toˇno jedanput. Brojevi i p i iq su u inc verziji ako je p < q i ip > iq .58 LINEARNA ALGEBRA 2. Teorem 2. Tada ip moˇemo prebaciti na q-tu poziciji s q − p zamjena susjednih elemez nata udesno. a neparna inaˇe.1.2) (3.

. . Indeksi redaka tada stoje u inverznoj permutaciji permutacije π. s c a b = ad − bc. No. svaki umnoˇak moˇemo zapisati i tako da indeksi stupaca z z budu u osnovnoj permutaciji.9) i c usporedite s izrazom (2.9) kojeg smo dobili prema formuli (2. z Definicija 2. ˇto je praktiˇno neizvedivo za veliki n.9) π∈Π Zadatak 2. a k(π) je broj inc verzija u permutaciji π. 7. Stoga vrijedi det(A) = (−1)k(π) ai1 1 ai2 2 · · · ain n .8) pri ˇemu je Πn skup svih permutacija π = (i1 . a zatim zamijenite i2 i i5 na naˇin koji je opisan u dokazu teorema 2. 4). 5.8) ima toˇno jedan element iz svakog retka i z c svakog stupca. .1 ´emo s c c vidjeti kako se determinante efikasno raˇunaju pomo´u Gaussove eliminacije. . 3. pri ˇemu su indeksi redaka navedeni u osnovnoj permutaciji c (1. .2. c c Svaki umnoˇak u formuli (2. 2. n). c Sada moˇemo definirati determinantu.9 Determinante 59 Zadatak 2. .6 Determinanta matrice A = (a ij ) ∈ Mn je broj det(A) = π∈Πn (−1)k(π) a1i1 a2i2 · · · anin . . . (2. in ). Moˇe se pokazati da inverzna permutacija ima istu z parnost kao i π. Na primjer. i2 . Formulu za determinantu matrice 3 × 3 jednostavnije pamtimo pomo´u Sarc rusovog pravila. Za izraˇunavanje formule (2. Determinantu matrice A joˇ oznaˇavamo s |A|.8) potrebno je (n − 1)n! mnoˇenja i n! − 1 c z zbrajanja. 6.7.8 Odredite parnost permutacije (1. (2.9 Izraˇunajte determinantu matrice 3 × 3 prema formuli (2.9. c d i a11 a12 a13 a21 a22 a23 = + a11 a22 a33 − a11 a23 a32 − a12 a21 a33 a31 a32 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 . 2. . U poglavlju 2.8).

c D3.60 LINEARNA ALGEBRA 2.8) i (2. Determinanta matrice s dva jednaka stupca je nula. z D1. Determinanta je multilinearna funkcija svojih stupaca. a kako smo zamijenili iste retke determinanta se ne mijenja. D6. osim s a11 a22 · · · ann . Posebno zakljuˇujemo da c za matricu A1 koja se dobije tako ˇto se svi elementi nekog stupca matrice s A pomnoˇe s brojem α vrijedi z det(A1 ) = α det(A). imaju barem jedan element iz donjeg trokuta pa su jednaki nula.9).8). Zamjenom dvaju stupaca determinanta mijenja predznak. Ako je A recimo gornje trokutasta matrica. z Po svojstvu D5 vrijedi . Na primjer. Zamjenom dvaju stupaca u svakom umnoˇku u formuli (2. odnosno ··· βb + γc · · · = β · · · b ··· + γ ··· c ··· . Takoder. ako matrica A ima nul-stupac.8). Ovo svojstvo slijedi direktno iz formule (2. Svojstvo slijedi stoga ˇto po svojstvu D3 zamjenom dvaju redaka deters minanta mijenja predznak.8) dolazi do s zamjene dvaju elemenata u permutaciji drugih indeksa pa se po teoremu 2. Iz ovog svojstva zakljuˇujemo c da sva svojstva koja ´emo navesti za retke vrijede i za stupce. Koji broj jedini ostaje isti kada promijeni predznak? D5. D2.7 u svakom umnoˇku parnost permutacije promijeni.9. det(A) = det(AT ). za jediniˇnu matricu vrijedi c det(I) = 1. Determinanta trokutaste matrice jednaka je produktu elemenata na dijagonali. tada je det(A) = 0. tada svi umnoˇci u (2. Dokazi nekih tvrdnji dani su z u obliku uputa ili naznaka ili u vrlo saˇetom obliku. Determinanta se ne mijenja ako jednom stupcu pribrojimo neki drugi stupac pomnoˇen s nekim brojem. Jednakost vrijedi zbog formula (2.1 Svojstva determinanti Navodimo najvaˇnija svojstva determinanti. s D4.

Za matrice A.3 Koriste´i svojstva D3.9 Determinante 61 ··· a + βb · · · b ··· = ··· + β ··· a ··· b ··· b ··· b ··· . odnosno rang(A) < n. ako je det(A) = 0. Obratno.4. determinantu s lako izraˇunamo po svojstvu D1. tada c je determinanta polazne matrice jednaka determinanti trokutaste matrice.10 Izraˇunajte c 1 −2 1 2 1 −2 −1 −1 0 pomo´u formule (2. ako koristimo samo matrice transc formacije Mi opisane u poglavlju 2. D5 i D6 lako moˇemo pratiti kako se c z determinanta mijenja kada vrˇimo elementarne transformacije na matrici – s determinanta ili promijeni predznak ili se uve´a za neki faktor ili ostane ista. D7. c c . Determinanta je razliˇita od nule ako i samo ako su stupci matrice linc earno nezavisni. moˇemo poniˇtiti.2. tada matrica A mora biti singularna. Ako je rang(A) < n.1). jer bi u protivnom det(A) det(A −1 ) = 1 povlaˇilo det(A) = c 0. B ∈ Mn vrijedi det(AB) = det(A) det(B). ˇija je determinanta jednaka jedan. c Nakon ˇto Gaussovom eliminacijom dobijemo trokutasti oblik. Napomena 2. za regularnu matricu A det(AA−1 ) = det(A) det(A−1 ) = det(I) = 1 povlaˇi c det(A−1 ) = 1 . koriste´i operacije iz svojstva D6. det(A) D8.9) i pomo´u Gaussove eliminacije (vidi primjer 2. Napose. Zadatak 2. Tada je c z s det(A) = 0 po svojstvu D5. Na primjer. a po svojstvu D4 je druga determinanta na desnoj strani jednaka nula. tada je jedan od stupaca linearna kombinacija ostalih pa ga. odnosno ako je matrica regularna.

kao i svaki element od A. n det(A) = j=1 aij Aij .3 Laplaceov razvoj determinante Neka Dij oznaˇava determinantu podmatrice koja se dobije kada iz kvadratne c matrice A ispustimo i-ti redak i j-ti stupac.9. c tada dobijemo razvoj determinante po elementima j-tog stupca.9. a sve c poddeterminante reda ve´eg od r su jednake nula. koriste´i svojstva determinanti i Laplaceov razvoj imamo c −2 8 8 −4 3 12 15 −3 =2·3·7 7 28 −14 14 3 8 4 3 −1 1 1 3 4 4 −2 4 5 −1 II + I III + I 4 −2 2 8 4 3 IV + 3 I −1 4 4 −2 8 9 −3 0 8 9 −3 0 = 4032. c 2.8) ili (2. = 42(−1)(−1)1+1 8 2 = 42 0 8 2 0 20 16 −3 0 20 16 −3 . Na primjer. Algebarski komplement ili kofaktor elementa aij je broj Aij = (−1)i+j Dij . Neka je zadana z c matrica A tipa m × n. n det(A) = i=1 aij Aij . ako pribrojnike grupiramo po elementima koji se nalaze u j-tom stupcu. Na presjeku r redaka i s stupaca matrice A nalazi se matrica tipa r × s koju zovemo podmatrica ili submatrica matrice A. Ako pribrojnike u formulama (2. Teorem 2. Poddeterminante matrice A su determinante kvadratnih podmatrica matrice A.8 Sljede´e tvrdnje su ekvivalentne: c (i) rang(A) = r.9) grupiramo po elementima koji se nalaze u i-tom retku dobijemo Laplaceov razvoj determinante po elementima i-tog retka.2 Podmatrice i poddeterminante Rang matrice moˇemo definirati i pomo´u podmatrica. Sliˇno.62 LINEARNA ALGEBRA 2. (ii) Barem jedna poddeterminanta od A reda r je razliˇita od nule. Naravno da je i A svoja vlastita podmatrica.

9.11 Nadite inverznu matricu matrice A iz zadatka 2.7 koriste´i c prethodni teorem. Sliˇno se pokaˇe BA = I pa je teorem dokazan.4 Raˇunanje inverzne matrice c Postoji joˇ jedan vaˇan izraz za inverznu matricu. s z ˜ Teorem 2.5 Cramerovo pravilo Sljede´i teorem daje formulu za rjeˇenje sustava linearnih jednadˇbi kada c s z je matrica sustava regularna. Dakle. Matrica A je regularna pa je x = A−1 b = 1 ˜ AT b.9. AB = I.10 (Cramer) Neka je A regularna matrica i neka je D i determinanta matrice koja se dobije kada se i-ti stupac matrice A zamijeni s vektorom b.2. Teorem 2. k Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante matrice A po i-tom retku pa je (AB)ii = 1. Tada je A−1 = 1 ˜ AT . c z Zadatak 2. 1 det(A) Aki bk = k 1 Di det(A) .9 Determinante 63 2. 2. det(A) ˜ Dokaz.9 Neka je A regularna matrica i neka je A matrica ˇiji su elementi c algebarski komplementi Aij . Za i = j suma na desnoj strani predstavlja Laplaceov razvoj determinante s dva jednaka retka pa je jednaka nuli. det(A) Ova jednakost napisana po komponentama glasi xi = pa je teorem dokazan. Tada su komponente rjeˇenja sustava Ax = b dane s s xi = Dokaz. Stavimo B = AT / det(A). det(A) Di . Tada je (AB)ij = k aik bkj = 1 det(A) aik Ajk .

64 Zadatak 2.12 Neka je matrica sustava a11 x1 + a12 x2 = b1 a21 x1 + a22 x2 = b2

LINEARNA ALGEBRA

regularna. Rijeˇite sustav pomo´u Cramerovog pravila i provjerite rjeˇenje. s c s

2.10

Rjeˇavanje elektriˇne mreˇe s c z

U ovom poglavlju pokazat ´emo kako se pomo´u matriˇnog raˇuna mogu c c c c rjeˇavati elektriˇne mreˇe. Zanimljivo ja da se u tom postupku koriste mnoga s c z svojstva matrica i sustava jednadˇbi koja smo opisali u prethodnim poglavljima. z Stoga pra´enje primjera nije jednostavno i zahtijeva odliˇno poznavanje prethodc c nih poglavlja. Promotrimo mreˇu prikazanu na slici 2.2 1 . z
4

5 3 2 3 4 6

1 7 1

2

Slika 2.2: Elektriˇna mreˇa c z Grane mreˇe su oznaˇene s brojevima od 1 do 7, a ˇvorovi mreˇe s brojez c c z vima od 1 do 4. Grana k se sastoji od serijskog spoja otpora R k i naponskog ˇ izvora Uk , a kroz granu teˇe struja Ik (vidi Sliku 2.3). Cvor i ima napon c (potencijal) Vi . Naˇ zadatak je izraˇunati struje I k ako znamo otpore Rk i s c naponske izvore Uk . Za rjeˇavanje mreˇe koristimo dva zakona: s z
1

Ovaj primjer izradio je prof. dr. sc. Kreˇimir Veseli´, Fernuniversit¨t Hagen, Njemaˇka. s c a c

2.10 Rjeˇavanje elektriˇne mreˇe s c z
Rk i Uk

65
+
j

+
Ik

-

Slika 2.3: Standardna grana mreˇe z

– prvi Kirchoffov zakon po kojemu je zbroj struja koje ulaze u pojedini ˇvor jednak nula i c – Ohmov zakon po kojemu je struja kroz otpor = napon na otporu . otpor

Ako struje koje ulaze u ˇvor oznaˇimo s predznakom −, a struje koje izlaze c c iz ˇvora s predznakom +, tada prvi Kirchoffov zakon primijenjen na ˇvorove c c 1–4 daje I1 +I2 +I3 −I7 = 0 −I1 −I4 +I6 = 0 −I2 +I4 +I5 = 0 −I3 −I5 −I6 = 0

Vidimo da se radi o homogenom sustavu linearnih jednadˇbi koji ima ˇetiri z c jednadˇbe i sedam nepoznanica, I1 , . . . , I7 . Ako je z   I1 I2      1 1 1 −1 I3    −1  −1 1  , A= I = I4  ,    −1 1 1 I5    −1 −1 −1 I6  I7 tada matriˇni zapis sustava glasi c AI = 0. (2.10)

Matrica A zove se matrica incidencija ili matrica susjedstva zadane elektriˇne c mreˇe. Ako zadnji stupac matrice A premjestimo na prvo mjesto, dobit ´emo z c gornje trokutastu matricu pa lako vidimo da je rang(A) = 4. Ako k-ti vodiˇ ide od ˇvora i prema ˇvoru j, tada Ohmov zakon daje c c c Rk Ik = V i − V j + U k .

66

LINEARNA ALGEBRA

Dakle, imamo joˇ jedan sustav linearnih jednadˇbi koji glasi s z R1 I1 = V 1 − V 2 + U 1

R2 I2 = V 1 − V 3 + U 2

R3 I3 = V 1 − V 4 + U 3

R4 I4 = −V2 + V3 + U4 R5 I5 = V 3 − V 4 + U 5 R6 I6 = V 2 − V 4 + U 6

R7 I7 = −V1 + 0 + U7

Neka je R dijagonalna matrica otpora vodiˇa (matrica ˇiji su dijagonalni elc c ementi otpori), V vektor napona ˇvorova i U vektor naponskih izvora na c vodiˇima, c     U1 R1  U2     R2     V1  U3   R3  V2     ,  ,  R4 V =  U = U4  . R=    V3  U5   R5     V4  U6   R6 U7 R7 Uz ove oznake gornji sustav moˇemo zapisati u matriˇnom obliku kao z c RI = AT V + U. (2.11)

Primijetimo da se i u matriˇnom zapisu Ohmovog zakona ponovo javlja mac trica incidencija A, ovaj put transponirana. Matrica R je dijagonalna, a njeni dijagonalni elementi (otpori) su ve´i od c nule pa je prema tome R regularna i vrijedi 1 
R1

R−1

Kada jednadˇbu (2.11) pomnoˇimo s matricom R −1 s lijeve strane, dobit z z ´emo novi ekvivalentan sustav c I = R−1 AT V + R−1 U. (2.12)

     =    

1 R2

1 R3

1 R4

1 R5

1 R6

1 R7

         

2.10 Rjeˇavanje elektriˇne mreˇe s c z

67

Pomnoˇimo sada ovu jednadˇbu s matricom incidencija A s lijeve strane. To z z nam daje sustav AI = AR−1 AT V + AR−1 U = 0. (2.13) Zadnja jednakost u ovoj jednadˇbi slijedi iz prvog Kirchoffovog zakona (2.10). z Radi lakˇeg snalaˇenja uvedimo nove oznake, s z K = AR−1 AT , L = −AR−1 U. (2.14)

Matrica K i vektor L su poznati jer su matrice A i R i vektor U zadani. Matrica K je dimenzije 4 × 4, a vektor L je dimenzije 4 × 1. Matrica K je simetriˇna jer je c K T = (AR−1 AT )T = (AT )T (R−1 )T AT = AR−1 AT = K. Uz ove oznake jednadˇba (2.13) daje sustav od ˇetiri jednadˇbe i ˇetiri nepozz c z c nanice KV = L. (2.15) Primijetimo da u elektriˇnoj mreˇi ˇvorova uvijek ima manje nego vodiˇa. c z c c Stoga je ovaj sustav manjih dimenzija od sustava (2.10) pa je njega povoljnije rjeˇavati. s Prema Kronecker-Cappelijevom teoremu sustav (2.15) ´e imati jedinstveno c rjeˇenje V ako i samo ako je rang(K) = 4. Da je taj uvjet zaista ispuns jen moˇemo zakljuˇiti pomo´u sljede´eg vaˇnog teorema koji navodimo bez z c c c z dokaza. Teorem 2.11 Ako je matrica A tipa m × k i matrica B tipa k × n, tada je rang(A) + rang(B) − k ≤ rang(AB) ≤ min{rang(A), rang(B)}. Pored toga, za svaku matricu A vrijedi rang(AAT ) = rang(AT A) = rang(A). Da bi primijenili teorem 2.11, uoˇimo da matricu K moˇemo zapisati kao c z K = AR−1 AT = AS −1 (S −1 )T AT = F F T , gdje je F = AS −1 , a S = (sij ) je dijagonalna matrica ˇiji su dijagonalni c √ elementi skk = Rk . Kako je rang(A) = 4 i rang(S) = rang(R) = 7, prva tvrdnja teorema 2.11 daje 4 + 7 − 7 ≤ rang(AS −1 ) = rang(F ) ≤ min{4, 7}, odnosno rang(F ) = 4. Druga tvrdnja teorema 2.11 sada povlaˇi rang(K) = c rang(F ) = 4 pa sustav (2.15) ima jedinstveno rjeˇenje V . s

68

LINEARNA ALGEBRA

Konaˇno, nakon ˇto smo izraˇunali napone u ˇvorovima V , struje kroz c s c c vodiˇe I lako izraˇunamo uvrˇtavanjem u jednadˇbu (2.12). c c s z Za kraj, izraˇunajmo napone u ˇvorovima V i struje u vodiˇima I za elekc c c triˇnu mreˇu sa slike 2.2 za sluˇaj kada su otpori svih vodiˇa jednaki 10 oma, c z c c Rk = 10 Ω, a u vodiˇima 1, 4 i 5 se nalaze naponski izvori od jednog volta, c U1 = U4 = U5 = 1 V. Uvrˇtavanje u relaciju (2.14) daje s  0.4 −0.1 −0.1 −0.1  −0.1 0.3 −0.1 −0.1  , K=  −0.1 −0.1 0.3 −0.1  −0.1 −0.1 −0.1 0.3  Rjeˇenje sustava (2.15) daje napone u ˇvorovima s c 0  0.75 V =  −0.25 0.5  0.025 0.025 −0.05 0 0.025 0.025 0   V V  , V  V A A A A A A A   −0.1  0.2   L=  −0.2  . 0.1 

a uvrˇtavanje u jednadˇbu (2.12) daje struje u vodiˇima s z c

    I =    

    .    

Zadatak 2.13 Gornje rjeˇenje dobiveno je pomo´u sljede´eg programa napisanog s c c u programskom jeziku Matlab: A=[1 1 1 0 0 0 -1; -1 0 0 -1 0 1 0; 0 -1 0 1 1 0 0; 0 0 -1 0 -1 -1 0] R=diag([10 10 10 10 10 10 10]) U=[1 0 0 1 1 0 0]’ R1=inv(R) K=A*R1*A’ L=-A*R1*U V=K\L I=R1*(A’*V+U) U prvom retku programa matrica A je zadana po retcima, pri ˇemu su c retci odvojeni znakom ;. U drugom retku programa naredba diag koristi se

2.2 za neke druge vrijednosti otpora R k i naponskih izvora Uk . U ˇetvrtom retku koristi se naredba inv koja daje c inverznu matricu. Zatim rijeˇite elektriˇnu mreˇu sa slike s c z 2. Pri rjeˇavanju zadatka moˇete c z s c s z koristiti program Octave On-line. Zadajte neku drugu elektriˇnu mreˇu i rijeˇite je na isti naˇin. c s Izvedite gornji program u Matlabu.10 Rjeˇavanje elektriˇne mreˇe s c z 69 za kreiranje dijagonalne matrice ˇiji su dijagonalni elementi jednaki elemenc tima zadanog vektora. U sedmom retku znak \ znaˇi rjeˇavanje sustava. U tre´em. petom i zadnjem retku znak ’ oznaˇava c c transponiranu matricu. .

.

. . 74 Mnoˇenje vektora skalarom . . . .15 Primjene . . . . . . . . . 77 Koordinatizacija . . . . . . . . . . . .5. . . 80 3. . . . . . . . . . 87 3. . . . . kut izmedu vekc tora i kosinusi smjerova . . 77 78 3. . .10 Vektorski produkt . . . . . . . . . . . . . . . . . .2 Koordinatizacija pravca . . . . . . . . . . . . . . . . 77 3. . . . . . . . . . . . . . . . . . . . . . . . . . .1 Primjeri . . . . . .1 3. . . . . . 83 3.4 3. . . . . . . . . 98 3. . . .3. 75 z Prostor radijus-vektora . . . . . . 82 3. . . . . . . . .5. . . . . . . . .14 Ravnina . . . . . . . . . . . . . . . . . . . . jediniˇni vektor. . 101 . . . . . . . . . . . .3 3. Koordinatizacija ravnine . . . . . . . . . . . . .3 Koordinatizacija prostora . . . . . . .5 Vektori . . . . . . . . . . . . . . . . . . . . . . 84 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96 3.6 Duljina vektora. . . . . . . VEKTORSKA ALGEBRA I ˇ ANALITICKA GEOMETRIJA 3. .15.2 3. . . .13 Pravac . . 93 3.5. . . . . . . . . . . . . . . . . . . . . . . 72 Zbrajanje vektora . . 85 3. . . . . . . . . . . . . . . . . . 90 s 3. . . .9 Baza prostora E . . . .1 3. . . . . . . .8 3.7 Linearna nezavisnost vektora . . . . . . . . . . . . . . . . .11 Mjeˇoviti produkt . . . . . . . . . . . . . 93 3.12 Vektorsko-vektorski produkt . . . . . . . . . . . . . . . . . . . . . . .

s z c z . Oˇito je P Q ∼ P Q pa je relacija ∼ refleksivna. prikaz vektora u koordinatnom sustavu z te produkte vektora s vektorom. Dokaˇimo da je relacija ∼ iz definicije 3. odnosno z z c toˇka P je poˇetak ili hvatiˇte. b. . . . usmjerene duˇine i vekc z z tora te navesti osnovno svojstvo trodimenzionalnog Euklidskog prostora E. Duljina duˇine P Q je udaljenost toˇaka P i Q i oznaˇava se s d(P. c 3. c Nul-vektor je vektor koji ima poˇetak i kraj u istoj toˇki. c − − −→ → − Usmjerene duˇine P Q i P Q su ekvivalentne. Takoder. tada je i P Q ∼ P Q pa je relacija ∼ simetriˇna. . a njegovi predstavnici su sve usmjerene duˇine c z − − → oblika P P . Duljinu vektora c oznaˇavamo s |a|.1 zaista relacija ekvivalencije. ako je c − −→ − − − − → −→ − → P Q ∼ P Q . b. simetriˇna i tranzc − − → − − → itivna. Dokaz tranzic tivnosti je neˇto sloˇeniji. Pretpostavljamo da su pojmovi kao ˇto su pravac. tada je duljina (norma z ili intenzitet) vektora a jednaka udaljenosti toˇaka P i Q. pravaca i ravnina. P i Q ne leˇe na istom pravcu. − − → Ako je usmjerena duˇina P Q predstavnik vektora a. c. Potom ´emo pomo´u vektora c c izvesti jednadˇbu pravca u prostoru i jednadˇbu ravnine te objasniti kako z z ispitujemo medusobne odnose toˇaka. ravnina. Vektore oznaˇavamo s z c a. odnosno z − − − → −→ PQ ∼ P Q . osnovne operacije s vektorima c (zbrajanje i mnoˇenje sa skalarom). c c − − → Usmjerena duˇina P Q je duˇina kod koje su rubne toˇke uredene. c c Definicija 3. Q.1 Vektori U ovom poglavlju definirat ´emo pojmove duˇine. relacija ekvivalencije je refleksivna. ako duˇine P Q i P Q imaju zajedniˇko poloviˇte (vidi sliku 3.72 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U ovoj glavi definirat ´emo pojam vektora. z Prema definiciji 1. Nul-vektor c c oznaˇavamo s 0.1) . Kod raˇunanja produkata vektora svoju c primjenu nalaze i determinante dimenzije 3 × 3.1 Duˇina P Q je skup svih toˇaka pravca kroz toˇke P i Q koje se z c c s z nalaze izmedu toˇaka P i Q ukljuˇivˇi i njih. z c s Vektor je klasa ekvivalencije usmjerenih duˇina. a toˇku Q svrˇetak.4. Q) ili |P Q|. Ukoliko toˇke P . . . . a. vrijedi |0| = 0. . kut i prostor pozs nati. Udaljenost toˇaka P i Q c c s c s c − − → se u ovom sluˇaju zove duljina (norma ili intenzitet) usmjerene duˇine P Q i c z − − → oznaˇava s |P Q|. c.

Q) = d(P . a isto vrijedi i za toˇke P Q Q P . Q ) ∧ d(P.1: Ekvivalentne usmjerene duˇine z − − − → −→ tada je P Q ∼ P Q ako i samo ako su toˇke P QQ P susjedni vrhovi paraleloc grama (vidi sliku 3.1). P i Q leˇe na istom pravcu. Q ). tada c z − − − → −→ je P Q ∼ P Q ako i samo ako vrijedi d(P. Dakle −→ − − → −− P Q ∼ P Q pa je relacija ∼ tranzitivna. Stoga. Stoga uglavnom ne´emo c praviti razliku izmedu vektora i njegovog predstavnika. P ) = d(Q. c z S ovim postupkom je vektor a sveden na poˇetak P odnosno nanesen na P . Q. tada su toˇke P QQ P susjedni vrhovi nekog paralelograma ili degeneriranog c paralelograma. ako je − − − → −→ PQ ∼ P Q ∧ −→ −− − −→ P Q ∼P Q . U ovom sluˇaju kaˇemo da su toˇke P QQ P susjedni vrhovi degeneriranog c z c paralelograma. c U primjenama ˇesto piˇemo i c s − − → a = P Q. a − − → P Q samo jedan predstavnik tog vektora. Ukoliko toˇke P . . Vezu izmedu usmjerenih duˇina i vektora daje nam osnovno svojstvo eukz lidskog prostora: ako je P ∈ E proizvoljna toˇka i a zadani vektor. tada postoji c − − → jedinstvena toˇka Q takva da je usmjerena duˇina P Q predstavnik vektora a. zbog osnovnog svojstva euklidskog prostora uvijek je jasno o kojem se vektoru radi. Tada su i toˇke P QQ P c c susjedni vrhovi nekog paralelograma ili degeneriranog paralelograma. Premda taj zapis nije sasvim korektan jer je vektor a klasa ekvivalencije.3.1 Vektori Q 73 P Q’ P’ Slika 3.

A1 . A i B takve da je c − → a = OA. . . a2 . Definicija 3. istog smjera i jednake duljine. An takve c da je −→ − −− −→ −− − − −→ a1 = OA1 . .2: Zbrajanje vektora (pravilo trokuta) Vektore takoder moˇemo zbrajati i po pravilu paralelograma koje je prikazano z na slici 3.4: ako su zadani vektori a1 . .2 Zbrajanje vektora U ovom poglavlju definirat ´emo operaciju zbrajanja vektora te dati njena c osnovna svojstva. . . c c Iz definicije slijedi da su dva vektora jednaka ako su kolinearni.74 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Definicija 3. an i toˇke O. . A2 . . − − → b = AB. Vektori a i b imaju istu orijentaciju ako se toˇke A i B nalaze s iste strane c toˇke O.2 Vektori a i b su kolinearni ako leˇe na istom ili paralelnim z pravcima. Posebno. Ovakav naˇin zbrajanja vektora zove c se pravilo trokuta i prikazan je na slici 3. A i B z c koje leˇe na istom pravcu takve da je z − → a = OA. −→ − b = OB. Viˇe vektora zbrajamo po pravilu poligona kao ˇto je prikazano na s s slici 3. . B c=a+b b O a A Slika 3. moˇemo odbrati toˇke O. . . Ako su vektori a i b kolinearni. nul-vektor je kolinearan sa svakim vektorom i za njega nema smisla govoriti o orijentaciji.2. Vektori a i b imaju suprotnu orijentaciju ako se toˇke A i B nalaze c c s razliˇitih strana toˇke O. −→ − Zbroj vektora a i b je vektor c = OB. a2 = A1 A2 .3 Neka su zadani vektori a i b i toˇke O.3. . . an = An−1 An . 3.

Z3. tada z c c λa = 0. Z3 i Z4 slijede direktno iz definicije zbrajanja vektora. Suprotni vektor je kolinearan s a. (asocijativnost).3 je Mnoˇenje vektora skalarom z Vektor a mnoˇimo s realnim brojem λ na sljede´i naˇin: ako je a = 0. 3. za nul-vektor 0 vrijedi a + 0 = 0 + a = a.3. a + b = b + a (komutativnost). za svaki vektor a = P Q postoji suprotni vektor −a = QP takav da je a + (−a) = a − a = 0. Zbrajanje vektora ima sljede´a svojstva: c Z1. − → Ako je a = 0. odaberemo toˇke O i A takve da je a = OA. ima istu duljinu i suprotnu orijentaciju. ∀λ ∈ R. Produkt vektora a c i skalara λ je vektor −→ − b = λa = OB. .3: Pravilo paralelograma tada je −→ − a = a1 + a2 + · · · + an = OAn . Svojstva Z2.3 Mnoˇenje vektora skalarom z 75 a+b b a O Slika 3.5. dok je svojstvo Z1 prikazano na slici 3. − − → − − → Z4. (a + b) + c = a + (b + c) Z2.

B) = −λd(O.76 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA c a b d a+b+c+d Slika 3. A). . Mnoˇenje vektora skalarom ima sljede´a svojstva: z c M1. (λ + µ)a = λa + µa. |b| = λ|a|.4: Pravilo poligona b a a+b b+c c (a+b)+c=a+(b+c) Slika 3. M2. – za λ < 0 toˇka B leˇi sa suprotne strane toˇke O od toˇke A i vrijedi c z c c d(O. A). λ(a + b) = λa + λb. |b| = −λ|a| = |λ| |a|.5: Asocijativnost zbrajanja vektora pri ˇemu toˇka B leˇi na pravcu koji prolazi kroz toˇke O i A i c c z c – za λ > 0 toˇka B leˇi s iste strane toˇke O kao toˇka A i vrijedi c z c c d(O. B) = λ · d(O.

uz dodatak ˇto zbroj opet mora biti u skupu V O pa se koristi pravilo s paralelograma.5 Koordinatizacija c c Uvodenje koordinatnog sustava omogu´ava predstavljanje vektora pomo´u realnih brojeva. Po pravilu o mnoˇenju vektora skalarom iz poglavlja 3. Vektor i je jednoznaˇno odreden i vrijedi z c c d(O. Ako u prostoru E odaberemo toˇku O. 3. − → Broj x je skalarna komponenta vektora OT . Mnoˇenje radijus-vektora skalarom definira se kao i mnoˇenje vektora skalarom z z u poglavlju 3.3. 0 a = 0. pri ˇemu je broju 1 brojevnog c c pravca pridruˇena toˇka I. Pri tome vrijede svojstva Z1–Z4. Jediniˇni vektor i definiramo kao i = OI.5. Svakoj toˇki T koja leˇi na pravcu p jednoznaˇno je pridruˇena njena apc z c z − → scisa x i vektor OT . pri ˇemu vrijede svojstva M1–M5. Na taj naˇin se pojednostavnjuje rukovanje s vektorima.4 Prostor radijus-vektora 77 M3. ∀a.3.2. ∀a. S ovim smo na pravcu p zadali koordinatni sustav (O.4 Prostor radijus-vektora U mnogim primjenama je praktiˇno uzeti predstavnike vektora koji svi c imaju hvatiˇte u istoj toˇki. i). 1 a = a. M4. Skup radijus vektora V O je z c s skup svih takvih vektora. M5. (λµ)a = λ(µa). c 3.3 z vrijedi − → − → OT = x · OI = x i. I) = |i| = 1. . c 3. Zbrajanje radijus-vektora definira se kao i zbrajanje vektora u poglavlju 3. jer c se operacije s vektorima svode na odgovaraju´e operacije s brojevima. Zbog jednoznaˇnosti prikaza. Vektor OP je radijus-vektor c c ili vektor poloˇaja toˇke P u odnosu na hvatiˇte O.1 Koordinatizacija pravca Koordinatizaciju pravca definiramo na sljede´i naˇin: odaberemo pravac p c c kroz toˇku O ∈ E te na njemu nanesemo brojevni pravac tako da je nula u toˇki c c − → O. i) koristimo sljede´e oznake c − → − → OT = {x} ili OT = x . u c koordinatnom sustavu (O. svakoj s c c − − → − − → toˇki P pripada jednoznaˇno odreden vektor OP .

i) i (O. Zatim odaberemo medusobno okomite pravce p i q koji leˇe u ravnini s ρ i prolaze kroz toˇku O.. |i| = |j| = 1. na primjer.6). i IV. Osi dijele ravninu ρ na ˇetiri kvadranta i to na I.6: Koordinatizacija ravnine Brojevni pravac koji smo nanijeli na pravac p zove se apscisna os ili x-os.2 Koordinatizacija ravnine U ravnini ρ koja se nalazi u prostoru E prvo odaberemo toˇku O kao c z ishodiˇte. tada je. j). Na pravcima p i q definiramo koordinatne sustave c (O. . kvadrant c (slika 3.6. koji je prikazan na slici 3. II Q y I T a J j x i III I P IV Slika 3. Toˇke I i J su odabrane tako da toˇka I rotacijom oko toˇke O za kut π/2 u c c c pozitivnom smjeru.5. a brojevni pravac koji smo nanijeli na pravac q zove se ordinatna os ili y-os. prelazi u toˇku J. S c ovim smo u ravnini ρ zadali desni pravokutni (ortogonalni) koordinatni sustav (O. redom. i. − → OT = 2 i = 2 . III. 3..78 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Uvodenjem koordinatizacije operacije s vektorima sveli smo na operacije s brojevima: ako je − → OS = 3 i = 3 . pri ˇemu je c − → i = OI. j). odnosno suprotno od kazaljke sata. II. − → − → 4 (OS + 2 OT ) = 28 i = 28 . − → j = OJ.

Tada je 3 (a + b) = 3 (2 i − 3 j + i + j) = 9 i − 6 j. . c − → Neka je a = OT radijus-vektor u ravnini ρ. a vektori x i i y j su vektorske komponente vektora a. i) c c c ima koordinatu x. c a y je ordinata toˇke T (slika 3. odnosno 3 (a + b) = 3 2 1 + −3 1 = 9 . y ∈ R. − → − → − → Radijus-vektori x OI i y OJ su vektorske komponente radijus-vektora OT . koji je paralelan s c c pravcem q. vektori i.1 Neka je a = 2 i − 3 j. j) ima koordinatu y. − → Brojevi x i y su skalarne komponente radijus-vektora OT odnosno vektora a. Prema pravilu o zbrajanju vektora iz poglavlja 3. a vektori su komplanarni ako imaju predstavnike koji su kolinearni jednoj ravnini. Na primjer. odnosno x je apscisa.3. Primjer 3. Zbrajanje vektora i c mnoˇenje vektora skalarom stoga odgovara zbrajanju matrica i mnoˇenju maz z trica skalarom. −6 b = i + j. Pravac kroz toˇku T koji je paralelan s pravcem p sijeˇe c c pravac q u toˇki Q. Pravac kroz toˇku T . za oznaˇavanje c c c vektora koristimo skra´ene zapise c a = {x. Toˇka P u koordinatnom sustavu (O. c c x i y su koordinate toˇke T = (x. y) u sustavu (O. odnosno a = x i + y j. Poglavlje ´emo zavrˇiti s dvije definicije: vektori koji leˇe u ravnini ρ su c s z kolinearni ravnini ρ. Kako su skalarne komponente jednoznaˇno odredene toˇkom T . a= x y .5 Koordinatizacija 79 Neka toˇka T pripada ravnini ρ. Toˇka Q u koordinatnom sustavu (O. a= x .6). j i a = x i+y j su komplanarni za ∀x. sijeˇe pravac p u toˇki P . y}.2 vrijedi (slika 3. i.6) − → − → − → OT = x OI + y OJ. j). y Vidimo da vektor u ravnini moˇemo zapisati kao retˇanu matricu dimenz c zije 1 × 2 ili kao stupˇanu matricu dimenzije 2 × 1.

r R z −→ − k = OK.2. x-z i y-z.3 Koordinatizacija prostora Koordinatizaciju trodimenzionalnog prostora E dobijemo sliˇno kao u prethodc nim poglavljima. s q i r koji prolaze kroz toˇku O.7). y-os i z-os). j. c Potom na pravcu r definiramo koordinatni sustav (O. T K k y i I j J Q q a x P p T’ Slika 3. c c Koordinate tih toˇaka u koordinatnim sustavima (O. i). |i| = |j| = |k| = 1.5. zovu se koordinatne ravnine i dijele prostor na osam oktanata. i. q i r su koordinatne osi i to redom apscisna. Time smo definirali desni pravokutni koordinatni sustav (O.5. j) na naˇin opisan u poglavlju 3. Tri ravnine c x-y. Q i R (slika 3. U ravnini razapetoj s pravcima p i q definiramo c desni pravokutni koordinatni sustav (O. i. Prvo odaberemo ishodiˇte O i medusobno okomite pravce p. k) jednake c . (O.80 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 3. k) tako da vektori i. Ravnine paralelne s koordinatnim osima koje c prolaze kroz toˇku T sijeku koordinatne osi u toˇkama P .7: Koordinatizacija prostora Brojevni pravci koje smo nanijeli na pravce p. Pri tome vrijedi − → i = OI. ordinatna i aplikatna os (x-os.7. koje su odredene odgovaraju´im koordinatnim osima. j) i (O. k) u prostoru E koji je prikazan na slici 3. Neka je zadana toˇka T ∈ E. j i k zadovoljavaju pravilo desnog vijka. − → j = OJ.

5) ⇒ − − → AB = {−2.   xB − x A − − → AB = (xB − xA ) i + (yB − yA ) j + (zB − zA ) k =  yB − yA  . c − → Brojevi x. z U koordinatnom sustavu moˇemo na´i skalarne komponente vektora. − − → −→ − − → AB = OB − OA. koordinatni sustav se moˇe definirati i s pravcima koji nisu medusobno okomiti. y i z. Medutim.7) − − → −→ − − → − → − → −→ − OT = OT + OR = x OI + y OJ + z OK. 3) ∧ B = (−1. y i z su koordinate toˇke T . c c Skalarne komponente jednoznaˇno su odredene toˇkom T pa za oznaˇavanje c vektora koristimo skra´ene zapise c   x a = {x. 0.2 Neka su zadane toˇke A = (x A . j. y je c ordinata. Prema pravilu o zbrajanju vektora iz poglavlja 3. Kao c ˇto se vidi na slici 3. z}. z Kako vektor u prostoru moˇemo zapisati ili kao retˇanu matricu dimenzije z c 1×3 ili stupˇanu matricu dimenzije 3×1. yA . zbrajanje vektora i mnoˇenje vektora c z skalarom odgovara zbrajanju matrica i mnoˇenju matrica skalarom. Napomena 3. 2. a= x y z . z . 2}. z c Primjer 3. i.5 Koordinatizacija 81 su x. y i z su takoder skalarne komponente vektora a = OT u sustavu (O. k). a = y  .1 Kod definicije pravokutnih koordinatnih sustava u ovom i prethodnom poglavlju koristili smo medusobno okomite pravce. yB . −2.8 vrijedi s − → − − → −→ − OA + AB = OB.2 vrijedi (slika 3. zA ) i B = (xB . odnosno z c usmjerene duˇine koja je zadana s dvije toˇke. odnosno x je apscisa.3. zB − z A A = (1. odnosno a = x i + y j + z k. y. odnosno Dakle. zB ). a z je aplikata toˇke T . Brojevi x. Na primjer.

8). z} jednaka je |a| = (3. j i k su sami svoji jediniˇni vektori.6 Duljina vektora. kod koordinatizacije prostora c c moˇemo uzeti bilo koju koordinatizaciju neke odabrane ravnine u prostoru i z tre´i pravac koji prolazi kroz ishodiˇte i ne leˇi u toj ravnini (vidi poglavlje c s z 3.8: Komponente vektora Tako kod koordinatizacije ravnine moˇemo uzeti bilo koja dva pravca koja z prolaze kroz toˇku O i nisu paralelna. y.7) dobijemo: c −→ − − → − − → − − → −→ − − − → |OT |2 = |OT |2 + |OR|2 = |OP |2 + |OQ|2 + |OR|2 . |a| |a| odnosno jediniˇni vektor ima duljinu jedan. Jediniˇni vektor vektora a = 0 je vektor c a .82 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA B O A Slika 3. vektori i. jediniˇni vektor. Duljina ili norma vektora a = {x. 3. Sliˇno. a0 = |a| Iz definicije slijedi |a0 | = a 1 = |a| = 1. c . kolinearan je vektoru a i ima istu c orijentaciju. Na primjer. dvostrukom primjenom Pitagorinog pouˇka (slika 3. kut izmedu c vektora i kosinusi smjerova x2 + y 2 + z 2 .1) Naime.

Vektori a1 .3. c tada je cos α = Oˇito je c a0 = cos α i + cos β j + cos γ k. 14 x x2 + y 2 + z 2 . · · · . Prikloni kutovi vektora a = 0 su kutovi koje taj vektor zatvara s vektorima i. pri ˇemu smo se ovdje c c ograniˇili na trodimenzionalni prostor. c Dokaz. Kosinusi smjerova su kosinusi priklonih kutova. 1 = cos2 α + cos2 β + cos2 γ. 14 3 cos β = − √ .7 Linearna nezavisnost vektora Definicija linearne nezavisnosti vektora u prostoru E jednaka je definiciji linearne nezavisnosti stupˇanih vektora iz poglavlja 2. λk ∈ R. z − −→ → − ∠(a. c Linearna kombinacija vektora a1 . b) = ∠(OA. Primjer 3. λ1 a1 + λ 2 a2 + · · · + λ k ak = 0 ⇒ λ1 .1 Kosinusi smjerova vektora a = 0 jednaki su skalarnim komponentama jediniˇnog vektora a0 . redom.6). j i k. tada je 3 2 1 a0 = √ i − √ j + √ k.7 Linearna nezavisnost vektora 83 − → −→ − Neka je a. · · · . β i γ. Kut izmedu vektora a i b definiramo kao kut izmedu usmjerenih − → −→ − duˇina OA i OB. a2 . Teorem 3. · · · . Tvrdnja slijedi iz definicije skalarnog produkta u poglavlju 3. λk ∈ R . ak su linearno nezavisni ako za sve skalare λ 1 . · · · .3 Ako je a = i − 3 j + 2 k. 14 2 cos γ = √ .5. Ako je a = x i + y j + z k i ako priklone kutove oznaˇimo redom s α.9 (vidi primjer 3. OB). cos γ = z x2 + y 2 + z 2 . ak je vektor a = λ 1 a1 + λ 2 a2 + · · · + λ k ak . 3. λ1 = · · · = λk = 0. b = 0 i neka su OA i OB njihovi predstavnici s hvatiˇtem u toˇki s c O. 14 14 14 1 cos α = √ . cos β = y x2 + y 2 + z 2 .

−1. a. odnosno c d = α a + β b + γ c. ak = {xk . a1 = {x1 .1 matrica A regularna. ak ekvivalentna s linearnom neza xk yk  . y1 . vektori a. Vrijedi det A = −2 = 0 pa je prema svojstvu c D8 iz poglavlja 2. zk }. (3. · · · . i. Drugim rijeˇima. −1}. Svaki vektor d iz prostora E moˇe se z jednoznaˇno prikazati kao linearna kombinacija vektora baze. c). vektori a 1 . c  1 1 0 A = −1 0 1  1 2 −1 .2) Sljede´i primjer prikazuje postupak transformacije iz jedne baze u drugu.84 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U protivnom su vektori linearno zavisni. b i c ˇine bazu prostora E i definic raju koordinatni sustav (O. tada je linearna nezavisnost vektora a 1 . 3. · · · . b i c ˇine bazu. · · · . b. z1 }.8 Baza prostora E Svaka tri linearno nezavisna vektora a. Svaka ˇetiri vektora u prostoru E su linearno zavisna. Definirajmo matricu b = {1. c odnosno iz jednog koordinatnog sustava u drugi. yk . · · · visnoˇ´u stupaca matrice sc  x1 x2 · · ·  y1 y2 · · · z1 z2 · · · . ak c su linearno zavisni ako i samo ako postoje λ 1 . zk Primjer 3.5 Neka su u sustavu (O. 1. 0. pri ˇemu je c Ako je |λi | > 0.9. c Svaka dva nekolinearna vektora i svaka tri nekomplanarna vektora su linearno nezavisna. Primjer 3. ˇiji su stupci zadani vektori. 2}. j. odnosno njeni stupci su linearno nezavisni. k) zadani vektori a = {1.  c = {0. 1}. λk takvi da je λ1 a1 + λ2 a2 + · · · + λk ak = 0. Dakle.4 Svaka dva kolinearna vektora i svaka tri komplanarna vektora su linearno zavisna.

odnosno z         0 1 1 1 2 = α −1 + β 0 + γ  1  .4 Skalarni produkt vektora a i b je broj a · b = |a| |b| cos ∠(a. .3. S2. a · a = |a| |a| = |a|2 . k) zapis     2 1 e = A −1 = −1 . Joˇ koristimo oznake a b i (a. 1 −1 3. 3 1 2 −1 γ Rjeˇenje sustava je α = −3/2.9 Skalarni produkt 85 Da bi vektor d = i+2 j+3 k prikazali u sustavu (O. a a · b < 0 ako je ∠(a. 2 2 2 Obratno. b) ≤ π/2. odnosno s 3 5 1 d = − a + b + c. S3. a. s Skalarni produkt ima sljede´a svojstva: c S1. vrijedi i · i = j · j = k · k = 1. j. a · b ≥ 0 ako je ∠(a. b).6 vidimo da je ovo zac z pravo sustav linearnih jednadˇbi z      1 1 1 0 α −1 0 1  β  = 2 . β = 5/2 i γ = 1/2. c) trebamo rijeˇiti s jednadˇbu (3. S4.2). vektor e = 2 a − b + c ima u sustavu (O. i · j = j · i = i · k = k · i = j · k = k · j = 0.1. b) > π/2. −1 2 1 3 Iz interpretacije matriˇnog mnoˇenja u poglavlju 2. b). i. b. a · b = 0 ako je a = 0 ili b = 0 ili a ⊥ b.9 Skalarni produkt Definicija 3.

(distributivnost). tada je a · b = a x bx + a y by + a z bz .1.4 i teorem 3. b) S7.86 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA S5.1. Tvrdnja slijedi iz svojstava S7.2 omogu´uju raˇunanje kuta c c izmedu dva vektora u prostoru pomo´u formule c cos ∠(a. (homogenost).5 slijedi da z skalarni produkt moˇemo zapisati i kao z a · b = aT b. a · b = |a| ba . Definicija skalarnog produkta 3. Ako su vektori a i b zadani kao stupˇane matrice. ba = |b| cos ∠(a. S8 i S3.2 Ako je a = ax i + ay j + az k.9).3 i transponirane matrice u poglavlju 2. b) = a·b . iz definicija matriˇnog c c mnoˇenja u poglavlju 2. Dokaz. a · b = b · a (komutativnost). . |a| |b| b = bx i + by j + bz k. a · (b + c) = a · b + a · c S8. gdje je duljina projekcije vektora b na pravac definiran s vektorom a pomnoˇena z s odgovaraju´im predznakom prema svojstvu S2 (slika 3. λ(a · b) = (λa) · b = a · (λb) b ab a Slika 3.9: Skalarni produkt U koordinatnom sustavu raˇunanje skalarnog produkta je vrlo jednostavno. c Teorem 3. c S6.

gdje je A = (1. V2. j × i = −k. 1). 1. j × k = i. c Zadatak 3. k × j = −i. −3. kosinus priklonog kuta kojeg vektor a = {x. b. z} zatvara s c vektorom i jednak je cos ∠(a. ako je |c| > 0. a × b = −b × a (anti-komutativnost).10 Vektorski produkt 87 Primjer 3. c Vektorski produkt ima sljede´a svojstva: c V1. 0) pravokutan? Je li jednakokraˇan? c a·i = |a| |i| x x2 + y2 + z 2 . 1. a × (b + c) = a × b + a × c V5. k × i = j. y. b).1 Je li trokut ABC.10 Vektorski produkt Definicija 3. (distributivnost). 3. a × b = 0 ako je a = 0 ili b = 0 ili ako su vektori a i b kolinearni.5 Vektorski produkt vektora a i b je vektor c = a × b takav da je |c| = |a| |b| sin ∠(a. i × k = −j. 2) i C = (1.6 Kosinus kuta izmedu vektora a = {2. vrijedi i × i = j × j = k × k = 0. 1} i b = {1. tada je c⊥a ∧ c ⊥ b. B = (0. b) = a·b 2·1−3·1+1·0 1 √ =√ =− √ . i) = ˇime smo dokazali teorem 3. c pri ˇemu uredena trojka vektora (a. λ(a × b) = (λa) × b = a × (λb) .1. i × j = k. 3. V3. −1. c) ˇini desni sustav (slika 3. 0} jednak je cos ∠(a. Pored toga. (homogenost). V4.3. |a| |b| 4+9+1 1+1 2 7 Na isti naˇin.10).

tada je a × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − ay bx ) k. b = bx i + by j + bz k. U pravokutnom koordinatnom sustavu vektorski produkt raˇunamo pomo´u c c determinante. Teorem 3. norma |a × b| jednaka je povrˇini paralelograma ˇto ga razapinju vektori s s a i b (slika 3.11: Modul vektorskog produkta V6.3 Ako je a = ax i + ay j + az k.88 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA c b a Slika 3. .11).10: Vektorski produkt b |b| sin ϕ ϕ a Slika 3.

ABC . 3.9. V4 i V5. −1}. Definicija vektorskog produkta 3. s Na sliˇan naˇin moˇemo izraˇunati povrˇinu bilo kojeg poligonalnog lika u c c z c s prostoru. 2 2 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇeni problem.3 omogu´uju raˇunanje povrˇine c c s poligonalnih likova u ravnini. Tvrdnja slijedi iz svojstava V2.3. jer smo c c s c z naˇli povrˇinu trokuta smjeˇtenog u prostoru. s s s Na isti naˇin moˇemo provjeriti leˇe li tri toˇke na pravcu. Primjer 3. B = (0.1: – prvi dio svojstva V2 odgovara svojstvu D4 koje kaˇe da je determinanta z s dva jednaka retka jednaka nuli.10 Vektorski produkt 89 odnosno i j k a × b = ax ay az . vrijedi P i j k − → − → 1 1− −1 −3 −1 = |AB × AC| = 2 2 2 1 −3 1√ 1 = |i (9 + 1) − j (3 + 2) + k (−1 + 6)| = 150 ≈ 6. 2. Kako je − − → AB = {−1. −3}. z − → AC = {2. – svojstva V4 i V5 odgovaraju svojstvu D5. −3. 3). Povrˇina trokuta jednaka je polovici povrˇine paralelograma razapetog s veks s − − − → → torima AB i AC (slika 3.7 Izraˇunajmo povrˇinu trokuta c s A = (1. – svojstvo V3 odgovara svojstvu D3 koje kaˇe da zamjenom dvaju redaka z determinanta mijenja predznak. bx by bz Dokaz.12). jer ´e u tom sluˇaju c z z c c c povrˇina trokuta biti nula. 0).2 Svojstva vektorskog produkta odgovaraju svojstvima determinanti iz poglavlja 2. 2). ABC zadanog s C = (3. a nismo ga morali niti skicirati.12. jer svaki takav lik moˇemo podijeliti na trokute. 1. −1.5 i teorem 3. Napomena 3.

b i s c je broj (a × b) · c = |a × b| |c| cos ∠(a × b.6 Mjeˇoviti produkt ili vektorsko-skalarni produkt vektora a. c) = |a| |b| sin ∠(a. Naime. c). a ako s ρ oznaˇimo ravninu s c baze.2 Izraˇunajte povrˇinu trokuta iz prethodnog primjera pomo´u c s c − − −→ → − paralelograma razapetog s vektorima BA i BC. b i c. |a| |b| sin ∠(a. b) |c| cos ∠(a × b. Moˇe li se zadatak rijeˇiti ako z s − − −→ → − promatramo paralelogram razapet s vektorima AB i BC? 3. c) = ±|c| sin ∠(ρ. . c). b) je povrˇina baze koja je razapeta vektorima a i b.90 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z A B 2 3 y 1 3 C x Slika 3. tada je |c| cos ∠(a × b.11 Mjeˇoviti produkt s Definicija 3.12: Povrˇina trokuta s Zadatak 3. Mjeˇoviti produkt jednak je volumenu ili negativnoj vrijednosti volumena s paralelopipeda kojeg razapinju vektori a.

2 i 3. Primjer 3. 3. c v b a Slika 3. ay .13). C = (−1. az }. Tvrdnja slijedi iz teorema 3.3 Koriste´i teorem 3. b = {bx . Zadatak 3. odnosno linearno zavisni.4 moˇemo raˇunati volumene svih tijela koja su omedena samo s ravnim z c plohama.7). −1. tako pomo´u mjeˇovitog produkta i teorema c s 3. tada je ax ay az (a × b) · c = bx by bz cx cy cz Dokaz. 0). cy .3. 1. 3.3.4 Ako je a = {ax . 0).13: Mjeˇoviti produkt s Teorem 3. bz }. s Takoder zakljuˇujemo da je (a × b) · c = 0 ako i samo ako je barem jedan c od vektora nul-vektor ili ako su vektori komplanarni. Sliˇno kao ˇto pomo´u vektorskog produkta moˇemo raˇunati povrˇine c s c z c s poligonalnih likova (primjer 3.1 dokaˇite da je z (a × b) · c = (b × c) · a = (c × a) · b = −(a × c) · b = −(b × a) · c = −(c × b) · a.8 Izraˇunajmo volumen tetraedra ABCD zadanog toˇkama c c A = (0. D = (1. cz }. c = {cx . 4). 1).11 Mjeˇoviti produkt s 91 ˇto je jednako visini ili negativnoj vrijednosti visine (slika 3. by .9. B = (3.4 i svojstvo determinante D3 iz poglavlja c 2. .

jer ´e u tom sluˇaju volumen z c c c c tetraedra biti nula. BC i BD. AC i AD (slika 3. jer smo c c s c z naˇli volumen tijela. Na isti naˇin moˇemo s c z provjeriti leˇe li ˇetiri toˇke u istoj ravnini. Na sliˇan naˇin moˇemo izraˇunati volumen bilo kojeg c c z c z tijela koje je omedeno samo s ravnim plohama. a nismo ga morali niti skicirati. 4. 1}. AC = {−1. 0}. AD = {1.4 Izraˇunajte volumen tetraedra iz prethodnog primjera pomo´u c c − −→ −→ − − → − paralelopipeda razapetog s vektorima BA. Moramo li uzeti vektore s hvatiˇtem u istom vrhu? s . Kako je − − → − → −→ − AB = {3.14: Volumen tetraedra Zadatak 3. vrijedi − → − → −→ − 1 1 − V = |(AB × AC) · AD| = 6 6 3 4 0 −1 4 1 1 2 4 = 62 6 Uoˇimo da smo na jednostavan naˇin rijeˇili naoˇigled sloˇen problem. 4}.14). jer svako takvo tijelo moˇemo podijeliti na tetraedre. 2.92 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA Volumen tetraedra jednak je ˇestini volumena paralelopipeda razapetog veks − − − → → −→ − torima AB. 4. z D C 1 A 1 3 y 3 B x Slika 3.

i. b i c zadani kao z u teoremu 3.15) −→ − −→ − T1 T = t T1 T2 . odnosno r = r1 + t s. Uz oznake −→ − s = T1 T2 .12 Vektorsko-vektorski produkt 93 3. j. (3. z t ∈ R.4. (3.13 Pravac Pravac p je u prostoru E zadan s dvije razliˇite toˇke T 1 i T2 . imamo vektorsku jednadˇbu pravca z r − r1 = t s. rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima a i b.3. Za vektor smjera moˇemo uzeti i bilo koji z drugi vektor koji je kolinearan s vektorom s. b i c je vektor (a × b) × c. k)   a s = b .5) Vektor s je vektor smjera pravca p. odnosno postoji c z t ∈ R takav da je (slika 3.3) odnosno. t ∈ R. Za svaku c c − → −→ − − toˇku T koja leˇi na pravcu p vektori T1 T2 i T1 T su kolinearni. z1   x r = y  . (3. Neka je u koordinatnom sustavu (O. c z Sliˇno.4) pa rezultiraju´i vektor leˇi u ravnini razapetoj s vektorima b i c.3) i (3. −→ − r1 = OT1 . . c z Zadatak 3. Moˇe se pokazati da vrijedi z (a × b) × c = b (a · c) − a (b · c).5 Dokaˇite formule (3. c a × (b × c) = b (a · c) − c (a · b). − → r = OT . c   x1 r 1 =  y1  .12 Vektorsko-vektorski produkt Vektorsko-vektorski produkt vektora a.4) ako su vektori a. 3.

0}.94 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA T1 s T2 r T 1 p r Slika 3. 0.5) prelazi u parametarsku jednadˇbu pravca z z  x = x1 + a t  t ∈ R. 0 0 2 . x-os prolazi ishodiˇtem O = (0. s No. (3.15: Pravac u prostoru Eliminacijom parametra t iz jednadˇbe (3.6) dobivamo kanonsku (simetriˇnu) z c jednadˇbu pravca z y − y1 z − z1 x − x1 = = . (3. s Primjer 3. 0). a vektor smjera joj je i = {1.9 Jednadˇba x-osi glasi z  x = t  y=0   z=0 odnosno Tada vektorska jednadˇba pravca (3.7) a b c U gornjoj formuli nazivnici ne oznaˇavaju dijeljenje nego skalarne komponente c vektora smjera pa ih piˇemo i onda kada su jednaki nula. 0.6) y = y1 + b t   z = z1 + c t t ∈ R. x+5 y z √ = = . 1 0 0 Naime. x y z = = .

16) 2x + y + z + 1 = 0 x − y + 2z − 1 = 0. A1 x + B 1 y + C 1 z + D 1 = 0 A2 x + B2 y + C2 z + D2 = 0. 1 1 1 1 Kada zbrojimo prvu i drugu jednadˇbu dobijemo 3x + 3z = 0. y = −1 + t   z=t .5 jednadˇbe linearno zavz isne. Kad od prve jednadˇbe oduzmemo dvostruku drugu dobijemo 3y − 3z + 3 = 0. 1 −1 −1 1 Stoga kanonska jednadˇba pravca glasi z x y+1 z = = .10 Nadimo kanonsku i parametarsku jednadˇbu pravca zadanog s (slika 3.9) od kojih svaka predstavlja jednu ravninu u prostoru (poglavlje 3. a sustav je ekvivalentan sustavu od dvije linearno nezavisne jednadˇbe z koje odaberemo medu njima.7) je zapisan sustav od tri linearne jednadˇbe s tri nepoznanz ice. 1}. c Parametarska jednadˇba glasi z  x = −t  t ∈ R. −1. z odnosno y+1 z y z−1 = ili = . pravac moˇemo zadati s dvije linearno nezavisne jednadˇbe s tri z z nepoznanice. Dakle. 0) i ima vektor smjera s = {−1. 1. odnosno z z x z x = ili = . z z Primjer 3.8) Ove jednadˇbe definiraju pravac pa sustav ima jednoparametarsko rjeˇenje. (3. z U formuli (3.6). b (x − x1 ) = a (y − y1 ) c (x − x1 ) = a (z − z1 ) c (y − y1 ) = b (z − z1 ). Iz sustava (3. z s Stoga su prema Kronecker-Capellijevom teoremu 2.13 Pravac 95 je takoder jednadˇba x-osi. (3.9) eliminacijom jedne od varijabli dobijemo kanonsku jednadˇbu (3.3.7). −1 1 1 Pravac prolazi toˇkom T = (0.14). iz z koje onda lako dobijemo parametarsku jednadˇbu pravca (3.

(3. Stoga je volumen paralelopipeda ˇto ga razapinju s ti vektori jednak nula (primjer 3. Za svaku toˇku T koja leˇi u ravnini ρ vektori T1 T . Ako odaberemo toˇku T1 = (0. a b Oznaˇimo li koeficijent smjera s k = a . Posebno. pri ˇemu je l odsjeˇak na y-osi. Ako je a = 0.8) prelazi u b (x − x1 ) = a (y − y1 ).8) nestaju. T1 T2 i T1 T3 c z su komplanarni (slika 3. c y − y1 = y − y1 = k (x − x1 ).16: Pravac kao presjek ravnina Primjer 3.10) .11 Ako pravac p leˇi u x-y ravnini. imamo 3. dobijemo c c c poznatu jednadˇbu z y = k x + l. T2 i T3 koje ne leˇe na c z −→ − → − → − − − istom pravcu.7) i (3. dobijemo jednadˇbu pravaca kroz c z toˇku T1 = (x1 .8). l). (3.17).14 Ravnina Ravnina ρ je u prostoru E zadana s tri toˇke T 1 . odnosno −→ − → − → − − − T1 T · (T1 T2 × T1 T3 ) = 0. b (x − x1 ). (3. y1 ) s koeficijentom smjera k.96 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA p -2*x-y-1 (-x+y+1)/2 z 3 0 -3 -3 -2 -1 x 0 1 2 3 -3 -2 -1 0 1 2 y 3 Slika 3.6). tada svi izrazi koji sadrˇe z z varijablu z u (3.

Svaki vektor kolinearan s n je takoder normala ravnine ρ.17: Ravnina u prostoru Ako je u koordinatnom sustavu (O.12) . B. z c z Sredivanje gornje jednadˇbe daje op´i oblik jednadˇbe ravnine Ax + By + Cz + D = 0.11) prelazi u jednadˇbu ravnine kroz toˇku z z c T1 = (x1 . i. tada vektorska jednadˇba ravnine (3. k) n = {A.13) (3. A(x − x1 ) + B(y − y1 ) + C(z − z1 ) = 0.10) prelazi u vektorsku jednadˇbu ravnine z z (r − r1 ) · n = 0. y1 . y. − → r = OT . C}.3. jednadˇba (3. r1 = {x1 . j. y1 . z}. (3. r = {x.11) Vektor n je normalni vektor ili normala ravnine ρ. −→ −→ − − n = T1 T2 × T1 T3 . (3. z1 }. n r1 T1 T2 ρ T r T3 Slika 3.14 Ravnina 97 Uz oznake −→ − r1 = OT1 . z1 ).

tada jednadˇbu (3. 1 1 (3.15 Primjene Pomo´u vektora i operacija s njima te pomo´u raznih oblika jednadˇbi c c z pravca i ravnine moˇemo ispitivati ˇitav niz meduodnosa i svojstava: z c a) Medusobni odnosi pravaca i ravnina. zi ). b. 0). t ∈ R. T2 = (0. Ako je T = (x. B i C su skalarne komponente z vektora normale n. 0. a.14) Ako ravnina ρ ne prolazi ishodiˇtem i ako za toˇke T 1 . Ti = (xi .10) moˇemo zapisati pomo´u determinante. x3 − x 1 y3 − y 1 z3 − z 1 Zadatak 3.6 Pokaˇite da je jednadˇba (3. Paralelni pravci mogu. c = 0. b. To nam daje z z c jednadˇbu ravnine kroz tri toˇke.98 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA U obje jednadˇbe (3. ali ne moraju leˇati jedan na z drugom. yi . i = 1. s T1 = (a.14) rjeˇavanjem determinante s x−a y z −a b 0 = 0 −a 0 c dobijemo segmentni oblik jednadˇbe ravnine z x y z + + = 1.14) ekvivalentna s z z x y z x1 y1 z1 x2 y2 z2 x3 y3 z3 1 1 = 0. 0.13) brojevi A. . ako za njihove vektore smjera vrijedi s1 = t s2 . a b c a. c = 0.12) i (3. T2 i T3 odaberemo s c sjeciˇta ravnine s koordinatnim osima. c). T3 = (0. b. Pravci p1 i p2 su paralelni. y. z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 = 0. p1 p2 . 3. 0). tada iz (3. 3. 2. 1. z).

cos ∠(ρ1 . Kut izmedu pravaca p1 i p2 nalazimo pomo´u skalarnog produkta vekc tora smjera. ρ2 ) = |n1 | |n2 | 7. ali ne moraju leˇati jedna na z drugoj. c 2. ρ1 ⊥ ρ2 . Ravnine ρ1 i ρ2 su paralelne. ρ) = b) Sjeciˇta.14). p2 ) = |s1 | |s2 | 4. |s| |n| c) Projekcije. c 3.3. 1. Ravnine ρ1 i ρ2 su okomite. T = p1 ∩ p2 . s·n . ali moˇemo traˇiti i projekcije u c sc z z z bilo kojem smjeru. p = ρ1 ∩ ρ2 . Okomite ravnine se sijeku u pravcu. s 1. ali mogu biti i mimosmjerni. n1 · n 2 . Kut izmedu ravnina ρ1 i ρ2 nalazimo pomo´u skalranog produkta norc mala. d) Udaljenosti. Najˇeˇ´e traˇimo ortogonalne projekcije. Projekcija pravca p na ravninu ρ. ako za njihove normale vrijedi n1 · n2 = 0. Kut izmedu pravca p i ravnine ρ nalazimo pomo´u skalranog produkta c vektora smjera i normale sin ∠(p. t ∈ R. 5. p1 ⊥ p2 . s1 · s 2 . ako za njihove vektore smjera vrijedi s1 · s2 = 0. 6.12). c 3. Okomiti pravci se mogu sje´i. Pravac p koji je presjek ravnina ρ 1 i ρ2 .15 Primjene 99 2. Paralelne ravnine mogu. Projekcija toˇke T na ravninu ρ (primjer 3. c 2. Toˇka T u kojoj se sijeku pravci p 1 i p2 . Toˇka T u kojoj pravac p sijeˇe ravninu ρ. cos ∠(p1 . Projekcija toˇke T na pravac p (primjer 3. 3. ρ1 ρ2 . ako za njihove normale vrijedi n1 = t n2 . . Pravci p1 i p2 su okomiti.13). T = p ∩ ρ: sjeciˇte traˇimo c c s z tako da parametarsku jednadˇbu pravca uvrstimo u op´i oblik jednadˇbe z c z ravnine i rijeˇimo linearni sustav od jedne jednadˇbe s jednom nepozs z nanicom (primjer 3.

5.8. ρ). a povrˇine tetraedara raˇunamo pomo´u mjeˇovitog produkta s c c s kao u primjeru 3. ρ2 ). a radijus je udaljenost srediˇta s od bilo kojeg vrha.2 i formule za duljinu vekz tora (3. a onda izraˇunamo d(T. p2 ). y2 . odnosno okomica spuˇtenih iz vrha trokuta s s na nasuprotnu stranicu. d(p1 . Udaljenost pravca p i ravnine ρ. a onda izraˇunamo d(T. Udaljenost toˇke T od pravca p: prvo nademo projekciju T toˇke T na c −→ − pravac p.1) slijedi −→ − d(T1 . d(ρ1 .100 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA 1. a s povrˇine trokuta raˇunamo pomo´u vektorskog produkta kao u primjeru s c c 3. z . y1 . c 4. Postupci za ispitivanje ovih meduodnosa i svojstava detaljno su opisani u vjeˇbama. Ortocentar – sjeciˇte visina. c 3. Upisana kruˇnica – srediˇte je sjeciˇte simetrala kutova.7. 2. odnosno pravaca z s s koji raspolovljuju unutarnje kutove trokuta. 6.14). e) Analiza trokuta. 4. ρ) = | T T | (primjer 3. Udaljenost toˇaka T1 = (x1 . p) = | T T | (primjer 3. Udaljenost ravnina ρ1 i ρ2 . s 1. a radijus je udaljenost srediˇta s od bilo koje stranice. f) Povrˇine i volumeni. Povrˇina poligonalnih likova u prostoru – lik rastavljamo na trokute. Opisana kruˇnica – srediˇte je sjeciˇte simetrala stranica. 2. z1 ) i T2 = (x2 . odnosno pravaca koji spajaju vrh trokuta sa zs s zs sredinom nasuprotne stranice. odnosno okomz s s ica podignutih od sredine stranice trokuta. Volumeni tijela omedenih samo s ravnim plohama – tijelo rastavljamo na tetraedre. 3. d(p.13). Udaljenost pravaca p1 i p2 . c 2. z2 ): iz postupka c nalaˇenja komponenata vektora u primjeru 3. 1. Udaljenost toˇke T od ravnine ρ: prvo nademo projekciju T toˇke T na c c −→ − ravninu ρ. T2 ) = |T1 T2 | = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 . Teˇiˇte – sjeciˇte teˇiˇnica.

. y = 3 + 2t   z = 2 + 3t Uvrˇtavanje u jednadˇbu ravnine daje s z 1 − t + 2(3 + 2t) + 2 + 3t − 3 = 0.. projekcije c z s toˇke na pravac i udaljenosti toˇke od pravca te projekcije toˇke na ravninu i c c c udaljenosti toˇke od ravnine.15.18) z c p ∩ ρ = T = (2. Primjer 3.. 1. odnosno t = −1.12 Odredimo toˇku T u kojoj se sijeku pravac c p . 5) na pravac c p . y−6 z+1 x−4 = = 1 2 −1 i udaljenost toˇke T od pravca p. c Za odredivanje projekcije odredit ´emo pomo´nu ravninu ρ koja prolazi c c toˇkom T . −1}.12) daje c x − 4 + 2(y − 4) − (z − 5) = 0. Nadimo sjeciˇte pravca i ravnine kao u primjeru 3. 4.15 Primjene 101 3.. Toˇka T je sjeciˇte pravca p i ravnine ρ c c s (slika 3. x−1 y−3 z−2 = = −1 2 3 i ravnina ρ zadana s x + 2y + z − 3 = 0.19). Uvrˇtavanje ove vrijednosti t u parametarsku jednadˇbu s z pravca daje x = 2. Ravnina prolazi toˇkom T pa formula (3. n = s = {1. Parametarska jednadˇba pravca glasi z  x = 1 − t  t ∈ R. a okomita je na pravac p.12: parametarska jednadˇba s z pravca p glasi  x = 4 + t  t∈R y = 6 + 2t   z = −1 − t .3. y = 1 i z = −1 pa je traˇena toˇka T jednaka (slika 3. −1). 2.1 Primjeri Sljede´i primjeri ilustriraju nalaˇenje sjeciˇta pravca i ravnine. c Primjer 3. Normala ravnine ρ jednaka je vektoru smjera pravca p.13 Odredimo projekciju T toˇke T = (4.

3 3 3 . Uvrˇtavanje t u params z etarsku jednadˇbu pravca daje z T = Konaˇno.14 Odredimo projekciju T toˇke T = (4.102 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z p 1 y ρ 2 T x Slika 3. p) = |T T | = 7 −4 3 2 7 8 2 . 4. 5) na ravninu c ρ .. a okomit je na c c c c ravninu ρ. + 8 −4 3 2 + 2 −5 3 2 √ 210 = ≈ 4. 3 Primjer 3. 3x + 6y + 2z − 6 = 0 i udaljenost toˇke T od ravnine ρ. c Prvo ´emo na´i pomo´ni pravac p koji prolazi toˇkom T . s = n = {3. c s Vektor smjera pravca p jednak je normali ravnine ρ. 2}.18: Sjeciˇte pravca i ravnine s 5 s pa uvrˇtavanje u jednadˇbu ravnine daje t = − 3 . . c −→ − d(T..83.20). 6. Toˇka T je tada sjeciˇte pravca i ravnine (slika 3. .

Pravac prolazi toˇkom T pa njegova parametarska jednadˇba glasi c z  x = 4 + 3t  t ∈ R.3. ρ) = |T T | = ≈ 5.37). y = 4 + 6t   z = 5 + 2t −→ − 280 d(T.19: Projekcija toˇke na pravac c Sliˇno kao u prethodnom primjeru. −0. 49 49 49 ≈ (1. 3. uvrˇtavanje u jednadˇbu ravnine daje t = c s z − 40 .9.p) 8/3 4 y 7/3 T’ n=s 4 x p ρ Slika 3. . 49 .55.15 Primjene 103 z T d(T.71. odnosno 49 T = Konaˇno c 76 −44 165 .

104 ˇ VEKTORSKA ALGEBRA I ANALITICKA GEOMETRIJA z T T’ p s=n 4 y 76/49 4 ρ x Slika 3.20: Projekcija toˇke na ravninu c .

. . . .6.1 Tabliˇno zadavanje . . . . . . . . . . . . . . . . . . . . .2 Vrste prekida . . . . . . .3. . . . . . . . . 4. . . . . . . . . . . . . .2 4. . . . . .1. . . . 4. . . . . .1. . . . .1 Svojstva limesa . . . . . . . . . 4. 4. . . . . . Limes . . . . . . . . . . . . . 4. . . . . 4. .7 Klasifikacija elementarnih funkcija . . . . . . . . . .6. . . . . . . . . . . . . . . . . . . .4 Beskonaˇan limes . . . . . . . Pregled elementarnih funkcija . . . . c 4. . . .1 Svojstva neprekidnih funkcija . . . . . . . .6. . . . . . . . . . . . . .2 Eksplicitno zadavanje . 4. . .3 Eksponencijalna funkcija . . .3 Limes u beskonaˇnosti . . . . . . . . . . 107 107 108 109 112 115 117 119 122 123 124 125 126 128 130 132 132 133 136 139 141 149 153 154 156 4. . . . . . . . . .4.1 Konstantna funkcija . . .9 Hiperbolne i area funkcije . . . . 4. .4 Logaritamska funkcija . . . .6. . . . . . . . . . .4 Parametarsko zadavanje .6. . .3 Implicitno zadavanje . . . . . . . . . . . c 4. . . .3. . . . . . . . . . . . . . . . . .5 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 4. .4. . . . . . . . . . . . . . . . . . .2 Potencija . . .1 Naˇini zadavanja funkcija . . . . . . . . . . . . . . . . . . . . . .3. . Asimptote . . . . . 4. . . . . . . . . . . . . . . . .6. . Klasifikacija funkcija . . . . . . . . . . . . . . .8 Polinomi i racionalne funkcije . . 4. . .6 . . . . . . . . .5 Trigonometrijske funkcije . . . 4. . . . . . 4. .1. . . . . . . . . 4. . . . . . . . c Neprekidnost .6. . . . . c 4. .6. . . . .3. . . . .4.4 4. . . . . . . . 4. . 4. . . . . . . . FUNKCIJE REALNE VARIJABLE 4. . . .2 Limes slijeva i zdesna . . . . . .6. .1. 4. . .6 Arkus funkcije . . . .

c – ekstreme. te dati c c c klasifikaciju funkcija. odnosno definirati neke vaˇne klase funkcija. – odrediti inverznu funkciju ukoliko je zadana funkcija bijekcija. Precizne definicije s grafa funkcije ovise o naˇinu zadavanja funkcije pa ´emo ih navesti kasnije u c c odgovaraju´im poglavljima.7). c – simetriju (parnost ili neparnost). Graf funkcije op´enito moˇemo definirati kao prikaz ovisnosti varijabli x i c z y pomo´u krivulje u ravnini. c – podruˇje vrijednosti ili kodomenu. odnosno lokalne i globalne minimume i maksimume. koje su tema sljede´e glave. c . Posebno ´emo promatrati tipove funkcija c koje se javljaju u tehniˇkim primjenama. i kodomena podskupovi skupa realnih brojeva. – skicirati funkciju.106 FUNKCIJE REALNE VARIJABLE Ova glava kao i sljede´a o derivacijama. c U sljede´im poglavljima opisat ´emo naˇine zadavanja funkcija. c Potom ´emo definirati pojam asimptote i opisati kako ih nalazimo. ukoliko je iz konteksta jasno na ˇto se misli. a na kraju c ´emo dati pregled elementarnih funkcija i njihovih svojstava. K ⊆ R. D. a K kodomenu funkcije (vidi definiciju 1. Za c c ispitivanje funkcije potrebno je znati: – podruˇje definicije ili domenu. Zatim ´emo z c opisati pojam limesa te pomo´u njega uvesti pojam neprekidnosti i opisati c vrste prekida. posve´ene su ispitivanju realnih c c funkcija realne varijable. c – podruˇje neprekidnosti. – periodiˇnost. koriste se kod nalaˇenja limesa te c z kod ispitivanja monotonosti. c – ponaˇanje funkcije u rubovima podruˇja definicije. ukljuˇuju´i ∞ i −∞ s c c c kad god to ima smisla te u toˇkama prekida (limesi i asimptote). odnosno c toˇke u kojima dolazi do promjene zakrivljenosti. Kako je svakoj funkciji jednoznaˇno pridruˇen c c z njen graf. pri ˇemu D oznaˇava domenu. zakrivljenosti i ekstrema. dakle funkcije kod kojih su domena. to u daljnjem izlaganju ˇesto ne´emo praviti razliku izmedu funkcije c c i njenog grafa. Derivacije. c – podruˇja monotonosti (rastu´a ili padaju´a funkcija). Takoder ´emo navesti i svojstva limesa i neprekidnih funkcija. a to su funkcije oblika c f : D → K. c c c – zakrivljenost (konveksnost ili konkavnost) i toˇke infleksije.

z c 4.1 Tabliˇno zadavanje c Tabliˇno zadavanje funkcija je ˇesto u primjenama.1 Naˇini zadavanja funkcija c Funkciju moˇemo zadati tabliˇno.1 Naˇini zadavanja funkcija c 107 4. jer se vrijednost zac c visne varijable moˇe izmjeriti samo u nekim toˇkama.1.1. definiran s c c S = {(x. Tako se na primjer z c temperatura ili tlak zraka mjeri su meteoroloˇkim stanicama. S ⊂ R 2 . implicitno i parametarski. eksplicitno.1: Tabliˇno zadana funkcija c Graf tabliˇno zadane funkcije je skup toˇaka u ravini. 0 -1 1 1 3 3 4 5 5 7 8 6 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4. Za odredivanje vrijednosti funkcije u ostalim toˇkama koristimo postupak c interpolacije. Najjednostavnija je linearna interpolacija kod koje se vrijednosti .4. y) : y = f (x)}. a kod prikaza se s u meteoroloˇkim kartama te vrijednosti interpoliraju glatkim krivuljama. s Funkcija zadana s x y = f (x) prikazana je na slici 4.

c 4. cos x.6 − 1) = 2.2 Eksplicitno zadavanje Eksplicitno se funkcija zadaje pomo´u pravila c y = f (x). f (2.6) = y(1) + y(3) − y(1) (2.1. na primjer (slika 4. dok se vrijednosti funkcija u ostalim toˇkama nalaze c c odgovaraju´om interpolacijom. za x ∈ (x i . ln x i ex u odredenim toˇkama.108 FUNKCIJE REALNE VARIJABLE funkcije izmedu dvije susjedne toˇke grafa prikazuju kao da leˇe na pravcu c z izmedu te dvije toˇke. xi+1 − xi 7 6 5 4 3 2 1 0 1 -1 2 3 4 5 6 7 8 Slika 4.2).6 3−1 yi+1 − yi (x − xi ).2: Linearna interpolacija Vaˇan primjer tabliˇno zadanih funkcija su i logaritamske tablice. log x. U tabliz c cama su zadane vrijednosti elementarnih funkcija kao sin x. eksplicitno z zadana funkcija je preslikavanje f : D → K pri ˇemu su domena D i kodomena c . Dakle. Dakle. gdje je f (x) izraz koji sadrˇi samo nezavisnu varijablu x.11) c f (x) = y = yi + Tako je. xi+1 ) se uzima (vidi primjer 3.

vidi poglavlje 4. Za x i xy koji zadovoljavaju prethodna ograniˇenja moˇemo uzeti kosinus lijeve i desne strane jednakosti (4. 0]. Znamo da se ne smije dijeliti s nulom. (4. Domenu funkcije ponovo odredujemo iz definicija elementarnih funkcija. ali u ovom sluˇaj potrebne su dodatne transformacije. Γ ⊂ R 2 .6). Domena je skup svih vrijednosti nezavisne varijable x za koje izraz f (x) ima smisla (definicija 1. 2 cos x Domenu funkcije odredujemo iz definicija elementarnih funkcija.1).6. Primjer eksplicitno zadane funkcije je y= x3 − 2 . a kako je kosinus jednak nula u svim toˇkama c π π xk = 2 + kπ.5). y) : y = f (x).6. Primjer implicitno zadane funkcije je x + arccos(xy) = 0. Za x = 0 slijedi y= cos(x) .4. 1] → c [0.1) Slijedi −x ∈ [0. Funkciju moˇemo zapisati i kao z arccos(xy) = −x. odnosno x ∈ [−π. Pri tome jednoj vrijednosti nezavisne varijable x ∈ D odgovara samo jedna vrijednost zavisne varijable y.7). ˇto c z s daje xy = cos(−x) = cos(x) (u zadnjoj jednakosti koristili smo ˇinjenicu da je c kosinus parna funkcija. Graf eksplicitno zadane funkcije je krivulja u ravini. c Zadatak 4.1 Nacrtajte funkciju u raznim podruˇjima pomo´u programa Netc c Plot i uvjerite se da je K = R. zakljuˇujemo da je D = R \ { 2 + kπ : k ∈ Z}. 1]. y) izraz koji sadrˇi nezavisnu varijablu x i zavisnu varijablu y. Opiˇite rijeˇima izgled funkcije. Γ ⊂ R 2 . z Graf implicitno zadane funkcije je krivulja u ravini. definirana s Γ = {(x.1 Naˇini zadavanja funkcija c 109 K podskupovi skupa R. π]. gdje je F (x. Slijedi xy ∈ [−1.1. y) = 0}. Funkcija arccos : [−1. x . x ∈ D}. s c 4. definirana s Γ = {(x.3 Implicitno zadavanje Implicitno se funkcija zadaje pomo´u pravila c F (x. π] je inverzna funkcija kosinusa (vidi poglavlje 4. y) = 0. y) : F (x. k ∈ Z.

c -3 -2. od kojih svaka predstavlja jednu polukruˇnicu. z s Primjer 4.4). x ∈ R \ {0} (slika 4.110 FUNKCIJE REALNE VARIJABLE Da x mora biti razliˇit od nule slijedi i iz formule (4.5 0 -5 -10 Slika 4. 2 ˇto je nemogu´e. Zaista. y) = 0 moˇe biti zadano z viˇe eksplicitno zadanih funkcija. Sama funkcija y = cos(x)/x definirana je na ve´em c podruˇju. . jednadˇba z z (y − 1)2 = 4 − x2 povlaˇi c y−1= 4 − x2 ili y − 1 = − 4 − x2 . izrazom F (x. y 1 (x) i y2 (x).1 [Kruˇnica] Izrazom z x2 + (y − 1)2 − 4 = 0 implicitno je zadana kruˇnica sa srediˇtem u toˇki (0. 0) i na c tom intervalu poprima iste vrijednosti kao eksplicitno zadana funkcija y = cos(x)/x (vidi sliku 4.3: Implicitno zadana funkcija x + arccos(xy) = 0 Za razliku od prethodnog primjera. U tom sluˇaju jednoj vrijednosti varijable x s c moˇe odgovarati viˇe vrijednosti varijable y. s c Zakljuˇimo: funkcija x + arccos(xy) = 0 definirana je za x ∈ [−π. Na primjer. 1) radijusa 2.1) jer uvrˇtavanje nule c s daje π = arccos 0 = −0. z s c ovim izrazom eksplicitno su zadane dvije osnovne funkcije.5 -1 -0.5 -2 -1.3).

Kako izraz pod korijenom mora bit ve´i ili jednak nuli.4: Funkcija y = cos(x)/x odnosno y1 = 1 + 4 − x2 i y2 = 1 − 4 − x2 . 2] (slika 4.12). izraz c (x − x0 )2 + (y − y0 )2 = r 2 je implicitna jednadˇba kruˇnice radijusa r sa srediˇtem u toˇki (x 0 .2 Descartesov list je krivulja zadana s izrazom x3 + y 3 − 3xy = 0.1 Naˇini zadavanja funkcija c 111 10 5 -10 -5 5 10 -5 -10 Slika 4.6) nije mogu´e jednostavno rastaviti na eksplicitno c zadane funkcije kao u primjeru 4.4. .5).1 Op´enito. Napomena 4.1. z z s c Implicitno zadane funkcije ˇesto nije mogu´e svesti na eksplicitni oblik. domene su D 1 = D2 = c [−2.4 i 4. moˇemo je analizirati u parametarskom z obliku (primjeri 4. c c Primjer 4. y0 ). Premda funkciju (slika 4.

t ∈ [0. Lako se provjeri da x i y zadovoljavaju jednadˇbu kruˇnice iz primjera 4. z z s . 2π].1 glase z z x = 2 sin t y = 1 + 2 cos t. kod parametarski zadane funkcije jednoj vrijednosti varijable x moˇe odgovarati viˇe vrijednosti varijable y. x = ϕ(t) y = ψ(t). y) : x = ϕ(t).112 FUNKCIJE REALNE VARIJABLE 3 1+sqrt(4-x**2) 1-sqrt(4-x**2) 2 1 0 -2 -1 -1 0 1 2 Slika 4. t ∈ T ⊆ R. y = ψ(t). Graf parametarski zadane funkcije je krivulja u ravini.1. parametarska jednadˇba kruˇnice iz primjera 4.1.5: Implicitno zadana kruˇnica z 4. (4. definirana s Γ = {(x. t ∈ T }. Γ ⊂ R 2 .4 Parametarsko zadavanje Funkcija se zadaje parametarski tako da se x i y zadaju kao funkcije parametra t. z z Uoˇljivo je da je ovo samo jedna od beskonaˇno mogu´ih parametarskih jedc c c nadˇbi ove kruˇnice (navedite joˇ barem jednu). z s Na primjer.2) Kao i kod implicitno zadanih funkcije.

2 (a) Epicikloida je krivulja koju opisuje toˇka na kruˇnici kada c z se ta kruˇnica bez klizanja kotrlja po vanjskom rubu druge kruˇnice.7) x = r(t − sin t) y = r(1 − cos t). Parametarska jednadˇba cikloide z z glasi (slika 4.6: Descartesov list Primjer 4.3 Cikloida je krivulja koju opisuje fiksna toˇka kruˇnice kada se c z ta kruˇnica kotrlja bez klizanja po pravcu. z z Hipocikloida je krivulja koju opisuje toˇka na kruˇnici kada se ta kruˇnica c z z .1 Naˇini zadavanja funkcija c 113 3 2 1 0 -3 -2 -1 -1 -2 -3 0 1 2 3 Slika 4.4. t ∈ R.7: Cikloida Zadatak 4. r r 2*r*pi Slika 4.

c Pri tome je vaˇno uoˇiti da su kod parametarski zadanih funkcija varijable x i y z c ravnopravne. Sljede´i teorem nam daje uvjete za postojanje funkcije y = f (x). c (b) Izvedite implicitnu jednadˇbu cikloide: z x+ 2ry − y 2 − r arccos r−y r = 0. (−1. 3t . y t3 + 1 − 3t Dakle. ∞)? Kod rjeˇavanja zadatka moˇete koristiti program NetPlot.6 dobijemo kada parametar t poprima vrijednosti u intervalima (−∞.2. c Primjer 4. 0)? Provjerite rjeˇenje z c s pomo´u programa NetPlot.114 FUNKCIJE REALNE VARIJABLE bez klizanja kotrlja po unutraˇnjem rubu druge kruˇnice. s z U ovoj i sljede´oj glavi vidjet ´emo da su najbolje razvijeni teoretski rezulc c tati za analiziranje eksplicitno zadanih funkcija. tada jednadˇbu c z moˇemo podijeliti s y 3 ˇto daje z s x 1 x3 + 1 − 3 · = 0. −1). Stoga je kod ispitivanja parametarski zadanih funkcija vaˇno znati kada z je i na kojem podruˇju s x i y eksplicitno zadana funkcija y = f (x) ili x = g(y). Iz jednadˇbe z x3 + y 3 − 3xy = 0 vidimo da krivulja prolazi kroz toˇku (0. (c) Kako glasi jednadˇba cikloide koja polazi iz toˇke (1. y = 0. c . [0. 0). Nadite jeds z nadˇbe epicikloide i hipocikloide u matematiˇkom priruˇniku i nacrtajte z c c te krivulje pomo´u programa NetPlot.3 Koje dijelove Descartesovog lista na slici 4. dok se implicitno i parametarski zadane funkcije analiziraju pomo´u odgovaraju´ih prilagodbi tih rezulc c tata.4 Izvedimo parametarsku jednadˇbu Descartesovog lista iz primz jera 4. 1) i [1. 3 y y y Uvedimo novu varijablu t= ˇto daje s x y 1 = 0. t3 + 1 3 t2 x = ty = 3 . Zadatak 4. Ako je x. 0). t +1 y= t ∈ R \ {−1}. c dok se analogni teorem za sluˇaj funkcije x = g(y) dobije zamjenom varijabli.

Oˇito i kod parne i neparne funkcije podruˇje definicije mora biti simetriˇno c c c s obzirom na ishodiˇte. Ako je funkcija ϕ injekcija. Na primjer. Neka je skup D = ϕ(T ) slika funkcije ϕ.1 postoji inverzna funkcija ϕ−1 : D → T .4. i teorem je dokazan. Definicija 4.2 Klasifikacija funkcija U ovom poglavlju definirat ´emo ˇto su c s – omedene i neomedene funkcije. D. funkcija |x| iz poglavlja 1. zakljuˇujemo da je ϕ bijekcija c izmedu skupova T i D. Na primjer.2 Funkcija f je parna ako je f (−x) = f (x) za svaki x ∈ D. Definicija 4.2 Klasifikacija funkcija 115 Teorem 4. Funkcija f je neomedena ako nije omedena. Nadalje. – parne i neparne funkcije.1 Funkcija f je omedena ako postoji broj m takav da je |f (x)| ≤ m za svaki x ∈ D. – rastu´e i padaju´e (monotone) funkcije i c c – periodiˇne funkcije. n∈N . Definirajmo kompoziciju f = ψ ◦ ϕ −1 .1 Neka je skup Γ definiran relacijom (4.2) graf neke parametarski zadane funkcije. c Dokaz. tada je Γ ujedno i graf eksplicitno zadane funkcije y = f (x) pri ˇemu je f = ψ ◦ ϕ −1 . Kako je ϕ injekcija. y = ψ(t) = ψ(ϕ−1 (ϕ(t))) = ψ(ϕ−1 (x)) = f (x). funkcija s xn . K ⊆ R.2 je neomedena jer za svaki m > 0 postoji x ∈ D takav da je |x| > m.7. Oˇito vrijedi c f : D → R. a ujedno i surjekcija sa skupa T na skup D. Po Teoremu o inverznoj funkciji 1. 4. c Neka je f : D → K. a neparna ako je f (−x) = −f (x) za svaki x ∈ D.

Na primjer. funkcija |x| je strogo padaju´a na intervalu (−∞. funkcija f je padaju´a ili silazna na intervalu A ⊆ D ako c c (∀x1 . dakle po dijelovima strogo monotona. Ako je A = D tada kaˇemo da je funkcija f (strogo) rastu´a ili padaju´a bez z c c navodenja skupa. a ako je x < 0 tada je −x > 0 pa vrijedi | − x| = −x = |x|. a neparna za n neparan pa odatle i nazivi: f (−x) = (−x)n = (−1)n xn = (−1)n f (x). 0] i strogo c rastu´a na intervalu [0. Najmanji pozitivni P s ovim svojstvom c zove se osnovni period ili period funkcije f . Sliˇno. joˇ kaˇemo i da je (strogo) monoc c s z tona. Definicija 4. Funkcija je po dijelovima monotona ako se podruˇje definicije D moˇe rasc z taviti na konaˇno mnogo podintervala takvih da je na svakom od njih funkcija c monotona. x2 ∈ A) x1 < x2 ⇒ f (x1 ) ≤ f (x2 ). Tada oˇito mora vrijediti x + P ∈ D. c Definicija 4. x2 ∈ A) x1 < x2 ⇒ f (x1 ) < f (x2 ). Ako je funkcija (strogo) rastu´a ili padaju´a. ⇒ f (x1 ) ≥ f (x2 ). Konstantna c funkcija f (x) = 2 (slika 4. . x2 ∈ A) x1 < x2 a strogo padaju´a na intervalu A ⊆ D ako c (∀x1 . Funkcija |x| je parna: ako je x > 0. tada je −x < 0 pa vrijedi | − x| = −(−x) = x = |x|.116 FUNKCIJE REALNE VARIJABLE je parna za n paran.3 Funkcija f je rastu´a ili uzlazna na intervalu A ⊆ D ako c (∀x1 .17) je monotona i to istovremeno i rastu´a i padaju´a c c na ˇitavoj domeni (ali ne strogo). Funkcija f je strogo rastu´a na intervalu A ⊆ D ako c (∀x1 . x2 ∈ A) x1 < x2 ⇒ f (x1 ) > f (x2 ). ∞).4 Funkcija f je periodiˇna ako postoji broj P = 0 takav da za c svaki x ∈ D vrijedi f (x + P ) = f (x).

3 Limes 117 Primjeri periodiˇnih funkcija su trigonometrijske funkcije. z c Ako limx→x0 f (x) ne postoji.4. c Primjer 4. . (4. U ovom poglavlju definirat ´emo limes funkcije i dati njegova svoc jstva. odnosno c z x→x0 lim f (x) = a.4 Nacrtajte funkcije [x] i f iz primjera 4. limes u beskonaˇnosti i c c beskonaˇan limes. Definirajmo funkciju f : R → R s f (x) = x − [x]. tada kaˇemo da funkcija f divergira u toˇki x 0 . tada kaˇemo da funkcija f konvergira u toˇki x 0 . viˇe intuitivne definicije limesa. Nadalje.5. k ≤ x < k + 1. Kako je 0 ≤ f (x) < 1. Takoder ´emo definirati limes slijeva i zdesna. Pored ove.3) z c Ako limx→x0 f (x) postoji. 4. [x] : R → Z je definirana s c [x] = k. c Zadatak 4. odnosno z f (x) → a kada x → x0 . k ∈ Z.5 Funkcija najve´e cijelo. 1). tada kaˇemo da f (x) teˇi prema z c z z a kada x teˇi prema x0 . imamo i matematiˇku definiciju: s c x→x0 lim f (x) = a ako (slika 4. Broj a je limes ili graniˇna vrijednost funkcije f kada x teˇi prema x 0 .8) (∀ε > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ |f (x) − a| < ε. to je Rf = [0. c Definicija 4.5 Ako se vrijednost funkcije f (x) pribliˇava vrijednosti a kada z se nezavisna varijabla x pribliˇava toˇki x 0 . za svaki n ∈ N vrijedi f (x + n) = x + n − [x + n] = x + n − ([x] + n) = x + n − [x] − n = x − [x] = f (x) pa je f periodiˇna funkcija s osnovnim periodom P = 1.3 Limes Pojam limesa je jedan od najvaˇnijih pojmova za razumijevanje analize z funkcija.

Drugim rijeˇima.8: Limes funkcije Slika 4. Napomena 4. z Teorem 4.5 vidimo da funkcija f moˇe imati limes u nekoj toˇki.3) su op´enito mali brojevi c c (vidi sliku 4.ε x .8 prikazuje situaciju iz relacije (4.3) nuˇna je za dokazivanje z z raznih svojstava limesa kao u teoremima 4. za svaki inc terval oko toˇke a postoji interval oko toˇke x 0 . Pretpostavimo suprotno c c od tvrdnje teorema. c a+ ε a a. ali mora biti definirana u nekoj okolini te c toˇke.3) zadovolz jena. ˇim se x nalazi u drugom intervalu.8).2 (1) Veliˇine ε i δ u definiciji (4. no z taj interval je sadrˇan u polaznom intervalu oko a pa je relacija (4.3).3. precizna definicija limesa (4.2 Limes je jedinstven. .δ x x +δ 0 0 0 Slika 4. Dokaz. odnosno da postoje dva razliˇita limesa u toˇki x 0 . (2) Iz definicije 4. takav da se vrijednost funkcije c c nalazi u prvom intervalu. Dokaz ´emo provesti pomo´u kontradikcije. Dokaˇimo prvi teorem o limesu. c c x→x0 lim f (x) = a i x→x0 lim f (x) = b. a z c da nije definirana u toj toˇki. U ovom sluˇaju c c se za x iz drugog intervala vrijednosti funkcije nalaze u uˇem intervalu.118 FUNKCIJE REALNE VARIJABLE Iako izgleda sloˇeno.2 i 4.

3. nego svojstva c c limesa i osnovne limese koje ´emo upoznati tijekom predavanja.3) postoje δ a i δb takvi da |x − x0 | < δa ⇒ f (x) ∈ (a − ε. c 4. b + ε).3 Limes 119 Odaberimo ε = (b − a)/3. δb } moralo vrijediti |x − x0 | < δ ⇒ f (x) ∈ (a − ε.4.1 Svojstva limesa Za praktiˇno raˇunanje limesa ne koristimo relaciju (4. Dobili smo kontradikciju pa je teorem dokazan. c Teorem 4. Ostale tvrdnje dokazuju se na sliˇan naˇin pomo´u relacije (4. δg }. x→x0 x→x0 x→x0 lim (f − g)(x) = lim f (x) − lim g(x). Tada bi za δ = min{δa .10 (ii). No. Prema relaciji (4. (x) = g limx→x0 g(x) uz x→x0 lim g(x) = 0. Odaberimo ε > 0. 2 pri ˇemu su a i b odgovaraju´i limesi.3) z postoje δf i δg takvi da |x − x0 | < δf ⇒ |f (x) − a| < ε 2 ∧ |x − x0 | < δg ⇒ |g(x) − b| < ε . Dokaˇimo prvo svojstvo. x→x0 x→x0 x→x0 lim f limx→x0 f (x) .3). U gornjoj nejednakosti koristili smo nejednakost trokuta za apsolutnu vrijednost iz teorema 1. a + ε) ∧ |x − x0 | < δb ⇒ f (x) ∈ (b − ε. kako su intervali na desnoj strani disjunktni zbog naˇeg izbora ε. x→x0 x→x0 x→x0 lim (f · g)(x) = lim f (x) · lim g(x). b + ε). Neka je δ = min{δ f . Tada vrijedi x→x0 lim (f + g)(x) = lim f (x) + lim g(x). a + ε) ∧ f (x) ∈ (b − ε. Dokaz.3).3 (Osnovna svojstva limesa) Neka funkcije f i g imaju limese kada x → x0 . c c c . Tada |x−x0 | < c c δ povlaˇi c |(f +g)(x)−(a+b)| = |f (x)−a+g(x)−b| ≤ |f (x)−a|+|g(x)−b| < ε ε + =ε 2 2 i tvrdnja je dokazana. Prema relaciji (4. to je s nemogu´e.

x→x0 c c lim = .9 g(x) h(x) a f(x) x0 Slika 4. x→x0 x→x0 lim (cf (x)) = c lim f (x). c x→x0 lim f (x) = 0. x→x0 f (x) limx→x0 f (x) Sljede´a dva teorema navodimo bez dokaza.120 Posebno. Situacija opisana u teoremu prikazana je na slici 4.6 Dokaˇimo da je z lim sin x = 1. x (4.4) x→0 . x→x0 Ako postoji δ > 0 takav da za funkciju h vrijedi x ∈ (x0 − δ) ∪ (x0 + δ) tada je takoder x→x0 ⇒ f (x) ≤ h(x) ≤ g(x).4 (Pravilo uklijeˇtene funkcije) Neka je s x→x0 lim f (x) = lim g(x) = a. lim h(x) = a. za konstantu c vrijedi x→x0 FUNKCIJE REALNE VARIJABLE lim (c + f (x)) = c + lim f (x). Teorem 4.9: Pravilo uklijeˇtene funkcije s Primjer 4.

4) vrijedi po teoremu 4. dijele´i nejednakost sa sin x < 0 ponovo imamo c x 1 > > 1.6. za x = 0 vrijedi i reciproˇna nejednakost c 1> Kako je x→0 sin x > cos x.4) se lijepo vidi i na slici 4. osim moˇda u samoj toˇki x0 .3 i jednakost (4. (x0 − δ. x0 + δ).3 Limes 121 Neka je x blizu nule. x→0 jednakost (4.5 Koriste´i formulu sin 2x = 2 sin x cos x. cos x sin x Sliˇno. Zadatak 4. pa dijele´i nejednakost sa sin x > 0 imamo c x 1 > > 1. Iz slike 4.11.4) izraˇunajte c lim sin 2x . x x→0 ˇ Cemu je jednak limes sin x 2 ? x→0 x lim Teorem 4. x→x0 x→x0 .4.5 (Pravilo zamjene) Neka funkcije f i g imaju iste vrijednosti u nekoj okolini toˇke x0 . x lim cos x = 1.27 zakljuˇujemo da za x > 0 vrijedi c tg x > x > sin x. tre´u tvrdnju teorema c c 4. cos x sin x Dakle. za x < 0 vrijedi (negativni brojevi) c tg x < x < sin x. Jednakost (4. lim 1 = 1. Tada c z c je lim f (x) = lim g(x).

x→x0 −0 |x| lim Iz slike 4.2 Limes slijeva i zdesna Kada nezavisna varijabla x teˇi k x 0 slijeva ili zdesna.1 vrijede i za limese s lijeva i zdesna.3 Svojstva limesa iz poglavlja 4. limesi ne moraju z biti jednaki.122 FUNKCIJE REALNE VARIJABLE 4. Sliˇno. vrijednost a je limes zdesna funkcije f u toˇki x 0 . Napomena 4. |x| ˇ Cesto se po dogovoru uzima sign(0) = 1 (vidi sliku 4.3.7 Funkcija predznak ili signum definirana je na sljede´i naˇin: c c sign : R \ {0} → R. x0 ) ⇒ |f (x) − a| < ε.10 vidimo da za svaki ε > 0 moˇemo uzeti bilo koji δ > 0. ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 − δ. Odredimo limese slijeva i zdesna u toˇki x0 = 0: za x > 0 vrijedi sign(x) = x/x = 1 pa je c x = 1. odnosno c c x→x0 +0 lim f (x) = a. ako (∀ε > 0) (∃δ > 0) x ∈ D ∩ (x0 . x→x0 +0 |x| lim Za x < 0 vrijedi sign(x) = x/(−x) = −1 pa je x = −1. sign(x) = x . z .10). Primjer 4. Vrijednost a je limes slijeva funkcije f u toˇki x 0 . odnosno c x→x0 −0 lim f (x) = a.3. x0 + δ) ⇒ |f (x) − a| < ε.

lim = 0. | sin x| ≤ 1. c odnosno lim f (x) = a.3.8 a) Kako je funkcija sinus omedena. x→+∞ x x→−∞ x b) Funkcija f (x) = 1/x oˇito teˇi k nuli kada x → +∞ i kada x → −∞.4 Svojstva limesa iz poglavlja 4. Napomena 4. vrijednost a je limes funkcije f kada x → −∞ (limes u lijevom kraju). Sliˇno.3 Limes 123 1 -1 Slika 4. c Primjer 4. zanima c c nas postoji li limes funkcije kada nezavisna varijabla x teˇi k −∞ ili +∞.1 vrijede i za limese u beskonaˇnosti.11) sin x sin x lim = 0.12): 1 = 0+ . vrijedi (vidi sliku 4. x→+∞ x lim 1 = 0− . x→−∞ x lim .3 Limes u beskonaˇnosti c Ako je podruˇje definicije D neograniˇene s jedne ili s obje strane.10: Funkcija sign(x) 4. ovdje moˇemo ˇak odrediti da li f (x) → 0 s z c gornje ili donje strane (vidi sliku 4. Za c z razliku od prvog primjera. z Vrijednost a je limes funkcije f kada x → +∞ (limes u desnom kraju).3.4. x→−∞ ako (∀ε > 0) (∃M < 0) x∈D ∧ x<M ⇒ |f (x) − a| < ε. x→+∞ ako (∀ε > 0) (∃M > 0) x∈D ∧ x>M ⇒ |f (x) − a| < ε. odnosno lim f (x) = a.

x .2 −0. Sliˇno. x x→0+0 lim 1 = +∞.1 vrijede i za beskonaˇne limese.124 1 0. c Na primjer. odnosno z x→x0 lim f (x) = +∞. funkcija f teˇi u −∞ kada x → x 0 .3.4 0.8 0. ako (∀M > 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ lim f (x) = −∞. ⇒ f (x) > M. odnosno c z x→x0 ako (∀M < 0) (∃δ > 0) x ∈ D \ {x0 } ∧ |x − x0 | < δ ⇒ f (x) < M.13) x→0−0 lim 1 = −∞.4 Beskonaˇan limes c c z c Kada x → x0 takoder je mogu´e da vrijednosti funkcije f teˇe u beskonaˇnost. Napomena 4. c c c Svojstva limesa iz poglavlja 4.3. lako se vidi da je (slika 4.6 0. Funkcija f teˇi u +∞ kada x → x0 .11: Funkcija sin x/x 4.4 FUNKCIJE REALNE VARIJABLE 10 M 20 30 40 50 Slika 4.5 Beskonaˇne limese slijeva i zdesna definiramo na sliˇan naˇin.2 ε 0 −ε −0.

. dati svojstva neprekidnih funkcija. x2 g(x) = 1 x3 kada x → 0 − 0. Medutim.6 Funkcija f je neprekidna u toˇki x 0 ∈ D ako je c x→x0 lim f (x) = f (x0 ).12: Funkcija 1/x Zadatak 4. z Intuitivna definicija neprekidnosti je sljede´a: funkcija je neprekidna ako c njen graf moˇemo nacrtati bez podizanja olovke s papira. x → +∞ i x → −∞ ? 4.4. x → 0 + 0.6 Koji su limesi funkcija f (x) = 1 . Stroga matematiˇka c definicija neprekidnosti koristi pojam limesa. c opisati vrste prekida koje funkcija moˇe imati te definirati asimptote i opisati z postupak za njihovo nalaˇenje.4 Neprekidnost 125 ε M Slika 4. Definicija 4.4 Neprekidnost Definirat ´emo svojstvo neprekidnosti. ova definiz cija nas ne zadovoljava jer pomo´u nje nismo u mogu´nosti dokazati razna c c svojstva neprekidnih funkcija koja koristimo u analizi.

126

FUNKCIJE REALNE VARIJABLE

M δ

Slika 4.13: Beskonaˇan limes c

Funkcija f je neprekidna na skupu A ⊆ D ako je neprekidna u svakoj toˇki c skupa A. Funkcija f je neprekidna ako je neprekidna u svakoj toˇki svoga c podruˇja definicije D. c Pomo´u ove definicije i definicije limesa (4.3) moˇemo dokazati nekoliko c z izuzetno vaˇnih svojstava neprekidnih funkcija. Tri teorema u sljede´em poglavlju z c navodimo bez dokaza.

4.4.1

Svojstva neprekidnih funkcija

Teorem 4.6 Neka su funkcije f i g neprekidne u toˇki x (na skupu A). Tada c f uz su u toˇki x (na skupu A) neprekidne i funkcije f + g, f − g, f · g i c g g(x) = 0 (g(x) = 0 za svaki x ∈ A). Dokaz ovog teorema sliˇan je dokazu teorema 4.3. c Teorem 4.7 (i) Ako je funkcija f neprekidna u toˇki x, a funkcija g neprekidna c u toˇki y = f (x), tada je kompozicija g ◦ f neprekidna u toˇki x. c c (ii) Ako je
x→x0

lim f (x) = y

4.4 Neprekidnost

127

i ako je funkcija g neprekidna u toˇki y, tada je c
x→x0

lim g(f (x)) = g lim f (x) = g(y).
x→x0

Druga tvrdnja teorema nam olakˇava nalaˇenje limesa, jer nam omogu´ava da s z c s limesom ”udemo” u neprekidnu funkciju. Primjer 4.9 a) Zbog neprekidnosti funkcije e x i teorema 4.7 (ii) vrijedi
2x2 −1

x→+∞

lim e 1−x2 = e

limx→+∞

2x2 −1 1−x2

= e−2 =

1 . e2

b) Broj e je definiran kao (vidi poglavlje 6.1.3) e = lim 1+ 1 x √
x x→0+0

x→+∞

= lim (1 + x) x . x i teorema 4.7 (ii) vrijedi
1

1

Zbog neprekidnosti funkcija ln x i lim ln(1 + x) 2x = ln
1

x→0+0

x→0+0
1 2

lim (1 + x) 2x = ln

x→0+0

lim (1 + x) x

1

1 2

1 1 = ln e = ln e = . 2 2 Teorem 4.8 Neka je funkcija f neprekidna na zatvorenom intervalu [a, b], a < b. Tada vrijedi: (i) ako restrikcija f |[a,b] nije konstanta, tada je slika tog intervala, f ([a, b]) = [c, d] ⊆ R, takoder zatvoreni interval; (ii) restrikcija f |[a,b] poprima na intervalu [a, b] svoj minimum i maksimum, kao i svaku vrijednost izmedu njih. Situacija iz teorema prikazana je na slici 4.14. Zatvorenost intervala je bitna, jer je funkcija na slici neprekidna i na intervalu (e, a], ali teorem ne vrijedi. Napomena 4.6 Druga tvrdnja teorema 4.8 ima vaˇan korolar: ako je sign f (a) = z sign f (b), tada postoji toˇka x ∈ (a, b) takva da je f (x) = 0. Ovu ˇinjenicu c c koriste numeriˇke metode za nalaˇenje nul-toˇaka funkcije, kao, na primjer, c z c metoda bisekcije.

128

FUNKCIJE REALNE VARIJABLE

d

a e c b

Slika 4.14: Neprekidna funkcija

4.4.2

Vrste prekida

Razlikujemo tri vrste prekida funkcije: uklonjivi prekid, prekid prve vrste i prekid druge vrste. Definicija 4.7 Neka je funkcija f definirana u nekoj okolini (x 0 − ε, x0 + ε), osim moˇda u samoj toˇki x0 . Funkcija f ima uklonjivi prekid u toˇki x 0 ako z c c je lim f (x) = lim f (x) = a ∈ R,
x→x0 −0 x→x0 +0

pri ˇemu f ili nije definirana u toˇki x 0 ili je f (x0 ) = a. Prekid se ukloni tako c c ˇto se definira f (x0 ) = a. s Funkcija f ima prekid prve vrste u toˇki x 0 ako su limesi slijeva i zdesna u c toˇki x0 konaˇni i razliˇiti. c c c Funkcija f ima prekid druge vrste u toˇki x 0 ako je barem jedan od limesa c slijeva ili zdesna beskonaˇan ili ne postoji. c Na primjer, funkcija f (x) = x2 /x ima uklonjivi prekid u toˇki x = 0. c Prekid se ukloni tako ˇto definiramo f (0) = 0, u kojem sluˇaju dobijemo s c neprekidnu funkciju f (x) = x. Funkcija sign(x) (slika 4.10) ima u toˇki x = 0 c

4.4 Neprekidnost

129

prekid prve vrste. Naime, u toj toˇki postoje limesi slijeva i zdesna koji su c −1 (slika 4.12), x−2 , x−3 , . . . , sve imaju prekid konaˇni, ali razliˇiti. Funkcije x c c druge vrste u toˇki x = 0, jer su limesi s obje strane beskonaˇni. c c Primjer 4.10 Navodimo dva zanimljiva primjera prekida druge vrste. a) Funkcija f (x) = 0, x≤0 1 sin x , x > 0

1 ima prekid druge vrste u toˇki x = 0 (vidi sliku 4.15). Naime, funkcija sin x c sve brˇe titra kada x → 0 + 0 pa limes zdesna ne postoji (u svakom, ma z koliko malom, intervalu oko nule funkcija poprimi sve vrijednosti izmedu −1 i 1).

b) Funkcija f : R → {0, 1} definirana s f (x) = 1, 0, x∈Q x∈R\Q

c ima u svakoj toˇki prekid druge vrste. Naime, kako su po teoremu 1.9 (ii) i (iii) skupovi R i Q gusti jedan u drugom, funkcija nema limes ni u jednoj toˇki (u svakom, ma koliko malom, intervalu oko bilo koje toˇke funkcija c c beskonaˇno puta poprimi vrijednost 0 i vrijednost 1). c

1

-2

-1

0

1

2

3

-1

1 Slika 4.15: Funkcija sin x

130

FUNKCIJE REALNE VARIJABLE

4.5

Asimptote

tada je pravac y = kx + l kosa asimptota funkcije f u lijevoj strani. Kosu asimptotu funkcije f u desnoj strani definiramo analogno. Izvedimo formule (4.5). Prema slici 4.16 udaljenost od toˇke na krivulji do c asimptote je d(M, L). Prema definiciji asimptote d(M, L) → 0 kada x → +∞. Kako je cos α = 0 konstanta, zakljuˇujemo da c d(M, L) → 0 ⇔ d(M, N ) → 0 ⇔
x→+∞

Asimptota funkcije je pravac sa svojstvom da udaljenost izmedu toˇke c na grafu funkcije i tog pravca teˇi k nuli kada toˇka na grafu odmiˇe u z c c beskonaˇnost. Funkcija moˇe imati vertikalne, horizontalne i kose asimptote. c z Pravac x = x0 je vertikalna asimptota funkcije f u toˇki x 0 s lijeve strane c ako je limx→x0 −0 f (x) = +∞ ili limx→x0 −0 f (x) = −∞. Analogno, pravac x = x0 je vertikalna asimptota funkcije f u toˇki x 0 s desne strane ako je c limx→x0 +0 f (x) = +∞ ili limx→x0 +0 f (x) = −∞. Vertikalne asimptote se mogu nalaziti u toˇkama prekida funkcije ili u otvorenim rubovima podruˇja c c definicije. 1 Na primjer, pravac x = 0 je vertikalna asimptota funkcije x s obje strane (slika 4.12). Pravac x = 0 je vertikalna asimptota funkcija ln x, log x i log 2 x (slika 4.25) s desne strane. U ovom sluˇaju vertikalna asimptota se nalazi u c rubu podruˇja definicije. c Pravac y = y0 je horizontalna asimptota funkcije f u lijevoj strani ako je limx→−∞ f (x) = y0 . Analogno, pravac y = y0 je horizontalna asimptota funkcije f u desnoj strani ako je lim x→+∞ f (x) = y0 . Na primjer pravac y = 0 1 je horizontalna asimptota funkcije x u obje strane, kao i y = 0 horizontalna asimptota funkcija 2x i ex u lijevoj strani (slika 4.23). Ako je f (x) = k, lim (f (x) − kx) = l, (4.5) lim x→−∞ x→−∞ x pri ˇemu je c k = 0, −∞, +∞, l = −∞, +∞,

lim |f (x) − (kx + l)| = 0.

Zadnji uvjet, koji je ekvivalentan s
x→+∞

lim (f (x) − kx − l) = 0

(4.6)

je oˇito nuˇan i dovoljan uvjet za postojanje kose asimptote. Gornja jednakost c z je ekvivalentna s limx→+∞ (f (x) − kx) = l. Nadalje, (4.6) povlaˇi c f (x) − kx − l = 0, x→+∞ x lim pa je limx→+∞
f (x) x

= k.

Potraˇimo l: vrijedi z lim (f (x) − kx) = lim x2 −x 1+x = lim −x = −1 x→+∞ 1 + x x→+∞ x→+∞ pa je l = −1.4. Vrijedi lim f (x) = lim x2 · 1 x2 1 x2 x2 1+x x→+∞ x→+∞ (1 + x) · = lim 1 = +∞ x→+∞ 0 + 0 pa funkcija nema horizontalnu asimptotu u desnoj strani. Potraˇimo kosu asimptotu: vrijedi z f (x) x = lim =1 x→+∞ x x→+∞ 1 + x lim pa je k = 1.5 Asimptote 131 f(x) M y=kx+l N α L Slika 4.11 u lijevoj strani i u s toˇki prekida x = −1. Dakle. pravac y = x − 1 je kosa asimptota funkcije f u desnoj strani.11 Ispitajmo ponaˇanje funkcije s f (x) = u desnoj strani.16: Kosa asimptota Primjer 4. Zadatak 4. Pokuˇajte skicirati funkciju.7 Ispitajte ponaˇanje funkcije iz primjera 4. c s .

Sliˇno se pokaˇe da je isti pravac kosa asimptota i u desnoj strani . Konstantna funkcija je neprekidna. z z Dokaˇimo da je pravac y = −x − 1 kosa asimptota Descartesovog lista iz primz jera 4. Descartesov list je u parametarskom s obliku zadan s formulama kao u primjeru 4.132 FUNKCIJE REALNE VARIJABLE Primjer 4.6 Pregled elementarnih funkcija Opisat ´emo elementarne funkcije i njihova svojstva. parna. Funkcija f : R → {c}. nema vertikalne ni kose asimptote te je oˇito sama sebi horizontalna asimptota u oba c kraja. Formule (4. monotona.4: 3t 3 t2 . 4. 3+1 3 +1 t→−1−0 t→−1−0 t (−1 − 0) −0 3 t2 3 (−1)2 3 lim x(t) = lim 3 = = = +∞. t 3 t2 3t + 3 t3 + 1 t + 1 l = lim (y − kx) = = t→−1−0 lim (y(t) − (−1)x(t)) = t→−1−0 lim lim 3 t = −1. pri ˇemu je c ∈ R. omedena. y = y(t) = 3 . t3 + 1 t +1 Kako su x i y funkcije parametra t.6. 1+t 3 (−1) 3t = lim = 3+1 2−t+1 2 − (−1) + 1 t→−1−0 t t (−1) Dakle. t→−1+0 t→−1+0 t + 1 (−1 + 0)3 + 1 +0 lim x(t) = lim Potraˇimo prvo kosu asimptotu u lijevoj strani. t ∈ R \ {−1}. Detaljno poznavanje c svih elementarnih funkcija i svih njihovih svojstava nuˇno je za uspjeˇnu z s analizu funkcija. prvo moramo utvrditi za koje vrijednosti parametra x teˇi u beskonaˇno.12 Asimptote moˇemo traˇiti i kod parametarski zadanih funkcija.2 kao ˇto je prikazano na slici 4.6. c z 4. ∀x ∈ R. pravac y = −x−1 je kosa asimptota Descartesovog lista u lijevoj strani.17).1 Konstantna funkcija f (x) = c. Vrijedi z c x = x(t) = 3 t2 3 (−1)2 3 = = = −∞. definirana s c zove se konstantna funkcija (slika 4.5) primjenjujemo z na sljede´i naˇin: c c k = lim y(t) y = lim = lim x→−∞ x t→−1−0 x(t) t→−1−0 x→−∞ t→−1−0 3t t3 +1 3 t2 t3 +1 = t→−1−0 lim 1 = −1. .

17: Konstantna funkcija 4. (00 je nedefinirano) n ∈ N. Vidimo da su (ne)parne potencije (ne)parne funkcije. Potenciranje s racionalnim eksponentom Funkciju f (x) = x n = 1 √ n x .6.2 Potencija Potenciranje s prirodnim brojem je funkcija f : R → R definirana s f (x) = xn . Pravila potenciranja se lako dokaˇu indukcijom: z xm+n = xm · xn . ∀x = 0.6 Pregled elementarnih funkcija 133 c Slika 4.18. n Primjeri potencija dani su na slici 4. xn+1 = xn · x. x Pravila (P1). Potenciranje je definirano rekurzivno: x0 = 1. tada su dobro definirane i funkcije f : R\{0} → R (vidi sliku 4. Takoder vidimo da je za neparan n funkcija x n bijekcija pa ima inverznu funkciju po teoremu 1. x1 = x.4. Ako je x = 0 i k ∈ N.1. ∞) bijekcija pa ima inverznu funkciju. (x · y) = x · y .19) 1 f (x) = x−k = k . odnosno ukoliko nazivnik nije nula. (x ) = x n m n m·n n (P1) (P2) (P3) . dok je za paran n restrikcija funkcije xn na interval [0. (P2) i (P3) vrijede ∀m. n ∈ Z ukoliko su izrazi dobro definirani.

Medutim. ∞).20 i 4. Stoga programi c c za crtanje funkcije oblika x1/k takve sluˇajeve ˇesto tretiraju kao potencije c c s realnim eksponentom koje su definirane samo za x > 0 (vidi poglavlje 4. = 0. 1 1 1 1 xn 1 .3333 . ukoliko je n paran (vidi slike 4. to jest pravac y = x. . .8 Uz sliku 4. Napomena 4.6. Napomena 4. raˇunala barataju c znamo da je x samo s diskretnim podskupom skupa Q (vidi poglavlje 1. dok se lijeva strana dobije tako ˇto se nacrta s 0. Mi 1/3 inverzna funkcija funkcije x 3 .7.21 vezana je zanimljiva primjedba. .3 ima beskonaˇni periodiˇni decimalni zapis. Uoˇite da je c √ c c funkcija 3 x = x1/3 nacrtana iz dva dijela na pomalo neobiˇan naˇin.2).33333 .18: Potenciranje s prirodnim brojem definiramo kao inverznu funkciju funkcije x n ili njene restrikcije na interval [0.1. Naredba za crtanje funkcije x 0.21). a broj 1 = 3 ˙ 0.33333 u programu Gnuplot tako daje sliku funkcije samo za x > 0.134 FUNKCIJE REALNE VARIJABLE 1 1 -1 x x**2 x**3 Slika 4. funkcija −(−x) Nadalje.7 Graf inverzne funkcije simetriˇan je grafu zadane funkcije s c obzirom na simetralu I i III kvadranta. za n ∈ N moˇemo definirati funkciju z f (x) = x− n = pri ˇemu je c D(x− n ) = D(x n )\{0}.

∞). k ∈ N z Takoder moˇemo definirati i funkcije oblika f (x) = x n .8 Koje od funkcija xk . Na c c primjer. odozgo).4. Ukoliko su m i n relativno prosti tada je podruˇje c definicije uvijek jednoznaˇno odredeno i vrijedi c x n = (xm ) n = (x n )m . Zadatak 4. su omedene (odozdo. D = R. 2 3 D(x 3 ) = R. pri ˇemu se podruˇje definicije odreduje na temelju prethodnih pravila. D(x 2 ) = [0. k ∈ Z.6 Pregled elementarnih funkcija 135 x**(-1) x**(-2) 1 -1 -1 1 Slika 4. ∞) √ 4 galeb(x) = x2 . monotone ili po dijelovima monotone. neprekidne ili imaju prekide (kakvi su ti prekidi) te koje imaju vertikalne. horizontalne ili kose asimptote ? Prisjetimo se da je skup racionalnih brojeva Q zapravo skup klasa ekvivalencije na skupu Z × N. m m ∈ Z. parne ili neparne. D = [0. n ∈ N. Ukoliko m i n nisu relativno prosti tada moˇe do´i do situacije kao u sljede´em z c c primjeru: √ √ f (x) = ( 4 x)2 = x.19: Funkcije f (x) = x−k . x1/k . m 1 1 .

∀x = 0. Pravila potenciranja (P1). za x < 1. a 00 je neodredeni oblik. Takoder.6.20: Funkcija f (x) = √ x Dok je prva funkcija prikazana na slici 4. a b a 4. expa (x) ≡ expa x = ax . . tada moˇemo definirati z funkciju expa : R → R+ . ∞). x >x .3 Eksponencijalna funkcija ˇije se vrijednosti raˇunaju po prethodnim pravilima potenciranja.22. c Potenciranje s realnim brojem Za x > 0 i a ∈ R definiramo funkciju f (x) = x a sa  inf{xq : q ∈ Q ∧ q > a}. a = 1. a takoder vrijede i sljede´a svojstva: c [(0 < x < y) ∧ (a > 0)] [(x > 1) ∧ (a < b)] [(0 < x < 1) ∧ (a < b)] ⇒ ⇒ xa < y a . za x > 1  xa = 1. √ Sliˇno je i x2 = |x| (vidi sliku 1.136 FUNKCIJE REALNE VARIJABLE 1 x**2 sqrt(x) x -1 1 Slika 4. 0x = 0. Iz svojstva c c (P5) slijedi da je expa za a > 1 strogo rastu´a funkcija. za x = 1  1  −a (x) . (P2) i (P3) vrijede i za potenciranje s racionalnim i realnim brojevima. za a > 1 c Ako fiksiramo bazu a ∈ R+ = (0.20. funkcija galeb(x) prikazana je na slici 4. Pored toga. b (P4) (P5) (P6) ⇒ x <x .1).

kako je 1 x = a−x .23).33333) -(-x)**(0. Nadalje. Napomena 4. za a a < 1 funkcija expa je strogo padaju´a i ima horizontalnu asimptotu y = 0 c kada x → +∞. Dakle.22: Funkcija galeb(x) = √ 4 x2 . expa je uvijek bijekcija (vidi sliku 4. a c to je funkcija exp 1 simetriˇna funkciji expa s obzirom na y-os.33333) x Slika 4.21: Funkcija f (x) = √ 3 x funkcija expa ima horizontalnu asimptotu y = 0 kada x → −∞.4. Broj e se zove c 1 -1 1 Slika 4.6 Pregled elementarnih funkcija 137 1 -1 -1 1 x**3 x**(0.9 Posebno se ˇesto koriste funkcije 10 x i ex .

138 FUNKCIJE REALNE VARIJABLE 2**x 2**(-x) 2 1 -2 -1 -1/2 1/2 1 2 Slika 4.7182 .24: Funkcije 10x i ex . . . definiran je kao 1 n n e = lim n→∞ 1+ = lim x→+∞ 1+ 1 x x . i pribliˇno je jednak e ≈ 2.24).23: Eksponencijalne funkcije 2 x i 2−x baza prirodnih logaritama. (vidi sliku 4. z 10**x e**x e 1 1/e -1 1 Slika 4.

loge x ≡ ln x. a Posebno se koriste Briggsovi ili dekadski logaritmi s bazom 10.25 i 4. ∀x ∈ R+ .1) (log a ◦ expa )(x) = log a (ax ) = x.6 Pregled elementarnih funkcija 139 4.4 Logaritamska funkcija Kako je expa bijekcija. log10 x ≡ log x. .9 Nacrtajte funkcije log a (ax ) i aloga (x) .4.25: Funkcija f (x) = log 2 x Zbog svojstava inverznih funkcija vrijedi (teorem 1. ln je kratica od logaritam naturalis. i prirodni logaritmi s bazom e.26): loga ≡ exp−1 : R+ → R.6. log(x)/log(2) 2**x x 2 1 -2 -1 -1/2 -1 1/2 1 2 Slika 4. ∀x ∈ R. logaritamsku funkciju definiramo kao inverznu funkciju eksponencijalne funkcije (vidi slike 4. Zadatak 4. loga (x) (expa ◦ log a )(x) = a = x.

Dokaz svojstva (L1): jednakost x = x moˇemo koriste´i logaritme s bazama a z c i b zapisati kao aloga x = blogb x . y loga xy = y log a x. Kako su u prethodnoj jednakosti baze jednake. 1 loga b = .5) 2**(-x) x 2 1 1/2 -2 -1 -1 1/2 1 2 -2 Slika 4. x > 0. y > 0. to moraju biti jednaki i eksponenti. logb a loga (x · y) = log a x + log a y. y > 0.140 FUNKCIJE REALNE VARIJABLE log(x)/log(0. x. x =a r r·loga x (L1) (L2) (L3) (L4) (L5) (L6) . Uvrˇtavanje b = aloga b u gornju nejednakost i primjena svojstva potenciranja s (P2) daju aloga x = aloga b logb x = aloga b·logb x . odnosno svojstvo (L1) vrijedi. . x loga = loga x − log a y. x.26: Funkcija f (x) = log 1/2 x Svojstva logaritama Najvaˇnija svojstva logaritamskih funkcija su: z loga x = loga b · logb x (veza dvaju baza). x > 0.

2.14159265358979323846264338327950288419716939937508 Broj π moˇemo definirati na razliˇite naˇine. 1 3 5 7 9 11 . c Napomena 4. Tako je.4): π=4 ∞ n=0 (−1)n =4 2n + 1 1 1 1 1 1 1 − + − + − + ··· . π moˇemo definirati i pomo´u sume beskonaˇnog reda brojeva (vidi poglavlje 6.6 Pregled elementarnih funkcija 141 Dokaz svojstva (L2): kada u svojstvo (L1) uvrstimo x = a dobijemo 1 = log a a = loga b · logb a.26 koriˇtena su svojstva (L1) i (L2). Broj π ima beskonaˇni neperiodiˇni decimalni zapis.10 Nacrtajte funkcije log x. Dokaz svojstva (L3): sliˇno kao u dokazu svojstva (L1) izraz xy = x·y moˇemo c z zapisati kao aloga (xy) = aloga x · aloga y = aloga x+loga y .10 Kako ve´ina programa za crtanje funkcija moˇe crtati samo c z funkcije log x i ln x. kod crtanja funkcija log 2 x i log 1/2 x na slikama 4.1): c π = lim 2n n→+∞ 2− 2+ 2+ √ 2··· (4. π jednak z c c limesu beskonaˇnog niza brojeva (vidi zadatak 6. funkcije omedene. c Zadatak 4. monotone. Njen z c c s z opseg jednak je O = 2rπ = 2 · 1 · π. neprekidne i imaju li asimptote? Jesu li te 4. log 3 x i log 1/3 x. ln x. a njegovih prvih pedeset c c znamenaka glasi 3.6. Svojstva (L4–L6) dokazuju se sliˇno.4.7) n − 1 korijen z c c Takoder. Program Gnuplot pomo´u kojeg su nacrtane s c slike funkciju ln x oznaˇava s log(x). Tu kruˇnicu ´emo u ovom sluˇaju joˇ zvati i trigonometrijska kruˇnica. na primjer.5 Trigonometrijske funkcije Promotrimo srediˇnju jediniˇnu kruˇnicu implicitno zadanu s s c z x2 + y 2 = 1.25 i 4.

1).27: Trigonometrijska kruˇnica z Promatraju´i sliku 4. Definirajmo prvo funkcije sinus i kosinus. Na trigonometrijsku kruˇnicu z nanesimo brojevni pravac tako da se broj 0 brojevnog pravca nalazi u toˇki c I = (1.1% nalazi se na http://www. cos : R → [−1. odnosno vrijedi sin x. a sin x c ordinata toˇke T u kojoj se nalazi broj x. z Tada se toˇka x brojevnog pravca nalazi u toˇki c c T = (cos x.27).edu/∼arnold/graphics. cos x je apscisa. 0) u koordinatnom sustavu ravnine.142 FUNKCIJE REALNE VARIJABLE Zanimljiva priˇa o tome kako je Arhimed izraˇunao broj π s pogreˇkom manc c s jom od 0.ima. Drugim rijeˇima. sin x) u koordinatnom sustavu (slika 4. . c tg x x sin x T 0 cos x I=(1.27 moˇemo zakljuˇiti sljede´e: c z c c – funkcije sin x i cos x su omedene (definicija 4.0) Slika 4. 1]. a cos x je parna funkcija (definicija 4.umn. dok se pozitivni dio brojevnog pravca namata na kruˇnicu u pozitivnom smjeru (obrnuto od kazaljke na satu). – sin x je neparna.2).html.

a ne jednadˇba.28. cos x ctg x = cos x . Formula (4. k ∈ Z. sin x Vidimo da tangens nije definiran u nul-toˇkama kosinusa.28: Sinus i kosinus Pomo´u sinusa i kosinusa definiramo tangens i kotangens: c tg x ≡ tan x = sin x .8) – primjena Pitagorinog pouˇka na pravokutni trokut s katetama sin x i c cos x i hipotenuzom jednakom 1 daje osnovni trigonometrijski identitet sin2 x + cos2 x = 1 (4.4. – sin x i cos x su neprekidne funkcije (definicija 4.4).6 Pregled elementarnih funkcija 143 – sin x i cos x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4. π x = + kπ. sin(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi cos(x) 1 -pi -pi/2 -1 pi/2 pi 2*pi Slika 4. – nul-toˇke funkcija sin x i cos x su c sin x = 0 cos x = 0 ⇔ ⇔ x = kπ. k ∈ Z. 2 (4.8) i definicije sinusa i kosinusa c . dok kotangens nije c definiran u nul-toˇkama sinusa. stoga ˇto vrijedi za svaki x ∈ R).6). z s Funkcije sin x i cos x prikazane su na slici 4.9) (gornji izraz je identitet.

3) na svakom podintervalu c otvorenog intervala π π + kπ. c a pravci π x = + kπ.27 i 4. tg : R \ U svim toˇkama u kojima su obje funkcije definirane oˇito vrijedi c c ctg x = Pored toga. .29 i 4. k ∈ Z. moramo posebno s c promotriti limese slijeva i zdesna. i to stoga ˇto su kvocijent jedne s parne i jedne neparne funkcije (definicija 4.7). 2 su vertikalne asimptote s obje strane (vidi poglavlje 4. k ∈ Z. + (k + 1)π . cos x 1 geometrijski prikaz tangensa je kao na slici 4.30.144 stoga povlaˇe c FUNKCIJE REALNE VARIJABLE π + kπ : k ∈ Z → R.29 i 4.30 zakljuˇujemo sljede´e: c c c – obje funkcije tg x i ctg x su neparne. zbog proporcionalnosti sin x tg x = . k ∈ Z limes slijeva jednak +∞. π π −0 x→ 2 +0 x→ 2 +0 cos x lim tg x = x→ π −0 2 lim z c c Iz ove analize takoder moˇemo zakljuˇiti da je u svim toˇkama oblika x = π/2 + kπ.5). 2 ctg : R \ {kπ : k ∈ Z} → R. – tg x je strogo rastu´a funkcija (definicija 4. tg x 1−0 sin x = = +∞. a limes zdesna jednak −∞. k ∈ Z. Dakle. Sliˇna analizu moˇemo napraviti i za funkciju ctg x.27. Tangens i kotangens c z prikazani su na slikama 4. cos x +0 sin x 1−0 lim tg x = lim = = −∞.2). funkcija tg x u svim toˇkama prekida ima prekid druge vrste (definicija 4. (k + 1)π).28) povlaˇi c x→ π −0 2 1 . Definicija funkcije cos x (vidi slike 4. Promatraju´i slike 4. 2 2 a ctg x je strogo padaju´a funkcija na svakom podintervalu otvorenog c intervala (kπ. Da bi odredili ponaˇanje funkcije tg x u toˇkama prekida.

c Napomena 4. . a nul-toˇke funkcije c c c ctg x su nul-toˇke funkcije cos x (vidi formulu (4.4. . A]. −π/3. ω > 0. −π/2. . . Vrijednosti funkcija u nekim drugim c toˇkama kao π/12. .8)). 3π/4. . . moˇemo odrediti pomo´u prethodnih vrijedc z c nosti i adicionih teorema koji su opisani kasnije. cos x i tg x nalaze se u tablici 4. 5π/6.11 Osnovne vrijednosti funkcija sin x.29: Tangens – tg x i ctg x su periodiˇne funkcije a osnovnim periodom 2π (definicija c 4.1 Vrijednosti ovih funkcija u toˇkama −π/6. Op´a sinusoida c Op´a sinusoida je funkcija oblika c f (x) = A sin(ωx + ϕ). – nul-toˇke funkcije tg x su nul-toˇke funkcije sin x. . lako odredimo koriste´i tablicu i svojstva funkcija (pec riodiˇnost. c 2π/3. . odnosno neparnost). −π/4. 7π/12. Broj A je amplituda i vrijedi f : R → [−A. A.4).6 Pregled elementarnih funkcija 145 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4. parnost.

ω Kako je sin 0 = 0. formula za fazni pomak slijedi iz jednakosti ωx + ϕ = 0.30: Kotangens Osnovni period op´e sinusoide je c P = 2π . c c c je ϕ x0 = − . formula za period slijedi iz x 0 π/6 π/4 π/3 π/2 sin x 0 1/2 √ √2/2 3/2 1 cos x √1 √3/2 2/2 1/2 0 tg x √0 3/3 1 √ 3 − Tablica 4.146 FUNKCIJE REALNE VARIJABLE 1 -pi -pi/2 1 pi/2 pi 3*pi/2 2*pi Slika 4.1: Osnovne vrijednosti trigonometrijskih funkcija . odnosno nul-toˇka desno od koje op´a sinusoida poˇinje rasti. ω a fazni pomak. a kako je osnovni period funkcije sin x jednak 2π.

4.6 Pregled elementarnih funkcija

147

jednakosti sin(ω(x + P ) + ϕ) = sin(ωx + ϕ) Na primjer, op´a sinusoida c f (x) = 2 sin(3x − 1) ima amplitudu A = 2, period 2π/3 i nul-toˇku x 0 = 1/3 (slika 4.31). c
2*sin(3*x-1) 2

ωP = 2π.

1/3

1/3+pi/3

-2

Slika 4.31: Op´a sinusoida c Funkciju cos x takoder moˇemo promatrati kao op´u sinusoidu uz A = 1, z c ω = 1 i ϕ = π/2, odnosno π . cos x = sin x + 2 Sliˇno je i c sin x = cos(x − π/2). (4.10) Kosinusov pouˇak i adicioni teoremi c U ovom poglavlju izvest ´emo neke veze izmedu trigonometrijskih funkcija. c Za pravokutni trokut s katetama a i b i hipotenuzom c, Pitagorin pouˇak c glasi c2 = a2 + b2 . Za trokut koji nije pravokutan Pitagorin pouˇak i osnovni c trigonometrijski identitet (4.9) daju kosinusov pouˇak (vidi sliku 4.32): c c2 = (b sin x)2 + (b cos x − a)2 = b2 sin2 x + b2 cos2 x − 2ab cos x + a2 = a2 + b2 − 2ab cos x.

148

FUNKCIJE REALNE VARIJABLE

b c

b sin x

x a b cos x - a

Slika 4.32: Kosinusov pouˇak c

Adicioni teoremi nam daju formule za sinus i kosinus zbroja i razlike kutova. Promotrimo sliku 4.33. Primjena kosinusovog pouˇka na trokut OQP daje c |P Q|2 = 12 + 12 − 2 cos(u − t). S druge strane, iz Pitagorinog pouˇka slijedi c |P Q|2 = (cos t − cos u)2 + (sin u − sin t)2

= cos2 t − 2 cos t cos u + cos2 u + sin2 u − 2 sin u sin t + sin2 t = 1 + 1 − 2 cos t cos u − 2 sin u sin t.

Izjednaˇavanje gornjih izraza daje prvi adicioni teorem c cos(u − t) = cos u cos t + sin u sin t. Kako je sinus neparna, a kosinus parna funkcija, zamjena t → −t daje cos(u + t) = cos u cos t − sin u sin t. Dalje, za u = t imamo cos 2t = cos2 t − sin2 t. Zamjena t → t − π/2 u (A2) daje cos u + t − π π π = cos u cos t − − sin u sin t − 2 2 2 (A3) (A2) (A1)

4.6 Pregled elementarnih funkcija

149

Q=(cos u, sin u)

P=(cos t, sin t) u t O 1

Slika 4.33: Adicioni teoremi

pa jednakost (4.10) povlaˇi c sin(u + t) = cos u sin t + sin u cos t. Konaˇno, kada u (A4) izvrˇimo zamjenu t → −t imamo c s sin(u − t) = − cos u sin t + sin u cos t, a kada u (A4) uvrstimo u = t imamo sin 2t = 2 sin t cos t. (A6) (A5) (A4)

Koriste´i osnovne adicione teoreme moˇemo izvesti i razne druge formule. c z
1 Zadatak 4.11 Izvedite formule koje funkcije sin 3x, sin 4x, sin 2 x, cos 3x, cos 4x i cos 1 x prikazuju pomo´u funkcija sin x i cos x. Izvedite joˇ nekoc s 2 c liko veza izmedu trigonometrijskih funkcija koje se nalaze u Matematiˇkom priruˇniku ili logaritamskim tablicama. c

4.6.6

Arkus funkcije

Arkus funkcije ili ciklometrijske funkcije su inverzne funkcije odgovaraju´ih c restrikcija trigonometrijskih funkcija. Naime, ni jedna od trigonometrijskih

150

FUNKCIJE REALNE VARIJABLE

funkcija nije bijekcija (funkcija ne moˇe biti bijekcija ˇim je periodiˇna). Medutim, z c c u primjenama se ˇesto javlja potreba za njihovim inverzima, pa su inverzi c definirani za pogodno odabrane restrikcije koje jesu bijekcije. Pri tome se najˇeˇ´e biraju restrikcije na odgovaraju´i interval koji je najbliˇi nuli. c sc c z Na slici 4.28 vidimo da je restrikcija sinusa na interval [−π/2, π/2] bijekcija. Arkus sinus je inverzna funkcija te restrikcije pa vrijedi arcsin ≡ sin−1 : [−1, 1] → − π π , . 2 2

Funkcija arcsin x prikazana je na slici 4.34. Vidimo da je funkcija strogo rastu´a, neparna, neprekidna i nema asimptota. c
sin(x) asin(x) pi/2

1

-pi/2

-1

1

pi/2

-1

-pi/2

Slika 4.34: Arkus sinus Prema Teoremu o inverznoj funkciji 1.1 vrijedi (slika 4.35): arcsin(sin x) = x, sin(arcsin x) = x, x∈ − π π , , 2 2 x ∈ [−1, 1]

Medutim, funkcija arcsin(sin x) je definirana za svaki x ∈ R, a njen graf dan je na slici 4.36. Funkcija arkus kosinus je inverzna funkcija restrikcije funkcije cos x na interval [0, π] (vidi sliku 4.28) i vrijedi arccos ≡ cos−1 : [−1, 1] → [0, π].

4.6 Pregled elementarnih funkcija

151

asin(sin(x)) pi/2

sin(asin(x))

1

-pi/2

pi/2

-1 -1

1

-pi/2

Slika 4.35: Kompozicije restrikcije sinusa s arkus sinusom

pi/2

asin(sin(x))

-pi

-pi/2 -pi/2

pi/2

pi

Slika 4.36: Funkcija arcsin(sin x)

Funkcija arccos x prikazana je na slici 4.37. Ona je strogo padaju´a, neprekidna c i nema asimptota. Funkcija arkus tangens je inverzna funkcija restrikcije funkcije tg x na interval (−π/2, π/2) (vidi sliku 4.29) i vrijedi π π arctg ≡ tg −1 : R → − , . 2 2 Funkcija arctg x je strogo rastu´a, neparna i neprekidna te ima horizontalne c asimptote i to pravac y = −π/2 u lijevom i y = π/2 u desnom kraju (slika 4.38). Sliˇno, funkcija arkus kotangens je inverzna funkcija restrikcije funkcije c ctg x na interval (0, π) (vidi sliku 4.30) pa vrijedi arcctg ≡ ctg −1 : R → (0, π). Funkcija arcctg x je strogo padaju´a i neprekidna te ima horizontalne asimpc tote i to pravac y = π u lijevom i y = 0 u desnom kraju (slika 4.38). Kako

tu funkciju smo nacrtali .37: Arkus kosinus program za crtanje Gnuplot nema ugradenu funkciju arcctg x.152 FUNKCIJE REALNE VARIJABLE acos(x) pi pi/2 -1 1 Slika 4.

dijeljenje i komponiranje na do z sada opisane elementarne funkcije.12 Nacrtajte funkcije f (x) = cos(arccos x).13 Funkcija f : [0.6. . Primjer 4. 4. mnoˇenje. f (x) = sin(arccos x). f (x) = tg(arctg x). (f · g)(x) = f (x) · g(x). f (x) = ctg(arcctg x). (x) = g g(x) g(x) = 0. oduzimanje. 2 pi atan(x) pi/2-atan(x) pi/2 -1 -pi/2 1 Slika 4. f (x) = arccos(sin x). f (x) = arccos(cos x).6 Pregled elementarnih funkcija 153 koriste´i vezu c arcctg x = π − arctg x. f (x) f . f (x) = arctg(tg x). +∞) → R zadana s √ 2 f (x) = 3x −2 · sin( 4 x) + 1 je elementarna funkcija jer je sastavljena na sljede´i naˇin: c c f = [f1 ◦ (f2 − f3 )] · (f4 ◦ f5 ) + f6 .38: Arkus tangens i arkus kotangens Zadatak 4. f (x) = arcctg(ctg x). Pri tome je (f ± g)(x) = f (x) ± g(x).4.7 Klasifikacija elementarnih funkcija Elementarna funkcija je svaka funkcija koja nastaje primjenjuju´i konaˇan c c broj puta zbrajanje.

funkcija f (x) = je algebarska. odnosno pn (zi ) = 0 ⇔ pn (¯i ) = 0. p n se c c dade rastaviti kao pn (x) = an xn + · · · + a1 x + a0 = an (x − z1 )(x − z2 ) · · · (x − zn ).8). f3 (x) = 2. Algebarske funkcije su one elementarne funkcije koje nastaju komponiranjem potencije s racionalnim eksponentom (vidi poglavlje 4. n.6. Nadalje. f4 (x) = sin(x). z .6.9 Svaki polinom n-tog stupnja p n ima toˇno n kompleksnih nulc toˇaka zi za koje vrijedi pn (zi ) = 0. . Sve ostale elementarne funkcije su transcendentne funkcije. Za polinome vrijedi sljede´i vaˇan teorem kojeg navodimo bez dokaza. . dok je funkcija f (x) = x2 + 1 2x3 − 5x √ 2 4 x2 + 1 2x3 − 5x 5 transcendentna. Takvi c polinomi se razmatraju u Matematici 3. 4. a c z koji slijedi iz poznatog Osnovnog teorema algebre.6. Teorem 4.8 Polinomi i racionalne funkcije n Polinom n-tog stupnja je funkcija pn (x) = an x + an−1 x n n−1 + · · · + a 2 x + a1 x + a 0 = 2 ai xi .6. FUNKCIJE REALNE VARIJABLE f2 (x) = x2 . Od algebarskih funkcija posebno nas zanimaju polinomi i racionalne funkcije (vidi poglavlje 4. i = 1. f6 (x) = 1.8). strogo kompleksne nul-toˇke (one za koje je Im z i = 0) se uvijek c javljaju u konjugirano kompleksnim parovima. Napomenimo da c je prirodno definirati i polinome ˇiji su koeficijenti kompleksni brojevi. 2.2 i racionalne funkcije s racionalnim koeficijentima (vidi poglavlje 4. . Na primjer. . i=0 pri ˇemu su koeficijenti ai realni brojevi i vrijedi an = 0. Drugim rijeˇima. √ f5 (x) = 4 x.6. a od transcendentnih funkcija posebno nas zanimaju hiperbolne funkcije i njima inverzne area funkcije (vidi poglavlje 4.9).154 gdje je f1 (x) = exp3 (x).

Na primjer. tada kaˇemo da je z k-terostruka nul-toˇka polinoma p n ili nul-toˇka z c c kratnosti k. c c z c a polinom ˇetvrtog stupnja moˇe imati ili ˇetiri ili dvije ili nijednu realnu c z c nul-toˇku.6 Pregled elementarnih funkcija 155 Primijetimo da u iskazu teorema nul-toˇke z i ne moraju biti medusobno c razliˇite. s s Racionalna funkcija je kvocijent dvaju polinoma. n < m. 2 − 2x + 3 x x − 2x + 3 . Tako polinom drugog stupnja moˇe imati samo ili dvije realne ili dvije konjugirano komz pleksne nul-toˇke. pn (x) . c 1 2x2 − x − 1 = 2(x − 1) x + . qm (x) pri ˇemu su sk i tl takoder polinomi. odnosno vrijedi l < m. Zadnja tvrdnja teorema takoder ima zanimljive posljedice. c Zadatak 4.13 Nacrtajte nekoliko polinoma razliˇitih stupnjeva pomo´u proc c grama NetPlot i opiˇite njihovo ponaˇanje. tada moˇemo podijeliti z polinom pn s polinomom qm . qm (x) r : R \ {x ∈ R : qm (x) = 0} → R. Ostatak c tl (x) qm (x) je prava racionalna funkcija. r(x) = Oˇito vrijedi c U toˇkama prekida racionalna funkcija ima ili vertikalu asimptotu s obje strane c ili uklonjivi prekid. a ne moˇe imati jednu realnu i jednu strogo kompleksnu c z nul-toˇku. 4x − 11 2x3 − x2 + 4x − 2 = 2x + 3 + 2 . polinom tre´eg stupnja moˇe imati ili tri ili jednu realnu nul-toˇku. 2 2 2 2 Sliˇno. 2 √ √ −1 + i 3 −1 − i 3 2 x +x+1= x− x− 2 2 √ √ 1 3 3 1 = x+ −i x+ +i .4. Ako je n ≥ m. Ako je stupanj brojnika manji od stupnja nazivnika. Na primjer. tada kaˇemo z da je r prava racionalna funkcija. odnosno vrijedi r(x) = sk (x) + tl (x) . Ako je neki broj z nul-toˇka koja se u gornjem rastavu pojavljuje c c k puta.

3 2 1 -2 -1 -1 -2 -3 1 2 sinh(x) cosh(x) Slika 4. Sinus hiperbolni je funkcija sh : R → R.39: Sinus hiperbolni i kosinus hiperbolni Vidimo da je sinus hiperbolni neparna. a kosinus hiperbolni parna funkcija te da je sinus hiperbolni strogo rastu´a funkcija. 2 Funkcije sh x i ch x prikazane su na slici 4.39. 2 sh x = ex − e−x . a kosinus hiperbolni je funkcija ch : R → [1. Kosinus hiperbolni se joˇ c s zove i lanˇanica. Hiperbolne funkcije su zanimljive jer su rjeˇenja mnogih problema u s fizici i tehnici izraˇena pomo´u njih.3).6.6.156 FUNKCIJE REALNE VARIJABLE 4.9 Hiperbolne i area funkcije Hiperbolne funkcije definiramo pomo´u eksponencijalne funkcije e x (poglavlje c 4. +∞). ch x = ex + e−x . Veze izmedu hiperbolnih funkcija sliˇne z c c su vezama izmedu trigonometrijskih funkcija. jer lanac objeˇen o dvije toˇke u gravitacijskom polju zauzme c s c .

11) Zadatak 4. lim th x. strogo padaju´a i ima c prekid druge vrste u toˇki x = 0. Opiˇite sliˇnosti i s c razlike? Sliˇno kao kod trigonometrijskih funkcija. a pravac x = 0 je vertikalna asimptota s obje strane. Njene horizontalne asimptote su takoder c pravci y = −1 i lijevom i y = 1 u desnom kraju.6 Pregled elementarnih funkcija 157 oblik dijela te krivulje. lim cth x. +∞).9) i adicionim teoremima (A3) i (A6).+∞) . a kotangens hiperbolni kao kvocijent kosinusa i sinusa. Funkcije th x i cth x prikazane su na slici 4. Usporedite ta svojstva s trigonometrijz skim identitetom (4.4. 1).14 Dokaˇite svojstva (4. Funkcija th x je neparna. area tangens hiperbolni i area kotangens hiperbolni . sh x th : R → (−1.11). lim cth x.15 Koriste´i svojstva funkcije e x izraˇunajte limese c c lim th x. Za funkcije sh x i ch x vrijedi ch2 x − sh2 x = 1 ch 2x = sh2 x + ch2 x sh 2x = 2 sh x ch x. ch x ch x cth x = . −1) ∪ (1.40. cth : R \ {0} → (−∞. strogo rastu´a i neprekidna te ima horizontalne asimptote y = −1 i lijevom c i y = 1 u desnom kraju. Primijetimo da su sve hiperbolne funkcije bijekcije. Funkcija cth x je neparna. odnosno th x = sh x . Funkcije area sinus hiperbolni. lim cth x. Zadatak 4. (4. tangens hiperbolni definiramo c kao kvocijent sinusa i kosinusa. area kosinus hiperbolni. x→−∞ x→+∞ x→−∞ x→0−0 x→+∞ x→0+0 Area funkcije su inverzne funkcije hiperbolnih funkcija. lim cth x. osim ch x pa za kosinus hiperbolni inverznu funkciju definiramo za restrikciju ch | [0.

12) Area funkcije se ponekad oznaˇavaju i s velikim poˇetnim slovom kao na c c primjer Arsh x. Funkcije arsh x i arch x prikazane su na slici 4.12). x2 − 1). +∞) → R \ {0}. 1 1+x . (4.158 FUNKCIJE REALNE VARIJABLE 3 2 1 -3 -2 -1 -1 -2 -3 1 2 3 tanh(x) 1/tanh(x) Slika 4. arch : [1. c b) Koje su horizontalne i vertikalne asimptote funkcija arth x i arcth x (vidi . 2 x−1 arcth : (−∞. Zadatak 4.42. +∞).41.16 a) Dokaˇite da su formule za area funkcije te njihove domene z i kodomene zaista dane s odgovaraju´im izrazima u (4. a funkcije arth x i arcth x na slici 4. 1) → R. +∞) → [0.40: Tangens hiperbolni i kotangens hiperbolni definirane su redom na sljede´i naˇin: c c arsh x = sh−1 x = ln(x + arch x = ch−1 x = ln(x + arsh : R → R. 1 x+1 arcth x = cth−1 x = ln . arth x = th−1 x = ln 2 1−x arth : (−1. x2 + 1). −1) ∪ (1.

6 Pregled elementarnih funkcija 159 asinh(x) log(x+sqrt(x**2-1)) 2 1 -2 -1 -1 1 2 -2 Slika 4.4.41: Area sinus hiperbolni i area kosinus hiperbolni atanh(x) log((x+1)/(x-1))/2 2 1 -3 -2 -1 -1 -2 1 2 3 Slika 4.42: Area tangens hiperbolni i area kotangens hiperbolni .

f (x) = arcth(cth x). f (x) = cth(arcth x). f (x) = ch(arch x).42)? Dokaˇite da su to asimptote tako ˇto ´ete izraˇunati odgoz s c c varaju´e limese. f (x) = arth(th x). f (x) = arsh(sh x). f (x) = th(arth x). c c) Nacrtajte funkcije f (x) = sh(arsh x). f (x) = arch(ch x). .160 FUNKCIJE REALNE VARIJABLE sliku 4.

. . . . . . . 193 Ispitivanje toka funkcije . . . . . . .6 5. . . . . . . . .4 5. . . . . . . . 165 5. .3 5. . . . . . . . . . . . . . . . .7 5. . .1 Derivacija . . . . . . . . . . . . .1. . . . . . . . . . . . . .2 5. . .1 Parametarski zadana funkcija . . 197 5. .9. . . . . . . 170 Derivacije elementarnih funkcija . . . 166 Pravila deriviranja . . 203 5. . . . . . . . 176 z c Viˇe derivacije i diferencijali . . . . . . . . . . . . . . . . . .1. . . . 186 5. . . . . . . . . . . . . . . . 167 Deriviranje implicitno zadane funkcije . . . . 162 5. . .10 Rjeˇavanje problema ravnoteˇe . . .1 Fermatov i Rolleov teorem .2. . . . . . . . . .2 5. . . . .8 5. . . . . . . . . . . . . . .5 Derivacije slijeva i zdesna . . . 177 s Deriviranje parametarski zadane funkcije . . . . . . .7. . . .1 Geometrijski ekstrem . . . . . . . . . DERIVACIJE I PRIMJENE 5. . .5.1.2 5. . . . . . . . 175 5. . . . . . . . . . . 188 5. . . . . . . . . . . . 210 s z . . . . . . . . . .5. . . . . 180 c 5. . . . . . . . . . .1. . . . .5 5. . .1. . .5. . . . . . . . . .6 5. . . . . . . . . 180 5. .9 Ekstremi . . . . . . . . .5. . . . . .3 5. . 174 Diferencijal . . . 170 Logaritamsko deriviranje . . .3 Cauchyjev i Lagrangeov teorem srednje vrijednosti . . . . . . . .1 Pribliˇno raˇunanje . . . . . . . . . . . . . . . . . . 184 Monotonost . . . . . . . . . . . . . . .1. . 181 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika . . 192 Zakrivljenost . . . . . . . . . .1 Tangenta i normala . . 179 Teoremi diferencijalnog raˇuna . .4 5. . . . . .

f (x) definirana na ovaj naˇin c c je takoder funkcija i vrijedi f : A ⊆ D → R.1). 5.1 Ako je funkcija f derivabilna u toˇki x 0 . c nalaˇenje toˇaka u kojima funkcija dostiˇe najmanju ili najve´u vrijednost te z c z c odredivanje podruˇja na kojima je funkcija konkavna ili konveksna. Ako je A ⊂ D. tada je i neprekidna u c toj toˇki. tada je f neprekidno derivabilna ili glatka funkcija. Definicija 5. Stoga nam c z c c derivacije omogu´uju odredivanje podruˇja na kojem funkcija raste ili pada.2) i nalaˇenje jednadˇbe tanc z z z gente (poglavlje 5.1.1 Funkcija f : D → R je derivabilna u toˇki x 0 ∈ D ako postoji c limes f (x) − f (x0 ) = f (x0 ). lim x→x0 x − x0 Broj f (x0 ) je derivacija funkcije f u toˇki x 0 . z c z Teorem 5. joˇ poznato i kao diferencijalni z c c s raˇun. a ako je A = D. To je jedno c od najvaˇnijih podruˇja matematiˇke analize.162 DERIVACIJE I PRIMJENE Ova je glava posve´ena derivacijama i njihovim primjenama. Definicija limesa 4. tada je funkcija f derivabilna na skupu A. stolje´u i razvio diferencijalni c c raˇun su nalaˇenje brzine i ubrzanja (primjer 5.6. c . c z z Klasiˇne primjene zbog kojih se u XVII. tada je f derivabilna funkcija. Potom ´emo izvesti formule za derivacije svih elementarnih funkcija iz c poglavlja 4. c izvesti formule za jednadˇbe tangente i normale i dati osnovna pravila deriviz ranja. c Dokaˇimo sljede´i vaˇan teorem.5 povlaˇi da u izoliranoj toˇki x 0 derivacija f (x0 ) ne c c postoji. Ako je pored toga funkcija f neprekidna.1 Derivacija U ovom poglavlju definirat ´emo derivaciju te derivacije slijeva i zdesna.1). c Za derivaciju op´enito moˇemo re´i je da je ona mjera promjene. premda je funkcija f definirana u toj toˇki (vidi sliku 5. Rjeˇavanje c s navedenih zadataka sastavni je dio rjeˇavanja mnogih problema koji se javljaju s u inˇenjerskim primjenama pa je stoga potpuno poznavanje diferencijalnog z raˇuna nuˇno za svakog inˇenjera.

1) . Derivabilnost funkcije f u toˇki x 0 povlaˇi c c x→x0 lim (f (x) − f (x0 )) = lim f (x) − f (x0 ) (x − x0 ) x − x0 f (x) − f (x0 ) = lim lim (x − x0 ) x→x0 x→x0 x − x0 = f (x0 ) lim (x − x0 ) x→x0 x→x0 = 0. c Dakle.6. Obrat teorema c ne vrijedi. ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x Kada u ovoj formuli zamijenimo x0 s x.1 Derivacija 163 f(x) f(x ) 0 x 0 x Slika 5. ∆x→0 ∆x ∆x→0 ∆x ∆x (5. a prirast funkcije y = f (x) u toˇki x 0 oznaˇimo s c c ∆f (x0 ) ≡ ∆y = f (x0 + ∆x) − f (x0 ). pa je funkcija f neprekidna u toˇki x 0 po definiciji 4. ne mora imati c derivaciju u toj toˇki (vidi primjer 5. c Ako u definiciji 5. odnosno ako je funkcija f neprekidna u toˇki x 0 .3). f (x0 ) = lim f (x) = lim ∆x→0 f (x + ∆x) − f (x) ∆f (x) ∆y = lim = lim . Vidimo da funkcija nema derivaciju u toˇkama prekida. dobijemo izraz za derivaciju koji je pogodan za primjene. tada imamo f (x0 + ∆x) − f (x0 ) ∆f (x0 ) ∆y = lim = lim .5.1: Izolirana toˇka c Dokaz.1 prirast nezavisne varijable u toˇki x 0 oznaˇimo s c c ∆x = x − x0 . limx→x0 f (x) = f (x0 ).

jer su im derivacije neprekidne. a u zadnjoj jednakosti koristili smo zadatak 4.1 sve ove funkcije glatke. ∆x→0 ∆x→0 ∆x ∆x ∆x c) Za funkciju f (x) = x2 vrijedi f (x) = lim (x + ∆x)2 − x2 f (x + ∆x) − f (x) = lim ∆x→0 ∆x→0 ∆x ∆x x2 + 2x∆x + (∆x)2 − x2 = lim (2x + ∆x) = lim ∆x→0 ∆x→0 ∆x = 2x. ˇto nam daje c s formule za derivacije zadanih funkcija.3 o limesu c produkta. ∆x→0 ∆x ∆x→0 ∆x b) Za funkciju f (x) = cx vrijedi f (x) = lim ∆x→0 f (x + ∆x) − f (x) c(x + ∆x) − cx c∆x = lim = lim = c. . Medutim. e) Na sliˇan naˇin moˇemo pokazati da je c c z (cos x) = − sin x.1 a) Za konstantnu funkciju f (x) = c po formuli (5. odnosno derivacija je definirana kao limes neodredenog z 0 oblika 0 .1) vrijedi f (x) = lim ∆x→0 c−c f (x + ∆x) − f (x) = lim = lim 0 = 0.1 i formuli (5. U predzadnjoj jednakosti koristili smo tre´u tvrdnju teorema 4.1 slijedi da u definiciji 5. Primjer 5.164 DERIVACIJE I PRIMJENE Iz teorema 5. Primjena ove formule daje (sin x) = lim sin(x + ∆x) − sin(x) ∆x→0 ∆x ∆x sin[(x + 2 ) + ∆x ] − sin[(x + ∆x ) − ∆x ] 2 2 2 = lim ∆x→0 ∆x 2 sin ∆x 2 cos(x + ∆x ) sin ∆x ∆x 2 2 2 = lim lim cos x + = lim ∆x→0 ∆x→0 ∆x ∆x ∆x→0 2 = cos x.5. takvi neodredeni limesi se mogu izraˇunati. z Primijetimo da su po definiciji 5. d) Adicioni teoremi (A4) i (A5) povlaˇe c sin(u + t) − sin(u − t) = 2 cos u sin t. Dokaˇite ovu formulu.1) brojnik i nazivnik istovremeno teˇe k nuli.

brzina je derivacija puta po vremenu. a t oznaˇava vrijeme. stolje´u zapoˇeo razvijati diferenc c c cijalni raˇun bave´i se problemom odredivanja brzine. . f (x0 )) i (x. mehanici s i op´enito tehnici. Na sliˇan naˇin moˇemo pokazati c c z i da je ubrzanje (akceleracija) derivacija brzine po vremenu. Prosjeˇna brzina kojom se toˇka c c T gibala u vremenu od trenutka t0 do trenutka t jednaka je s − s0 ∆s = . Isaac Newton je u XVII. c c Primjer 5. a do trenutka t > t0 put s = f (t).1 Tangenta i normala Gottfried Wilhelm Leibnitz. ∆t→0 ∆t t − t0 Dakle. Oˇito vrijedi c c x → x0 ⇒ tg α → tg α0 = f (x0 ).5. o derivaciji kao c c c c ”mjeri promjene”.2) Stoga je jednadˇba tangente na krivulju y = f (x) u toˇki x 0 dana s z c y − f (x0 ) = f (x0 )(x − x0 ). stolje´u je nezac c visno od Newtona razvio osnove diferencijalnog raˇuna rjeˇavaju´i problem c s c nalaˇenja tangente zadane krivulje u nekoj toˇki.1. c v0 = v(t0 ) = lim t→t0 s − s0 ∆s = lim = f (t0 ). u XVII. izreˇena na poˇetku poglavlja. f (x0 )). t − t0 ∆t Ako je f derivabilna funkcija.1 Derivacija 165 Derivacija je nezaobilazni alat u rjeˇavanju mnogih problema u fizici. pri ˇemu s oznaˇava c c c prijedeni put. x − x0 Kada x → x0 . (5. Pretpostavimo da je kretanje zapoˇelo c c iz ishodiˇta.2 Neka je s s = f (t) dan zakon prema kojem se toˇka T giba po pravcu. Vidimo da u ovom sluˇaju vrijedi op´enita tvrdnja. z c Neka je krivulja zadana s formulom y = f (x). tada kada t → t 0 gornji izraz teˇi k trenutaˇnoj z c brzini toˇke T u trenutku t0 . Tada toˇka T do trenutka t 0 prevali put s c s0 = f (t0 ).2) c tg α = f (x) − f (x0 ) . pri ˇemu je f derivabilna c funkcija. filozof i matematiˇar. tada sekanta teˇi k tangenti krivulje y = f (x) u toˇki z c (x0 . ˇiji je koeficijent smjera jednak tg α 0 . 5. c pri ˇemu je x0 = x. f (x)). je pravac s koeficijentom (vidi sliku 5. Sekanta krivulje y = f (x) koja prolazi toˇkama (x 0 . odnosno f (0) = 0.

1 ili formuli (5. f (x0 ) pri ˇemu smo pretpostavili da je f (x0 ) = 0. Jednadˇba normale stoga glasi c z y − f (x0 ) = − 1 (x − x0 ).2 Derivacija slijeva funkcije f u toˇki x je broj c f (x− ) = lim f (x + ∆x) − f (x) . c 5. f (x0 )) i okomit je na tangentu u toj toˇki.1) umjesto limesa izraˇunamo limes slijeva c odnosno zdesna (vidi poglavlje 4.1. ∆x ∆x→0−0 ukoliko limes na desnoj strani postoji.2 Derivacije slijeva i zdesna Ako u definiciji 5.2).3. dobit ´emo derivaciju slijeva odnosno c zdesna u zadanoj toˇki. c Definicija 5. f (x+ ) = lim ∆x→0+0 ∆x ukoliko limes na desnoj strani postoji. .166 DERIVACIJE I PRIMJENE f(x0) f(x) α x α0 x0 Slika 5.2: Tangenta na krivulju Normala na krivulju y = f (x) u toˇki x 0 je pravac koji prolazi kroz toˇku c c (x0 . Derivacija zdesna funkcije f u toˇki x c je broj f (x + ∆x) − f (x) .

Dokaz.7 i prikazana na slici 4. f g (x) = (f · g) (x) = f (x)g(x) + f (x)g (x).5. Dakle. ali je moramo rastaviti kako bi je mogli derivirati: – za x ≥ 0 vrijedi |x| = x pa je |x| = 1. g 2 (x) g(x) = 0. pri ˇemu je funkcija sign definirana u primjeru 4.10. g 2 (x) lim∆x→0 f (x+∆x)−f (x) g(x) ∆x . Prema formuli (5. – za x < 0 vrijedi |x| = −x pa je |x| = −1. Teorem 5. c |x| = sign(x). Dokaˇimo zadnju tvrdnju teorema.3 Pravila deriviranja Pravila koja ´emo dati u ovom poglavlju znatno olakˇavaju raˇunanje c s c derivacija zadanih funkcija. (f − g) (x) = f (x) − g (x).1) vrijedi z f g (x) = lim f (x + ∆x)g(x) − f (x)g(x + ∆x) ∆x→0 ∆x→0 ∆x g(x + ∆x)g(x)∆x f (x + ∆x)g(x) − f (x)g(x) + f (x)g(x) − f (x)g(x + ∆x) = lim ∆x→0 g(x + ∆x)g(x)∆x = lim = lim = f (x+∆x)−f (x) g(x) ∆x ∆x→0 f (x+∆x) g(x+∆x) − f (x) g(x) − f (x) g(x+∆x)−g(x) ∆x g(x + ∆x)g(x) − lim∆x→0 f (x) g(x+∆x)−g(x) ∆x lim∆x→0 g(x + ∆x)g(x) f (x)g(x) − f (x)g (x) = .1) zakljuˇujemo da c c derivacija f (x) postoji ako i samo ako u toˇki x postoje derivacije slijeva i c zdesna i ako su one jednake. Primjer 5. 5.2 Ako su funkcije f.1 Derivacija 167 Usporeduju´i ovu definiciju s definicijom derivacije (5.3 Funkcija |x| (definicija 1.1. c Vidimo da derivacija |x| ima u toˇki x = 0 prekid prve vrste te da funkcija c |x| ima u toˇki x = 0 derivacije slijeva i zdesna.18) je neprekidna. g : D → R derivabilne na skupu A ⊆ D. f (x)g(x) − f (x)g (x) . tada za svaki x ∈ A vrijedi (f + g) (x) = f (x) + g (x).

c . sin x (tg x) = Primijetimo da po su definiciji 5. jer su im derivacije neprekidne na ˇitavom podruˇju definicije. Dokaz prve tri tvrdnje ostavljamo za vjeˇbu.20 vidimo da funkcija x nema derivaciju u toˇki x = 0. s z Primjer 5. c c Sljede´a dva teorema navodimo bez dokaza.1 sve derivirane funkcije glatke.168 DERIVACIJE I PRIMJENE ˇto je i trebalo dokazati. Neka je inverzna c funkcija f −1 : K → D neprekidna u toˇki y = f (x). (x ) 2x 2 y Sada na lijevoj i na desnoj strani imamo funkciju od y pa moˇemo zamijeniti z y s x ˇto nam daje standardni zapis s √ 1 ( x) = √ . neka je derivabilna u toˇki x i neka je f (x) = 0. Na slici 4. c Teorem 5.4 a) Tre´a tvrdnja teorema 5.1 povlaˇe c c (x3 ) = (x2 · x) = (x2 ) · x + x2 · (x) = 2x · x + x2 · 1 = 3x2 .2 i primjer 5.5 a) Za funkciju y = x2 koja ima inverznu funkciju za x ≥ 0 teorem 5. Tada je c (f −1 ) (y) = 1 . f (x) Primjer 5. 2 x x > 0.1 povlaˇe c cos2 x + sin2 x sin x (sin x) · cos x − sin x · (cos x) = = cos x cos2 x cos2 x 1 .2 i primjer 5. ˇ b) Cetvrta tvrdnja teorema 5.3 daje 1 1 1 √ ( y) = 2 = = √ . = cos2 x cos x (cos x) · sin x − cos x · (sin x) − cos2 x − sin2 x (ctg x) = = = 2 sin x sin x sin2 x 1 =− 2 .3 (Deriviranje inverzne funkcije) Neka je funkcija f : D → K bijekcija. Dodatno ograniˇenje x = 0 smo morali uvesti jer dijeljenje s nulom nije c √ c mogu´e.

1 i 5.4 za y = x3 − 3x2 + 5x slijedi [(x3 − 3x2 + 5x)2 ] = 2(x3 − 3x2 + 5x)(x3 − 3x2 + 5x) = 2(x3 − 3x2 + 5x)(3x2 − 6x + 5). Tako za funkciju f (x) = sin(cos x) vrijedi f (x) = cos(cos x)(cos x) = cos(cos x)(− sin x). Teorem 5.6. tada je kompozicija c c g ◦ f derivabilna u toˇki x i vrijedi c [g(f (x))] = g (y)f (x) = g (f (x))f (x).6. Primjer 5. 1 + tg odnosno. π/2) (vidi sliku 4. x ∈ (−1. (arcsin x) = √ 1 − x2 1 − y2 . 1 .6 i primjer 5.4 (Deriviranje kompozicije funkcija) Ako je funkcija f derivabilna u toˇki x. a funkcija g derivabilna u toˇki y = f (x).4 i logaritamskom deriviranju 5. π/2] vrijedi (arcsin y) = 1 1 = = (sin x) cos x 1 1 − sin x 2 = 1 odnosno. Funkcija arcsin x je definirana na intervalu [−1. (arctg x) = 1 . 1] (poglavlje 4. c c c a dvije vaˇne primjene dat ´emo u poglavljima o deriviranju implicitno zadane z c funkcije 5.5.1 Derivacija 169 b) Za funkciju y = sin x koja ima inverznu funkciju za x ∈ [−π/2. nakon zamjene y s x. Tako iz primjera 5. . dok njena derivacija nije definirana u rubovima tog intervala kako bi se izbjeglo dijeljenje s nulom. tada teorem 5. Ovaj naˇin deriviranja je vrlo ˇest. Sada ´emo navesti samo dva primjera. nakon zamjene y s x. c) Za funkciju y = tg x koja ima inverznu funkciju za x ∈ (−π/2. b) Ako je y = f (x).6 a) Ako je y = f (x).1.38) vrijedi (arctg y) = 1 = (tg x) 1 1 cos2 x = cos2 x = 1 1 2 x = 1 + y2 . 1 + x2 x ∈ R. 1). tada je (y 2 ) = 2yy .1.6).1 povlaˇe c (sin y) = (cos y)y .

170 DERIVACIJE I PRIMJENE 5.3. 2x + 2yy = 0. y > 0. Kako su lijeva i desna strana jednadˇbe elipse jednake. Za toˇku u c kojoj traˇimo jednadˇbu tangente vrijedi z z y(1) = + √ 3 12 1− = 4 2 (pozitivnu vrijednost korijena smo uzeli zbog uvjeta y > 0) pa je koeficijent smjera tangente dan s 1 y (1) = − √ .3) 5.1.6.4 Deriviranje implicitno zadane funkcije Implicitno zadanu funkciju F (x. s 1 2 y =− √ x+ √ . 4y Vidimo da smo dobili izraz za derivaciju y kao funkciju od x i y. Na primjer. y 2 deriviramo kao u primjeru 5. (5. . 4 odnosno y =− x . y) = 0 deriviramo tako da izraze koji sadrˇe zavisnu varijablu y deriviramo koriste´i Teorem o deriviranju kompoziz c cije 5. Pored toga. 2 3 3 Zadana elipsa i njena tangenta prikazane su na slici 5.1.5 Derivacije elementarnih funkcija U ovom poglavlju izvest ´emo derivacije osnovnih elementarnih funkcija iz c poglavlja 4. ˇelimo odrediti tangentu na elipsu z x2 + y2 = 1 4 u toˇki x = 1.2) nakon sredivanja daje jednadˇbu traˇene tangente.6.4. 2 3 z z Uvrˇtavanje u formulu (5. c z jednake su im i derivacije. Dakle.

x ∈ R. 1 − x2 1 . Ove formule su dokazane u primjerima 5. 1). x ∈ R.5. x ∈ R \ {kπ : k ∈ Z}. . 1 + x2 Eksponencijalna i logaritamska funkcija Za eksponencijalnu funkciju definiranu u poglavlju 4. x ∈ (−1.6 vrijedi (vidi primjer 5.6.6. sin x x ∈ R. 1 (tg x) = . cos2 x 1 (ctg x) = − 2 .5): 1 . (arcsin x) = √ 1 − x2 1 (arccos x) = − √ .3 vrijedi (ax ) = ax ln a.1 i 5. x ∈ R \ {π/2 + kπ : k ∈ Z}. Za arkus funkcije definirane u poglavlju 4. a > 0. (arctg x) = 1 + x2 1 (arcctg x) = − .4) x ∈ (−1. (cos x) = − sin x.3: Elipsa i tangenta Trigonometrijske i arkus funkcije Za trigonometrijske funkcije iz poglavlja 4.6.4. (5. x ∈ R.1 Derivacija 171 1 1 2 Slika 5. 1). x ∈ R.5 vrijedi: (sin x) = cos x.

4) daju (ln x) = (log a x) = 1 1 1 = y = .4 vrijedi (log a x) = Posebno. (5. Teorem o deriviranju inverzne funkcije 5. Izvod formule je neˇto s sloˇeniji.7 i primjer 4. za a = e zbog ln e = 1 vrijedi (ex ) = ex .3. DERIVACIJE I PRIMJENE x ∈ R.3 i formula (5. x Zaista. za a = e imamo 1 .6. Koriste´i redom teorem 4.3 imamo z c (ax ) = lim ax a∆x − ax ax (a∆x − 1) ax+∆x − ax = lim = lim ∆x→0 ∆x→0 ∆x→0 ∆x ∆x ∆x ∆x − 1 a = ax lim . x > 0. Koriste´i definiciju derivacije (5. odnosno ∆x = ˇto povlaˇi s c ∆x → 0 (ax ) = ax lim ⇔ t t → 0. teorem 4. a = 1. ln a 1 ln(t + 1) 1 = ax ln a limt→0 ln(t + 1)1/t 1 = ax ln a ln limt→0 (t + 1)1/t 1 = ax ln a ln e = ax ln a. x ln a a > 0.5) pa je ex jedina funkcija koju deriviranje ”ne mijenja”. ∆x→0 ∆x Uvedimo supstituciju a∆x = t + 1.9 b) imamo c t→0 ln(t+1) ln a t→0 1 t ln(t + 1) . s z Za logaritamsku funkciju iz poglavlja 4. y) (a a ln a x ln a .172 Posebno. 1 .1) i teorem 4. = ax ln a lim ˇto smo i ˇeljeli dokazati.

Potencije Derivacija potencije dana je s (xr ) = rxr−1 .6) i (5.5. ch x 1 (cth x) = − 2 . (ch x) = sh x. (arsh x) = √ 1 + x2 1 (arch x) = √ .9 lako dobijemo pomo´u c formule (5.5) i osnovnih pravila deriviranja: (sh x) = ch x. b) Dokaˇite formule (5. c 3 sin(ln x) . (5.1 a) Opiˇite sliˇnosti i razlike izmedu derivacija hiperbolnih i area s c funkcija i derivacija trigonometrijskih i arkus funkcija.3 na formule (5. x ∈ (−1. x ∈ (1.1 Derivacija 173 Hiperbolne i area funkcije Derivacije hiperbolnih funkcija iz poglavlja 4.6) Derivacije area funkcija dobijemo primjenjuju´i Teorem o deriviranju inc verzne funkcije 5.6. x ∈ (−∞. x ∈ R. x Formula za derivaciju potencije vrijedi i u svim ostalim sluˇajevima u koc jima je xr definirano (vidi poglavlje 4. (5. x ∈ R \ {0}.6. Dokaˇimo ovu formulu: koriste´i Teorem o deriviranju kompozicije 5. x > 0.7). +∞). 1 (th x) = 2 .4 i forz c mule za derivaciju eksponencijalne i logaritamske funkcije imamo 1 = rxr−1 .7) Zadatak 5. 1). (arth x) = 1 − x2 1 (arcth x) = . −1) ∪ (1. 1 − x2 x ∈ R.2).2 Nadite jednadˇbe tangente i normale na krivulju y = u toˇki x = eπ/6 . (xr ) = er ln x = er ln x (r ln x) = xr r z Zadatak 5. 2−1 x 1 . sh x x ∈ R. r ∈ R.7) i skicirajte te funkcije. x ∈ R.6): 1 . z c) Nadite asimptote funkcija u (5. +∞).

7 Izraˇunajmo derivaciju funkcije c y = (1 + x) x .1. x . sredivanje ove jednakosti c c daje y =y − 1 1 1 ln(1 + x) + · 2 x x 1+x = (1 + x) x 1 1 1 ln(1 + x).4. U onim toˇkama u kojima derivacija postoji vrijedi c f (x)g(x) = f (x)g(x) g (x) ln(f (x)) + g(x) f (x) . pri ˇemu y deriviramo kao sloˇenu funkciju (komc z poziciju). y = xx .174 DERIVACIJE I PRIMJENE 5. – deriviramo obje strane. f (x) Postupak kojim se dolazi do derivacije sastoji se od tri koraka koji se lako pamte: – logaritmiramo obje strane. y x x 1+x pri ˇemu smo ln y derivirali po teoremu 5. Konaˇno.6 Logaritamsko deriviranje Logaritamsko deriviranje koristimo za deriviranje funkcija oblika y = h(x) = f (x)g(x) . c c Primjer 5. Ovaj jednostavan postupak ilustrirat ´emo sljede´im primjerom. – sredimo dobivenu jednakost. Logaritmiranje daje ln y = Deriviranje obaju strana daje 1 1 1 1 y = − 2 ln(1 + x) + · · 1. x 1 x − 1 1 . ln(1 + x) + x 1+x Zadatak 5.3 Izraˇunajte derivacije funkcija c y = xx .

8) ˇ Oznaka ”≈” znaˇi ”pribliˇno jednako”. Viˇe o tome bit ´e govora u sljede´em poglavlju. a ˇto ”pribliˇno c z s z jednako” zavisi od primjene. y+ ∆ y=f(x+∆ x) y+dy y=f(x) dy=f’(x)∆ x x x+ ∆ x Slika 5. f (x)) i C = (x + ∆x.2 Diferencijal 175 5. f (x) + dy) jer je tg α = f (x).1) i definicije 5. ∆x→0 ∆x→0 ∆x ∆x lim pa zakljuˇujemo da razlika ∆y − dy teˇi k nuli brˇe od ∆x. c Definicija 5. B = (x + ∆x.4.4.4: Diferencijal Iz formule (5. diferencijal je linearna aproksimacija prirasta funkcije u okolini neke toˇke.3 Neka je funkcija y = f (x) derivabilna u toˇki x. (5. Ono slijedi c iz definicije tangensa kuta u pravokutnom trokutu ABC s vrhovima A = (x. za dovoljno male ∆x vrijedi ∆y ≈ dy. s c c . Sto je ”dovoljno malo”. Geometrijsko znaˇenje diferencijala prikazano je na slici 5.2 Diferencijal Za razliku od derivacije koja daje koeficijent smjera tangenta. f (x)). To se takoder c z z moˇe vidjeti i na slici 5.3 slijedi ∆y − dy ∆y = lim − f (x) = f (x) − f (x) = 0. Diferencijal c funkcije f u toˇki x je izraz c dy ≡ df (x) = f (x)∆x. z Isto tako.5.

1 Pribliˇno raˇunanje z c Jedna od vaˇnih primjena diferencijala je pribliˇno raˇunanje.10) i (5. tada po (5.10) dx ˇto je joˇ jedan naˇin zapisivanja derivacije (usporedite formule (5. Svojstva diferencijala sliˇna su svojstvima derivacija iz teorema 5. g2 g(x) = 0.8) i (5. df · g − f · dg .10) zapravo znaˇe da krivulju moˇemo dobro aproksimirati c z s njenom tangentom za dovoljno male vrijednosti od ∆x. tre´u tvrdnju teorema. z c c 5.9) dy . Koriste´i teorem 5. g : D → R derivabilne na skupu A ⊆ D. Takoder. d(f − g) = df − dg. dx ≡ d(x) = (x) ∆x = ∆x. odnosno (5.2 z c c imamo d(f · g) = (f · g) dx = (f · g + f · g )dx = f dx · g + f · g dx = df · g + f · dg.5 Ako su funkcije f. Dokaˇimo.2.8) apsolutna pogreˇka u tako izraˇunatoj s c vrijednosti funkcije pribliˇno iznosi z |∆y| ≈ |dy| = |f (x)∆x|. Ostale tvrdnje lako se dokaˇu na sliˇan naˇin. (5. Iz ove jednakosti i definicije diferencijala slijedi dy = f (x)dx. c c d sin x ≡ d(sin x) = (sin x) ∆x = cos x∆x. c f (x) = Teorem 5. Ako pomo´u tako izraˇunatog x raˇunamo vric c c jednost funkcije y = f (x).1)). na primjer. tada u svakoj toˇki x ∈ A vrijedi c d(f + g) = df + dg.176 DERIVACIJE I PRIMJENE Diferencijal se lako raˇuna pomo´u derivacija. Neka smo z z c vrijednost nezavisne varijable x izmjerili s pogreˇkom koja po apsolutnoj vris jednosti ne prelazi neki ∆x. . Dokaz. na primjer. d f g = d(f · g) = df · g + f · dg.2. s s c Formule (5. Tako je.

3 Viˇe derivacije i diferencijali s 177 ∆y dy ≈ . Njena derivacija f : A ⊆ D → R je takoder funkcija pa je moˇemo derivirati. c z Vrijedi √ √ 1 4 4 84 = 4 81 + 3 = 3 1 + . 27 Definirajmo funkciju √ f (x) = 3 4 1 + x i odaberimo x0 = 0 i ∆x = 1/27. c √ c Pri raˇunanju 4 84 zaporavo smo koristili prva dva ˇlana Taylorovog reda c odabrane funkcije. Indukcijom definiramo n-tu derivaciju funkcije f kao derivaciju njene (n−1)-ve derivacije. c dok relativna pogreˇka iznosi s 5.9 a) Za viˇe derivacije funkcije y = e kx vrijedi s y = kekx · k = k 2 ekx . s c √ √ c c Primjer 5. . y y Ovo je krasna ideja.5 pa ´e c tamo takoder biti viˇe rijeˇi o ocjeni pogreˇke prilikom ovakvog pribliˇnog s c s z raˇunanja. Primjer 5.5.8 Izraˇunajmo pribliˇno 4 84 koriste´i ˇinjenicu da je 4 81 = 3. Koriste´i diferencijal imamo c √ 4 84 = f (x0 + ∆x) ≈ f (x0 ) + df (x0 ) = f (x0 ) + f (x0 )∆x 3 3 3 1 ˙ = f (x0 ) + (1 + x0 )− 4 ∆x = 3 + · 1 · = 3.027.3 Viˇe derivacije i diferencijali s Neka je f : D → R zadana funkcija. Taylorov red je tema kojom se bavi poglavlje 6. odnosno f ≡ (f ) : B ⊆ A ⊆ D → R. y = ekx · k = kekx . y = k 2 ekx · k = k 3 ekx . Druga derivacija funkcije f je z derivacija funkcije f . uz uvjet da znamo preciznije kazati ˇto znaˇi ”≈”. f (n) = f (n−1) .0274 pa smo u ovom sluˇaju uz vrlo jedc c c nostavne operacije dobili dobru aproksimaciju izbjegavˇi pri tome raˇunanje s c ˇetvrtog korijena. 4 4 27 Toˇna vrijednost na ˇetiri decimale je 3.

Iz ove formule slijedi joˇ jedan koristan izraz za drugu derivaciju: s f (x) = d2 y .11) Nadalje. Diferencijale viˇeg reda definiramo analogno. Neka je y = f (x) dva puta s derivabilna funkcija. odnosno d2 f ≡ d2 y = d(dy). Diferencijal drugog reda funkcije f je diferencijal njenog diferencijala dy. ako je y = f (x) n puta derivabilna funkcija. . dx2 (5. k > n. Lako vidimo da op´enito za polinom n-tog stupnja p n (x) vrijedi c (k) pn (x) = 0.9) vrijedi d2 y = d(dy) = (dy) dx = (f (x)dx) dx = f (x)dx · dx = f (x)dx2 . y = 6a3 x + 2a2 . b) Za polinom y = a 3 x3 + a 2 x2 + a 1 x + a 0 vrijedi y = 3a3 x2 + 2a2 x + a1 . y V = 0. Pri tome prema formuli (5. y = 6a3 . Primijetimo da se ovdje prilikom deriviranja dx tretira kao konstanta. . y IV = 0. tada je diferencijal n-tog reda funkcije f dan s dn f ≡ dn y = d(dn−1 )y = f (n) dxn . .178 DERIVACIJE I PRIMJENE pa indukcijom zakljuˇujemo da je n-ta derivacija jednaka c y (n) = k n ekx . .

5. . c y (1) = 1 cos π 1 3 2 π = − √3 = − √ −2 sin 3 2 3 2 2 pa je jednadˇba traˇene tangente dana s (5.4 Deriviranje parametarski zadane funkcije Jedna od vaˇnih primjena diferencijala je deriviranje parametarski zadanih z funkcija.10 Odredimo tangentu na krivulju zadanu s x = 2 cos t.11). ˙ x = ϕ (t). Formula (5. dx d(ϕ(t)) ϕ (t)dt ϕ (t) ˇ Cesto se koristi i kra´i zapis c y = y ˙ . a x i y oznaˇava c c ˙ ˙ c deriviranje po parametru. y = ψ(t).3). 3 xdt ˙ x ˙ c Ovu formulu smo takoder mogli izvesti koriste´i formulu (5. z z Formulu za drugu derivaciju parametarski zadane funkcije takoder dobijemo primjenom formule (5.4 Deriviranje parametarski zadane funkcije 179 5. Ovo je parametarski zadana elipsa iz poglavlja 5. ˙ pri ˇemu y oznaˇava deriviranje po nezavisnoj varijabli x. −2 sin t Odredimo t: iz x = 1 = cos t slijedi cos t =√ pa je t = π/3 ili t = −π/3. 1/2 Uvjet y > 0 povlaˇi t = π/3 i y = sin π/3 = 3/2. Dakle. x ˙ y = ψ (t). raˇunamo pomo´u formule (5.10): c c f (x) = d(ψ(t)) ψ (t)dt ψ (t) dy = = = . Primjer 5.10) daje y = cos t . y = sin t. u toˇki x = 1.3. y > 0. t ∈ [0.4 c koja je prikazana na slici 5.10): d(y ) y = = dx d y ˙ x ˙ xdt ˙ y x − y¨ ¨˙ ˙x dt 2 y x − y¨ ¨˙ ˙x x ˙ = = . 2π]. Derivaciju parametarski zadane funkcije x = ϕ(t). t ∈ D ⊆ R.1.

= x−c − − f (x) − f (c) = f (c+ ) = lim ≤ 0. c tada u toˇki x = c postoje i derivacije slijeva i zdesna i one su jednake. tada je teorem dokazan. z Lagrangeov teorem slijedi iz Cauchyjevog teorema i sluˇi za dokazivanje Teoz rema o monotonosti (poglavlje 5.180 DERIVACIJE I PRIMJENE 5. c c Ako f nije derivabilna u toˇki c.5): f (c− ) = lim f (x) − f (c) − ≥ 0. b) (dokaz u sluˇaju najmanje vrijednosti je sliˇan). Lagrangeov teorem i L’Hospitalov teorem (L’Hospitalovo pravilo).1 Fermatov i Rolleov teorem Teorem 5.7) i za dokazivanje Rolleovog teorema. Dokaz. Dokaˇimo teorem za sluˇaj da funkcija f u toˇki c poprima najve´u z c c c vrijednost na intervalu (a. Ako f (c) postoji.5 promatramo zatvoreni interval [a. Odnose izmedu navedenih teorema moˇemo prikazati c i shematski: Lagrange Rolle Fermat ekstremi Cauchy L’Hospital neodredjeni oblici monotonost 5. a u kojoj derivacija nije c c nula: ako na primjeru sa slike 5.6). Vrijedi c (vidi sliku 5.6 (Fermat) Neka funkcija f poprima u toˇki c ∈ (a. x→c+0 x−c + x→c−0 Kako su ova dva limesa jednaka. b) ⊆ D svoju c najmanju ili najve´u vrijednost na intervalu (a. Rolleov teorem. b].5. tada je f (c) = 0. b).5 Teoremi diferencijalnog raˇuna c U ovom poglavlju dokazat ´emo osnovne teoreme diferencijalnog raˇuna. c c To su Fermatov teorem. Fermatov teorem sluˇi z za ispitivanje ekstrema (poglavlje 5. Cauchyjev teorem sluˇi za dokazivanje z L’Hospitalovog pravila. tada . a L’Hospitalovo pravilo sluˇi za nalaˇenje limesa u z z z sluˇaju neodredenih oblika. Cauchyjev teorem. Rolleov teorem sluˇi za dokazivanje Cauchyjevog teorema srednje vrijednosti. Ako derivacija u toˇki c c c postoji. oba moraju biti jednaka nuli pa je f (c) = 0. Odabir otvorenog intervala u iskazu Fermatovog teorema je vaˇan stoga z ˇto je u sluˇaju zatvorenog intervala mogu´e da funkcija poprima najmanju ili s c c najve´u vrijednost u toˇki koja se nalazi u intervalu.

∀x ∈ [a. ∀x ∈ (a. Tada postoji toˇka c ∈ (a. Ako f nije konstantna. c Posljedica Fermatovog teorema je i sljede´i korolar. Ako je funkcija f konstantna na intervalu c [a. derivabilna na otvorenom intervalu (a. c Korolar 5. Razlikujemo dva sluˇaja. b) u nekoj toˇki c ∈ (a. b) te neka je g (x) = 0 . odnosno f (x) = k. b].5 Teoremi diferencijalnog raˇuna c 181 f(c) f(x) a c x b Slika 5. tada ona poprima svoju najve´u ili najmanju c vrijednost na intervalu (a.8 (Cauchy) Neka su funkcije f i g neprekidne na zatvorenom intervalu [a. b) pa tvrdnja slijedi iz Ferc matovog teorema 5. b) te neka je f (a) = f (b). b]. b) pa je teorem dokazan.5.7.5. b] i derivabilne na otvorenom intervalu (a. tada je f (x) = 0. 5.2 Cauchyjev i Lagrangeov teorem srednje vrijednosti Teorem 5. b) takva da je f (c) = 0. c Dokaz. ako f ne postoji u x) ili ako je f (x) = 0. s c Teorem 5.1 Funkcija f moˇe imati ekstrem u toˇki x ∈ D samo ako nije z c derivabilna u x (odnosno.7 (Rolle) Neka je funkcija f neprekidna na zatvorenom intervalu [a. Viˇe govora o ekstremima bit ´e u poglavlju 5. b].5: Fermatov teorem funkcija svoju najmanju vrijednost na tom intervalu dostiˇe upravo u toˇki b z c u kojoj je oˇito f (b) = 0.6.

Zbog toga se ˇesto za c c oba teorema u ovom poglavlju koristi i naziv Teorem srednje vrijednosti. g(b) − g(a) . Funkcija F stoga ispunjava pretpostavke Rolleovog teorema 5. Vrijednost f (b) − f (a) b−a je koeficijent smjera sekante koja prolazi kroz toˇke A = (a. f (c)). b) takva da je f (b) − f (a) f (c) = . kako su f c i g neprekidne na intervalu [a. ako bi vrijedilo g(a) = g(b). b). tada bi po Rolleovom teoremu postojala toˇka x iz intervala (a. g(b) − g(a) Funkcija F je dobro definirana jer je nazivnik u gornjem izrazu razliˇit od c nule. a vrijednost f (c) je koeficijent smjera tangente kroz toˇku C = c (c. Ako u Cauchyjevom teoremu odaberemo g(x) = x. c Naime.6. Nadalje. b). Tada postoji toˇka c c ∈ (a. Primijetimo da Lagrangeov teorem samo kaˇe da toˇka c postoji. b) povlaˇi da je g(a) = g(b). b). kao ˇto je sluˇaj na slici 5.182 DERIVACIJE I PRIMJENE za svaki x ∈ (a. b] i derivabilne na intervalu (a. f (a)) i B = c (b. g (c) g(b) − g(a) Dokaz. Dakle.7 pa postoji toˇka c ∈ (a. c 0 = F (c) = f (c) − i teorem je dokazan. To ne iskljuˇuje z c c mogu´nost da postoji viˇe takvih toˇaka. takva je i F . b] i derivabilna na otvorenom intervalu (a. f (b)). tada je g (x) = 1 i g(b) − g(a) = b − a pa imamo sljede´i vaˇan teorem. b−a Lagrangeov teorem ima zanimljivu geometrijsku interpretaciju koja je prikazana na slici 5. b) za koju je g (x) = 0. Sada moˇemo definirati funkciju c z F (x) = f (x) − f (a) − f (b) − f (a) (g(x) − g(a)). Tada postoji toˇka c ∈ (a.9 (Lagrange) Neka je funkcija f neprekidna na zatvorenom intervalu [a. b) takva da je F (c) = 0. Pretpostavka g (x) = 0 za svaki x ∈ (a.6. Oˇito vrijedi DF = Df ∩ Dg i F (a) = F (b) = 0. Lagrangeov teorem dakle znaˇi da (ako su ispunjene pretpostavke) c postoji toˇka u kojoj je tangenta paralelna sa sekantom. c z Teorem 5. b) takva da je c f (b) − f (a) f (c) = . Moˇe c s c s c z li postojati beskonaˇno takvih toˇaka? c c f (b) − f (a) g (c).

Uz oznaku ϑ≡ c−a b−a . c z c f(b) f(b) f(a) a b f(a) a b a) b) Slika 5. vaˇno je uoˇiti zbog ˇega su vaˇne z c c z pretpostavke da je f neprekidna na intervalu [a.7 b) pa traˇena toˇka c opet ne postoji. b] i derivabilna na intervalu (a. Ukoliko je f neprekidna ali nije derivabilna. b).5 Teoremi diferencijalnog raˇuna c 183 f(b) f(c) f(c) f(a) a c c b Slika 5. z s c ˇ Cesto se koristi zapis f (b) − f (a) = f (c)(b − a). Ukoliko f nije neprekidna. z c tada je mogu´a situacija kao na slici 5.6: Geometrijska interpretacija Lagrangeovog teorema Da bi bolje razumjeli Lagrangeov teorem. tada je mogu´a situacija kao na slici 5.5.7: Pretpostavke Lagrangeovog teorema Tvrdnju Lagrangeovog teorema moˇemo zapisati na joˇ nekoliko naˇina.7 a) c pa traˇena toˇka c ne postoji.

Po Cauchyjevom teoremu postoji toˇka x ∈ (x. g(x) g(x) − g(c) Za svaki x ∈ (a. c).8 na intervalu [x. b) funkcije f i g ispunjavaju pretpostavke Cauchyjevog teorema 5.184 vrijedi c = a + ϑ(b − a). b). ∞0 . tada je x→c lim f (x) f (x) = lim = k. b). g(x) g(x) − g(c) g (¯) x . s c c c a ostali neodredeni oblici se pomo´u odgovaraju´ih transformacija svode na jedan od ova dva oblika (vidi primjer 5. g : D → R vrijedi lim f (x) = 0. 0 ∞ . odnosno [c. x→c g (x) g(x) Dokaz. x→c x→c pri ˇemu je c ∈ (a. koriste´i oznake a = x i b = x + ∆x moˇemo pisati c z ∆f (x) = f (x + ∆x) − f (x) = f (x + ϑ∆x)∆x. x] ako je x > c. x). 00 . Neodredeni oblici 0/0 i ∞/∞ rjeˇavaju se pomo´u L’Hospitalovog pravila. Neka je g(x) = 0 za svaki x ∈ (a. za koju je c ¯ ¯ f (x) f (x) − f (c) f (¯) x = = . c) ∪ (c. Kako su f i g neprekidne. 0 < ϑ < 1. lim g(x) = 0. to je f (c) = g(c) = 0 pa je f (x) − f (c) f (x) = . ∞ − ∞. c) ∪ (c.10 (L’Hospitalovo pravilo) Neka za funkcije f. DERIVACIJE I PRIMJENE 0 < ϑ < 1. pa se Lagrangeov teorem ˇesto zapisuje u obliku c f (b) − f (a) = f (a + ϑ(b − a))(b − a). c] ako je x < c. Ako postoji limx→c f (x)/g (x) = k. 1∞ . 5. Neka su f i g neprekidne na skupu [a. Dalje.3 L’Hospitalovo pravilo i raˇunanje limesa neodredenih c oblika Kod raˇunanja limesa moˇe se pojaviti jedan od sedam neodredenih oblika. 0 < ϑ < 1. b] i c neprekidno derivabilne na skupu (a.11). Teorem 5. pri ˇemu je k ∈ R ili c k = +∞ ili k = −∞. odnosno x ∈ (c. ∞ 0 · ∞. b) ⊆ D. c) ∪ (c. c z 0 .5.

3 pa dokaz L’Hospitalovog teorema postaje joˇ jednostavniji: s f (x) f (x) − f (c) lim = lim = lim x→c g(x) x→c g(x) − g(c) x→c f (x)−f (c) x−c g(x)−g(c) x−c = limx→c f (x)−f (c) x−c g(x)−g(c) limx→c x−c = f (c) .6 moˇemo joˇ jedc z s nostavnije izraˇunati pomo´u L’Hospitalovog pravila: c c 0 sin x cos x = = 1.11 a) Limes kojeg smo izraˇunali u primjeru 4.5. odnosno g (x) = 0 za svaki x ∈ (a. tada moˇemo iskoristiti z teorem 4. daje s c ¯ c f (x) f (¯) x f (¯) x = lim = lim = k. x x→+∞ e x→+∞ e x→+∞ e ∞ ∞ lim Iz ovog primjera indukcijom moˇemo zakljuˇiti da eksponencijalna funkcija z c s bazom ve´om od 1 raste brˇe od bilo koje potencije! c z c) U ovom primjeru potrebno je izvrˇiti nekoliko transformacija. (ii) L’Hospitalovo pravilo se moˇe primijeniti viˇe puta uzastopce ako se z s ponovo dobije jedan od neodredenih oblika 0/0 ili ∞/∞ te ako nove funkcije ispunjavaju uvjete teorema 5.1 (i) L’Hospitalovo pravilo vijedi i kada x → +∞ ili x → −∞. x→0+0 . a ne da je g (c) = 0.5 Teoremi diferencijalnog raˇuna c 185 Prijelaz na limes kada x → c i koriˇtenje ˇinjenice da x → c ˇim x → c.11). za neodredeni oblik ∞/∞ te za limese i derivacije slijeva ili zdesna. Vaˇno je uoˇiti da pretpostavke L’Hospitalovog teorema traˇe samo da z c z limes limx→c f (x)/g (x) postoji.11). = lim x→0 x x→0 1 0 lim b) U sljede´em sluˇaju L’Hospitalovo pravilo moramo primijeniti dva puta: c c x2 ∞ ∞ 2x 2 = = lim x = = lim x = 0.12 ili neke njegove varijante iz prethodne toˇke (vidi primjer 5. g (c) Napomena 5. x→c g(x) x→c g (¯) x→c g (¯) ¯ x x lim i teorem je dokazan. Izraˇunajmo s c x→0+0 lim xx = 00 = lim ex ln x = elimx→0+0 x ln x . c (iii) Ostali neodredeni oblici se pogodnim transformacijama mogu svesti na jedan od oblika 0/0 ili ∞/∞ (vidi primjer 5. Primjer 5. Ukoliko dodatno vrijedi g (c) = 0. b).

Dokaˇimo prvu tvrdnju. Pojam rastu´e i padaju´e (monotone) funkcije dan je u c c definiciji 4. tada je funkcija f strogo padaju´a c na intervalu (a.9).9. b). tada je funkcija f strogo rastu´a na c intervalu (a. pri ˇemu treba dokazati oba smjera. b). d) Sljede´i primjer takoder moˇemo primijeniti na ˇiroku klasu zadataka: c z s lim 1 x − x − 1 ln x = (∞ − ∞) = lim x ln x − (x − 1) x→1 (x − 1) ln x 1 ln x + x x − 1 0 = = lim x→1 ln x + (x − 1) 1 0 x 0 = lim x→1 0 1 x 1 x x→1 = + 1 x2 = 1 . b). b) ako i samo ako je f (x) ≥ 0 za c svaki x ∈ (a. 2 5. Dokaz. b).11 Neka je funkcija f derivabilna na intervalu (a.186 DERIVACIJE I PRIMJENE U zadnjoj jednakosti koristili smo neprekidnost funkcije e x i teorem 4. b). b) ako i samo ako je f (x) ≤ 0 za c svaki x ∈ (a. (iv) ako je f (x) < 0 za svaki x ∈ (a. (iii) ako je f (x) > 0 za svaki x ∈ (a. z c . traˇeni limes je z x→0+0 lim xx = e0 = 1. Tada vrijedi: (i) funkcija f je rastu´a na intervalu (a. (ii) funkcija f je padaju´a na intervalu (a. b). x→0+0 ln x 1 x x→0+0 x→0+0 = 1 −∞ x = lim x→0+0 − 1 +∞ x2 Dakle. U dokazu sljede´eg teorema koristit ´emo Lagrangeov teorem c c srednje vrijednosti 5. b).3. Izraˇunajmo limes u eksponentu posebno: c lim x ln x = (0 · (−∞)) = lim = lim x = 0.6 Monotonost Predznak derivacije nam takoder kazuje da li funkcija raste ili pada na nekom intervalu. Teorem 5.7 (vidi primjer 4.

x2 ∈ (a. b). Trebamo dokazati da c je f (x) ≥ 0 za svaki x ∈ (a. Kako je f rastu´a. zadnje dvije tvrdnje vrijede samo u jednom smjeru. Funkcija f i njena derivacija prikazane su na slici 5. Dokaz c ostalih tvrdnji je sliˇan. poˇto u prethodnoj nejednakosti jednakost vrijedi samo s s za x = −1 i x = 1. x2 − x 1 Kako je x2 − x1 > 0.3. Po Lagrangeovom c teoremu 5.5. moˇemo uzeti funkciju y = x 3 s z koja je strogo rastu´a na ˇitavom skupu R. takve da je x1 < x2 .6 Monotonost 187 Neka je f rastu´a i derivabilna na intervalu (a. za ∆x < 0 vrijedi f (x + ∆x) ≤ f (x) pa je c ∆x→0−0 lim f (x + ∆x) − f (x) ≥ 0. to je f (x) = f (x + ∆x) − f (x) f (x + ∆x) − f (x) = lim ≥ 0.12 Odredimo intervale monotonosti funkcije f (x) = x 3 − 3x − 2.9 postoji toˇka c ∈ (x1 . +∞). zakljuˇujemo da je na tim intervalima f strogo rastu´a. Dokaˇimo drugi smjer. Trebamo dokazati da je f rastu´a po definiciji 4. b). odnosno f je strogo padaju´a na c c intervalu (−1. −1) s z c c ˇ i (1. Kao primjer zaˇto kod tih tvrdnji ne vrijedi drugi smjer. Neka je f derivabilna na intervalu (a. Odaberimo proizvoljni x ∈ (a. zakljuˇujemo da je nuˇno f (x2 ) ≥ f (x1 ). S ovim smo dokazali prvu tvrdnju teorema. ∆x S druge strane. b).8. c Odaberimo dvije toˇke x1 . b). za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x) pa je f (x + ∆x) − f (x) ≥ 0. Stoga funkcija f raste za 3x2 − 3 ≥ 0. c c Sliˇno. ∆x→0−0 ∆x→0+0 ∆x ∆x lim Toˇka x je bila proizvoljno odabrana pa zakljuˇujemo da je f (x) ≥ 0 za svaki c c x ∈ (a. b). funkcija f pada za 3x2 − 3 ≤ 0. odnosno f je c z rastu´a na intervalu (a. c Dok prve dvije tvrdnje teorema vrijede u jednom i u drugom smjeru (ako i samo ako). ali je y (0) = 0. Vrijedi f (x) = 3x2 − 3. ∆x→0+0 ∆x lim Kako je f derivabilna. Stoviˇe. b). b) i neka je z f (x) ≥ 0 za svaki x ∈ (a. c c Primjer 5. Nakon rjeˇavanja nejednadˇbe zakljuˇujemo da je f rastu´a na intervalima (−∞. . b). x2 ) takva da je c f (x2 ) − f (x1 ) = f (c) ≥ 0. 1).

6 i Teorem o monotonosti 5.11. c) ∪ (c. c Definicija 5. koristimo pojam ε-okoline: ε-okolina toˇke x je interval (x − ε. U definiciji lokalnih ekstrema te u iskazima i dokazima teorema o ekstremima.9. Razlike izmedu lokalnih i globalnih ekstrema prikazane su na slici 5. c + ε). x + ε) pri c ˇemu je ε > 0.188 DERIVACIJE I PRIMJENE 1 -1 1 x**3-3*x-2 3*x**2-3 Slika 5. (ii) Funkcija f ima lokalni maksimum f (c) u toˇki c ∈ D ako postoji εc okolina toˇke c takva da je f neprekidna na toj okolini i pri tome vrijedi c f (x) < f (c) za svaki x ∈ (c − ε. (iii) Funkcija f ima globalni minimum f (c) u toˇki c ∈ D ako je f (x) ≥ f (c) c za svaki x ∈ D. Za ispitivanje lokalnih ekstrema koristimo Fermatov teorem 5. c) ∪ (c.4 (i) Funkcija f ima lokalni minimum f (c) u toˇki c ∈ D ako c postoji ε-okolina toˇke c takva da je f neprekidna na toj okolini i pri c tome vrijedi f (x) > f (c) za svaki x ∈ (c − ε. (iv) Funkcija f ima globalni maksimum f (c) u toˇki c ∈ D ako je f (x) ≤ f (c) c za svaki x ∈ D. c + ε).8: Intervali monotonosti 5. Kod lokalnih ekstrema se traˇi da je vrijednost funkcije u toˇki ekstrema strogo z c .7 Ekstremi Kod ekstrema razlikujemo lokalne i globalne ekstreme.

potrebna nam je sljede´a definicija. ali ne i globalni maksimum. f ] su toˇke globalnog minimuma. a ni jedna nije c c toˇka lokalnog minimuma. c – u toˇki i funkcija ima lokalni minimum. c Definicija 5. j] :→ R vrijedi sljede´e: c – ni jedna toˇka u intervalu [a. c – u toˇki g funkcija istovremeno ima lokalni i globalni maksimum.7 Ekstremi 189 najmanja ili najve´a na nekoj okolini. niti globalni ekstrem. definicija globalnih c ekstrema dozvoljava da se globalni ekstrem nalazi u viˇe toˇaka pa ˇak i na s c c nekom intervalu. c c . Na primjer. c – u toˇki d funkcija ima lokalni maksimum.5. za prikazanu funkciju f : [a. b] nije ni lokalni. Toˇka c je stacionarna c c toˇka funkcije f ako je f (c) = 0.5 Neka je funkcija f neprekidna u toˇki c. Toˇka c je kritiˇna toˇka funkcije f ako je c c c c c stacionarna toˇka ili ako f nije derivabilna u toˇki c. c a b c d e f g h i j Slika 5. ali ne i globalni minimum. c – u toˇki c funkcija ima lokalni minimum. c – sve toˇke u intervalu [e.9: Lokalni i globalni ekstremi Za iskazivanje teorema koji daju uvjete za postojanje ekstrema. S druge strane.

g i i u kojima funkcija prikazana c na slici 5.9 stacionarne toˇke su sve toˇke c c u intervalima (a. ako postoji ε > 0 takav c da su vrijednosti funkcije f na intervalu (c−ε. tada po definiciji 5.12 ´emo ilustrirati joˇ jednim primjerom. c s Primjer 5. Primijetimo da funkcija moˇe mijenjati predznak u nekoj toˇki. Ako je f derivabilna u toˇki c i ima lokalni ekstrem s c u toj toˇki. c Definicija 5. Na primjer. a ne i dovoljan uvjet za z postojanje lokalnog ekstrema. Teorem 5.12 (Nuˇan uvjet za postojanje ekstrema) Neka je funkcija f z neprekidna u toˇki c. b) i (e.190 DERIVACIJE I PRIMJENE Na primjer. za funkciju prikazanu na slici 5. c + ε). Ako funkcija f ima lokalni ekstrem u toˇki c. dovoljan uvjet je uvjet koji znaˇi da funkcija u nekoj toˇki c c ima lokalni ekstrem ˇim je taj uvjet ispunjen. c c Dokaz.9 ima lokalne ekstreme ujedno i kritiˇne toˇke te funkcije.6 Funkcija f mijenja predznak u toˇki c. S druge c c strane. b.12 vrijedi jer je funkcije nije derivabilna u toˇki 0. c . c Teorem 5. c c) Za funkciju f (x) = x3 vrijedi f (x) = 3x2 pa je f (0) = 0.13 a) Funkcija f (x) = x2 ima lokalni (i globalni) minimum u toˇki x = 0. potrebna nam je sljede´a definicija. vidimo da teorem 5. d.12 ne vrijedi. Ako funkcija f nije derivabilna u toˇki c. f . a da pri z c tome nije definirana u toj toˇki. f ) te toˇke c. jer funkcija nema lokalne ekstreme u ostalim kritiˇnim toˇkama. z Za iskazivanje teorema koji daju dovoljne uvjete za postojanje ekstrema. c c Teorem 5. Medutim. f (0) nije lokalni ekstrem pa vidimo da obrat teorema 5. d i g.6 vrijedi c f (c) = 0. h i i. c s c Razlikujemo dvije vrste uvjeta za postojanje lokalnog ekstrema u nekoj toˇki: nuˇan uvjet je uvjet kojeg ispunjava svaka toˇka u kojoj funkcija ima c z c lokalni ekstrem.4 funkcija f ima u toˇki c najve´u ili najmanju c c c vijednost na nekoj ε-okolini toˇke c. Teorem c 5.12 vrijedi jer je f (x) = 2x pa je f (0) = 0.12 daje samo nuˇan. c b) Funkcija f (x) = |x| ima lokalni (i globalni) minimum u toˇki x = 0. c) stalnog i suprotnog predznaka od vrijednosti te funkcije na intervalu (c. Sada po Fermatovom teoremu 5. Kritiˇne toˇke su sve navedene c c c toˇke te joˇ toˇke a. tada je teorem dokazan c (nemamo ˇto dokazivati). e. odnosno teorem daje samo nuˇan uvjet za postojanje ekstrema. tada je c c c kritiˇna toˇka funkcije f . vidimo da su toˇke c.

c c c To pak znaˇi da funkcija f strogo pada lijevo od toˇke c. Kako je f (c) = 0. Sliˇno se dokaˇe da za f (c) = 0 i f (c) < 0 funkcija f c c z ima u toˇki c lokalni maksimum. a strogo raste desno c c od toˇke c pa je c toˇka lokalnog minimuma. a ako f mijenja predznak s + na −. Pri tome vrijedi sljede´e: ako f mijenja predznak s − na +. Teorem 5. tada na sliˇan naˇin zakljuˇujemo da funkcija c c c f ima u toˇki c lokalni maksimum. x→c x − c x→c x−c Zadnja jednakost vrijedi jer je c stacionarna toˇka pa je f (c) = 0.11 funkcija f strogo pada na intervalu (c−ε. To znaˇi da c c c je prva derivacija f strogo rastu´a na toj okolini. Tada vrijedi c c c 0 < f (c) = lim f (x) f (x) − f (c) = lim . tada po teoremu 5. tada je f (c) lokalni maksimum. Dokaz. tada funkcija c f ima lokalni ekstrem u toˇki c. Stoga funkcija f ima u toˇki c lokalni minimum po definiciji 5. tada c c je f (c) lokalni minimum. Dovoljan uvjet za postojanje ekstrema moˇemo izraziti i pomo´u druge z c derivacije. c+ε).14 (Dovoljan uvjet za postojanje ekstrema) Neka je u stacionarnoj toˇki c funkcija f dva puta derivabilna. funkcije iz primjera 5.13 c) te uvjete ne ispunjava.5. ve´ i u nekoj ε-okolini toˇke c. prva derivacija f mijenja c predznak u toˇki c i to s − na + pa po teoremu 5. Dakle. Druga derivacija f je derivacija prve derivacije pa pretpostavka da f (c) postoji zbog definicije 5. c c tada je f (c) lokalni minimum. c Na primjer. c c .1 znaˇi da prva derivacija f postoji ne samo u c toˇki c. tada funkcija f ima lokalni ekstrem c c u toˇki c. c) i strogo raste na intervalu (c.13 funkcija f ima lokalni c minimum u toˇki c.7 Ekstremi 191 Teorem 5.13 (Dovoljan uvjet za postojanje ekstrema) Ako prva derivacija f mijenja predznak u kritiˇnoj toˇki c. dok funkcija iz primjera 5. tada je f (c) lokalni maksimum. zac kljuˇujemo da je f negativna lijevo od toˇke c i pozitivna desno do toˇke c. c Prethodni dokaz moˇemo rijeˇima iskazati i na sljede´i naˇin: ako je z c c c f (c) > 0. tada je f ve´a od nule i na nekoj okolini toˇke c. Neka je f (c) > 0. Za x > c je x − c > 0 c pa gornja nejednakost povlaˇi f (x) > 0.4.13 a) i b) ispunjavaju uvjete teorema. Pri tome vrijedi sljede´e: ako je f (c) > 0. Ako je f (c) = 0. a ako je f (c) < 0. Za x < c c je x − c < 0 pa gornja nejednakost povlaˇi f (x) < 0. Ako derivacija f mijenja predznak s − na +. Dokaz. Ako derivacija c f mijenja predznak s + na −.

Volumen traˇenog valjka je z z V = yx2 π. Sliˇnost trokuta s c . Rijeˇimo sljede´i zadatak: od svih valjaka koje moˇemo upisati u zadani s c z stoˇac visine h i radijusa baze r. U tom c sluˇaju moˇemo koristiti viˇe derivacije (vidi teorem 5.14 u toˇki x = 0. c jer je f (0) = 0. teorem ne moˇemo primijeniti na funkciju f (x) = |x| u toˇki z c x = 0. c z s 5. h y x r Slika 5.10.192 DERIVACIJE I PRIMJENE Na primjer. nadimo onaj koji ima najve´i volumen. c S druge strane.10: Valjak upisan u stoˇac z Naˇ cilj je izraziti volumen kao funkciju jedne varijable te na´i njen maks c simum uz zadani uvjet da se valjak nalazi unutar stoˇca. jer je f (0) = 0 i f (0) = 0.18). jer nije derivabilna u toj toˇki. a f (0) = 2 > 0 pa se u toˇki x = 0 nalazi lokalni minimum. na naˇin da donja baza valjka leˇi na bazi z c z stoˇca. s c Stoˇac i valjak prikazani su na slici 5.1 Geometrijski ekstrem U ovom poglavlju objasnit ´emo postupak traˇenje globalnih ekstrema u c z sluˇaju kada su u problemu koji rjeˇavamo zadana neka ograniˇenja.7. Ograniˇenja c s c c se ˇesto javljaju prilikom rjeˇavanja geometrijskih i fizikalnih problema pa odac s tle i naziv geometrijski ekstrem. funkcija f (x) = x2 ispunjava uvjete teorema 5. Teorem takoder ne moˇemo primijeniti c z niti na funkciju f (x) = x3 u toˇki x = 0.

t ∈ (0. x2 ∈ (a. Potraˇimo s z lokalne ekstreme funkcije V (x).5. c z Definicija 5. V = 5. 2r/3) s s i V (x) < 0 za x ∈ (2r/3. b) takve da je x1 = x2 vrijedi f (t x1 + (1 − t) x2 ) ≥ t f (x1 ) + (1 − t) f (x2 ). r r Jednadˇba V (x) = 0 ima dva rjeˇenja. r odnosno Dakle. r]. 1). r]. b) ⊆ D ako za proizvoljne toˇke x1 . Prvo rjeˇenje nije z s s rjeˇenje naˇeg zadatka. Po teoremu 4.11. U sluˇaju strogih nejednakosti. zakljuˇujemo da je x = 2r/3 toˇka lokalnog c c maksimuma.8 neprekidna funkcija poprima na zatvorenom intervalu svoj maksimum i minimum pa zadani problem sigurno ima rjeˇenje. y h h y = (r − x) .7 Funkcija f je konveksna na intervalu (a. jer je V (0) = 0. vrijedi V (0) = 0 i V (r) = 0. ˇto se takoder vidi sa slike. Kako je V (x) > 0 za x ∈ (0. t ∈ (0. s Pored toga. funkcija f je konkavna na intervalu (a. Vrijedi h h V (x) = π (2x(r − x) + x2 (−1)) = π x(−3x + 2r). r V (x) je neprekidna funkcija. . b) takve da je x1 = x2 vrijedi c f (t x1 + (1 − t) x2 ) ≤ t f (x1 ) + (1 − t) f (x2 ). Dakle.8 Zakrivljenost U ovom poglavlju opisat ´emo postupak za ispitivanje zakrivljenosti funkcije. a u naˇem zadatku x poprima vrijednosti u ins tervalu [0. traˇeni z valjak ima radijus x = 2r/3. h V = V (x) = (r − x) x2 π. visinu y = h/3 i volumen 4 2 r hπ. Sliˇno. x2 ∈ (a. c pri ˇemu vaˇnu ulogu ima druga derivacija zadane funkcije. Iz istog razloga zakljuˇujemo da je x = 2r/3 ujedno i toˇka c c globalnog maksimuma promatrane funkcije na intervalu [0. funkcija f je strogo konveksna odnosno strogo c konkavna. x = 0 i x = 2r/3. b) ⊆ D ako za proizvoljne toˇke c c x1 .8 Zakrivljenost 193 daje r−x r = . r). 1). 27 Ovisnost volumena upisanog valjka o njegovom radijusu prikazana je na slici 5.

194 DERIVACIJE I PRIMJENE V(x) 2r/3 r Slika 5. b). f (x1 )) i (x2 . ali ne i strogo konkavna. dok je funkcija na slici 5. d) ako je funkcija f derivabilna na intervalu (a.12. b). c) za proizvoljne toˇke x1 . b) graf se nalazi iznad tangente u toj toˇki (vidi sliku c c 5.11: Volumen upisanog valjka Strogo konveksna funkcija prikazana je na slici 5. x2 ∈ (a.4 Kako glase tvrdnje analogne onima iz napomene 5. Funkcija prikazana na slici c 5.12).13 b) istovremeno i konveksna i konkavna.2 za konkavne funkcije? . Napomena 5.x2 ] nalazi se ispod spojnice toˇaka (x 1 . graf restrikcije c f |[x1 .12). b) takve da je x1 < x2 . f (x2 ) (vidi sliku c 5. tada je f (strogo) konveksna na intervalu (a. Na istoj slici je prikazano i geometrijsko znaˇenje definicije 5.13 a) je konkavna. b) ako i samo ako je derivacija f (strogo) rastu´a na c intervalu (a. b).2 Za graf konveksne funkcije vrijedi sljede´e: c a) graf zakre´e na gore na intervalu (a. Zadatak 5. c b) u svakoj toˇki x ∈ (a.7.

(c − ε.5 f(x1 )+0.5x2 ) a x1 0. b). b). c Ovaj teorem daje samo dovoljan. Dokaz. b). c + ε) ∈ D. Definicija 5.2 c d).15 (Dovoljan uvjet zakrivljenosti) Neka je funkcija f dva puta derivabilna na intervalu (a. c) c i strogo konkavna na intervalu (c. ali ne i nuˇan uvjet zakrivljenosti. Ako je f (x) < 0 za svaki x ∈ (a. Dokaz druge tvrdnje je sliˇan. b).5x2 x x2 b Slika 5. b). Kako f postoji na intervalu (a. to po definiciji derivacije na tom intervalu postoji i prva derivacija f . ali je f (0) = 0. Ako je f (x) > 0 za svaki x ∈ (a.5x 1 +0. Ako z je f (x) > 0 za svaki x ∈ (a.5. tada je funkcija f strogo konveksna na intervalu (a.5 f(x2 ) f(0. c + ε) ili obrnuto. b). b).11 prva derivacija f strogo rastu´a na tom intervalu pa je funkcija f konveksna po napomeni 5. takva da je f strogo konveksna na intervalu (c − ε. tada je po teoremu 5. f (c)) je toˇka c c infleksije grafa funkcije f . Na z primjer.5x1 +0. Toˇka (c. tada je funkcija f strogo konkavna na intervalu (a.8 Glatka funkcija f ima infleksiju u toˇki c ako postoji ε-okolina c toˇke c.12: Strogo konveksna funkcija Teorem 5.8 Zakrivljenost 195 0. Dokaˇimo prvu tvrdnju teorema. funkcija f (x) = x4 je konveksna na ˇitavom skupu R. . c U prouˇavanju funkcija zanimaju nas toˇke u kojima se zakrivljenost mic c jenja.

To po napomeni 5.15 konkavna za −π/2 < x < 0 i konveksna za 0 < x < π/2. za funkcije f (x) = x 3 i f (x) = x4 vrijedi f (0) = 0. definicija derivacije 5. na primjer. Kako f (c) postoji. to c c je i neprekidna u toˇki c. Prethodni teorem daje samo nuˇan.17 (Dovoljan uvjet za postojanje infleksije) Neka je funkcija dva puta derivabilna na nekoj ε-okolini toˇke c. c c Dokaz.196 DERIVACIJE I PRIMJENE a b a b a) b) Slika 5. c Teorem 5. c Dokaz.2 d) znaˇi da je f strogo rastu´a lijevo od toˇke c c c c c i strogo padaju´a desno od toˇke c. dok druga nema. tada je f (c) = 0. Neka f mijenja predznak u toˇki c. kako je f derivabilna u toˇki c. odnosno f ima lokalni maksimum u toˇki c c c c.1 povlaˇi da prva derivacija c f postoji u nekoj okolini toˇke c. Tada je po teoremu 5. c funkcija tg x je po teoremu 5.15 funkcija c f konveksna lijevo od toˇke c. f (0) = 0. c Na primjer.16 (Nuˇan uvjet za postojanje infleksije) Ako funkcija f ima z infleksiju u toˇki c i ako f (c) postoji. Dakle. a samo prva funkcija ima infleksiju u toˇki x = 0. Na primjer. strogo konveksna lijevo od toˇke c i strogo konkavna desno od c toˇke c. No tada je f (c) = 0 po teoremu 5. pa ima infleksiju u toˇki x = 0. Takoder. a konkavna desno od toˇke c. Neka funkcija f ima infleksiju u toˇki c i to tako da c c je. osim moˇda u toˇki c. Oˇito je f (x) < 0 za −π/2 < x < 0 i f (x) > 0 za 0 < x < π/2. ali ne i dovoljan uvjet za postojanje z infleksije. ili obrnuto pa stoga c c ima infleksiju u toˇki c. Ako f c z c mijenja predznak u toˇki c.13: Konkavna i konveksna funkcija Teorem 5. tada funkcija f ima infleksiju u toˇki c. za funkciju f (x) = tg x vrijedi f (x) = (−2) cos−3 x(− sin x).12. c .

Ako je n neparan. sh x i arctg x. tada funkcija f ima lokalni ekstrem u toˇki c i to s c minimum za f (n) (c) > 0 i maksimum za f (n) (c) < 0. c Zadatak 5. c b) Za funkciju f (x) = x5 vrijedi f (0) = f (0) = f IV (0) = 0. s c z Teorem 5. Pri tome je vaˇno c c z uoˇiti da elementarna funkcija (vidi poglavlje 4. tada funkcija f ima infleksiju u toˇki c. c c c jer je f (0) = 1. s z z 2. Periodiˇnost – provjerava se pomo´u definicije 4. Ispitivanje funkcije y = f (x) c sastoji se od sljede´ih koraka: c 1. Sljede´i vaˇan teorem navodimo bez dokaza. cos x. U ovom sluˇaju radi se o ”kosoj infleksiji”. U ovom sluˇaju radi se o ”horizontalnoj infleksiji”. Ako je n paran i c ako je uz to joˇ i f (c) = 0. f IV (0) = 24 = 0. Primjer 5.4.6 i postupke za rjeˇavanje jednadˇbi ili nejednadˇbi.18 lokalni minimum u toˇki x = 0.9 Ispitivanje toka funkcije Ispitivanje toka funkcije je sloˇen postupak u kojem se primjenjuje sve ˇto z s je do sada reˇeno o funkcijama i derivacijama. Podruˇje definicije – potrebno je poznavati elementarne funkcije iz poglavlja c 4.2.9 Ispitivanje toka funkcije 197 Konaˇno.7) ne moˇe biti periodiˇna c z c ako ne sadrˇi neku od trigonometrijskih funkcija.14 a) Za funkciju f (x) = x4 vrijedi f (0) = f (0) = 0.18 Neka funkcija f ima u nekoj ε-okolini toˇke c neprekidne derivacije c do ukljuˇivo reda n.18 slijedi da zadana funkcija ima infleksiju u toˇki x = 0. odnosno tangenta u toˇki infleksije je paralelna s x-osi. odnosno tangenta u toˇki infleksije zatvara s x-osi kut od c π/4. 5. iz teorema 5. Neka je c c f (c) = f (c) = · · · = f (n−1) (c) = 0. c 3.5. zadana funkcija ima po teoremu 5. Kako je f (0) = 0 i f IV (0) > 0. f V (0) = 120 = 0. c c) Za funkciju f (x) = tg x vrijedi f (0) = 0. pri ˇemu je n ≥ 3.5 Ispitajte podruˇja konveksnosti i konkavnosti te nadite toˇke c infleksije i lokalne ekstreme funkcija sin x. za ispitivanje lokalnih ekstrema i toˇaka infleksije moˇemo koc c z ristiti i viˇe derivacije.18 toˇka x = 0 toˇka infleksije. Parnost – provjerava se pomo´u definicije 4. Kako je n = 5 neparan. Kod toˇaka c infleksije utvrdite da li se radi o horizontalnim ili kosim infleksijama. f (0) = 2 = 0 pa je po teoremu 5. z . f (n) (c) = 0. c c jer je f (0) = 0.6.

Provz jera nuˇnih uvjeta vrˇi se po teoremu 5. z b) kod traˇenja horizontalnih i kosih asimptota limese kada x → −∞ i z kada x → +∞ uvijek treba raˇunati posebno. Potrebno je na´i stacionarne z s c i kritiˇne toˇke po definiciji 5. U tom sluˇaju potrebno je prvo na´i s c c toˇke u kojima je druga derivacija f jednaka nuli.5. na primjer c √ √ x2 x2 = − lim = −1.16.2 d). lim x→+∞ x x→−∞ x 6. Potom intervale konveksnosti i konkavnosti moˇemo odrediti pomo´u z c z teorema 5.5 sastoji se od nalaˇenje limesa te primjene L’Hospitalovog z pravila iz poglavlja 5.5. Pri tome je nuˇno voditi z raˇuna o sljede´em: c c a) asimptote je najbolje traˇiti u opisanom redoslijedu. odnosno potrebno je odrediti podruˇje c c c definicije prve derivacije f i rijeˇiti jednadˇbu f (x) = 0. Za provjeru dovoljnih uvjeta infleksije moˇemo koristiti z i viˇe derivacije po teoremu 5. Ekstremi – potrebno je provjeriti nuˇne i dovoljne uvjeta ekstrema. 9.11. 8. c b) pomo´u druge derivacije (teorem 5. odnosno toˇke koje ispunjavaju dovoljne uvjete infleksije c po teoremu 5.3 ukoliko je to potrebno.17. Toˇke infleksije – potrebno je na´i toˇke u kojima druga derivacija f c c c mijenja predznak. c c) treba biti oprezan u sluˇaju parnih korijena kada x → −∞. c s 7. Prilikom crtanja grafa mogu´e je otkriti nelogiˇnosti. Takoder moˇemo pogledati c gdje prva derivacija f raste.13).18). c s z 5. a gdje pada i primijeniti napomenu 5. Graf funkcije – potrebno je sve do sada dobivene informacije o funkciji spojiti u suvislu sliku. s c . intervale monotonosti odredujemo promatraju´i predznake od f po teoremu 5. Intervali zakrivljenosti – prvo je potrebno izraˇunati drugu derivaciju c f . horizontalne i kose) – postupak koji je opisan u poglavlju 4.18. Asimptote (vertikalne.15 promatraju´i predznake od f .12. c c odnosno pogreˇke u prethodnom raˇunu te ih ispraviti. odnosno toˇke koje c c zadovoljavaju nuˇan uvjet infleksije po teoremu 5. Provjera dos z voljnih uvjeta ekstrema moˇe se vrˇiti na tri naˇina: z s c a) pomo´u promjene predznaka prve derivacije (teorem 5.198 DERIVACIJE I PRIMJENE 4. Nul-toˇke – postupak se sastoji od rjeˇavanja jednadˇbe f (x) = 0. Intervali monotonosti – nakon ˇto smo u prethodnoj toˇki izraˇunali s c c c prvu derivaciju f .14) ili c c) pomo´u viˇih derivacija (teorem 5. z 10.

Zakljuˇujemo da funkcija nije ni parna ni neparna jer je f (−x) = f (x) i c f (−x) = −f (x). Dakle. U desnoj strani vrijedi lim f (x) = lim 3 x→+∞ x→+∞ 2x2 − x3 = lim 3 3 x→+∞ x3 2 −1 x = lim x x→+∞ 2 − 1 = (+∞) · (−1) = −∞ x pa funkcija nema horizontalnu asimptotu ni u desnoj strani. 2x2 − x3 = 0 ⇔ 2x2 − x3 = 0 ⇔ x2 (2 − x) = 0 pa su nul-toˇke jednake x1 = 0 i x2 = 2. . Podruˇje definicije c Domena funkcije je D = R. 3. Vrijedi s z 3 3 2x2 − x3 . no dobili smo korisne informacije. b) Horizontalne asimptote U lijevoj strani vrijedi lim f (x) = lim 3 x→−∞ x→−∞ 2x2 − x3 = lim 3 3 x→−∞ x3 2 −1 x = lim x x→−∞ 2 − 1 = (−∞) · (−1) = +∞ x pa funkcija nema horizontalnu asimptotu u lijevoj strani. jer je elementarna. Periodiˇnost c Funkcija nije periodiˇna.5. Parnost √ √ √ √ Vrijedi f (−1) = 3 2 + 1 = 3 3. c 5. funkcija nema horizontalnih asimptota.9 Ispitivanje toka funkcije 199 Kao primjer. dok je f (1) = 3 2 − 1 = 3 1 = 1. Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je D = R. Nul-toˇke c Rijeˇimo jednadˇbu y = 0. a ne sadrˇi neku od trigonometric z jskih funkcija. ispitat ´emo tok i nacrtati graf funkcije c y = f (x) = 1. 2. 4.

U desnoj 1 = lim x x→+∞ 2 − 1 = −1 ≡ k. 3 je kosa asimptota u lijevoj strani. x Dalje.200 c) Kose asimptote U lijevoj strani vrijedi lim f (x) = lim x→−∞ x 3 DERIVACIJE I PRIMJENE x→−∞ 2x2 − x3 · 1 = lim x x→−∞ 3 2 − 1 = −1 ≡ k. . pravac y = −x + 2 3 2 x x→+∞ 1 2 3 x = − x→+∞ −1 −2/3 1 − x2 2 x2 2 2 −1 x→+∞ 3 x −2/3 = 2 ≡ l. x→−∞ lim f (x) − kx = lim 3 x→−∞ 2x2 − x3 + x = (+∞ − ∞) 3 = lim x x→−∞ 2 −1+1 x −1+1 1 x = (−∞ · 0) 3 = lim = lim = lim Dakle. x 3 2x2 − x3 · 3 lim f (x) − kx = lim 3 x→+∞ 2x2 − x3 + x = (−∞ + ∞) 3 = lim x x→+∞ 3 2 −1+1 x −1+1 1 x = (+∞ · 0) 0 0 = lim = lim = lim Dakle. 3 je kosa asimptota i u desnoj strani. x→+∞ 2 3 2 x x→−∞ 1 2 3 x = − 0 0 2 x2 x→−∞ −1 −2/3 1 − x2 2 2 −1 x→−∞ 3 x −2/3 = 2 ≡ l. pravac y = −x + strani vrijedi f (x) = lim x→+∞ x→+∞ x lim Dalje.

Podruˇje definicije derivacije jednako je D f = R \ {0. 0). 4/3). Dakle. a nazivnik manji of nule pa je c f (x) < 0.9 Ispitivanje toka funkcije 201 6. 7. odnosno c funkcija je strogo padaju´a s obje strane te toˇke. Drugim rijeˇima. Intervali monotonosti Monotonost smo ve´ ispitali u prethodnoj toˇki: funkcija je strogo padaju´a c c c na intervalima (−∞. c . c) Iz (iii) takoder slijedi da funkcija nema lokalni ekstrem u kritiˇnoj toˇki c c x2 = 2. c c c c Dakle. +∞). Vrijednost lokalnog maksimuma je f (4/3) = 2 4/3. jer prva derivacija ne mijenja predznak u toj toˇki. x(2 − x)2 Vidimo da je stacionarna toˇka (tre´a kritiˇna toˇka) jednaka x 3 = 4/3. funkcija f je strogo padaju´a na intervalu c c (4/3. c c Funkcija nema globalni maksimum ni globalni minimum jer je kodomena jednaka R. odnosno c z u kojima funkcija moˇe imati lokalne ekstreme. imamo tri toˇke koje zadovoljavaju nuˇan uvjet ekstrema. Ekstremi Izraˇunajmo prvu derivaciju: c 1 1 f (x) = (2x2 − x3 )−2/3 (4x − 3x2 ) = · 3 3 3 x(4 − 3x) x4 (2 − x)2 . Dovoljne uvjete ekstrema z provjerit ´emo pomo´u prve derivacije. c Drugim rijeˇima. odnosno provjerit ´emo da li u c c c kritiˇnim toˇkama prva derivacija mijenja predznak. Iz prethodnog razmatranja moˇemo zakljuˇiti sljede´e: z c c a) Iz (i) i (ii) slijedi da funkcija ima lokalni minimum u kritiˇnoj toˇki c c x1 = 0. +∞). 0) i (4/3. dvije c kritiˇne toˇke funkcije su x1 = 0 i x2 = 2. 2}. b) Iz (ii) i (iii) slijedi da funkcija ima lokalni maksimum u √ cnoj toˇki kritiˇ c 3 x3 = 4/3. funkcija f je strogo rastu´a na intervalu (0. (ii) Za x ∈ (0. 4/3) su i brojnik i nazivnik ve´i od nule.5. a nazivnik ve´i od nule pa je c f (x) < 0. Imamo tri sluˇaja: c c c (i) Za x < 0 je brojnik ve´i od nule. c c (iii) Za x > 4/3 je brojnik manji od nule. Drugim rijeˇima. pa je f (x) > 0. Za x ∈ Df moˇemo skratiti x u c c z brojniku i nazivniku. funkcija f je strogo padaju´a na intervalu c c (−∞. 4/3). a strogo rastu´a na intervalu (0. Vrijednost lokalnog minimuma je f (0) = 0. odnosno vrijedi f (x) = 1 · 3 3 4 − 3x .

Dakle. Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote. s s Zadatak 5.17 zakljuˇujemo c c da je x = 2 jedina toˇka infleksije funkcije f .202 8. kao c ˇto je objaˇnjeno u napomeni 4. Za x > 2 je f (x) > 0 pa je funkcija f konveksna po teoremu 5. funkciju smo morali nacrtati iz dva dijela. f (x) = xe− 4 + 4x . Intervali zakrivljenosti Izraˇunajmo drugu derivaciju: c 3 2 1 −3 x(2 − x) − f (x) = · 3 DERIVACIJE I PRIMJENE 4−3x [(2 3[x(2−x)2 ]2/3 3 − x)2 + x · 2(2 − x)(−1)] 1 1 −3(x(2 − x)2 ) − 3 (4 − 3x)(2 − x)(2 − 3x) · 3 3 x4 (2 − x)8 −8 . Toˇke infleksije c Iz razmatranja zakrivljenosti u prethodnoj toˇki. = 3 4 (2 − x)5 9 x x2 (2 − x)4 = Vidimo da je predznak od f obrnut od predznaka izraza 2 − x.14. s s c c x 3 . c 10. f (x) = arctg ex − f (x) = (x − 1)e x−1 . Kako je slika nacrtana pomo´u programa Gnuplot. 1 x+1 f (x) = e x2 −3x−4 . 2−1 x f (x) = x2/3 (1 + x)3 . za x < 2 je f (x) < 0 pa je funkcija f konkavna po teoremu 5. po teoremu 5. Rjeˇenja provjerite tako ˇto ´ete funkcije nacrtati pomo´u programa NetPlot.8.15. e2x + 1 1 f (x) = x2 − 1 · ln √ . x2 1 ln 2 e2x .6 Ispitajte tok i skicirajte grafove sljede´ih funkcija: c f (x) = 1 − ln x . koji je prikazan na slici 5. 9.15.

x = x(t) = 3 t +1 t +1 1. koji je u parametarskom obliku zadan s 3t 3 t2 .1 Parametarski zadana funkcija Postupak opisan u prethodnim poglavljima se. Parnost Kako kod implicitno zadane funkcije jednoj vrijednosti varijable x moˇe z odgovarati viˇe vrijednosti varijable y.14: Graf iracionalne funkcije 5. a neparna ako je njen graf simetriˇan s c c .(-2*x**2+x**3)**(0. Podruˇje definicije c Funkcija je definirana za t ∈ R \ {−1}.33) .9.33) -x+0.12.2.9 Ispitivanje toka funkcije 203 (2*x**2-x**3)**(0. to definicija parne i neparne funkcije s na naˇin dan u definiciji 4.67 2/3 4/3 2 Slika 5. y = y(t) = 3 . Ispitivanje toka parametarski zadane funkcije ilustrirat ´emo na primjeru c Descartesovog lista iz primjera 4. postupak ispitivanja takvih funkcija moˇe biti sloˇeniji od ispitivanja eksplicitno z z zadanih funkcija. Medutim. 4. 2. Kod parametarski zadanih c funkcija ima smisla koristiti sljede´u definiciju: funkcija je parna ako je njen c graf simetriˇan s obzirom na y-os. uz odgovaraju´e izmjene.5. Primijetimo da za ove vrijednosti parametra t. varijable x i y poprimaju sve vrijednosti iz skupa R. z kako su kod parametarski zadanih funkcija varijable x i y ravnopravne.4 i 4.2 nema smisla. c moˇe primijeniti i za ispitivanje toka parametarski zadane funkcije.

Primijetimo da je ova definicija ukljuˇuje definiciju s c 4. Periodiˇnost c Funkcija nije periodiˇna. y(t)) element grafa funkcije. t1 = 0 gornje jednakosti povlaˇe c − 3 t2 3t t3 + 1 2 = 3 t = t3 + 1 . Ako je toˇka (x(t). = 3 t3 + 1 t1 + 1 Nakon kra´enja prva jednakost povlaˇi −t/t 1 = 1. Ispitajmo parnost zadane funkcije po prethodnoj definiciji. Pretpostavimo da je funkcija parna. tada c je i toˇka (−x(t). Uvrˇtavanje u s definiciju funkcije daje −x(t) ≡ − 3 t2 3 t2 = 3 1 ≡ x(t1 ). y(t)) takoder element grafa funkcije. −y(t)) takoder element grafa c funkcije. c 3.204 DERIVACIJE I PRIMJENE obzirom na ishodiˇte. Naime. t3 + 1 t1 + 1 y(t) ≡ t3 3 t1 3t = 3 ≡ y(t1 ). y(t1 )). z 4. t1 = 0 gornje jednakosti povlaˇe c − t3 + 1 3 t2 3t = 3 . odnosno s t3 − 1 = t3 + 1 ˇto je nemogu´e pa zakljuˇujemo da funkcije nije parna. y(t1 )). a jednadˇba y(t) = 0 takoder povlaˇi z c z t = 0 pa je ishodiˇte jedina nul-toˇka funkcije. tada postoji t1 ∈ R \ {−1} takav da je (−x(t). Nul-toˇke c c Jednadˇba x(t) = 0 povlaˇi t = 0. gornje jednakosti su ispunjene samo za t = c t1 = 0. odnosno t1 = −t. y(t)) elec ment grafa funkcije. za t. Ako je toˇka (x(t). +1 t1 + 1 −y(t) ≡ − 3t 3 t1 ≡ y(t1 ). No. =− 3 t1 3 t2 t1 + 1 1 Nakon kra´enja prva jednakost povlaˇi t/t 1 = 1. jer su x i y zadane pomo´u elementarnih funkcija. s c . tada postoji c t1 ∈ R \ {−1} takav da je (−x(t). ˇto je nemogu´e pa zau drugu jednakost daje −1 = (t s c kljuˇujemo da funkcije nije neparna.2. tada je i toˇka (−x(t). c c a ne sadrˇe neku od trigonometrijskih funkcija. Naime. y(t)) = (x(t 1 ). 3 t1 1 1 Pretpostavimo sada da je funkcija neparna. Uvrˇtavanje u definiciju funkcije daje s −x(t) ≡ − t3 3 t2 3 t2 = 3 1 ≡ x(t1 ). +1 t1 + 1 Gornje jednakosti su ispunjene samo za t = t 1 = 0. Uvrˇtavanje c c s 3 + 1)/(t3 + 1). c c Uvrˇtavanje u drugu jednakost daje −1 = (t 3 + 1)/(−t3 + 1). No. odnosno t1 = t. s c c Kao i u prethodnom sluˇaju. −y(t)) = (x(t1 ). za t.

13. odnosno koriste´i teoreme 5.9 Ispitivanje toka funkcije 205 5. odnosno lokalno najmanji ili najve´i y i c b) lokalni ekstrem po y. b) Horizontalne asimptote U primjeru 4. x → c +∞ kada t → −1 + 0. raˇunamo po pravilima o s c deriviranju parametarski zadanih funkcija iz poglavlja 5.5.7. c Pri tome derivacije yx i xy . 3 +1 +1 (−1 + 0) +0 zakljuˇujemo da funkcija nema horizontalnu asimptotu ni u desnoj strani. Vrijedi x(t) = ˙ 6 t (t3 + 1) − 3 t2 · 3 t2 3 t (−t3 + 2) = . 5. kod parametarski zadane funkcije su varijable x i y ravnopravne pa moˇemo imati dvije vrste lokalnih ekz strema: a) lokalni ekstrem po x. (t3 + 1)2 (t3 + 1)2 .4: yx = y ˙ . Sliˇno. y ˙ yx = y x − y¨ ¨˙ ˙x .12. c Nadimo ekstreme po x. (t3 + 1)2 (t3 + 1)2 3 (t3 + 1) − 3 t · 3 t2 3 (−2 t3 + 1) y(t) = ˙ = . 6.12 smo pokazali da je pravac y = −x − 1 kosa asimptota u obje strane. odnosno lokalno najmanji ili najve´i x. c z c s Ekstreme po x i po y takoder traˇimo pomo´u prve i viˇih derivacija kako je opisano u poglavlju 5. 3 x ˙ Zbog sloˇenosti postupka. Kako je t→−1+0 lim y(t) = t→−1+0 t3 lim 3 (−1) −3 3t = = = −∞.14 i 5. No. 5. Asimptote a) Vertikalne asimptote Funkcija nema vertikalnih asimptota jer je x ∈ R. Ekstremi Za razliku od implicitno zadane funkcije. c c) Kose asimptote U primjeru 4. x ˙ xy = x ˙ .12 smo pokazali da x → −∞ kada t → −1 − 0. kod ispitivanje ekstrema i monotonosti potrebno z je voditi raˇuna o mnogim detaljima. kao i viˇe derivacije.18. t→−1−0 lim y(t) = t→−1−0 t3 lim 3t 3 (−1) −3 = = = +∞ 3+1 +1 (−1 − 0) −0 pa funkcija nema horizontalnu asimptotu u lijevoj strani.

Vidimo da u okolini toˇke t 2 vrijedi x(t) > 0 c c c ˙ pa je po Teoremu o monotonosti 5.11 funkcija x(t) strogo rastu´a u okolini c toˇke t2 . To je u ovom sluˇaju c jednostavno. Naime. zakljuˇujemo da se zapravo ˙ c c radi o lokalnom maksimumu. U okolini toˇke t 1 je y(t) > 0.206 Dakle.15. odnosno y(t) je c ˙ rastu´a.16 i 5. odnosno y(t) je padaju´a. x(t) je sigurno injekcija tamo gdje je strogo rastu´a ili padaju´a. jer se radi o racionalnim funkcijama. to smo ve´ pokazali jer je u toj okolini x(t) > 0 c c ˙ pa je naˇ zakljuˇak da se radi o lokalnom minimumu opravdan. Vrijedi xy = t (−t3 + 2) x(t) ˙ = . nije z dovoljno! Naime. a kako xy mijenja predznak s − na + radi se o lokalnom minimumu. Radi lakˇeg pra´enja prethodnog izlaganja. c U okolini toˇke t3 derivacija xy takoder mijenja predznak s − na + pa bi c mogli zakljuˇiti da se radi o lokalnom minimumu po y. moramo joˇ provjeriti da i funkcija x(t) s raste u okolini toˇke t2 . ˇto je zapravo definicija lokalnog maksimuma gledano od desne c s prema lijevoj strani. Medutim. 5. funkcije x(t) i y(t) te njihove s c derivacije po parametru t i po x i y prikazane su na slikama 5. Kako je u toj c okolini y(t) < 0. √ √ t2 = 1/ 3 2 i t3 = 3 2. t (−t3 + 2) Po Teoremu o nuˇnim uvjetima ekstrema 5. a pozitivna lijevo od c te toˇke. To. kako bi zaista bili sigurni da se radi o lokalnom maksimumu po x u smislu definicije 5. da bi mogli ispravno primijeniti teoreme o nuˇnim i dovoljnim uvjetima ekstrema iz poglavlja 5. zapravo znaˇi c c da je derivacija xy negativna desno od toˇke y(t3 ). Po c c teoremu 4. to ´e sigurno biti ispunjeno ako je u okolini promatrane toˇke c c funkcija x(t) injekcija. ˇinjenica da y(t) pada. potrebno je da z je u okolini kritiˇnih toˇaka zaista definirana neka funkcija y = f (x). c c s s c Medutim. S druge strane. Pogledajmo sada ekstreme po y.13 nam kaˇe da se radi o lokalnom maksimumu. teorem c c 5. y(t) ˙ −2 t3 + 1 √ Oˇito je u okolinama toˇaka t1 = 0 i t3 = 3 2 derivacija y(t) = 0 pa c c ˙ je funkcija y(t) injekcija.7. No.12 imamo tri toˇke u kojima z c se mogu nalaziti lokalni ekstremi i to za vrijednosti parametra t 1 = 0.17.1.4. (Obrnuti s c sluˇaj pokazat ´emo kasnije). . Vidimo da je prilikom ispitivanja toka parametarski zadane funkcije korisno detaljno ispitati i tokove funkcija x(t) i y(t). s ovim joˇ nismo rijeˇili status toˇaka t 1 i t3 . medutim. y(t) ˙ yx = = x(t) ˙ 3 (t3 +1)−3 t·3 t2 (t3 +1)2 6 t (t3 +1)−3 t2 ·3 t2 (t3 +1)2 DERIVACIJE I PRIMJENE = −2 t3 + 1 . Kako yx mijenja predznak s + na − u okolini toˇke t 2 .

2 d). S druge strane. kao i da svakoj vrijednosti x ∈ (0. monotonost odgovaraju´e funkcije y = f (x).5. Intervali monotonosti Ispitat ´emo monotonost od y kao funkcije od x koriste´i teorem 5. +∞).17 iz koje vidimo da li na odgovaraju´em intervalu c . Tako iz oblika funkcija x(t) s i y(t) na slici 5. c c Radi preglednosti rezultate ´emo prikazati tabliˇno. t 2 ).1 prikazani c c su redom intervali parametra t.11.15: Varijable x i y Descartesovog lista Ove slike nam daju joˇ neke korisne informacije. (0. zakljuˇujemo da tu graf funkcije ima petlju. sliku 5. vrijednost derivacije y x te kao posljedica. a pada na intervalu (t2 . odnosno za x ∈ (0. isti x se javlja za po jedan c c t iz intervala (−1. Pri tome ´emo koristiti c c napomenu 5. −1) odgovara toˇno jedan x (funkcija x(t) je na tom intervalu c injekcija). Zakrivljenost Ispitat ´emo zakrivljenost od y kao funkcije od x. 3 4) odgovaraju tri vrijednosti varijable y. +∞)). t2 ) i (t2 . 3 4].15 zakljuˇujemo se na dijelu grafa funkcije ista vrijednosti c varijable x javlja za tri razliˇite toˇke (konkretno. Iz tablice 5.1 se takoder lijepo vidi da graf krivulje ima petlju za √ ∈ t √ (0. svakoj vrijednosti t ∈ (−∞. +∞). kako funkcija x(t) raste na intervalu (0. U tablici 5. c 7. Radi lakˇeg crtanja grafa c s funkcije prikazani su i odgovaraju´i intervali u kojima se nalazi varijabla x c te vrijednost derivacije x(t) iz koje zakljuˇujemo da li na danom intervalu ˙ c x(t) raste ili pada. 8. Takoder. 0).9 Ispitivanje toka funkcije 207 3*t**2 / (t**3+1) 3*t / (t**3+1) -1 t0 t1 t2 Slika 5.

208 DERIVACIJE I PRIMJENE 3*t*(-t**3+2) / (t**3+1)**2 3*(-2*t**3+1) / (t**3+1)**2 -1 t0 t1 t2 Slika 5. . – ako na nekom intervalu yx pada i pri tome x(t) raste. +∞) yx − − + − + y = f (x) pada pada raste pada raste x(t) (−∞.15 iz koje vidimo da li funkcija x(t) raste ili pada. Zakljuˇujemo na sljede´i naˇin: c c c – ako na nekom intervalu yx raste i pri tome x(t) raste. −1) (−1. a pri tome x(t) pada. +∞) √ (0. tada je graf funkcije na tom intervalu konveksan. 0) (0. to zapravo znaˇi da yx pada kada x raste pa je graf funkcije na tom intervalu c konkavan. 3√ √ 2) ( 3 2. 0) (0. – ako na nekom intervalu yx raste.16: Derivacije varijabli Descartesovog lista po parametru t (−∞. to zapravo znaˇi da yx raste kada x raste pa je graf funkcije na tom intervalu c konveksan. tada je graf funkcije na tom intervalu konkavan. 3 4) x(t) ˙ − − + + − Tablica 5.1: Monotonost Descartesovog lista derivacija yx raste ili pada te sliku 5. t1 ) (t1 . – ako na nekom intervalu yx pada. t2 ) (t2 . 3 4) √ (0. a pri tome x(t) pada.

0) (0.5. ponaˇanje derivacije y x . odnosno u toˇkama (0. Graf funkcije Kombiniraju´i sve prethodne rezultate dobijemo graf zadane funkcije i c njene kose asimptote. U tablici 5. ponaˇanje varijable s s x(t) i konaˇan zakljuˇak o zakrivljenosti.2: Zakrivljenost Descartesovog lista 9. −1) (−1.6.17: Derivacije Descartesovog lista po varijablama x i y Radi preglednosti rezultate ´emo opet prikazati tabliˇno. t1 ) (t1 . 0) i ( 4. 2).2 dani c c su redom intervali parametra t.9 Ispitivanje toka funkcije 209 (-2*t**3+1) / (t*(-t**3+2)) t*(-t**3+2) / (-2*t**3+1) -1 t0 t1 t2 Slika 5.2 slijedi da se infleksije √ c √ nalaze u toˇkama za koje 3 3 je t = 0 i t = t2 . . c c t (−∞. Toˇke infleksije c Iz definicije 5. t2 ) (t2 . c 10. koji je prikazan na slici 4. +∞) yx pada pada pada pada pada x(t) pada pada raste raste pada zakrivljenost konveksna konveksna konkavna konkavna konveksna Tablica 5.8 i tablice 5.

Ovdje ´emo kao ilustraciju detaljno opisati postupak c rijeˇavanja problema ravnoteˇe prikazanog na slici 5. sc. Njemaˇka. Kolut se oko svoje osi vrti bez trenja. Naˇ je zadatak stoga izraziti potencijalnu energiju kao s 1 Ovaj zadatak izradio je dr.210 DERIVACIJE I PRIMJENE 5. kao ˇto je poznato. a uteg s masom m 2 se takoder bez trenja kliˇe po y-osi. Potencijalna energija E zadanog sustava u polju sile teˇe s gravitacijskom konstantom g dana je jednadˇbom z z E = −m1 g|EF | − m2 g|OC|. imati ravnoteˇu tamo gdje je potencijalna c s z energija minimalna. Pri tome je r < d i m1 > m2 .18: s z Preko koluta radijusa r koji se nalazi na udaljenosti d od ishodiˇta s namotana je nit duljine l na ˇijim su krajevima objeˇeni utezi s c s masama m1 i m2 . Zadatak je odrediti ima li navedeni mehaniˇki sustav z c poloˇaj ravnoteˇe. te ukoliko ima.12) Sustav ´e.18 vidimo da je d = |OD|.18: Poloˇaj ravnoteˇe mehaniˇkog sustava z z c Sa slike 5. na´i taj poloˇaj.10 Rjeˇavanje problema ravnoteˇe s z Diferencijalni raˇun izloˇen u prethodnim poglavljima ima mnoge vaˇne c z z primjene u fizici i tehnici. Dieter Keim. (5. a c ¤¡¤¡ £ £ ¡¤¡ ¡£¡¤£ £¤¡¤¡£¤¡£ ¡£¡¡£ ¤£¤¡¤¡£¤ £¡£¡¡£ ¤¡¤¡£¤ £¡£¡£¤¡ ¡¡¡££ m1 ¡ ¡ ¢  ¢¡¢¡ ¡ ¡ ¢ ¢ ¢¡¢¡¢  ¡ ¡  ¢¡¢¡¢  ¡ ¡ ¡¡ ¢  F . Fernuniversit¨t Hagen. 1 z z c z B A O r α D E α C m2 Slika 5.

(5.13) i (5. sin α Sada treba utvrditi ima li funkcija E(α) minimum za α ∈ (0. c l1 = (π − α)r. Vrijedi s π r − d + m2 gr. Zbog sliˇnosti trokuta c vrijedi ∠ADB = ∠ACO = α.13) d cos α − r cos α d cos α − r · = . uvrˇtavanje izraza (5. cos α sin α sin α Oznaˇimo s l1 duljinu dijela niti namotanog na kolut.10 Rjeˇavanje problema ravnoteˇe s z 211 funkciju jedne varijable.5.14) u formulu (5. Trokut ACO je c pravokutan pa je |OA| . − m2 g . 2 d−r lim E(α) = lim −m1 g l − πr − α→0+0 α→0+0 sin α E(π/2) = −m1 g l − d−r sin α 1 = −m1 g(l − πr) + g(m1 − m2 )(d − r) lim α→0+0 sin α = +∞.1).7. Pokazuje se da je najpogodnija varijabla kut α. Oˇito je α ∈ (0. Zapravo se u ovom sluˇaju takoder radi o geometrijskom ekstremu (vidi poglavlje 5. π/2]. utvrditi da li ta funkcija ima minimum te na´i minic mum ukoliko postoji. |OC| = tg α Zbog pravokutnosti trokuta ADB vrijedi |OA| = |OD| − |AD| = d − |AD| = d − pa je |OC| = r cos α (5. c Pogledajmo prvo kako se funkcija ponaˇa u rubovima intervala. π/2].14) sin α Konaˇno. Vrijedi |CB| = |CA| + |AB| = pa je d cos α − r sin α d − r cos α |OC| + r tg α = +r = cos α sin α cos α cos α sin α d − r cos α .12) daje traˇenu c s z funkciju |EF | = l − (π − α)r − E ≡ E(α) = −m1 g l − (π − α)r − d − r cos α sin α − m2 g d cos α − r . Tada je |EF | = l − l1 − |CB|.

π/2] pri ˇemu je ε > 0 takav da je E(ε) > E(π/2). S druge strane. No. zadani sustav ima poloˇaj ravnoteˇe. c z (m1 gr) cos2 α − (m1 gd + m2 gr) cos α + m2 gd = 0. Takav ε sigurno postoji c jer je limα→0+0 E(α) = +∞. teorem 4. m1 m2 .212 DERIVACIJE I PRIMJENE U zadnjoj jednakosti smo koristili ˇinjenicu da zbog pretpostavki vrijedi m 1 − c m2 > 0 i d − r > 0. c c . to je α 0 jedina kritiˇna toˇka funkcije E(α).8 nam garantira da funkcija na tom intervalu dostiˇe z svoj minimum. jer ˇak i ako z c poloˇaj ravnoteˇe ne budemo mogli toˇno odrediti. nadimo prvo derivaciju zadane funkcije: z z E (α) = −m1 g r − r sin α · sin α − (d − r cos α) cos α sin2 α −d sin α sin α − (d cos α − r) cos α −m2 g sin2 α −m1 g(d − r cos α) cos α − m2 g(−d + r cos α) . = sin2 α Izjednaˇavanje (brojnika) s nulom daje kvadratnu jednadˇbu po cos α. z z c Da bi odredili poloˇaj ravnoteˇe. m1 Kako je derivacija E (α) neprekidna na promatranom intervalu. 2m1 gr m1 gd + m2 gr ± d . Rjeˇenja ove jednadˇbe su s z (cos α)1. r m2 . m1 odnosno (cos α)1 = (cos α)2 = Kako je d > r to je d/r > 1 pa je prvo rjeˇenje nemogu´e. kako je funkcija E(α) na tom intervalu neprekidna. po s c pretpostavci je 0 < m2 /m1 < 1 pa je rjeˇenje jednadˇbe E (α) = 0 dano s s z cos α0 = odnosno α0 = arccos m2 . z z Ovim smo napravili vaˇan korak u analizi zadanog sustava. Dakle. znamo da on postoji. Promotrimo funkciju E(α) na zatvorenom intervalu [ε.2 = (m1 gd + m2 gr)2 − 4 · m1 gr · m2 gd 2m1 gr m1 gd + m2 gr ± (m1 gd − m2 gr)2 = .

a c uteg s masom m2 spusti. kako je E (α0 ) > 0 to znaˇi da je c derivacija E (α) rastu´a u nekoj okolini toˇke α 0 . 2 (x) 2 (x) N N N (x) Vrijedi E (α0 ) = pa funkcija E(α) ima u toˇki α0 lokalni minimum. to jest B(x) = 0. = −m1 g(r sin α) cos α − m1 g(d − r cos α)(− sin α) − m2 g(−r sin α) sin2 α gr(m2 − m1 cos α) + m1 g sin α(d − r cos α) = . c Trebamo joˇ ustanoviti da se u toˇki α 0 nalazi i globalni minimum zadane s c funkcije na promatranom intervalu. α0 ) i E (α) > 0 za α ∈ (α0 . a pozitivna desno od toˇke α0 . nego samo o omjeru masa utega. c z z Zanimljivo je uoˇiti da poloˇaj ravnoteˇe ne ovisi ni o udaljenosti d. to je c c E (α) negativna lijevo od toˇke α0 . ni o c z z radijusu koluta r. slijedi da je E (α) < 0 c za α ∈ (0. kada se udaljenost d pove´a. Zaista. E (α)skr. Teorem o monotonosti 5. tada drugu derivaciju u toj toˇki moˇemo c z jednostavnije izraˇunati koriste´i sljede´u jednakost c c c f (x) = Dakle. Pri tome c c moˇemo koristiti postupak skra´enog deriviranja koji se sastoji u sljede´em: z c c ako je derivacija neke funkcije razlomak f (x) = B(x) N (x) i ako je f (x) = 0. π/2) pa zakljuˇujemo je α0 toˇka globalnog minimuma. . Na primjer. α 0 ) i strogo rastu´a na c c intervalu (α0 .11 povlaˇi c da je funkcija E(α) strogo padaju´a na intervalu (0. niti o duljini niti l. Kako je α0 c c jedina nul-toˇka derivacije na promatranom intervalu. π/2).5. sin2 α 0 + m1 g sin α0 (d − r cos α0 ) >0 sin2 α0 B (x)N (x) − B(x)N (x) B (x)N (x) − 0 · N (x) B (x) = = . tada se uteg s masom m 1 podigne. Kako je E (α0 ) = 0.14. c c Zadani sustav ´e zauzeti poloˇaj ravnoteˇe za kut α 0 = arccos(m2 /m1 ).10 Rjeˇavanje problema ravnoteˇe s z 213 Dovoljan uvjet ekstrema provjerit ´emo pomo´u teorema 5.

.

. . . . . . . . . . .3 Kriteriji konvergencije . . . . . . . . 229 z 6. . . . . . . . . . 225 z Red realnih brojeva . .4 Alternirani redovi . . . .2. . . . . . . . . . 223 Cauchyjev niz . .2 6. . . . . . . .4. . . . . . . . . . . . . 221 Broj e . .4. . . . 235 6. 240 Taylorov red . . monotonost i konvergencija . . . . . . . . . . .2 6. . . . . . . . 222 Svojstva limesa . . . . . . . . 230 Apsolutna konvergencija . . . . . . . . . . . .1 Gomiliˇte i podniz . . . . . . . . . . . . . . . . . . . . .2 Omedenost. . . 239 Deriviranje reda funkcija . .5 Red potencija . .2. . . . . . .1. .3 6. . . . . . . . . . . . .2.4 6. . . . . .4 Red funkcija .6 6. . . . . . . . . . . . . . . . . . . .1 Ispitivanje konvergencije . . . . . 225 Dva vaˇna limesa . . . . . . . 216 6. .1. . . . . . . . . . . . . . 234 6. . . . . .4. . . . . . . .1 Nuˇan uvjet konvergencije . 227 6. . . . . . . . . . . . . . . . . . . . .1 Niz realnih brojeva . . . . 236 6. . . . . . . .6. . NIZOVI I REDOVI 6.2 6. . . . . . . . . . . . . . . . . . .1. .3 6. . . . . . . . . . . . . . . 238 6. . . . . . . . . . 233 6. . . . 219 s 6. . . . .1. . . . . . . .2. . . . .1. . . . . . . 242 . .3 Niz funkcija . . . . .5 6.1. . . . . . . . . . . . . . . . . . . . . .

c Niz moˇemo oznaˇiti tako da napiˇemo prvih nekoliko ˇlanova i op´i ˇlan: z c s c c c a1 . cos x. Jedna od najvaˇnijih primjena takvih redova je razvoj elementarnih funkcija u Taylorov red z potencija. Takoder. . . njihova c suma moˇe biti konaˇna. osnovne tipove nizova. 3 5 7 9 n2 2n + 1 .1 a) Niz ˇiji je op´i ˇlan c c c an = glasi 1 4 9 16 . . Pri tome treba razlikovati niz {an } od skupa {an : n ∈ N}. bavit ´emo c z c c se nizovima realnih brojeva. Redovi brojeva su zapravo sume beskonaˇno pribrojnika koji se zbrac jaju u zadanom redoslijedu i premda je tih pribrojnika beskonaˇno... a 2 . Definicija niza je vrlo jednostavna. . log x) do unaprijed zadane toˇnosti pomo´u funkcija (npr. e c c osnovnih raˇunskih operacija +. . dok se c niz mijenja. Taylorov red nam omogu´uje raˇunanje vrijednosti elementarnih c c x . c Broj a(n) ≡ an je n-ti ˇlan niza. . . S tim problemima bavili su se ve´ grˇki matematiˇari z c c c c pa ´emo objasniti poznati Zenonov paradoks o Ahilu i kornjaˇi. dokazati jedinstvenost limesa te dati nekoliko primjera. .. dok kod skupa to c c nije sluˇaj. c c Kod redova funkcija najzanimljiviji su redovi potencija. /. odnosno konvergenciju niza. tada skup ostaje isti. Naime. a 3 . c limes niza. c 6.1 Niz realnih brojeva (kra´e niz) je svaka funkcija a : N → R. Primjer 6. ∗. −. ako se elementi ponavljaju. Takoder koristimo oznake (an ) ili {an }.216 NIZOVI I REDOVI U ovoj glavi.1 Niz realnih brojeva U ovom poglavlju definirat ´emo niz realnih brojeva. a n . . . kod niza svaki ˇlan ima toˇno odredeno mjesto na kojem se nalazi. redovima realnih brojeva te nizovima i redovima funkcija. . Definicija 6. ˇiji je sadrˇaj za ve´inu studenata potpuno nov. sin x.

. 8. 4.1 Niz realnih brojeva 217 b) Niz zadan s pravilom  1 − n  . n 2 3 4 5 6 1 1 < = an . n 2 3 4 je monoton (strogo padaju´i) jer vrijedi c an+1 = S druge strane. n ≥ 4. . 8. 6. . . .2 Niz {an } je rastu´i (padaju´i. ∃n0 ∈ N) takvi da n ≥ n0 ⇒ an = r. − . n+1 n Niz koji ima limes je konvergentan odnosno konvergira. . . n ≤ 3. . odnosno niz sa svojstvom (∃r ∈ R. Definicija 6. strogo rastu´i.3 Realan broj a je graniˇna vrijednost ili limes niza {a n } ako c (∀ε > 0)(∃nε ∈ N) takav da n ≥ nε ⇒ |an − a| < ε. U protivnom je niz divergentan odnosno divergira. 2 3 4 5 6 c) Niz zadan s pravilom an = glasi 2. − . Ovo je takozvani stacionarni niz. niz an = 1 1 1 1 = 1. . . strogo padaju´i. .  n za n neparan. za n paran. . 8. . Na primjer. . 3 2 5 4 7 (−1)n + n = 0. . 8.6. niz an = nije monoton. 8. . . c c c c monoton) ako je takva pripadna funkcija a : N → R. Definicija 6. . . . 2n. . . . an = 1 n  . . glasi 1 2 1 4 1 0.

dok je uvijek beskonaˇno ˇlanova niza unutar tog c c intervala.1 Zbog jedinstvenosti terminologije u nastavku izlaganja. 1 = 0. a + ε). a + c ε) sadrˇi beskonaˇno ˇlanova niza. neka je ε > 0 proizvoljan.4 joˇ kaˇemo da niz {a n } konvergira prema +∞ i c s z piˇemo lim an = +∞. .4 Niz {an } divergira prema +∞ ako vrijedi (∀r > 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an > r. Na primjer. tada ve´i broj (ali uvijek konaˇan) ˇlanova niza ostane c c c izvan intervala (a − ε. dok se izvan toga intervala nalazi samo z c c konaˇno ˇlanova niza. z Teorem 6. s Na kraju dokaˇimo jedinstvenost limesa. Primjer 6.2 Dokaˇimo z {an } → a. a niz an = −n2 divergira u −∞.4 joˇ kaˇemo da s c c s z niz {an } konvergira prema −∞ i piˇemo lim a n = −∞. u drugom sluˇaju iz definicije 6.2 c c je nε = 6 pa se ˇlanovi niza a6 .1 Niz moˇe imati najviˇe jedan limes. n Zaista. .2 rijeˇili smo osnovnu nejednadˇbu konvergencije s z za niz {an }. Na primjer.2. niz {an } divergira prema −∞ ako vrijedi c (∀r < 0)(∃nr ∈ N) takav da n ≥ nr ⇒ an < r. Sliˇno.218 NIZOVI I REDOVI Iz definicije zakljuˇujemo da kod konvergentog niza svaki ε interval (a − ε. lim n→∞ lim an = a. Napomena 6. u prvom sluˇaju iz definicije 6. Sliˇno. ε S [x] oznaˇavamo najve´e cijelo pozitivnog broja x. a8 . n n ε pa je nε = 1 + 1. 0. c c Konvergenciju niza oznaˇavamo na sljede´e naˇine: c c c an → a. za ε = 0. lim an = a. niz an = n divergira u +∞. Definicija 6.2). Tada 1 1 1 − 0 < ε ⇔ < ε ⇔ < n. nalaze unutar intervala (−0. z s . Postupkom iz primjera 6. a7 . c Kada smanjimo ε. .

b) Niz an = n(1 − (−1)n ). n > n) takav da |an − r| < ε. Nadalje. . c 6. Neka su a i a dva razliˇita (konaˇna) limesa niza {a n }. 6. 0. Kako su intervali disjunktni. . Oˇito je lim inf a n = −1 i s c lim sup an = 1. n > n) takav da an > r.5 Broj r je gomiliˇte niza {a n } ako se u svakoj ε-okolini broja r s nalazi beskonaˇno mnogo ˇlanova niza. − . s c Limes je ujedno i gomiliˇte. dok gomiliˇte ne mora biti limes. c c c Isto mora vrijediti i za interval (¯ − ε.1 Gomiliˇte i podniz s Definicija 6. . odnosno − . +∞ je gomilˇte niza {an } ako s (∀r > 0)(∀n ∈ N)(∃n ∈ N. a + ε).1 Niz realnih brojeva 219 Dokaz. 0. a −∞ je gomilˇte niza {an } ako s (∀r < 0)(∀n ∈ N)(∃n ∈ N. tada je oˇito c lim an = lim sup an = lim inf an . − .6. Neka je ¯ c c ε = |a − a|/2.3 a) Niz an = (−1)n n 1 2 3 4 5 6 . .1. ali se i izvan te c c c c okoline takoder nalazi beskonaˇno ˇlanova niza. odnosno c c (∀ε > 0)(∀n ∈ N)(∃n ∈ N. s je takoder divergentan i ima gomiliˇta 0 i +∞ te vrijedi lim inf a n = 0 i lim sup an = +∞. . n+1 2 3 4 5 6 7 je divergentan i ima dva gomiliˇta 1 i −1. 10. a + ε) mora nalaziti beskonaˇno ¯ c ˇlanova niza. . 0. odnosno 2. to a ¯ je nemogu´e. . razs s lika izmedu gomiliˇta i limesa je u tome ˇto se unutar svake ε-okoline gomiliˇta s s s r (koje nije ujedno i limes) nalazi beskonaˇno ˇlanova niza. dok se izvan toga intervala nalazi samo konaˇno ˇlanova niza. Tada se unutar intervala (a − ε. Primjer 6. . Dalje. a najmanje gomic s c liˇte zove se limes inferior i oznaˇava s lim inf. . . Najve´e gomiliˇte zove se limes superior i oznaˇava s lim sup. Ukoliko je niz konvergentan. n > n) takav da an < r.

c c Podniz je oˇito ponovo niz. tada za svaki podniz {a nk } vrijedi k→∞ lim ank = lim an . Drugim rijeˇima. Za q = 1 niz je stacionaran..6 Podniz niza a : N → R je svaka kompozicija a ◦ n. 1. . . pa ima dva gomiliˇta 1 i −1. q 4 . .− . .4 Niz an = q n . Kombiniraju´i definicije podniza i gomiliˇta 6. c s z Primjer 6. 3 5 7 a podniz {a2n−1 } istog niza glasi 1 3 5 − . 2 4 6 Sljede´i primjer opisuje ponaˇanje jednog vaˇnog niza. . 1.220 NIZOVI I REDOVI Definicija 6. q 3 . podniz {a2n } niza an = (−1)n glasi 2 4 6 . i konvergira prema 1. n→∞ . (ii) ako je niz {an } konvergentan.. q 2 .1.. −1.5 i 6. · · · . gdje je n : N → N strogo rastu´a funkcija. Za |q| > 1 niz divergira. Za |q| < 1 niz konvergira prema nuli. za q > 1 niz divergira prema +∞ po definiciji 6. n n+1 zove se geometrijski niz.− . Za q = −1 niz glasi −1. 1.. K-ti ˇlan podniza a ◦ n je c c (a ◦ n)(k) = a(n(k)) = an(k) = ank . q ∈ R. 1. odnosno konvergira prema +∞ po napomeni 6. 1. 1.. c Na primjer. s Posebno. . ..6. odnosno q. −1.. podniz se dobije iz polaznog niza preskakanjem ˇlanova.4. .. zakljuˇujemo sljede´e: c s c c (i) broj r je gomiliˇte niza {an } ako i samo ako postoji (barem jedan) podniz s {ank } koji konvergira prema r.

6. anε +1 . nalaze unutar intervala (a − ε. odaberimo n1 ∈ N koji je ve´i od svih elemenata c c od M . Teorem 6.1. To znaˇi da za svaki n vrijedi c min{a1 . Dokaz. a + ε} i teorem je dokazan. . a2 .1 Niz realnih brojeva 221 6. .2 Omedenost. a2 . Tada se ˇlanovi niza c anε . . Neka je a = lim an . a − ε} ≤ an ≤ max{a1 . jer bi u protivnom n1 bio iz M . . Definirajmo skup M = {m ∈ N : n ≥ m ⇒ an ≥ am }. ako je niz zadan s a1 = 1. Oˇito je i n2 ∈ M . Prema definiciji skupa M vrijedi a n1 ≤ a n2 ≤ · · · ≤ a nk ≤ · · · . Na primjer. . Ako je skup M konaˇan. Neka je zadan niz {an }. Nastavljaju´i ovim postupkom c c dobivamo strogo uzlazni niz n1 < n 2 < · · · < n k < · · · . tada je 1 ∈ M . . . a4 = 4. a + ε). Dokaz. 3 ∈ M . anε −1 . a2 = 3. Tada postoji n2 ∈ N takav da je n2 > n1 i an2 < an1 . Skup M ⊆ N je ili konaˇan ili beskonaˇan pa c c svaki od tih sluˇajeva razmatramo posebno. {ank } je rastu´i podniz niza {an } i teorem je dokazan. . . . monotonost i konvergencija U ovom poglavlju dokazat ´emo ˇetiri teorema koji povezuju monotonost. Teorem 6. tada u njemu moˇemo odabrati strogo uzlazni c z niz n1 < n 2 < · · · < n k < · · · . anε +2 .3 Svaki niz ima monotoni podniz. . c c omedenost i konvergenciju nizova i podnizova. 2 ∈ M . c Dakle. a5 = 5 i an = n za n ≥ 6. Odaberimo ε > 0. a3 = 2. c Ako je skup M beskonaˇan. ˇiji su elementi iz skupa N \ M . Vrijedi c a n1 > a n2 > · · · > a nk > · · · c pa je {ank } strogo padaju´i podniz niza {an }. anε −1 . .2 Svaki konvergentan niz je omeden.

3 Broj e Dokazat ´emo da je niz c an = 1+ 1 n n rastu´i i omeden odozgo pa stoga konvergira po teoremu 6. Niz je padaju´i pa za n ≥ nε vrijedi c a ≤ an ≤ anε ≤ a + ε. Naime. a2 . Ako je zadani niz omeden.3 svaki niz ima monotoni podniz. Tada (∀ε > 0)(∃nε ∈ N) takav da anε < a + ε. Prethodna dva teorema nam takoder koriste za dokazivanje poznatog Bolzano–Weierstrassovog teorema. Teorem 6.222 NIZOVI I REDOVI Teorem 6.5 (Bolzano—Weierstrass) Svaki omeden niz ima konvergentan podniz. 6.1 povlaˇi lim a n = a i teorem je c dokazan. Po teoremu 6.71828182845904523536028747135266249775724709369995 . Dakle.4. · · · }. ˇto s je u suprotnosti s pretpostavkom da je a infimum. odnosno |an − a| < ε. Neka je a najve´a c c c c c c donja meda skupa ˇiji su elementi ˇlanovi niza. Koriste´i ovaj teorem u poglavlju 6. Limes tog niza c oznaˇavamo s e.4 Svaki monoton i omeden niz je konvergentan.3 dat ´emo definiciju broja e.1. tada je i monotoni podniz omeden pa podniz konvergira po teoremu 6. a = inf{a 1 . c 1 n . definicija 6. Dokaz. Dokazat ´emo sluˇaj kada je niz {a n } padaju´i.1. u protivnom bi postojao ε > 0 takav da je a n ≥ a + ε za svaki n. Dokaz. a njegovih prvih pedeset c c znamenaka glasi 2.4. odnosno c c baze prirodnih logaritama. e = lim 1 + n→∞ n Broj e ima beskonaˇni neperiodiˇni decimalni zapis.

Dokaˇite da je niz {bn } konvergentan tako ˇto z s ´ete pokazati da je strogo rastu´i i omeden odozgo.2. c c 6.1 Niz realnih brojeva 223 Dokaˇimo da je zadani niz omeden: z 1 +1 n n n = k=0 n k n 1 n k 1n−k 1− 1 2k−1 2 n ··· 1 − k−1 n =1+ k=1 n 1 1 1· 1− k! n 1 ≤1+ k! n k=1 ≤1+ < 3.3 pa ga c c stoga izostavljamo. . Napomena 6.7) vrijedi lim bn = π. koji je u poglavlju 4.1 Niz (4.1) u poglavlju 6.1.3. Zadatak 6.6.1. Dokaz sljede´eg teorema sliˇan je dokazu teorema 4.2 i zadatak 6. √ bn = 2n+1 2 − an . k=1 =1+2 1− 1 2n Dokaˇimo da je zadani niz strogo rastu´i: z c 1 +1 n n n = k=0 n+1 n 1 ≤ k nk n k=0 n+1 1 k (n + 1)k 1 +1 n+1 n+1 < k=0 1 n+1 = k (n + 1)k . Prema (4.5).7).4 Svojstva limesa Svojstva limesa nizova sliˇna su svojstvima limesa funkcija koja su dana u c poglavlju 4.2 Broj e takoder moˇemo izraˇunati i kao sumu beskonaˇnog z c c reda brojeva (vidi formulu (6. moˇemo definirati i rekurzivno kao niz {b n } koji je definiran z formulama: √ √ b 1 = 22 2 − a 1 . Takoder moˇemo dokazati z lim 1− 1 n −n n→∞ = e.6. a1 = 2. an = 2 + an−1 .5 naveden kao jedna od mogu´ih c definicija broja π.

bn = x. b. c c s Teorem 6. (iii) lim(an · bn ) = lim(an ) · lim(bn ). + 1) n2 = lim 1 n+1 1 · lim = . 1 n 1 n c = 0. Tada vrijedi: (i) lim(an + bn ) = lim(an ) + lim(bn ).6 Neka su nizovi {an } i {bn } konvergentni. tada je lim an bn = (lim an )lim bn . cn + d a. Primjer 6. vrijedi lim an = lim a2 = 1 2 + . tada je i lim bn = a.224 NIZOVI I REDOVI Teorem 6. 4 4 1 2 n(n a3 = 1 2 3 + + .5 a) Za niz an = vrijedi lim an = lim b) Za niz an = k=1 an + b . n2 odnosno a1 = 1. c . (iv) ako za svaki n vrijedi bn = 0 i ako je lim bn = 0.. 32 32 32 . 2 n 2 Sljede´i teorem je sliˇan pravilu o uklijeˇtenoj funkciji 4.. c. d ∈ R. Posebno. tada je lim an lim an = . ako je bn stacionaran niz. c n k . tada je lim(an )x = (lim an )x .. {bn } i {cn } postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn ≤ cn i ako je lim an = lim cn = a. bn lim bn (v) ako za svaki n vrijedi an > 0 i ako je lim an > 0.7 Ako za nizove {an }.4. (ii) lim(an − bn ) = lim(an ) − lim(bn ). (an + b) · (cn + d) · = lim a + lim c + b n d n = a .

5 Cauchyjev niz Prilikom dokazivanja konvergencije pomo´u osnovne nejednadˇbe konverc z gencije potrebno je poznavati limes niza.1. ln(1 + ε) . Teorem 6.7. konvergenciju niza moˇemo z ispitati i bez poznavanja limesa. No. n+k n n n+k n n+k Posljednja nejednakost je sigurno ispunjena ˇim je c 1 uzeti nε = [ ε ] + 1. 1 n < ε. to za svaki n ∈ N vrijedi c − 1 sin n 1 ≤ ≤ .7 Niz an = 1 n je Cauchyjev pa prema tome konvergira.6 Pokaˇimo z sin n → 0.1 Niz realnih brojeva 225 Primjer 6. Logaritmiraju´i obje strane dobivamo c 1 ln a ln a < ln(1 + ε) ⇔ <n n ln(1 + ε) odnosno nε = ln a + 1. 1 1 1 1 1 1 <ε⇔ − − <ε⇔ <ε+ .1. Zaista.6 Dva vaˇna limesa z lim √ n a=1 za a > 0. Definicija 6. Za a > 1 vrijedi c √ √ √ | n a − 1| < ε ⇔ n a − 1 < ε ⇔ n a < 1 + ε. s c s z Za a = 1 tvrdnja je oˇita. odnosno moˇemo z 6. ∀k ∈ N) vrijedi |an+k − an | < ε.6. Pokaˇimo z tako ˇto ´emo rijeˇiti osnovnu nejednadˇbu konvergencije. Primjer 6. budu´i je −1 ≤ sin n ≤ 1. n Zaista.7 Niz {an } je Cauchyjev niz ako (∀ε > 0)(∃nε ∈ N) takav da (∀n ≥ nε .8 Niz je konvergentan ako i samo ako je Cauchyjev. 6. n n n 1 Kako − n → 0 i 1 n → 0. tvrdnja slijedi iz teorema 6.

t→0 x→+∞ 1+ 1 x x . Dakle.2 Pokaˇite z lim √ √ n n = lim x x = 1 x→+∞ tako ˇto ´ete rijeˇiti osnovnu nejednadˇbu konvergencije te pomo´u proˇirenja s c s z c s po neprekidnosti.3 slijedi e = lim a zamjenom x = 1/t slijedi e = lim (1 + t)1/t . . .1. Zadatak 6. . L’Hospitalovo pravilo . u ovom sluˇaju je c n→∞ lim √ √ n a = lim x a. x→+∞ √ Sada na limx→+∞ x a moˇemo primijeniti tehnike za nalaˇenje limesa funkcija z z realne varijable (logaritamsko deriviranje. ). iz s c definicije broja e iz poglavlja 6. Dakle.226 Za a < 1 vrijedi NIZOVI I REDOVI √ √ √ | n a − 1| < ε ⇔ 1 − n a < ε ⇔ 1 − ε < n a. n ln(1 − ε) Nejednakost je promijenila smjer prilikom dijeljenja s negativnim brojem ln(1− ε). Postupak proˇirenja po neprekidnosti se ˇesto koristi. y = lim a1/x ⇔ ln y = ln( lim a1/x ) = lim x→+∞ x→+∞ x→+∞ 1 ln a = 0 x pa je y = 1. ln(1 − ε) Gornji limes mogli smo odrediti i primjenjuju´i proˇirenje po neprekidnosti. . c s Naime. Slika 6. Logaritmiraju´i obje strane dobivamo c ln(1 − ε) < ln a 1 ln a ⇔ n > . na primjer. Tako.1 prikazuje (1 + 1/x)x i (1 + 1/n)n . ln a nε = + 1.

a1 + a2 + a3 + · · · + a n + · · · k n=1 an Broj an je n-ti ˇlan reda. Definicija 6. zatim konvergenciju reda pomo´u niza parcijalnih suma.1: Proˇirenje po neprekidnosti s 6.2 Red realnih brojeva 227 3 2 1 (1+1/x)**x exp(1) "a_n" 2 4 6 8 10 Slika 6. a c Niz {sk } je jednoznaˇno odreden nizom {an } i oˇito vrijedi c sk+1 = sk + ak+1 . Koristimo oznake ∞ n=1 an . Broj sk = c niz {sk } je niz parcijalnih suma. c dat ´emo nuˇne i dovoljne uvjete konvergencije te uvesti pojmove apsolutne i c z uvjetne konvergencije.6. je k-ta parcijalna suma reda . Konvergencija reda definira se pomo´u niza parcijalnih suma. an .2 Red realnih brojeva U ovom poglavlju definirat ´emo red realnih brojeva.8 Red realnih brojeva (kra´e red) je zbroj beskonaˇno (prebrojivo c c mnogo) pribrojnika koji se nalaze u zadanom poretku. odnosno sumu beskonaˇno c c mnogo sumanada. c .

1−q Za |q| < 1 vrijedi q k → 0 (vidi primjer 6. Joˇ koristimo izraze: red je konvergentan. a 10 puta je brˇi. s = lim sk = k→∞ an . koc z c rnjaˇa ´e odmaknuti malo naprijed. dok Ahil stigne do poˇetnog poloˇaja kornjaˇe. niz {a n } je zbrojiv ili sumabilan.228 NIZOVI I REDOVI Definicija 6. q n−1 = lim sk = k→∞ 1−q n=1 Za q ≥ 1 je q n−1 = +∞. suma reda jednaka je limesu niza parcijalnih suma. Dok Ahil stigne do novog c c poloˇaja kornjaˇe. ˇto u ovom sluˇaju nije toˇno.8 Promotrimo geometrijski red ∞ n=1 q n−1 = ∞ n=0 qn odnosno 1 + q + q 2 + q 3 + q 4 + · · · . . Stoga Ahil nikad ne´e sti´i kornjaˇu. Ako je red konvergentan. Primjer 6.9 Zenon je postavio sljede´e pitanje poznato kao Zenonov paradoks: c Ahil se nalazi 1 metar iza kornjaˇe. c c c s Zenon sluˇatelja navodi na zakljuˇak da zbroj od beskonaˇno udaljenosti mora s c c biti beskonaˇan. q n−1 = 1n−1 = +∞.4) pa geometrijski red konvergira i vrijedi ∞ 1 . Iz Za q = 1 oˇito vrijedi sk = k pa je c (1 + q + q 2 + q 3 + · · · + q k−1 )(1 − q) = 1 − q k za q = 1 slijedi k sk = n=1 q n−1 = 1 − qk . ˇto je paradoks. a za q ≤ −1 niz {sk } nema limes. Ako krenu c z istovremeno. Zapravo se radi o geometric s c c jskom redu i Ahil stigne kornjaˇu nakon c 1+ 1 10 1 1 + + ··· = 1 = 9 10 100 1 − 10 metara. kornjaˇa ´e odmaknuti malo naprijed i tako z c c c dalje.9 Red konvergira ako konvergira niz parcijalnih suma. s Primjer 6.

6.10 Harmonijski red 1 n 1 ispunjava nuˇan uvjet konvergencije jer je lim n = 0. a divergira za p ≤ 1.9 Ako je red Teorem moˇemo iskazati drukˇije: ako je lim a n = 0. 2 + 1 1 + 3 4 1 1 1 + m + ··· + m m 2 2 2 s c Dakle. Dokaˇimo tu tvrdnju: niz parcijalnih suma {s k } je strogo rastu´i.2 Red realnih brojeva 229 6. an divergira.1 Nuˇan uvjet konvergencije z an konvergentan.6 (ii) = lim sn − lim sn−1 = 0 Primjer 6. vrijedi lim s n−1 = s. Teorem 6. Napomena 6. Sada imamo c lim an = lim(sn − sn−1 ) i teorem je dokazan. ˇto ´emo analizirati u sljede´em s c c poglavlju. tada je lim an = 0. limm→∞ s2m = +∞. pri ˇemu je {sn } limes niza parcijalnih suma. a za njegov podniz {s2m } vrijedi 1 1 s 2m = + + 1 2 1 1 1 1 + + + + ··· 5 6 7 8 1 1 1 + m−1 + ··· + m + m−1 + 1 2 2 +2 2 1 1 1 1 1 1 1 + + ··· + >1 + + + + + + 2 4 4 8 8 8 8 m =1 + .3 Red 1 np konvergira za p > 1. tada red z c Dokaz. ali divergira.2. . ˇto povlaˇi limk→∞ sk = +∞. odnosno z 1 z c n = +∞. Neka je s= an = lim sn . Kako limes niza ne ovisi o c pomicanju indeksa za konaˇan broj mjesta.6. Tm.

na prvo pitanje ˇesto moˇemo odgovoriti koriste´i c c c z c jedan od ˇetiri kriterija konvergencije koje navodimo u ovom poglavlju.10 (Kriteriji konvergencije) Neka su an i bn redovi s pozitivnim ˇlanovima. koja mu je suma? ˇ Cesto je lakˇe odgovoriti na prvo. Neka je lim Tada vrijedi: (a) ako je 0 < r < +∞.2 Kriteriji konvergencije Kod razmatranja konvergencije geometrijskog reda u primjeru 6. zapravo se radi o dva odvojena pitanja: 1) Da li zadani red konvergira? 2) Ukoliko red konvergira. an an an konvergira. Ako postoji n0 ∈ N takav da n ≥ n0 povlaˇi an ≤ bn . an+1 = q. (b) ako je r = 0 i red (c) ako je r = 0 i red (d) ako je r = +∞ i red (e) ako je r = +∞ i red an divergira. tada red bn divergira.8.2. tada oba reda ili konvergiraju ili divergiraju.10 Neka su an i bn redovi s pozitivnim ˇlanovima. tada red an konvergira. Neka je lim Ako je q < 1. a ako je q > 1. (ii) Poredbeni kriterij II. c Definicija 6. odnosno c an . Teorem 6.230 NIZOVI I REDOVI 6. bn (iii) D’Alembertov kriterij. an = r. a divergentan ako ima divergentnu minorantu. an konvergira. bn konvergira. Tako kod redova s ˇiji su svi ˇlanovi pozitivni. s Medutim. tada red divergira. c red bn je majoranta reda an . Tada vrijede sljede´i kriteriji konvergencije: c c (i) Poredbeni kriterij I. istovremeno smo odgovorili na pitanje da li red konvergira i naˇli njegovu sumu. tada red bn konvergira. a red an je minoranta reda bn . bn > 0 za ∀n ∈ N. an divergira. tada red . nego na drugo pitanje. Red je konvergentan ako ima konvergentnu majorantu. tada red bn divergira.

niz {sk } je i strogo rastu´i pa konvergira po teoremu 6. c z dakle kada je lim an+1 /an = 1. (v) Raabeov kriterij. sk ≤ b.11 Kako je 1 n ≤ 1 √ . tada red divergira. Op´enito. c Primjer 6. an an konvergira. tada red Dokaz. dok dokaze c ostalih tvrdnji izostavljamo. n red 1 √ n 1 divergira jer ima divergentnu minorantu c n (vidi primjer 6.6. Neka je lim n 1 − Ako je q > 1. Kako je an > 0. Dat ´emo nekoliko primjera. a ako je q > 1.10).3). a ako je q < 1. tada red an konvergira.4. n(n + 1) Zbog 1 1 1 = − n(n + 1) n n+1 .12 Promotrimo red 1 . tada red divergira. Primjer 6. red 1 np divergira za p < 1 zbog istog razloga (vidi napomenu 6. Druga c tvrdnja je oˇita. Dokazat ´emo samo prvu varijantu poredbenog kriterija. an √ n an = q. c Raabeov kriterij se obiˇno koristi tek kada zakaˇe D’Alembertov kriterij. Niz parcijalnih suma {sk } reda an je omeden odozgo. Neka je lim Ako je q < 1.2 Red realnih brojeva 231 (iv) Cauchyjev kriterij. Neka red an ima konvergentnu majorantu bn = b i neka je an ≤ bn . an+1 an = q.

1) = lim 1 = 0 < 1.14 Sljede´i vaˇan red daje nam prikaz broja e: c z 1 1 1 1 = 1 + 1 + + + + · · · = e. No. c .232 vrijedi k NIZOVI I REDOVI sk = n=1 1 1 1 1 1 1 1 1 1 = 1 − + − + − + ··· + + − n(n + 1) 2 2 3 3 4 k−1 k k+1 1 . 6. prema poredc c 1 benom kriteriju red p konvergira za p ≥ 2 (vidi napomenu 6.3).5. Konaˇno. Red 1 (n + 1)2 takoder konvergira jer ima konvergentnu majorantu vergira i red π 1 1 =1+ = . lim an = lim n 3 3 3 Primjer 6. n! 2! 3! 4! n=0 Red konvergira po D’Alembertovom kriteriju jer je an+1 = lim lim an 1 (n+1)! 1 n! ∞ (6. 3n 3 Red konvergira po Cauchyjevom kriteriju jer je √ n √ n n Zad.13 Ispitajmo konvergenciju reda n 3n po D’Alembertovom i Cauchyjevom kriteriju. k+1 =1− Stoga je 1 n(n+1) = lim sk = 1. Red konvergira po D’Alembertovom kriteriju jer je lim an+1 = lim an n+1 3n+1 n 3n = lim n+1 1 = < 1. n Primjer 6.2 1 n n = = lim < 1. n2 (n + 1)2 6 1 n(n+1) . n+1 Zadnja jednakost u formuli (6. tada kon- Zadnju jednakost ´emo dokazati u Matematici 3.1) dokazat ´e se u zadatku 6.

naravno.4).11 Ako je red apsolutno konvergentan.2.2. U nekim sluˇajevima pomaˇe nam teorem o apsolutnoj konverz c z genciji. c Apsolutno konvergentni redovi imaju sljede´e vaˇno i korisno svojstvo.2) 1 1 1 1 1 1 − + − − + ··· (6. Teorem 6.2) jednaka je 1+ 1 1 1 + + + ··· 4 16 64 − 1 1 1 + + + ··· 2 8 32 = 1 1− 1 4 − 1 1 · 2 1− 1 4 = 2 . c Redovi koji su konvergentni. Po prethodnom teoremu suma reda (6. suma reda (6. tada je i konvergentan. redovi 1− i 1− 1 1 1 1 1 1 + − + − + ··· 2 4 8 16 32 64 (6. 7 1 1 1 + + + ··· 4 32 256 . Za redove s pozitivnim ˇlanovima koje smo razmatrali u prethodnom poglavlju c vrijedi an = |an | pa nema razlike izmedu konvergencije i apsolutne konvergencije.12 Apsolutno konvergentnom redu smijemo komutirati sumande.11 Red an je apsolutno konvergentan odnosno konvergira apsolutno ako konvergira red |an |.3) 2 4 8 16 32 64 su apsolutno konvergentni jer je njihov red apsolutnih vrijednosti konvergentan geometrijski red 1/2n−1 . to jest redoslijed zbrajanja ne utjeˇe na sumu reda. c z Teorem 6. Definicija 6. 3 Sliˇno.2 Red realnih brojeva 233 6.3 Apsolutna konvergencija U prethodnom poglavlju dani su kriteriji konvergencije za redove s pozitivnim ˇlanovima. razliˇite.6. Sljede´a dva teorema vezana uz apsolutno konvergentne redove navodimo c bez dokaza.3) jednaka je c 1+ 1 1 + + ··· 8 64 − = 1 1 1 + + + ··· 2 16 128 1 1 1 1− − = 2 4 1− 1 8 − 2 . ali nisu apsolutno konvergentni nemaju ovo svojstvo (vidi poglavlje 6. Na primjer. Sume su im. Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake c c c c je sloˇenije.

n 1 1 > 2n − 1 2 1 = +∞. a pri c c tome koristimo sve ˇlanove reda.13 (Leibnitz) Alternirani red an konvergira ako vrijedi: (i) (∃n0 ∈ N) takav da n ≥ n0 povlaˇi |an+1 | ≤ |an |. pomaˇe nam Leibnitzov kriterij konvergencije. suma ´e biti jednaka s. i tako dalje. medutim konverc z c gencija je vrlo spora. Na primjer. moˇemo posti´i bilo koju unc z c aprijed zadanu sumu s (recimo s > 0): uzmemo onoliko pozitivnih ˇlanova c c dok ne predemo s. a koji nisu apc c c solutno konvergentni. z Red an za koji je sign an+1 = − sign an za svaki n zove se alternirani red. ali ne konvergira apsolutno jer red apso1 lutnih vrijednosti c n divergira. alternirani harmonijski red (−1)n−1 1 1 1 1 = 1 − + − + · · · = ln 2 n 2 3 4 konvergira po Leibnitzovom kriteriju. Zadnju jednakost ´emo dokazati u primjeru 6.12 ne vrijedi za alternirani harmonijski red. Prvo primijetimo da su i pozitivni i negativni dio alterniranog harmonijskog reda beskonaˇni. Pomo´u ovog reda moˇemo izraˇunati vrijednost broja π. Dakle. je sloˇenije. c (ii) lim an = 0. ali ne konvergira apsolutno jer 1 c red 2n−1 divergira. c Ovaj postupak moˇemo ponavljati unedogled jer je svaki ostatak od pozitivnog z i negativnog dijela i dalje beskonaˇan. c .4 Alternirani redovi Razmatranje redova ˇiji ˇlanovi imaju razliˇite predznake. Alternirani red (−1)n−1 1 1 1 1 1 1 π = − + − + − + ··· = 2n − 1 1 3 5 7 9 11 4 n=1 takoder konvergira po Leibnitzovom kriteriju.2) i (6. Teorem 6. Pokaˇimo da teorem 6. n ∞ Izborom odgovaraju´eg redoslijeda zbrajanja. zatim uzmemo onoliko negativnih ˇlanova dok se ne vratimo ispod s. Ovakav postupak oˇito ne moˇemo provesti c c z za redove (6. Zadnja jednakost bit ´e dokazana u Matematici 2.2. U posebnom sluˇaju kada predznaci alterniz c raju.3) jer su i pozitivni i negativni dijelovi tih redova konaˇni. odnosno z suma reda koji je konvergentan ali nije apsolutno konvergentan ovisi o redoslijedu zbrajanja.21. zatim onoliko pozitivnih ˇlanova dok ne predemo s.234 NIZOVI I REDOVI 6. c 1 1 = 2n 2 1 = +∞.

3 Niz funkcija 235 6. x2 .ε ∈ N) takav da n ≥ nx. niz funkcija zadan s fn (x) = xn−1 glasi 1. Iz svojstava geometrijskog niza danog u primjeru 6. dok obrnuto c op´enito ne vrijedi. . f3 (x).ε ≡ nε . . x3 . . . odnosno c niz funkcija koji konvergira uniformno konvergira i po toˇkama. . . x. f2 (x). ili f1 (x). .4). konvergenciju u toˇki te c c obiˇnu i uniformnu konvergenciju na nekom skupu. Niz konvergira obiˇno ˇto ´emo vidjeti rjeˇavaju´i osnovnu nejednadˇbu konc s c s c z vergencije.ε ⇒ |fn (x) − f0 (x)| ≤ ε. . Oznaˇimo s R D skup svih funkcija iz D u c R. vidimo da niz konvergira za x ∈ (−1. . . . c Definicija 6.ε ne ovisi o x ve´ samo o ε. c Funkcija fn ≡ fn (x) je n-ti ˇlan niza. {fn (x)}. . za x = 1. Za x = 0 niz je stacionaran c .4. Simboliˇki zapisujemo: c (∀x ∈ A)(∀ε > 0)(∃nx. f 3 . f n . c Niz funkcija oznaˇavamo s {fn }. .6. c f1 . Iz definicije slijedi da je uniformna konvergencija jaˇe svojstvo. odnosno nx.3 Niz funkcija U ovom poglavlju definirat ´emo niz funkcija. 1} zadanoj s f0 (x) = 0 1 za − 1 < x < 1. Funkcija f0 je limes niza funkcija {fn (x)}. x4 . . . 1] → {0. Promotrimo prvo toˇke x = 0 i x = 1. . . . pri ˇemu je f (n) = fn : D → R. Niz funkcija {fn } konvergira po toˇkama ili obiˇno prema funkciji f 0 na skupu A ako {fn (x)} → c c f0 (x) za ∀x ∈ A. niz funkcija {fn } c konvergira uniformno ili jednoliko prema funkciji f 0 .4) Definicija 6. fn (x). . . . Ako nx. odnosno n→∞ lim fn = f0 . . 1] prema funkciji f0 : (−1. .12 Neka je D ⊆ R. . f 2 . (6. Na primjer.13 Niz funkcija {fn } konvergira u toˇki x prema funkciji f 0 c ako niz realnih brojeva {fn (x)} konvergira prema f0 (x). Niz funkcija je svaka funkcija f : N → R D . xn−1 . c Promotrimo konvergenciju niza funkcija (6.

ε c c Dakle.5 x x**2 x**3 x**4 x**5 x**10 x**25 1 -0.2: Konvergencija niza funkcija Premda su svi ˇlanovi niza {xn−1 } neprekidne funkcije.5 -1 Slika 6. apsolutnu i uniformnu konvergenciju na nekom skupu. Sliˇno se dobije u sluˇaju −1 < x < 0 pa se radi o obiˇnoj konvergenciji.ε = 1 za ∀ε > 0. nx. c 6.3 Pokaˇite da niz neprekidnih funkcija f n (x) = sinnnx konvergira z uniformno prema neprekidnoj funkciji f 0 (x) = 0 na ˇitavom skupu R. Pokazat ´emo c c .2.ε = ln x + 1. Za 0 < x < 1 vrijedi c 1 0. tada je f0 takoder neprekidna funkcija. konvergenciju u toˇki. To se ne moˇe dogoditi kada se radi o uniformnoj konvergenciji.5 -1 -0.4 Red funkcija U ovom poglavlju definirat ´emo red funkcija. Za x = 1 niz je stacionaran c s c od poˇetka pa je n0.14 Ako niz neprekidnih funkcija {f n } konvergira uniformno prema funkciji f0 . Konvergencija niza prikazana je na slici 6. z Teorem 6. limes nije neprekidna c funkcija. Zadatak 6. te c c obiˇnu.5 0. c |xn − 0| < ε ⇔ n ln x < ε ⇔ n > poˇevˇi od drugog ˇlana pa je n0.ε = 2 za ∀ε > 0.236 NIZOVI I REDOVI ε . ln x Prilikom dijeljenja negativnim brojem ln x nejednakost je promijenila smjer.

. (iv) Red funkcija fn konvergira uniformno prema funkciji s na skupu A ako niz funkcija {sk } konvergira uniformno prema funkciji s na skupu A. Funkcija fn je n-ti ˇlan reda. odnosno ako sk (x) → s(x) za ∀x ∈ A. red funkcija xn−1 moˇemo zapisati i kao z 1 + x + x 2 + x3 + · · · + x n + · · · . (ii) Red funkcija fn konvergira po toˇkama ili obiˇno prema funkciji s na c c skupu A ako fn (x) konvergira prema s(x) za ∀x ∈ A. c pored obiˇne konvergencije imamo joˇ dvije razliˇite vrste konvergencije. pri ˇemu je fn : D → R. Niz funkcija {s k } je niz parcijalnih suma reda funkcija fn . Dakle. a funkcija c k sk = n=1 fn je k-ta parcijalna suma. Definicija 6. Koristimo i oznake c ∞ n=1 fn (x). Na primjer. f 1 + f2 + f3 + · · · + f n + · · · . c ∞ n=1 fn .15 (i) Red funkcija fn konvergira u toˇki x prema funkciji c s ako red realnih brojeva fn (x) konvergira prema s(x).4 Red funkcija 237 kako se moˇe odrediti podruˇje konvergencije reda funkcija te dati jedan lako z c primjenjiv kriterij konvergencije. Definicija 6. konvergenciju u nekoj toˇki i obiˇnu konvergenciju moˇemo definic c z rati na dva naˇina: preko reda brojeva ili preko niza parcijalnih suma.14 Red funkcija je zbroj beskonaˇno (prebrojivo mnogo) funkcija.6. odnosno ako niz realnih brojeva sk (x) konvergira prema s(x). (iii) Red funkcija fn konvergira apsolutno na skupu A ako red brojeva |fn (x)| konvergira za ∀x ∈ A. Takoder. apc s c solutnu i uniformnu.

5 0.3. 1/(1-x) 6 1+x+x**2 1+x+x**2+x**3 1+x+x**2+x**3+x**4+x**5+x**6+x**7+x**8+x**9+x**10 5 4 3 2 1 -1 -0. Postupak ´emo objasniti na primjeru.16. a prikazana je na slici 6.238 NIZOVI I REDOVI Primjer 6.10 daje lim n n→∞ |fn (x)| = lim n n→∞ |x|n−1 |x| n x = lim = .15 Iz svojstava geometrijskog reda iz primjera 6. za koje dani red konvergira. Konvergencija je takoder uniformna prema teoremu 6.2.2. odnosno sve vric c c ˇ jednosti x.5) (1 − x)n n=1 Cauchyjev kriterij iz teorema 6. Konvergencija je apsolutna jer red |x|n−1 konvergira za ∀x ∈ (−1.1 Ispitivanje konvergencije Ispitati konvergenciju reda funkcija znaˇi na´i podruˇje.3: Konvergencija geometrijskog reda funkcija 6. 1−x ∀x ∈ (−1. n n→∞ |1 − x| |1 − x| 1−x n−1 . Cesto ispitujemo podruˇje apsoc lutne konvergencije koriste´i kriterije konvergencije za redove realnih brojeva c iz poglavlja 6.8 slijedi da za geometrijski red funkcija vrijedi 1 + x + x 2 + x3 + x4 + · · · = 1 . 1).4. c Zadan je red funkcija ∞ xn−1 .5 1 Slika 6. (6. 1).

tada red potencija konvergira samo u toˇki c x = x0 (trivijalno). z c c Teorem 6.4.4 Red funkcija 239 Dakle. a ako je ρ = +∞. Uniformnu konvergenciju moˇemo ispitati na sljede´i naˇin. x0 +ρ ].6) konvergira uniformno i apsolutno na svakom segmentu [x0 −ρ . Podruˇje konvergencije reda potencija daje nam sljede´i teorem kojeg ´emo c c c dokazati u Matematici 3. c konvergira uniformno na skupu D ako ima konvergentnu majorantu an .2 Red potencija ∞ n=0 fn Red potencija je poseban red funkcija n . U toˇki x = 1/2 Cauchyjev kriterij ne daje odluku c pa ´emo taj sluˇaj razmotriti posebno: c c fn 1 2 = 1 n−1 2 1 n 2 = 2 = +∞. 6. x0 +ρ].6) an (x − x0 )n ili a0 + a1 (x − x0 ) + a2 (x − x0 )2 + a3 (x − x0 )3 + · · · + an (x − x0 )n + · · · . an ∈ R. c . ∀x ∈ D. odnosno x0 ) ∞ n=0 za koji je fn (x) = an (x − (6. Konvergenciju u toˇkama x = x0 − ρ i x = x0 + ρ treba ispitati posebno. Teorem 6.6. red (6. tada red potencija konvergira za ∀x ∈ R.5) konvergira apsolutno za sve toˇke x ∈ R \ {1} za koje je c x < 1. a divergira na skupu R\[x0 −ρ. 1/2). 1−x odnosno za x ∈ (−∞. ako je ρ = 0. Na primjer.15 (Weierstrass) Red funkcija fn . Radijus konvergencije reda potencija je broj ρ= 1 lim sup n |an | ili ρ= 1 lim sup an+1 an . pri ˇemu je fn : D → R. odnosno (∃n0 ∈ N) takav da n ≥ n0 ⇒ |fn (x)| ≤ an . gdje je ρ < ρ.16 Red potencija (6.

240 Primjer 6. njenu derivaciju moˇemo raˇunati deriviraju´i pripadni red funkcija. ili nema prikladan analitiˇki izraz. Prethodne tvrdnje ne´emo dokazivati. U 1 toˇki x = 1 red glasi c c n pa divergira (vidi primjer 6.2) c lim sup n NIZOVI I REDOVI |an | = lim sup n 1 = 1. 1]. tada vrijedi fn (x) Posebno za red potencija vrijedi ∞ n=0 ∞ n=1 = fn (x). n2 Ovdje je takoder x0 = 0. n! Ispitivanje konvergencije u rubovima intervala je sloˇenije pa ga izostavite. U toˇki x = 1 red glasi c pa konvergira (vidi poglavlje n2 n 1 pa konvergira jer konvergira ap6.2. ∞ n=0 an (x − x0 )n = nan (x − x0 )n−1 = )n (n + 1)an+1 (x − x0 )n u svim toˇkama u kojima red c an (x − x0 konvergira. n to je ρ = 1 pa red konvergira uniformno i apsolutno na intervalu (−1. z 6. n Ovdje je oˇito x0 = 0. Kako je (vidi zadatak 6. . Dakle. 1). 1). c Primjer 6. U toˇki x = −1 red n 1 (alternirani harmonijski red. zadani red konvergira za x ∈ [−1. 1).2.3 Deriviranje reda funkcija Kada funkcija s(x) = fn (x) nije elementarna.4 Nadite podruˇje apsolutne konvergencije reda nn n x .4. c c Zadatak 6.4) pa konvergira glasi (−1) n po Leibnitzovom kriteriju.10).11). poglavlje 6. a u toˇki x = −1 red glasi (−1) n2 c solutno (teorem 6. c z c c Naime. a divergira inaˇe. Kako je ρ = 1. a divergira inaˇe.17 Zadan je red potencija 1 n x . red konvergira uniformno i apsolutno 1 na intervalu (−1.16 Zadan je red potencija 1 n x . ako su sve derivacije fn (x) neprekidne i ako red fn (x) konvergira. ve´ navodimo sljede´i zanimljiv primc c c jer. Dakle.2). zadani red konvergira apsolutno za x ∈ [−1.

18 Izraˇunajmo sumu reda potencija c nxn−1 = 1 + 2x + 3x2 + 4x3 + · · · + nxn−1 + · · · za |x| < 1.4.5 0. ∞ n=1 Osim toga ∞ n=0 (xn ) = ∞ n=0 nxn−1 = nxn−1 .4: Konvergencija reda potencija .5 1 Slika 6.4 Red funkcija 241 Primjer 6. Ovaj red potencija takoder konvergira za |x| < 1 pa stoga za |x| < 1 vrijedi ∞ n=1 nxn−1 = ∞ n=0 (xn ) = ∞ n=0 xn = 1 1−x = 1 . 1/(1-x)**2 1+2*x+3*x**2 1+2*x+3*x**2+4*x**3 1+2*x+3*x**2+4*x**3+5*x**4+6*x**5+7*x**6+8*x**7+9*x**8 8 10 6 4 2 -1 -0. 1−x |x| < 1. Za geometrijski red vrijedi ∞ n=0 xn = 1 .6. (1 − x)2 Konvergencija reda prikazana je na slici 6.

18 Neka funkcija f ima na intervalu (a.8) za p ∈ N i 0 < θ < 1. z . z Red potencija (6. Posebno. Tada za proizvoljnu toˇku x0 ∈ (a. n! (6.17 Neka funkcija f ima na intervalu (a.7) n! (x − x0 )n+1 (1 − θ)n+1−p f (n+1) (x0 + θ(x − x0 )) p · n! gdje je Rn (x) = (6. Tada za proizvoljnu toˇku x0 ∈ (a. Taylorov razvoj u toˇki x0 = 0 zove se MacLaurinov razvoj. b) i za ∀x ∈ (a. b) derivacije proizvoljnog reda. b) vrijedi c f (x) = f (x0 ) + ∞ n=1 f (n) (x0 ) (x − x0 )n n! (6. Pomo´u Taylorove formule moˇemo s c z raˇunati vrijednosti elementarnih funkcija kao sin x.7) zove se Taylorova formula . n! a za p = n + 1 dobivamo Lagrangeov oblik ostatka Rn (x) = Rn (x) = (x − x0 )n+1 (n+1) f (x0 + θ(x − x0 )). z Teorem 6. (n + 1)! Teorem 6. Formula (6.5 Taylorov red Razvoj elementarnih funkcija u Taylorov red jedna je od najvaˇnijih primz jena dosadaˇnjih rezultata ove glave. za p = 1 dobivamo Cauchyjev oblik ostatka (x − x0 )n+1 (1 − θ)n f (n+1) (x0 + θ(x − x0 )). x) i za ∀x ∈ (a. (6.10) Posebno je vaˇna primjena Taylorovog razvoja na elementarne funkcije. b) vrijedi c f (x) = f (x0 )+ f (x0 ) f (x0 ) f (x0 ) (x − x0 ) + (x − x0 )2 + (x − x0 )3 + 1! 2! 3! f (n) (x0 ) ··· + (x − x0 )n + Rn (x). b). Dokazi teorema koje c c c navodimo su sloˇeni pa ih izostavljamo.9) zove se Taylorov red ili Taylorov razvoj funkcije f u toˇki c x0 .8) je Schl¨mlio chov oblik ostatka.9) ako i samo ako niz ostataka {Rn (x)} teˇi k nuli za ∀x ∈ (a. a izraz u formuli (6. c f (x) = f (0) + ∞ n=1 f (n) (0) n x .242 NIZOVI I REDOVI 6. e x i ln x do ˇeljene toˇnosti c z c i to koriste´i samo ˇetiri osnovne raˇunske operacije. b) derivaciju reda n + 1.

19 Taylorov red elementarne funkcije f (x) konvergira prema f (x) u svakoj toˇki svog podruˇja konvergencije. f (x) = cos x.5. . Po D’Alembertovom kriteriju lim |x2n+1 | (2n+1)! |x2n−1 | (2n−1)! = lim x2 = 0.20 S kolikom toˇnoˇ´u c sc x− x3 x5 + 3! 5! Pogreˇku ´emo s c aproksimira funkciju sin x za |x| ≤ 1? Koliko je sin 1? izraˇunati koriste´i Lagrangeov oblika ostatka: c c |R6 (x)| = Dakle. f (0) = −1. (2n − 1)! (6.10) daje x x3 x5 x7 sin x = − + − +··· = 1! 3! 5! 7! ∞ n=1 (−1)n+1 x2n−1 . Konvergencija Taylorovog reda prikazana je na slici 6.7) koristimo za raˇunanje vrijednosti elementarnih c funkcija. . Primjer 6. IV f (0) = 1.0002 = 0. 6 120 . 7! 7! 1 1 ˙ + ± 0.0002. u formulu (6.8416 ± 0.4.11) s vrijedi. . sin 1 = 1 − x7 1 | − cos(θx)| ≤ < 0.11) vrijedi za ∀x ∈ R.6. c c Primjer 6. (x) = sin x. pa formula (6.19 formula vrijedi za sve x za koje red na desnoj strani konvergira. . f (x) = − cos x. f V (0) = 1. Taylorovu formulu (6. f IV (0) = 0. jer ne znamo za koje vrijednosti x formula (6.5 Taylorov red 243 Teorem 6. f f V (x) = cos x.0002. Po teoremu 6. f (x) = − sin x. f (0) = 0. Uvrˇtavanje s f (0) = 0.19 Nadimo MacLaurinov razvoj funkcije f (x) = sin x.11) Zadatak joˇ nije gotov.2). 2n(2n + 1) odnosno ρ = +∞ (vidi poglavlje 6.

1.5 1 2 3 -1 Slika 6. jer je na primjer |R 6 (0. Toˇnost je joˇ ve´a za manje c c s c 7 /7! < 1.5 Izraˇunajte MacLaurinove razvoje c x2n x2 x4 x6 (−1)n + − + ··· = 1 + .5 i usporedite s rezultatima koje daje kalkulator! c Raˇunala raˇunaju funkcije sin x. odnosno c c polinomi manjeg stupnja s kojima se postiˇe ista ili ve´a toˇnost. Izraˇunajte vrijednosti od x. odnosno c c c c koriste´i samo osnovne raˇunske operacije.6. xn . cos x = 1 − 2! 4! 6! (2n)! n=1 i ex = 1 + x x2 x3 x4 + + + + ··· = 1 + 1! 2! 3! 4! ∞ n=1 ∞ ∀x ∈ R. . e x i ln x na sliˇan naˇin.25 c na ovaj naˇin sin 0.3·10−8 .244 sin(x) x-x**3/6 x-x**3/6+x**5/120 x-x**3/6+x**5/120-x**7/5040 NIZOVI I REDOVI 1 0.5: Taylorov red za sin x Ovo je gotovo toˇnost logaritamskih tablica.5 -3 -2 -1 -0. n! ∀x ∈ R. 2! 3! 4! n! n=1 ∞ ˇto je joˇ jedan prikaz broja e pored definicije iz poglavlja 6. Konvergencija s s Taylorovog reda za funkciju ex prikazana je na slici 6.25 i sin 0. cos x.25)| = 0.3. Postoje i ”bolji” polinomi. Za x = 1 prethodna formula daje e=1+1+ 1 1 1 1 + + + ··· = 1 + . z c c Zadatak 6.

Iz 1 . (1 + x)4 f (x) = (−1)(−2) zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je Uvrˇtavanje u formulu (6. nego koristimo jedan od sljede´a dva MacLaurinova razvoja. c Primjer 6.12) .10) daje s ln(1 + x) = f (n) (0) = (−1)n−1 (n − 1)!. (1 + x)3 1 f IV (x) = (−1)(−2)(−3) .6. 1+x 1 f (x) = − . ∞ n=1 1 . (1 + x)n (−1)n−1 n x n (6. (1 + x)2 f (x) = 1 .5 Taylorov red 245 exp(x) 1+x+x**2/2 1+x+x**2/2+x**3/6 6 1+x+x**2/2+x**3/6+x**4/24 5 4 3 2 1 -5 -4 -3 -2 -1 1 Slika 6.21 Nadimo MacLaurinov razvoj funkcije f (x) = ln(1 + x).6: Taylorov red za ex Funkciju ln x ne razvijamo u Taylorov red direktno.

246 NIZOVI I REDOVI pa preostaje odrediti za koje vrijednosti x formula vrijedi. tada nam formula (6.2) ρ= 1 lim sup |an+1 | |an | = 1 n =1 lim n+1 pa formula (6. 2 3 4 ˇto nam daje sumu alterniranog harmonijskog reda iz poglavlja 6. 1] pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za x ∈ (0.12) vrijedi za x ∈ (−1.8 -0.7. 1 Dalje. Kons vergencija reda prikazana je na slici 6. u toˇki x = 1 red glasi (−1)n−1 n pa konvergira po Leibnitzovom c 1 kriteriju (vidi poglavlje 6.4. z c . U toˇki x = −1 red glasi − c n pa divergira kao ˇto smo pokazali u primjeru 6.8 -1 log(1+x) x-x**2/2+x**3/3 x-x**2/2+x**3/3-x**4/4+x**5/5 -2 Slika 6.2.4).12) ne z c koristi. 2]. ali moˇemo korisiti sljede´i razvoj. Na primjer. na primjer. formula (6.4 0.2. ln 2 moˇemo izraˇunati tako z c ˇto u formulu (6.4. ln 3. Radijus konvergencije reda potencija je (vidi poglavlje 6.4 0. s Dakle. 1).12) uvrstimo x = 1.12) vrijedi za x ∈ (−1.7: Taylorov red za ln(1 + x) Ukoliko ˇelimo izraˇunati. s ln 2 = 1 − 1 1 1 + − + ··· .10. odnosno za koje vrijednosti x red potencija na desnoj strani konvergira. 1 -0.

Uvrˇtavanje u formulu (6.5 Taylorov red 247 1+x 1−x .22 Nadimo MacLaurinov razvoj funkcije f (x) = ln f (x) = ln(1 + x) − ln(1 − x) slijedi Iz 1 1 + . 1) pa pomo´u nje moˇemo izraˇunati c z c vrijednosti funkcije ln x za ∀x ∈ R. Zadatak 6. formula (6. odnosno f (2n−1) (0) = 2(2n − 2)!. red na desnoj strani formule (6. (6.13)? . 1+x 1−x 1 1 f (x) = − + (−1) (−1).13) Preostaje odrediti za koje vrijednosti x formula vrijedi. ln 3 moˇemo izraˇunati tako z c 2 ˇto ´emo u formulu (6.13) vrijedi za x ∈ (−1. x2n−1 x3 x5 x7 =2 x+ + + + ··· 2n − 1 3 5 7 . 2 (1 + x) (1 − x)2 1 1 + 1(−2) (−1). Na primjer. Dakle.10) daje s ln 1+x =2 1−x ∞ n=1 1 1 + (n − 1)! .6.13) konvergira za |x| < 1. Konvergencija reda prikazana je na s c slici 6.8.12). (1 + x)4 (1 − x)4 f (x) = Zakljuˇujemo c f (n) (x) = (−1)n−1 (n − 1)! pa je f (n) (0) = ((−1)n−1 + 1)(n − 1)!. Kako je lim |an+1 | = |an | x2 .13) uvrstiti x = 3 . Primjer 6. U toˇki x = 1 c 1 1 red glasi 2 c 2n−1 pa divergira. f (x) = (−1)(−2) (1 + x)3 (1 − x)3 1 1 f IV (x) = (−1)(−2)(−3) + 1 · 2(−3) (−1).6 Koliko ˇlanova reda treba za raˇunanje ln 2 na ˇetiri decimale c c c kada koristimo formulu (6. n (1 + x) (1 − x)n f (2n) (0) = 0. a koliko kada koristimo formulu (6. a u toˇki x = −1 red glasi −2 2n−1 pa takoder divergira.

4 0.8 -2 -3 Slika 6.8: Taylorov red za ln((1 + x)/(1 − x)) .8 -0.4 -1 0.248 NIZOVI I REDOVI log((1+x)/(1-x)) 2*(x+x**3/3) 2*(x+x**3/3+x**5/5) 3 2 1 -0.

53. 12 decimalni. 130 vertikalna. 157 tangens hiperbolni. 12 heksadecimalni.Indeks ⇔. 81 apscisa. 5 anti-simetriˇna. 7 kompleksnog broja. 4 ∈. 151 arkus sinus. 145 anti-komutativnost. 136 logaritamske funkcije. 77. 145. 150 arkus kotangens. 25 aritmetika raˇunala. 157 kotangens hiperbolni. 62 amplituda. 157 argument funkcije. 11. 87 aplikata. 3 ℵ0 . 23 area kosinus hiperbolni. 130 kosa. 13 ∅. 155 asocijativnost. 151 asimptota. 5 parcijalnog uredaja. 20 brojevni sustav binarni. 12 rimski. 15 c Briggs. 4 ¬. 2 . 130. 139 brojevni pravac. 12 oktalni. 5 c tranzitivna. 164 algebarski komplement. 4 ∀. 8 binarna relacija. 12 heksagezimalni.2 ∧. 3 ∈. 5 binarni sustav. 79. 157 sinus hiperbolni. 20 c arkus kosinus. 140 baza prostora. 5 c ekvivalencije. 2 A adicioni teoremi. 157. 5 simetriˇna. 150 arkus tangens. 19. 148. 4 ∃. 13 n k . 13 binomni pouˇak. 81 apsolutna vrijednost. 21. 84 bijekcija. 167 kompleksnog broja. 198 horzontalna. 12 . 12 binomni koeficijent. 130. 4 / ∨. 75 B baza eksponencijalne funkcije. 5 refleksivna.

114. 173 argument. 23 cikloida. 112 Cramerovo pravilo. 173 implicitno zadana. 176 drugog reda. 3 derivacija. 136. 170 parametarski zadana. 198 z ekvipotencija. 42 C. 197 s zdesna. 139. 197 nuˇan uvjet. 171 ekstenzija. 157 derivacija. 7 arkus. 168 kompozicije funkcija. 194. 178 implicitno zadane funkcije. 190. 191. 166 viˇeg reda. 63 D DeMorganovi zakoni. 86. 127. 188. 166 Descartesov list. 198 dovoljan uvjet. 3 elipsa implicitno zadana. 198 toˇka infleksije. 113 ekstenzija. 108 glatka. 198 INDEKS geometrijski. 222. 185 baza. 109. 3 duˇina. 169 parametarski zadane funkcije.250 C C. 132. 7. 59 Laplaceov razvoj. 109 derivacija. 43 funkcija. 162. 132 strogo padaju´a. 112. 6 dovoljan uvjet. 170 . 82 E e. 203 determinanta. 7. 60 diferencijal. 106 donja meda. 156. 13 fazni pomak. 162 eksponencijalna. 11. 2 ekskluzivna. 139 F faktorijele. 72. 153 eskplicitno zadana. 5 disjunkcija. 195. 8 ekstrem. 111. 178 viˇeg reda. 188. 177. 9 ekvivalencija. 136. 62 svojstva. 87 domena. 170 inverzne funkcije. 198 c graniˇna vrijednost. 177. 136 derivacija. 132 ispitivanje toka. 8 elementarna. 154 area. 2 distributivnost. 211 globalni. 73 expa . 167. 107. 156 derivacija. 149 derivabilna. 106. 162 graf. 186 c algebarska. 149 derivacija. 146 FORTRAN. 179 slijeva. 179 euklidski prostor. 139. 192. 188 lokalni. 197. 176 druga. 175. 72 duljina. 137. 72 z usmjerena. 117 c hiperbolna. 178 s direktni produkt. 171 ciklometrijska. 226 eipcikloida.

8 intenzitet. 197 neprekidna. 171 vrijednosti. 134 ispitivanje toka. 3 infimum. 116 G Gaussova eliminacija. 8 implikacija. 6. 203 parna. 136 pravila potenciranja. 127 logaritamska. 133 s prirodnim brojem. 139 baza. 195. 172 prirodni logaritam. 116. 6 infleksija. 169 konkavna. 186 c restrikcija. 133. 117–119. 12 hipocikloida. 116. 112 derivacija. 106. 193. 141. 138 prirodni logaritmi. 197 periodiˇna. 154 s realnim brojem. 186 c tabliˇna. 7. 127 inverzija. 134. 156 derivacija. 8. 107 interval otvoreni. 164 konveksna. 116. 198 neomedena. 72 s I identiteta. 7 strogo konkavna. 141. 195. 154. 58 inverzna. 47 Gnuplot. 193. 139 dekadski logaritmi. 115. 113 homogeni sustav. 116 c strogo rastu´a. 116 podruˇje definicije. 198 limes. 217 c H heksadecimalni sustav. 197 kompozicija. 115 neparna. 115 padaju´a. 126 derivacija. 140 Briggsovi logaritmi. 44. 6 zatvoreni. 133. 6 poluotvoreni. 145 uzlazna. 115. 193 strogo konveksna. 193 strogo padaju´a. 116 slika. 132. 219 s gornja meda. 136 prava racionalna. 7. 6 graf. 116. 202 gomiliˇte. 106 c potencija. 186 c parametarska. 126 nul-toˇka. 195. 116. 140 monotona. 21 graniˇna vrijednost. 155 . 133 s racionalnim brojem. 168 graf. 185 derivacija. 139 derivacija. 155 racionalna. 7. 173 pravila. 152. 107 c transcendentna. 198 c omedena. 198 konstantna. 87 hvatiˇte. 55 homogenost. 197. 197 c po dijelovima monotona. 8 silazna. 197 c podruˇje vrijednosti. 139 svojstva. 179 ispitivanje toka. 72 interpolacija. 154 trigonometrijska. 139 derivacija. 86. 198 injekcija. 186. 125.INDEKS 251 rastu´a. 139.

11. 4 L L’Hospitalovo pravilo. 110 parametarska jednadˇba. 147. 147 c kotangens. 19 K kardinalni broj. 78 koordinatni sustav. 7. 84 ln. 123 c u desnom kraju. 4 univerzalni. 127 inferior. 23 trigonometrijski oblik. 25 komutativnost. 78. 125. 13 kompleksni broj n-ti korijen. 23 konjugirani. 157 kriterij konvergencije. 78. 9 Kartezijev produkt. 5 kodomena. 198. 122. 80 pravokutni. 139 logaritamske tablice. 189. 2 konvergencija apsolutna. 28 Eulerov oblik. 83 linearna zavisnost. 230 Cauchyjev. 231 Weierstrassov. 150 hiperbolni. 230 Leibnitzov. 198 c c kruˇnica z implicitno zadana. 139 log. 99 kvadrant. 112 z kut. 28 imaginarni dio. 8 iracionalni brojevi. 219 u beskonaˇnosti. 52. 23. 83. 239 kritiˇna toˇka. 80 ortogonalni. 184 niza brojeva. 78 kvantifikator egzistencijalni. 27 realni dio. 235. 86 konjunkcija. 87 kosinusov pouˇak. 5 klasa ekvivalencije. 156 kosinus smjera. 80 ravnine. 139 log a . 231 INDEKS D’Alembertov.252 inverzna funkcija. 122. 124 c funkcije. 52. 142. 235 uniformna. 165 limes beskonaˇan. 62 kombinacija. 184. 219 neodredeni oblik. 80 kosinus. 151 hiperbolni. 154 potenciranje. 217 niza funkcija. 149 . 99 izmedu pravca i ravnine. 99 izmedu ravnina. 77 desni. 27 argument. 84 linearna nezavisnost. 143. 108. 235 slijeva. 230 Raabeov. 123 u lijevom kraju. 124 superior. 124 linearna kombinacija. 77 prostora. 156 c Leibnitz. 117–119. 86 izmedu pravaca. 106 kofaktor. Gottfried Wilhelm. 83. 226 lanˇanica. 52. 75. 234 poredbeni. 237 koordinatizacija pravca. 123 zdesna. 78. 25 eksponencijalni oblik. 237 jednolika.

34 minimum. 39 z mnoˇenje sa skalarom. 165 niz ˇlan. 109. 6 globalni. 72. 218 funkcija. 188 lokalni. 33 dijagonalna. 235 limes. 155. 38 ekvivalentne matrice. 46. 10 najve´e cijelo. 56 inverzna. Isaac. 90 s mnoˇenje. 37 proˇirena matrica sustava. 217 niz funkcija. 225. 225 divergentan. 34 z nul-matrica. 43 matrica. 235 c jednolika konvergencija. 27 . 3 z O okolina. 235 obiˇna konvergencija. 51 elementi. 40 mnoˇenje. 38 trokutasta. 235 geometrijski. 56 simetriˇna. 41 zbrajanje. 35. 97. 237 rastu´i. 79. 202 Newton. 217. 217 omeden. 188 lokalni. 23 Moivreova formula. 39 c singularna. 40. 242 majoranta. 235 c konvergentan. 235 limes. 3 nejednakost trokuta. 222. 235 ˇlan. 230 maksimum. 235 c uniformna konvergencija. 227. 235 norma. 32 dijagonala. 82 normala. 188 minoranta. 166 nuˇan uvjet. 117 c negacija. 188 Matlab. 53 c matrica sustava. 218. 216 c Cauchyjev. 217. 21 NetPlot. 56. 188 oktalni sustav. 53. 235 konvergencija po toˇkama. 223 monoton. s 44. 217 c realnih brojeva. 217 c parcijalnih suma. 12 opisana kruˇnica. 10 z modul kompleksnog broja. 114. 56 transponirana. 225 padaju´i. 48 rang. 221 osnovna nejednadˇba konvergenz cije. 220 konvergentan. 100 z ordinata. 63 jediniˇna. 217 svojstva. 216 stacionaran. 174 M MacLaurinov razvoj.INDEKS 253 N N. 230 mjeˇoviti produkt. 81 logaritamsko deriviranje. 32 invertibilna. 62 regularna. 37. 6 globalni. 54 elementarna matrica transformacije.

155 nul-toˇka. 93 kanonska jednadˇba. 223. 121 predikat. 19 radijus konvergencije. 8 na. 83. 112 parametarsko rjeˇenje. 227. 177 polinom. 8 obostrano jednoznaˇno. 14. 239 ravnina. 62 podniz. 220. 93 INDEKS vektorska jednadˇba. 141. 94 z okomiti pravci. 96 jednadˇba kroz toˇku. 116 osnovni. 97 c paralelne ravnine. 93 z pravilo paralelograma. 97 z c kroz tri toˇke. 49 s parcijalna suma. 99 c toˇke na ravninu. 98 parametarska jednadˇba. 99 segmentni oblik. 130. 100 trokuta. 4 prekid. 97 okomite ravnine. 242 Schl¨mlichov. 154. 99 toˇke na pravac. 155 druge vrste. 148 c pivotiranje. 242 o otvorena reˇenica. 99 op´i oblik. 87 princip matematiˇke indukcije. 98 vektorska jednadˇba. 100 osnovni teorem algebre. 176 relativna. 154 c potenciranje s kompleksnim eksponentom. 10 c proˇirenje.254 ortocentar. 88 poligonalnog lika. 13. 94 z presjek ravnina. 128 preslikavanje. 50 poddeterminanta. 120 s pravilo zamjene. 74 poligona. 116 permutacija. 8 c prikloni kut. 237 Pascalov trokut. 99 paralelni pravci. 95 u ravnini. 89 pravac. 7 1-1. 99 c Q Q. 10 period. 62 podmatrica. 99 pravca na ravninu. 21 s apsolutna. 242 Lagrangeov. 234 Pitagorin pouˇak. 74 trokuta. 128 prve vrste. 98 c normala. 29 povrˇina s paralelograma. 74 pravilo uklijeˇtene funkcije. 226 s projekcija ortogonalna. 97 z red . 222 pogreˇka. 16 Peanovi aksiomi. 58 π. 4 c P parametar. 82. 96 vektor smjera. 143. 154 ostatak Cauchyjev. 128 uklonjivi. 8 s proˇirenje po neprekidnosti. 17 R R.

6 omeden odozgo. 189. 99 pravca i ravnine. z 55. 8 z sud. 228 harmonijski.INDEKS 255 diskretan. 127 S sekanta. 145 fazni pomak. 9 c cijelih brojeva. 242 red funkcija. 13 slika funkcije. 6 partitivni. 234 alternirani harmonijski. 10 racionalnih brojeva. 227 c alternirani. 20 omeden odozdo. 229 konvergentan. 239 relacija ekvivalencije. 45 T tangens. 227 realnih brojeva. 177. 13 c prirodnih brojeva. 176 jednadˇba. 23 konaˇan. 13 prebrojivo beskonaˇan. 157 tangenta. 13 restrikcija. 4 beskonaˇan. 40 stacionarna toˇka. 81 skalarni produkt. 20 kompleksnih brojeva. 237 c geometrijski. 238 c red potencija. 192 z suˇenje. 237 ˇlan. 5 potpunog uredaja. 242 Taylorova formula. 13. 123. 77. 146 sjeciˇte s pravaca. 32. 229 z parcijalna suma. 6 surjekcija. 55 s parametarsko rjeˇenje. 234 apsolutno konvergentan. 9. 40. 79. 8 sustav linearnih jednadˇbi. 16 . 2 istinitost. 177. 63. 150 hiperbolni. 85 skup. 170 aproksimacija krivulje. 5. 233 geometrijski. 123 sinusoida op´a. 227 Taylorov. 237 podruˇje konvergencije. 156 sin. 85 jedinstveno rjeˇenje. 5. 122 sinus. 165. 145 c amplituda. 2 supremum. 13 element. 41. 242 teˇiˇte trokuta. 28. 18. 4 prazan. 228 nuˇan uvjet konvergencije. 198 c stoˇac. 165 z Taylorov razvoj. 143. 4 prebrojiv. 55 s trokutasti sustav. 142. 99 ravnina. 165 sign. 9 c neprebrojiv. 4 gust. 7 slobodni vektor. 8. 72 parcijalnog uredaja. 17 ekvipotentni skupovi. 242 Taylorov red. 17 realnih brojeva. 99 skalarna komponenta. 19 ureden. 100 zs ˇlan. 151 hiperbolni. 5. 238 konvergentan.

52. 100 z V valjak. 100 c toˇke od ravnine. 72 jediniˇni. 141 z trigonometrijski identitet. 75 z nul-vektor. 90 vektorsko-vektorski produkt. 77 suprotni. 143. 74. 100 Z Z. 186 Rolle. 198 Lagrange. 33. 181 srednje vrijednosti. 180 Kronecker–Capelli. 82 c kolinearan. 182 Leibnitz. 3 zbrajanje. 16 zakoni distribucije. 79. 93 volumen paralelopipeda. 54 L’Hospital. 74 poloˇaja. 157 U udaljenost pravaca. 181 Fermat. 10 Zenonov paradoks. 163 zavisna. 74 vektor smjera. 239 trigonometrijska kruˇnica. 87 vektorsko-skalarni produkt. 234 o monotonosti. 79. 72 orijentacija. 79 vektorski produkt. 222 Cauchy. 93 INDEKS vektorska komponenta. 184. 90 tetraedra. 7. 182 Weierstrass. 84 komplanaran. 84 mnoˇenje skalarom. 192 varijabla nezavisna. 100 c upisana kruˇnica. 181. 91 tijela s ravnim plohama. 7 vektor. 228 .256 Teorem Bolzano–Weierstrass. 100 ravnina. 77 z radijus-vektor. 100 toˇaka. 100 c toˇke od pravca. 100 pravca i ravnine. 75 zbrajanje.