Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

Predgovor
Poˇtovani ˇitatelji, s c u rukama imate nastavni materijal koji izlaˇe gradivo kolegija Matematika 1 za z z s c studente prve godine Gradevinskog fakulteta. Moˇda se pitate zaˇto nam, unatoˇ dostupnosti niza dobrih udˇbenika na hrvatskom jeziku koji obraduju sadrˇaje z z ovog kolegija, treba (i) ova skripta. Pitanje je to koje smo si i mi kao autori postavili kad smo procjenjivali trebamo li pristupiti radu na njoj. Odgovor do kojeg smo doˇli oˇito je bio dovoljno poticajan da ju napiˇemo; ponudit ´emo ga s c s c i vama u nadi da ´e i za vas biti dobra motivacija da se njome sluˇite. c z Prvi dio odgovora je sadrˇan u samom pitanju. Toˇno, postoji viˇe dobrih z c s udˇbenika, no niti jedan od njih ne pokriva u potpunosti program naˇeg kolegija. z s Jedan od uzroka takve situacije je i nedavna reforma visokog obrazovanja, koja je uvjetovala saˇimanje nastavnih planova i smanjenje broja i satnice matematiˇkih z c kolegija. Posljediˇno, u okviru kolegija Matematika 1 naˇli su se zajedno sadrˇaji c s z iz linearne algebre i iz matematiˇke analize, dvaju podruˇja koja su zbog svoga c c opsega i znaˇaja vrlo rijetko zastupljena u istom udˇbeniku. Nadalje, postoje´e c z c knjige iz linearne algebre obuhva´aju i teme kojima u naˇem kolegiju nije bilo c s mjesta, kao ˇto su teorija grupa ili teorija linearnih operatora. Pisanjem materijala s koji ´e ukljuˇivati samo relevantne sadrˇaje iz obaju podruˇja ˇeljeli smo otkloniti c c z c z potrebu konzultiranja viˇe udˇbenika i probleme vezane s njihovim nabavljanjem. s z Osim toga, zajedniˇki okvir omogu´io je i standardiziranje notacije i olakˇao c c s pozivanje na prijaˇnje rezultate. s Drugi dio odgovora vezan je uz dojam da su postoje´i udˇbenici po koncepc z ciji i naˇinu izlaganja viˇe orijentirani prema publici kojoj je matematika primarni c s interes. Shodno tomu, primjerena se pozornost posve´uje strogosti formulacije c rezultata te njihovim izvodima i dokazima. Nama se, pak, ˇini da je u nastavnom c i

ii materijalu namijenjenom studentima tehniˇkih fakulteta nuˇno i korisno u izvjesc z noj mjeri odstupiti od tih standarda i umjesto na matematiˇku rigoroznost nac glasak staviti na motivaciju, primjere i primjene pojmova koji se obraduju. Skripta pred vama je rezultat naˇeg pokuˇaja nalaˇenja dobrog kompromisa izmedu tih s s z zahtjeva. Kompromis je vidljiv ve´ i u samom izgledu teksta, posebno u dic jelovima otisnutima sitnijim slovima. Te dijelove, koji uglavnom sadrˇe dokaze, z mogu´e je izostaviti pri spremanju ispita. Oni sluˇe za zadovoljenje intelektualne c z znatiˇelje zahtjevnijeg ˇitatelja. z c Pri pisanju skripte nismo se posebno trudili uˇiniti ju saˇetom. Uostalom, c z Matematika 1 je opseˇan kolegij, s velikom satnicom (4+4), koji nosi 9 ECTS z bodova (najviˇe na prvoj godini studija), i ˇeljeli smo ve´ i samim opsegom skripte s z c naglasiti potrebu kontinuiranog rada i uˇenja. c Ugodna nam je duˇnost zahvaliti Alanu Filipinu, Dori Pokaz i Martini Benkovi´, z c koji su pozorno ˇitali dijelove rukopisa, predloˇili nam mnoga poboljˇanja i pronaˇli c z s s brojne pogreˇke. Zahvaljujemo i studentima Matiji Soˇevu, Dejanu Stojakovi´u, s c c Mati Stojanovu, Marku Vlaini´u i Igoru Daidˇi´u koji su nam ukazali na pogreˇke c zc s u ranijoj verziji skripte. Bit ´emo zahvalni svima koji nas upozore na preostale c propuste i nedostatke. U Zagrebu, rujna 2008. Tomislav Doˇli´ s c Nikola Sandri´ c

Sadrˇaj z
Predgovor Sadrˇaj z Uvod 1 Vektorski raˇun c 1.1 Vektori i osnovne operacije s njima . . . . . . . . . . . . 1.2 Vektorski prostor XO (E). Linearna kombinacija vektora . 1.3 Baza vektorskog prostora XO (E). Koordinatni sustav . . 1.4 Vektorski prostor Rn . . . . . . . . . . . . . . . . . . . 1.5 Skalarni produkt . . . . . . . . . . . . . . . . . . . . . . 1.6 Digresija - determinante matrica 2. i 3. reda . . . . . . . 1.7 Desni i lijevi koordinatni sustavi. Orijentacija . . . . . . 1.8 Vektorski produkt . . . . . . . . . . . . . . . . . . . . . 1.9 Mjeˇoviti produkt . . . . . . . . . . . . . . . . . . . . . s 2 Analitiˇka geometrija c 2.1 Pravac u ravnini . . . . . . . . . . . . . . . . . . . . 2.1.1 Op´i oblik jednadˇbe pravca u ravnini . . . . c z 2.1.2 Segmentni oblik . . . . . . . . . . . . . . . . 2.1.3 Kanonski oblik . . . . . . . . . . . . . . . . . 2.1.4 Pravac kroz dvije toˇke . . . . . . . . . . . . c 2.1.5 Eksplicitni oblik . . . . . . . . . . . . . . . . 2.1.6 Normirani oblik (normalni oblik) . . . . . . . 2.2 Odnosi toˇaka i pravaca u ravnini . . . . . . . . . . . c 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost . 2.2.2 Udaljenost toˇke od pravca . . . . . . . . . . c 2.2.3 Presjeciˇte dvaju pravaca . . . . . . . . . . . s 2.2.4 Uvjet presijecanja pravca i segmenta (duˇine) z 2.2.5 Uvjet presijecanja triju pravaca u istoj toˇki . c i iii 1 9 9 15 18 19 20 26 29 30 34 37 37 37 39 40 41 42 43 44 44 48 51 52 53

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

iv
2.3 Pravac u prostoru . . . . . . . . . . . . . . . . . . . 2.3.1 Pravac kroz jednu toˇku sa zadanim smjerom c 2.3.2 Parametarske jednadˇbe pravca . . . . . . . . z 2.3.3 Kanonske jednadˇbe pravca . . . . . . . . . . z 2.3.4 Pravac kroz dvije toˇke . . . . . . . . . . . . c 2.3.5 Pravac zadan dvjema projekcijama . . . . . . 2.3.6 Sveˇanj pravaca . . . . . . . . . . . . . . . . z 2.3.7 Dijeljenje duˇine u zadanom omjeru . . . . . z Ravnina u prostoru . . . . . . . . . . . . . . . . . . 2.4.1 Normalni oblik jednadˇbe ravnine . . . . . . . z 2.4.2 Segmentni oblik jednadˇbe ravnine . . . . . . z 2.4.3 Op´i oblik jednadˇbe ravnine . . . . . . . . . c z 2.4.4 Parametarski oblik jednadˇbe ravnine . . . . . z 2.4.5 Jednadˇba ravnine kroz tri toˇke . . . . . . . z c Odnosi ravnina i pravaca u prostoru . . . . . . . . . 2.5.1 Kut dviju ravnina . . . . . . . . . . . . . . . 2.5.2 Presjeciˇte triju ravnina . . . . . . . . . . . . s 2.5.3 Kut pravca i ravnine . . . . . . . . . . . . . . 2.5.4 Presjeciˇte pravca i ravnine . . . . . . . . . . s 2.5.5 Pripadnost pravca ravnini . . . . . . . . . . . 2.5.6 Kut dvaju pravaca . . . . . . . . . . . . . . . 2.5.7 Presjeciˇte dvaju pravaca . . . . . . . . . . . s 2.5.8 Udaljenost dvaju pravaca u prostoru . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 55 55 56 57 58 59 60 61 61 62 63 66 68 68 68 70 71 72 73 74 75 78 81 81 81 83 86 88 91 93 96 101 101 103 105 107 109 115 115

2.4

2.5

3 Matrice i linearni sustavi 3.1 Osnove matriˇnog raˇuna . . . . . . . . . . . . . . . . . . . . . c c 3.1.1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.2 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.1.3 Linearna kombinacija matrica . . . . . . . . . . . . . . . 3.1.4 Mnoˇenje matrica . . . . . . . . . . . . . . . . . . . . . z 3.1.5 Podmatrice i blok matrice . . . . . . . . . . . . . . . . . 3.1.6 Regularne matrice. Inverzna matrica . . . . . . . . . . . 3.1.7 Rang matrice. Elementarne transformacije . . . . . . . . 3.2 Linearni sustavi . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . 3.2.2 Geometrijska interpretacija. Kronecker-Capellijev teorem 3.2.3 Homogeni sustavi . . . . . . . . . . . . . . . . . . . . . 3.2.4 Rjeˇavanje linearnog sustava . . . . . . . . . . . . . . . s 3.2.5 Determinanta. Cramerovo pravilo . . . . . . . . . . . . 3.3 Problem svojstvenih vrijednosti . . . . . . . . . . . . . . . . . . 3.3.1 Matrice kao linearni operatori . . . . . . . . . . . . . . .

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

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

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

v
3.3.2 Svojstvene vrijednosti i svojstveni vektori . . . . . . . . . . . . 118 125 125 125 128 132 134 135 135 138 140 144 145 145 146 147 149 153 153 153 155 156 158 167 172 176 181 182 182 188 193 197 199 202 208 211

4 Nizovi i redovi 4.1 Nizovi realnih brojeva . . . . . . . . . . . . . . . . . 4.1.1 Pojam niza . . . . . . . . . . . . . . . . . . . 4.1.2 Graniˇna vrijednost niza. Konvergencija niza . c 4.1.3 Raˇunanje s graniˇnim vrijednostima . . . . . c c 4.1.4 Osnovni limesi . . . . . . . . . . . . . . . . . 4.2 Redovi realnih brojeva . . . . . . . . . . . . . . . . . 4.2.1 Pojam reda. Konvergencija reda . . . . . . . 4.2.2 Geometrijski red . . . . . . . . . . . . . . . . 4.2.3 Svojstva konvergentnih redova . . . . . . . . 4.2.4 Redovi s pozitivnim ˇlanovima . . . . . . . . c 4.3 Kriteriji konvergencije . . . . . . . . . . . . . . . . . 4.3.1 Kriterij usporedivanja . . . . . . . . . . . . . 4.3.2 D’Alembertov kriterij . . . . . . . . . . . . . 4.3.3 Cauchyev kriterij . . . . . . . . . . . . . . . . 4.3.4 Leibnizov kriterij . . . . . . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

5 Funkcije 5.1 Osnovni pojmovi . . . . . . . . . . . . . . . . . . . . . . . 5.1.1 Motivacija i definicija . . . . . . . . . . . . . . . . 5.1.2 Naˇini zadavanja funkcije . . . . . . . . . . . . . . c 5.1.3 Graf funkcije . . . . . . . . . . . . . . . . . . . . . 5.1.4 Pojmovi znaˇajni za realne funkcije realne varijable c 5.1.5 Osnovne raˇunske operacije s funkcijama . . . . . . c 5.1.6 Kompozicija funkcija . . . . . . . . . . . . . . . . 5.1.7 Inverzna funkcija . . . . . . . . . . . . . . . . . . 5.2 Pregled elementarnih funkcija . . . . . . . . . . . . . . . . 5.2.1 Klasifikacija i podjela realnih funkcija . . . . . . . . 5.2.2 Polinomi . . . . . . . . . . . . . . . . . . . . . . . 5.2.3 Racionalne funkcije . . . . . . . . . . . . . . . . . 5.2.4 Algebarske funkcije . . . . . . . . . . . . . . . . . 5.2.5 Eksponencijalne funkcije . . . . . . . . . . . . . . 5.2.6 Logaritamske funkcije . . . . . . . . . . . . . . . . 5.2.7 Trigonometrijske funkcije . . . . . . . . . . . . . . 5.2.8 Ciklometrijske (arkus) funkcije . . . . . . . . . . . 5.2.9 Hiperboliˇke i area funkcije . . . . . . . . . . . . . c

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

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

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

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

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

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

.6 Povrˇina rotacijske plohe . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . .2 Volumen rotacijskog tijela . . .1 Neprekidnost i graniˇne vrijednosti . . .7 Primjene u fizici . . . . . .2. . . . .1. . . . . . .5. . . .2 Odredeni integral . . . . . .1. . . 7. . . . .2. . . 7. . . . . . . . . . . . . c 7. . . . 7. . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . c 6. . . . . . .2. . . . . . . . . . . . . .6 Neodredeni oblici . . . . . . . s 7. . .1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1.1 Motivacija . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . .1. c 6. 7. . . . . . .3 Teˇiˇte . 7. . 7. . . .1 Neodredeni integral . . . . . c 6. . . . . . . . .Leibnizova formula . . . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . 7. . .7 Osnovni teoremi diferencijalnog raˇuna . . . .5 Duljina i teˇiˇte luka ravne krivulje . . 6. .4 Moment ustrajnosti (inercije) . c 6. . . . . . . . . . .1. . 7 Uvod u integralni raˇun c 7. . . . .6 Derivacije viˇeg reda . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . c 6. . . . . . . . . . . . . . . . . . . . .2 Derivacija funkcije . . . . . . . . . .5. . . . . . . . . . . . .1. . s 7. . . . . .5. . . zs 7. . . . . 6. . . . . 6.2. . . . . .8 Primjene derivacija . . . . . . . . . . . . . . . . . . . . . . . . .3 Metode integriranja .1 Neprekidnost funkcije . .3 Newton . .3 Derivacija funkcije . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . 6. . . . . .2 Neodredeni integral . . . . . . . .5. . . . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . . . . . . . .2.7 Raˇunanje limesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . .1. . . . . . . . . . . . .1 Povrˇina lika u ravnini . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . . . . . . .5. . .2. . 6. . . . . . .1. . .2 Derivacija funkcije u toˇki . . .problem povrˇine (ploˇtine) s s 7. . . . . .4 Raˇunanje derivacija . . . . . . s 6. . .2. . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . zs 7. . . .1 Primitivna funkcija . . . . . . c 6. . . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . 6. . . . . . 6. . . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . .4 Nepravi integral . . . .2 Svojstva odredenog integrala . 7. . . . . . . . . . . . .2. .1. . . .2.

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

Unatoˇ tome. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. dakle. niti marka automobila. c Matematika je. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. Iz naˇih primjera vidimo da se rac s zliˇite realne situacije mogu prikazivati istim matematiˇkim modelom: linearna c c funkcija f (x) = ax + b sluˇi nam i za opis situacije s mobitelima i s rent-az car tvrtkama. Bitne su cijene. Takav nam okvir daje matematika. Nije bitan tip mobitela. u naˇem primjeru. to je 800 km. trajanje. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. Nadalje. Vrijedno je. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. z c c Prvo. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. Bitni su. udaljenosti. niti grad u koji se putuje. troˇkovi proizvodnje. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. vidimo da oba naˇa s problema imaju istu strukturu. gotovo karikirani. Takve c prikaze zovemo matematiˇkim modelima. dakle. Uz neˇto s s z s eksperimentiranja i pogadanja mogu´e je ustanoviti i da su za neku kilometraˇu c z (ili minutaˇu) troˇkovi isti. s c s dakle. Treba nam. porez. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. kvantitativni aspekti. arhetipski. po kilometru) i da se tome dodaje konstantan iznos (pretplata. ili za neke velike udaljenosti ponovo OdiMi postaje jeftinija? I kako bismo u to uvjerili skeptika kojem to nije jasno i oˇito? I c moˇe li nam odgovor na ova pitanja nekako pomo´i odgovoriti na sliˇna pitanja z c c o mobitelima? Gornji su primjeri jednostavni. startna cijena). dakle. uloˇiti trud u razumijevanje svojstava linearne z . c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti.

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

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

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

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

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

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

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

2: Jednakost vektora. c . Duljinu − → − → vektora P Q oznaˇavamo s d(P. − − → −→ Definicija 1.1: Duˇina i usmjerena duˇina. do na translaciju prostora)? z 1. intenzitet). VEKTORSKI RACUN − → Definicija 1. Q) =| P Q |.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . jedna od njih je poˇetak P a druga je kraj Q. Q Q’ P P’ Slika 1. Poˇetak joˇ c c c s zovemo hvatiˇte. z z Q − → − → Iz Definicije 1.2 slijedi da je op´enito P Q = QP . z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. s Q P P Slika 1. tj.10 ˇ POGLAVLJE 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. tj. jer imaju razliˇite poˇetke i c c c krajeve. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.

Sada samo izaberemo orijentaciju koja nam treba. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. B ∈ E takve da je OA = − i AB = b .3). Oˇito je | 0 | = 0.1.1. Napomena 1. 11 − → 3. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Pogledajmo sada neka svojstva nul vektora: c − → 1. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. c 2. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. → Napomena 1. onda c a − → − →. → c . poˇinje u P a z c zavrˇava u Q. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . z kolinearan je sa svakim vektorom). tj. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Vektor kod kojeg su poˇetak i kraj jednaki. Iz a Napomene 1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. P = Q. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. 3. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Tada je c − − → − = OB.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Preciznije.3). tj.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.

3: Motivacija za definiciju zbrajanja vektora. Vektor a zovemo suprotni vektor vektora a c − → −. ♣ B b a+b a b 0 A a+b a b Slika 1. Q ∈ E vrijedi P Q = P O + OQ. . − → − → − → Napomena 1. i oznaˇavamo ga s → 0 . Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . c Teorem 1. VEKTORSKI RACUN R a G Slika 1. O. a c a c → − → → → − → a a a 2. − + b = b + − (komutativnost). − → → − → → → → − 3. (− + b ) + − = → + ( b + − ) (asocijativnost).3 Za bilo koje tri toˇke P.4: Pravilo trokuta i pravilo paralelograma. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). → a =−a → − → → → − a a 4.12 ˇ POGLAVLJE 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1.

koji ima isti smjer kao →. λ > 0 B’ 0 λa. definiramo λ− kao vektor: a → 1. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).1. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.λ<0 a A B Slika 1. realnim brojem.4 Vektor a = −→ iz Teorema 1. a . Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. ˇija je duljina jednaka |λ||− |. Sliˇno 2− + − = 3→.1. d c a + b+ c+ d a b Slika 1. tj. ali je suprotne orijentacije.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva.6: Mnoˇenje vektora skalarom. s → − − a c Napomena 1. itd. z → Za λ ∈ R. a a → Za sluˇaj → + − piˇemo 2− (tj. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB.5: Pravilo mnogokuta za zbrajanje viˇe vektora. c a − 2.1 ima sljede´a svojstva: ima →. → BA. Za n ∈ N a c a a a − = (n − 1)− + − . Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. λa .

VEKTORSKI RACUN → 3. → od vektora a Teorem 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. onda.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. a a a − → 3. uz pretpostavku − = 0 . a a → − 4. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Neka je dan polupravac (zraka) s poˇetkom u O.1 i Teorema 1. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . λ(µ→) = (λµ)− (homogenost). λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).5 nigdje ne govori o geometrijskim veliˇinama.2. a a → → → 2. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. − → → → → − Ako su vektori − i b kolinearni. Elemente od skupa V zovemo vektori.♣ a a Definicija 1.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. postoji pravac a a . za sve a. a suprotnu orijentaciju a − za λ < 0.14 ˇ POGLAVLJE 1. b ∈ V je a + b ∈ V . c Vratimo se sada Definiciji 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).4 i pokuˇajmo definirati kolinearnost u drugim s terminima. 3. 2. 1 · − = → (postojanje jedinice). koji ima istu orijentaciju kao vektor − za λ > 0. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Primjetimo da se u Definiciji 1.

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

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

♣ Tvrdnja Teorema 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva..1.5 Ako su − . → → − Teorem 1.. → ∈ XO linearno zavisni.♣ → → → ˇ s a b c Iz Teorema 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.. onda su ti vektori linearno zavisni.3 je jasna. . c − → → a 4. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . →. takav rastav je jedinstven..♣ → a s Jednostavna posljedica Teorema 1. → → − → Teorem 1. Stoviˇe. z → − − 3. jer se nalazimo na pravcu. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. b i − tri linearno nezavisna vektora iz XO (E).. VEKTORSKI PROSTOR XO (E). b bilo koja dva linearno nezavisna vektora iz XO (M ).2. → ∈ XO (E) jednak nul veka1 a2 an toru. c − → − Napomena 1. e1 e2 e3 z Tada su oni linearno nezavisni.3 slijedi iz Napomene 1. Ako imamo dva vektora − . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.4 Ako su − . Ako su − . →. pa z z slijedi da su oni linearno nezavisni.7. Stoviˇe. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .♣ . LINEARNA KOMBINACIJA VEKTORA17 → − − 2. Ako je barem jedan od vektora − . on se ne moˇe izraziti kao njihova linearna konbinacija.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. Teorem 1. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . . − i − . b ∈ XO (E). onda su oni linearno zavisni ako i samo ako su kolinearni. taj rastav je jedinstven.3 Bilo koja dva vektora iz XO (p) su linearno zavisna..4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.8 Neka su →.

→). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). z c → → Neka je sada − proizvoljan vektor iz XO (E). prema Napomeni 1. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). 1). Definirajmo i = OEx . uredeni par → − (− . 0) i Ez = (0. c →. k ne leˇe u istoj ravnini. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax .1 i Teorem z 1. Tada je a e1 e2 e3 c − (Teorem 1.18 ˇ POGLAVLJE 1. Skalare a1 . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). pri ˇemu su skalari a1 .2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . j = OEy i − → −→ − − − − → → → k = OEz . 0). Analogno. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). VEKTORSKI RACUN 1. 0. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. j . pa ˇine bazu. → → a b i j k . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Ey = (0.3 Baza vektorskog prostora XO (E). − . − . − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Stoviˇe. − ∈ XO (E). ay .7 Uredena trojka (− . te toˇke Ex = c s c −→ − − → −→ − → − (1. 1. a2 i a3 − → → → vektor iz XO (E).8 z ˇ oni su linearno nezavisni. Koordinatni sustav → − → Definicija 1. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.5). Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. duljine su im 1 i leˇe na okomitim c s z pravcima. e1 e2 Napomena 1. →. 0. az ) su jednoznaˇno odredene. Kako vektori i . − → − → Neka je (→.

komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . a − − − → → → Uzmimo sada bazu ( i . j . k ) i toˇku P s koordinatama (x. j .4.3) nam daju pravila za takve operacije nad uredenim c trojkama: . y. VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. j . → k XO (E) postoje i jedinstveni su ax . z ) znamo da je OP = x i + y j + z k . c a → → − − = cx − + cy → + cz − . k ) bilo koja baza od XO (E).10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . cy = ay + by . x y z 1. cz = az + bz . az ). c c −→ − − → − → → − Napomena 1. mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . −→ − − → − → → − Za toˇku P s koordinatama (x . ay .1.4 Vektorski prostor Rn → − → − → − − Neka je ( i . Analogno. P ) = (x − x)2 + (y − y)2 + (z − z)2 . tj. vrijedi c → − − → − → − → OP = x i + y j + z k . −→ − Znamo da je |P P | = d(P. k ). y . c −→ − − − − − → −→ − → −→ −→ − → Sada je. ay . imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. a − = (ax . z). Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . −→ − Dakle. tj.

λ(x1 . Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R). Skup svih takvih n-torki oznaˇavat ´emo sa Rn . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . .1 i Teorema 1.5 Skalarni produkt ˇ Vektori su generalizacija brojeva.. xn + yn ). c c Za (x1 . n. az ) + (bx . x2 . . λx2 . kaˇemo da je R n-dimenzionalni realni vektorski prostor.. xn ) + (y1 ... 2. bz ) = (ax + bx .. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. x2 . x2 . .. by . ako su sila i put kolinearni.. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu.. ay .2. y2 . λxn ).. .. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). (y1 ... ay + by .. az ) = (λax . To svojstvo baze od X0 (E) zovemo potpunost. x2 .. z 1. ..... xn ). .3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). az + bz ).. Dakle Rn = {(x1 ... Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. U toˇki 1. Kako ta baza ima c n n vektora. . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. 1.. Moˇe se pokazati da skup od n vektora −i = (0.... λay . ˇini bazu u R .... n. xn ) = (λx1 .. λ(ax . Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 .. ay . yn ) ∈ Rn i λ ∈ R definiramo: (x1 . 0. xn ) gdje su xi ∈ R za i = 1. ... y2 . . yn ) = (x1 + y1 . . . xn ) : xi ∈ R za i = 1. (ax . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . x2 + y2 . Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza... n}.. i = 1... VEKTORSKI RACUN 1.. . λaz ).20 ˇ POGLAVLJE 1. ... 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. Zelimo uvesti i mnoˇenje vektora.. 0. . x2 .

onda je → · b = 0.8: Uz definiciju skalarnog produkta. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). pa kaˇemo da je ( i . s − → → − → → − − → → Definicija 1.) Ako je barem jedan od vektora → i b → − − nul vektor.1 vidimo da su vektori i . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. b . a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. ( k . − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. i ) je druga takva baza). j .1. rezultat produkta vektora c − → mora biti skalar. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). Iz Tablice 1. j . SKALARNI PRODUKT 21 produkt dvaju vektora.5.3). Primijetimo da ( i . k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E).8 Neka su − = 0 i b = 0 . Skalarni produkt vektora − . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . Kako je rad skalarna veliˇina. j . k ) − − − → → → nije jedina takva baza (npr. j . j . − − − → → → Pogledajmo sada jediniˇne vektore ( i . Osim toga. Svaka tri vektora − → → → (− . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. (Uzimamo 0 ≤ ϕ ≤ π. a c c . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj.

a −b b ϕ a Slika 1.1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− . c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ).9: Raˇunanje skalarnog produkta. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ).22 · → − i → − j → − k ˇ POGLAVLJE 1. a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1.

f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . − → a b Napomena 1.. ..9 Neka su V i W realni vektorski prostori. (λ− ) · b = λ(− · b ) (homogenost). → · b = b · − (simetriˇnost). → → Neka su − = (x1 .. a c a c c → → → − → − 2. + xn yn . a x y z Ova se formula za duˇinu vektora. tj.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.♣ − → → → → 1. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. . z z → → − → − → − → → 2. slaˇe s Napomenom 1.. Definicija 1. − = (y1 . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . . → → x y Teorem 1.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. xn ). ako je vektorski prostor W = R.. µ ∈ R... yn ) ∈ Rn .10. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . (− + b ) · − = − · → + b · → (aditivnost). Posebno. y2 . Za preslikavanje (funkciju) sa V u W . x2 . tj. Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 ..5. a onda f zovemo linearni funkcional. a a → − → → − − a a c 3. b ∈ V i sve λ.1.

ay . pa postoje brojevi α. k ) od XO (E).2 Neka je − ∈ XO (E) fiksan vektor. (− .3). Ve´ smo rekli (toˇka 1. cos γ zovemo kosinusi smjera vektora − .♠ a a c a c c a − → − → − → Neka je sada ( i . VEKTORSKI RACUN → Primjer 1. β. cos β. µ ∈ R proizvoljni. Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . a a z c − → a → − Pogledajmo vektor − = − .12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). γ ∈ [0. j . vrijedi a s → − → → = ax → + ay − + az − . Tada je skalarno mnoˇenje s c z − linearni funkcional. → → − → − →→ → →→ a a i i a j j a k k Napomena 1. 1]. az ∈ [−1. Stoviˇe.1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. ay = cos β. − a0 →| i − −| j → −| k → |a |a |a . Kako je |− | = 1. j . vrijedi a2 + a2 + a x y 2 az = 1.24 ˇ POGLAVLJE 1. b ∈ a a c a XO (E) i λ. az = cos γ. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . j . a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . ay = − · j . − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. Tada su oˇito ax . − ). Neka su sada →. π] c takvi da je ax = cos α. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . a → → → − Neka je sada − ∈ XO (E). − . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . az = − · k . k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . → a i j k → Brojeve cos α.

imamo − → → →→ − d = ( d · − )− . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Nadalje. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − .10: Projekcija vektora na pravac.5. Tada postoji D ∈ E takva da je d = OD. Dakle imamo OD = ( d · − )− jer je OD = λ− . Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). → |a| az cos γ = → . Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. a0 a0 . a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1.1. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. jediniˇni vektor. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| ay cos β = − .

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

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

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

k ) i ( i . Sada − → − → − → − → rotacijom oko osi koja sadrˇi i dovedemo j na j . kako odrediti jesu li dva pravokutna sustava jednako . onda dovedemo i u i . − . j u j i k u k ? Ako je to mogu´e.1. i u i . Time vektor k padne na z − → pravac vektora k : ili se preklopi s njim (tj.7 Desni i lijevi koordinatni sustavi. k ) proizvoljne ortogonalne baze od XO (E) odnosno XO (E). k ). translacija ili oboje) c → − → − − − − → − → → → prevesti S u S tako da O prijede u O. jentacija Ori- Znamo da je za proizvoljnu toˇku O ∈ E skup XO (E) vektorski prostor. O ∈ E i neka su ( i .7.11: Desna i lijeva ortonormirana baza. − ) zovemo → − → → → → (a b c a b c → → → → − → − − − − → − koordinatni sustav. j . Tada imamo dva − → − → − → − → − → − → pravokutna koodinatna sustava S = (O. k 0 0 i j i k j Slika 1. i . j . ORIJENTACIJA 29 1. − . imaju istu orijentaciju). Ili se poklopi sa S. − ) neka baza od XO (E). DESNI I LIJEVI KOORDINATNI SUSTAVI. Tada uredenu trojku (O. j . Jasno je da je svaki tre´i pravokutni koordinatni sustav jednako orijentiran s c toˇno jednim od ova dva. ili sa S . ili je suprotne orijentacije. →. Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima. ako S nije ekvivalentan c sa S. je li mogu´e krutim gibanjem (rotacija. To znaˇi da se skup svih pravokutnih koordinatnih sustava raspada na dva c podskupa. Postavlja se pitanje. Neka su sada O. Tada ravnina okomita na − → − − → → − → − → → − i u kojoj su j i k prijede u ravninu okomitu na i u kojoj su j i k . Postavlja se pitanje. j . Kako to odrediti? − − → → Prvo translatiramo O u O. k ) i S = (O . onda kaˇemo da su S i S ekvivalentni ili jednako orijenc z tirani. Neka je c − . i .

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

Neka su sada oba vektora razliˇita od nul vektora. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. − → → → − → − → → 2.♣ → a . Kako je − · b = |→|| b | cos ϕ. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). − → − → |a a sc a b → − → → − pa i − × b = 0 . pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . c Dokaz: − → → Ako je barem jedan od vektora − . c c z Teorem 1. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. pa je cos2 ϕ = 1. Po pretpostavci je |→| = 0 i | b | = 0. jer je nul vektor kolinearan sa svakim vektorom. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. pa desna strana formule za duljinu vektora − × b iˇˇezava.6. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. a → − → → → → − → − → − Obratno. neka je − × b = 0 . i ϕ = 0 ili ϕ = π. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . a c → i → kolinearni. kao saˇeti zapis.♣ Primijetimo da tvrdnje Teorema 1. ϕ = 0 ili ϕ = π. → × b = −( b × − ) a a (antikomutativnost). → → → − → → − (a b c a c b c − − → → − → 3.8. tj. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).1. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). b nul vektor. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . Dakle a − → − i b su kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Zbog − · − = |→||− | cos ϕ. a a a Napomena 1. Tada je |− × b | = 0. → × ( b + − ) = − × b + − × − . Tada je |→ × − | = 0.

j . (− . Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. Pitanje je sad je li − × b orijentiran. Imamo: c c ax ay az bx by bz ay bz − az by az bx − ax bz ax by − ay bx D= = (ay bz − az by )2 + (az bx − ax bz )2 + (ax by − ay bx )2 > 0. − − − → → → Neka je (O. a a → → − Neka su − i b nekolinearni. − × b ) c a a a a → → − je jedna baza. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni.7). prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . tj.12: Vektorski produkt. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . i . Izraˇunajmo sada determinantu D (opisanu u toˇki 1. b . Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. k ) pravokutni normirani desni koordinatni sustav. . k ).32 ˇ POGLAVLJE 1. j .

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

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

ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. → − → − → → → → Napomena 1. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . b .6. pa kako je − okomit na b × − . gdje je |→| baza.ˇ 1.4 i 5 iz toˇke 1. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.11 Za vektore − . − . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . a a . |→ × b | je povrˇina paralelograma razapetog s → i b . No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . Tada je: → → → a b c → − → − → − − → 1. Tada. a a − → → − → − − → − 2. zakljuˇujemo da su vektori → i b × c okomiti. s → → − → Definicija 1. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. − ∈ XO (E). Pretpostavimo zato da su − = 0 . b = 0 i → = 0 .♣. z → − − − a c Napomena 1. − komplanarni po Napomeni 1. jer je a a c → − − → |→ · b | = |− || cos ϕ|.17 Za vektore − . b . a | b | sin ϕ visina paralelograma.14: Mjeˇoviti produkt triju vektora. → komplanarni. kako je a c → − − → → − − → − · ( b × c ) = 0.16 Vektori →. b . − → − i samo ako su a b c − → → → Ako su − . b . pa tvrdnja slijedi a c iz svojstava determinante 3. onda − → − Obratno. MJESOVITI PRODUKT 35 bx c a c b Slika 1. − . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. vektorsko mnoˇenje i mjeˇoviti z z s produkt.9. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b .16 oni su linearno zavisni. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.

2.36 ˇ POGLAVLJE 1. 4 c c jednak apsolutnoj vrijednost broja 1 6 x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . imamo tvrdnju. jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ).♣ 1 6 volumena paralelepipeda . 3. − . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. − | b × c | je povrˇina baze. i . P1 P4 . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). Tada je volumen paralelepipeda razapetog s P1 P2 . − . P3 . yi . Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1.18 Neka su dane toˇke Pi = (xi . 3. P3 . k )). b . P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . VEKTORSKI RACUN → → → − − → − → → 3. zi ) i = 1. |− ·( b × →)| je volumen paralelepipeda razapetog s − . 3. P1 . P1 . Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . Neka je dan − ∈ XO (E) i neka je (→. j . Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. − ). − − → a b c Napomena 1. P1 P4 . P3 . − . 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . 2. 2. P1 .

c c s 2.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru.1. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . pri ˇemu su A. no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe. i .3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. onda za c proizvoljni x0 imamo C A y0 = − x0 − . Takav analitiˇki opis ne ovisi o geometrijskom zoru. taj skup je neprazan.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. Ta jednadˇba opisuje neki skup toˇaka u ravnini. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.Poglavlje 2 Analitiˇka geometrija c 2. B B 37 . Ako je B = 0. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija.

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

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

z p s=mi+nj P1 = (x 1. c c tj.1.y 1 ) Slika 2. 0).2: Segmentni oblik jednadˇbe pravca. z . imamo A x a + y b = 1. b) i (a. z z Uoˇimo sljede´e: ako je x = 0. a ako je y = 0. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.3: Kanonski oblik jednadˇbe pravca. z 2. c c y b a 0 x Slika 2.40 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . onda je y = b. onda je x = a. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).

4: Pravac kroz dvije toˇke.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . Npr. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . Iz uvjeta x − x1 = λm i − − kolinearni. y1 ) i Q = (x2 . ˇto se vidi i iz vektora smjera → = m i + 0 j . z z Napomena 2. a kako p po pretpostavci prolazi toˇkom P . iz kanonske jednadˇbe c z .y 2 ) P = (x 1. s s 2.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . z p Q = (x2 . onda c c je jasno da njima prolazi jedinstveni pravac p. y1 ) kroz z c z c → → → = m− + n− . y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→.y 1 ) Slika 2. y2 ) u ravnini M . bez komponente u smjeru j . Dakle imamo pravac paralelan s osi c → − → − − → − x. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). y = y1 .1.1. Toˇka P = (x. tj. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. Nadimo jednadˇbu tog pravca.2. tj.

Uvedemo li oznaku l = −kx1 .5: Eksplicitni oblik jednadˇbe pravca. y − y1 = k(x − x1 ). znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. Uvode´i oznaku k = m . c 2. y l ϕ 0 x Slika 2.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. Veliˇinu k zovemo koeficijent smjera pravca p. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. z . c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 .1.42 ˇ POGLAVLJE 2. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Tada je y = kx − kx1 + y1 .

Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. z Jasno je da su a. Povucimo sada kroz O pravac q okomit na p. c − → − → → pa imamo − = cos ψ i + sin ψ j . y) leˇi na pravcu p ako i samo ako je z − · − = d.2. φ ∈ [0.1. n − → → Toˇka P = (x. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. s vektorom i ). PRAVAC U RAVNINI Napomena 2.1. pravac prolazi toˇkom (0. tj. n c y q n θ P0 x r P p 0 Slika 2. Neka je − = a i + b j jediniˇni vektor na pravcu q.5). c c s − → − → → d = |OP0 |. π] takvi da je a = cos ψ − i b = cos φ. c 43 n ˇ Uzeli smo da je k = m . P = (x. odnosno z → → r n x cos ψ + y sin ψ = d . imamo k = tg ϕ.3 Za x = 0 imamo y = l tj. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.6: Normirani oblik jednadˇbe pravca. → → r n Jednadˇbu − · − = d. b ∈ [−1. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. n Kako je tg ϕ = m . 1]. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). a2 + b2 = 1. l). tj. pa tada postoje ψ. tj. 2.

tC = −d. predznak od t je jednak suprotnom predznaku od C). Stoga je t= 1 √ . 2.2. tB = sin ψ. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. postavlja se pitanje kako prona´i njegov normirani oblik.2 2. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. z . + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0. dakle mora biti tA = cos ψ. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 .1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y.44 ˇ POGLAVLJE 2.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. po Napomeni 2.

A2 B2 → → Napomena 2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. tj. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2.2.ˇ 2. ako i samo ako je A1 A2 + B1 B2 = 0. → n i j 45 Definicija 2. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . → → kolinearni. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . −1 → Neka je ϕ kut izmedu → i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . .

46 b) Kanonski oblik: ˇ POGLAVLJE 2. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . s1 s2 tj. m2 n2 → → Napomena 2. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. → → Napomena 2. s1 s2 odnosno ako i samo ako je n1 m1 = . . ako i samo ako postoji λ ∈ R takav da je − = λ− . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. tj. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . ako i samo ako je m1 m2 + n1 n2 = 0.

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

Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . y0 ) i pravac p u ravnini.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . ako i samo ako je ϕ1 = ϕ2 . odnosno ako i samo ako je k1 = k2 .48 ˇ POGLAVLJE 2. tj. Zanima nas udaljenost c toˇke P0 od pravca p.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. tj. x cos ψ + y sin ψ = d.2. Neka je pravac p dan u c c normiranom obliku. c Definicija 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. 2 ako i samo ako je tg ϕ = ∞. k2 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . To je ekvivalentno s 1 k1 = − . s Napomena 2. p) = x0 cos ψ + y0 sin ψ − d. sa suprotne strane od ishodiˇta) jer je tada n s . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. tj.1. ANALITICKA GEOMETRIJA Napomena 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.7). Napomena 2.5. odnosno ako i samo ako je 1 + k1 k2 = 0.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.

eksplicitni). a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. udaljenost toˇke P0 = (x0 . a b . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . kanonski. lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2.1. pravac kroz dvije toˇke.ˇ 2. p) ≥ 0. odnosno bx + ay − ab = 0.2. a2 +b2 x y + = 1. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) = |bx0 +ay0 −ab| √ . p) = |Ax0 +By0 +C| √ . y0 ) od pravca p je c d(P0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. onda iz toˇke 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .1 c z c (segmentni. p) = |x0 cos ψ + y0 sin ψ − d|. y0 ) od pravca p je c d(P0 . tj. p) = odnosno d(P0 . A2 +B 2 Ax0 + By0 + C √ . p) < 0.

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

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

Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j .4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. ako su p1 i p2 paralelni. p)|. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 .2. . onda su p1 i p2 paralelni. p) i δ(B.4). p) = x0 cos ψ + y0 sin ψ − d. Napomena 2.11 Ako je A 1 B1 A 2 B2 = 0. Osim udaljenosti. p) suprotnog predznaka. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 .2.52 i ˇ POGLAVLJE 2. Vrijedi i obrat. 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . onda je A 1 B1 A 2 B2 = 0.

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

vektori (A1 . C3 ) su linearno zac visni. ANALITICKA GEOMETRIJA Kako p1 . iz toˇke 1. c A1 B1 . Drugim rijeˇima. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . β ∈ R. C1 ). Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α. B2 . B3 . (A2 . B1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . A3 B3 A2 B2 A2 B2 =0 . pa po svojstvima determinante 4. (A3 . A 2 B2 je razliˇita od nule. p2 . p3 po pretpostavci prolaze istom toˇkom. C2 ).54 ˇ POGLAVLJE 2.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. S. i 5.

Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . y0 . . y0 + tb.9: Pravac u prostoru. 2.1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1.2.2). − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. PRAVAC U PROSTORU 55 2. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. z) = (x0 + ta. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. z0 + tc). z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . Tada imamo P0 P = − − − .3 2. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. → → → a i + b j + c k . Neka c z s −→ → → − − radij-vektor toˇke P . y.3.3.3.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . → − → r r0 s p ts P0 r 0 s r0 Slika 2. y.

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

1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . z2 ) u prostoru. onda znamo da je vektor → s a b c 1 → s0 = − − = − . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. jedan kosinus smjera prelazi u sinus. →| |s b cos β = − . tj. b.3. pa odreduje isti pravac. c s → Iz toˇke 1. →| |s c cos γ = → . y2 . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. z Znamo iz toˇke 2. y1 . − . PRAVAC U PROSTORU 57 → Posebno.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . Uzmimo sada npr. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. c). → − → → r r1 r2 r1 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.1.1.3. istog smjera i orijentacije kao i →.6). a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni.3. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . −| |s Dakle koeficijenti smjera a. odnosno postoje c s0 α. Odredimo njegovu jednadˇbu.2.3.5 i toˇka 2. Zbog komplec mentarnosti. π] takvi da je a cos α = − . i njihov omjer daje koeficijent smjera (toˇka 2. onda ima dva kosinusa smjera. − → z definirajmo s P c s − je vektor smjera pravca p. β. s 2. z1 ) i P2 = (x2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. c) je dana s x y z = = . b. γ ∈ [0. b.5 znamo da postoje kosinusi smjera vektora − . Sada imamo da je → = P1 P2 = → − →. − →| s →| |→| |→| |s |s s s − jediniˇni. pa iz toˇke − − s r2 c s r2 r1 c 2. c c Tada kroz njh prolazi jedinstveni pravac p.

iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . uz oznake m = a c i m1 = − a z0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. z0 ) s vektorom smjera − = (a. c x = mz + m1 . z c y2 −y1 2 −z 2. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. y0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). b. c c c . c c c odnosno.58 ˇ POGLAVLJE 2. y = y1 + t(y2 − y1 ). c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . Analogno.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke.3.10: Pravac kroz dvije toˇke u prostoru.

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

→ r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . my1 +ny2 . m ∈ N. 2 2 2 .7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . z2 ) u prostoru.3. mz1 +nz2 ). ANALITICKA GEOMETRIJA 2. r2 r1 →=− + − → ρ r1 n m → → → − + n −. y1 . m+n m+n m+n Napomena 2. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z1 ) i B = (x2 . tj. . z → c radij vektor toˇke B. z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. AC : CB = m : n. y2 . s z Imamo → = 1 (− + − ). ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . .60 ˇ POGLAVLJE 2.12: Dijeljenje duˇine u zadanom omjeru.

→ n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. β. γ kutovi c → zatvara s pozitivnim smjerovima osi x. y. a vektor z −0 zovemo normala ravnine Π. j .4 2. → n Posebno. onda je p = 0. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .13: Normalni oblik jednadˇbe ravnine. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. k iz toˇke 1. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p.3 ). Povucimo okomicu iz toˇke O na ravninu Π. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.4. z redom (tj. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. Neka je −0 = OP0 c c n p −→ − (tj.2. → → radij-vektora r n c P . P0 d r π n0 0 M Slika 2. s vektorima baze −0 ˇto ih n s − − − → → → i . RAVNINA U PROSTORU 61 2.4. ako Π prolazi kroz ishodiˇte (tj. toˇku O). → → r n .

mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. c Neka je M = (x1 . y. b. redom. 0). y.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. udaljenost ravnine Π od ravnine Π . jer je duljina okomice do Π jednaka p). toˇke u kojima Π sijeˇe koordinatne osi x. C = c (0. iz normalne jednadˇbe ravnine imamo. Nadalje. 0). 0.4. z − − → OA · → = p. n . a c kako M leˇi u Π . y1 .2. kako su A.2. → ako je M s one strane Π na koju pokazuje −0 . c). 2. z). B = (0. n − → → OC · −0 = p.62 ˇ POGLAVLJE 2. Napomena 2. B.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. C ∈ Π. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . duljina okomice c do Π ´e biti p + d (za neki d ∈ R. Imamo neˇto analogno otklonu iz toˇke 2. Za toˇke s druge strane bit ´e n c c d < 0. r n Napomena 2. neka su toˇke A = (a. z. c c Sada. Kao i kod pravca (toˇka 2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. z1 ) ∈ E proizvoljna. 0.16 Ako toˇka P ∈ E ima koordinate (x. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. Kako je d. u stvari. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi.2. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). n0 − − → → OB · −0 = p. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0.

Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. p p p cos α = . y0 . B. z 2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). a cos α = p. cos γ = . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). cos β = . tj.2.4. c cos γ = p. b cos β = p.4. neka je C = 0. . Odatle. z = − C x − B y − D . Bez smanjenja op´enitosti. z Dakle. c C C Tada postoji toˇka (x0 .14: Segmentni oblik jednadˇbe ravnine.

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

Ako je C = 0. z1 ) ∈ E. k ).17. 0. s c A2 +B 2 +C 2 Napomena 2. Stoga ´emo i vektor − zvati vektor normale. Π) = |Ax1 +By1 +Cz1 +D| √ . Dakle imamo cos α = 65 A . istog su smjera n n → c n i orijentacije. B. onda su koordinate A. po c Napomeni 2. b1 = − B i c1 = − D . RAVNINA U PROSTORU predznaka od D. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. pa imamo cos γ = 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. ravnina prolazi kroz ishodiˇte.20 Neka je dana toˇka M = (x1 . pa odreduju istu ravninu. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. c onda je A B D z =− x− y− . B. B. s → 2. onda je oˇito da O = (0. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine.2. Napomena 2.18) i koeficijent razmjernosti je A2 + B 2 + C 2 .1). R cos γ = C . Tada je.4. C C C A z Oznaˇimo a1 = − C . Ako je D = 0. c . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. y1 .4. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. nepotpune obc z like): c c z 1. R cos β = B . tj. tj. C). onda normala − = (A. R → → Vektor normale −0 je normirani vektor − = (A.

Ako je B = C = D = 0. z c c 2. c Od ˇetiri parametra. 0. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . imamo samo tri nezavisna. ravnina je paralelna s koordinatnom ravninom Oyz.16: Ravnine u posebnim poloˇajima. z → 3. C koji je razliˇit od nule. B.66 z ˇ POGLAVLJE 2. − i − su komplanarni). B. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. onda prema 1. odnosno x = − D . Varijable u i v zovemo parametri. ravnina prolazi kroz ishodiˇte s a prema 3. z → − a vektore − i → vektori smjera. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. C i D. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. s1 s2 . A. 4. Imamo Ax + D = 0. Ako je B = C = 0. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . ravnina je paralelna A s koordinatnom ravninom Oyz.4 Parametarski oblik jednadˇbe ravnine z → → Neka je dana ravnina Π koja prolazi toˇkom P0 ∈ E i neka su − i − linearno c s1 s2 nezavisni vektori takvi da je ravnina Π paralelna s njima. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2.4. 0) ima komponentu samo u n smjeru osi x. onda normala − = (A. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .

RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. c2 ). z Napomena 2. vidi se da je ravnina dvodimenzionalni objekt u prostoru. z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. → − Nek je P0 = (x0 . z0 ).17: Ravnina zadana parametarski. Tada P = s1 s2 → − (x. Kako imamo dva parametra (u i v). c1 ). b1 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. y = y0 + ub1 + vb2 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 .4. Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. b2 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →.21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. Napomena 2. y0 . → = (a2 . z0 ) z z c → → i dva vektora smjera − = (a1 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. − = (a1 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 .2. c1 ) i − = (a2 . y0 . b2 . y. s1 s2 . b1 .

P3 ne leˇe na istom pravcu.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. y2 . P2 = (x2 .68 ˇ POGLAVLJE 2. P3 (uzmemo npr. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). − . 2.4.16. y3 . Kako toˇke P1 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . y1 . vektori s1 s2 −→ → − − − → P0 P . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. P1 P2 .5 2. P1 P3 komplanarni.4. z1 ).1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P3 = (x3 . ako i samo ako su P0 P . s1 . P2 .5. ANALITICKA GEOMETRIJA −→ → − − odnosno. Kao i u toˇki 2. P2 . Po Napomeni 1. Po Napomeni 1.4. z2 ). P2 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . → komplanarni. Dakle. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. 2. s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.

tj. odnosno ako → → kolinearni. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. 69 −1 Definicija 2. ♣ . B1 . n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 .2. C2 ).6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . tj. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.5. Ravnine se sijeku u jednom i samo jednom pravcu. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . ako i samo ako je −1 · −2 = 0. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. C1 ) n → i −2 = (A2 . B2 . 2. Teorem 2. −1 → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Ravnine se podudaraju. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 3.

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

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

c) i − = (A. b. → → s n Kako je kosinus kuta izmedu − = (a. − Am1 +Bn1 +D . ANALITICKA GEOMETRIJA → → Znaˇi. odnosno ako → − kolinearni.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . ako i samo ako je − · − = 0. B. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. tj. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. tj. → Napomena 2. ako je π − ϕ kut izmedu − = (a. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. b. 2.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . c) i − = (A. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . i ravnina Π s Ax + By + Cz + D = 0. B. Am+Bn+C Am+Bn+C Am+Bn+C .25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→.72 ˇ POGLAVLJE 2.5. tj. z c c s z0 = − Am1 + Bn1 + D . − Anm1 +Bnn1 +Dn + n1 . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ.

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

b1 . → → s1 s2 p 2 p 1 Slika 2. Pravac i ravnina se ne sijeku. c 2. s1 s2 redom. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.74 ˇ POGLAVLJE 2.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). y2 .18: Mimosmjerni pravci.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. b2 . Definicija 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. z2 ) s vektorima smjera − = (a1 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .5. Pravac je sadrˇan u ravnini. Pravac i ravnina se sijeku u samo jednoj toˇki. . y1 . → → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). c2 ). c1 ) odnosno − = (a2 . c c c 2.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . z1 ) odnosno c → → P2 = (x2 . 3. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). ANALITICKA GEOMETRIJA Teorem 2.

odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . ako i samo ako je → · − = 0. ako i samo ako postoji λ ∈ R takav da je − = λ→.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . → Napomena 2. 2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .3. tj.5. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.5.5). s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. z= 1 m−m n−n . ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. tj. tj.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. c c z → s1 Napomena 2.2.

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

tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). pa nema presjeciˇta. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Pravci se podudaraju.5. Pozabavimo se sluˇajem mimosmjernih pravaca.2. iz toˇke 1.29. z Moˇe se desiti da su oni paralelni. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. imamo isti pravac.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z 2. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci su mimosmjerni. i 6. Pravci leˇe u istoj ravnini i ne sijeku se. Teorem 2. ne leˇe u istoj ravnini. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 . ˇetvrti sluˇaj. Ako su sva tri redka proporcionalna. c =0 . Prema Napomeni 2. z c 4. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.6 na gornju determinantu (tj. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z 3.

78 ˇ POGLAVLJE 2.5.22. ANALITICKA GEOMETRIJA 2. Iz s1 s2 Napomene 2. b2 . kako p1 leˇi u Π i Π je paralelna sa p2 . a2 b2 c2 Definicija 2. jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. a2 b2 c2 a2 b2 c2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . c2 ). Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. z2 ) s pripadaju´im vektorima smjera − = (a1 . = 0. b2 . y1 . c1 ) i − = (a2 . . z1 ) i paralelna je sa − = (a1 . c2 ). y2 . Dakle. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . b1 . y1 . p1 leˇi u ravnini).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. imamo da Π prolazi z → → kroz P1 = (x1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). z1 ) → odnosno P2 = (x2 . Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . b1 . c1 ) c s1 − = (a2 . .

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

.

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

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

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

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

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

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

Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i.. A2 .. α(βA) = (αβ)A (homogenost). a na svim ostalim mjestima nule ˇini bazu u Mmn ...1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. Napomena 3. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . .1. Ak ∈ Mmn matrice i λ1 . . C ∈ Mmn i sve skalare iz α... OSNOVE MATRICNOG RACUNA 87 Teorem 3.. β ∈ R vrijedi: 1. razvijena) u linearni spoj po matricama z z A1 .... Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. B.. s Definicija 3. A + B = B + A (komutativnost).4 Ako je matrica A rastavljena u linearni spoj po matricama A1 .. .♣ Iz Teorema 3.. λk ..1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. Kaˇemo da je A rastavljena (razloˇena. ˇto slijedi izravno iz Definicije s 3. λk ∈ R skalari. A2 . A2 .ˇ ˇ 3. . Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. linearna kombinacija i linearni rastav.. (A + B) + C = A + (B + C) (asocijativnost).4. 2.5 Neka su A1 . Ak s koeficijentima λ1 .... Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. + λk Ak je linearna kombinacija matrica A1 . Matrica A = λ1 A1 + .... 3. j) imaju z jedinicu.. onda je i A ∈ Mmn . Ak ∈ Mmn . α(A + B) = αA + αB (distributivnost).2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . Ak . . . Njegovi su elementi (”vektori”) matrice tipa m × n. 4.. z Teorem 3. A2 .3 odnosno Definicije 3. . λk razliˇit od c nule.

nema podlogu u fizici. geometriji. B ∈ Mmn .88 POGLAVLJE 3. 2. itd. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. MATRICE I LINEARNI SUSTAVI 1. 3. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Iako jednostavna. B. gdje za As vrijedi AT = As . Tako bismo za matrice A = [aij ]. Produkt A·B takvih matrica . (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R.4. 2 Oˇito je AT = As .. a za Aa vrijedi AT = −Aa .. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. To nam z name´e sljede´u definiciju. m i j = 1.. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). Dakle imamo tvrdnju. n. AT = −Aa i A = As + Aa .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. . Definicije 3. Napomena 3. Takoder. gdje su elementi od C dani s cij = aij bij za i = 1. Oˇito je tako definirana matrica C ∈ Mmn .3 i Definicije 3.1... (AT )T = A za sve A ∈ Mmn .. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. .5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . ♣ c s a 3. (A + B)T = AT + B T za sve A.

b2j . a broj stupaca je c jednak broju stupaca od B. Dakle. za i = 1..... p.ˇ ˇ 3. ako su A ∈ Mmn i B ∈ Mnp i m = p. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. a B ·A ∈ Mnn . . m. ain bnj . Za takve matrice A i B kaˇemo da su ulanˇane. j) u matrici C = A · B stoji element koji je c jednak skalarnom produktu i-tog redka matrice A i j-tog stupca matrice B.... a B · A nije definirano. Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + . broj stupaca od A je jednak broju redaka od B. ain ).... ..1... p p = j n (i. Npr. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .4).. + ain bnj . b2j . Definicija 3.. B = C Slika 3. .. Napomena 3. Mnoˇenje matrica vodi raˇuna o poredku operanada. a da B · A nije ni definiran. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. bnj ).. j = 1.. za j = 1.. a j-ti stupac matrice B je (b1j . . imamo A·B ∈ Mmp . bnj ) = ai1 b1j + ai2 b2j + . Ako je m = p = n. .1: Produkt matrica. n i m .. ai2 .. m. p.j) m A . onda je A · B ∈ Mmp . Dakle opet je A·B = B ·A. z c tj... . . ain ) · (b1j ... Tada je i-ti redak matrice A jednak (ai1 . . ai2 .. Dakle zakljuˇujemo da na mjestu (i. . i = 1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji...

0pm · A = 0pn .3 (Svojstva mnoˇenja matrica) Za sve matrice A. gdje je A ∈ Mmn . A ∈ Mmn i D ∈ Mnp . B ∈ Mnn takoder op´enito vrijedi A · B = B · A. 5.90 POGLAVLJE 3. 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . tj. gdje su A ∈ Mmn . 3. za n = m = p. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice). 2. gdje je A ∈ Mmn . · 1 0 1 1 = 1 1 0 0 . Dakle mnoˇenje matrica je op´enito nekomutativno. c Posebno vrijedi A · In = In · A = A. C takve da z promatrani produkti postoje vrijedi: 1. B ∈ Mnp i C ∈ Mpq . C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). gdje je A ∈ Mmn . MATRICE I LINEARNI SUSTAVI Na kraju. c jer npr. A · 0np = 0mp . α(A · D) = (αA) · D = A · (αD). A. B ∈ Mmn . C ∈ Mpm i D ∈ Mnq . gdje su A. Im · A = A. z c Teorem 3. gdje je α ∈ R. 4. za A ∈ Mnn . . A · In = A. (A · B) · C = A · (B · C) (asocijativnost). za n = 2 imamo 0 1 0 0 a s druge strane. B.

5 Podmatrice i blok matrice Neka je A ∈ Mmn .. prvi i tre´i. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. dobivamo podmatricu z matrice A.. c drugi i tre´i.6. 3. Izaberimo dva redka. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. xn ]T nepoznata matrica. 1 0 3 0  Neka je r = s = 2.. Sloˇimo li ih u (2 × 2) matricu. Sloˇimo li ih u (r ×s) matricu. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). . takvu podmatricu zovemo blok..1. svaka linearna z jednadˇba ide u svoj redak). Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. bm ]T poznata matrica desnih strana i z x = [x1 . 4. c . Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. 3. Primjer 3. 3.4.1.3. b = [b1 .6 Neka je  2 3 4 1   A =  −1 2 1 3  . i dva stupca npr.. npr. .ˇ ˇ 3. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 0. dobijemo podmatricu z 3 4 0 3 matrice A.♠ Ako su izabrani redci i stupci uzastopni..

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

OSNOVE MATRICNOG RACUNA 93 3. U skupu R vrijedi: ako je a · b = 0. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U toˇki 3. tj.1. postoji broj koji pomnoˇen s a daje 1. c 2. Npr. 1.6 Regularne matrice. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. b.1. Npr. tj. neka je dana matrica c 0 1 1 0 . Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.ˇ ˇ 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. dakle ne postoji izbor brojeva a. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . c. c c c Iz svojstva 5.1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Teorema 3. onda je barem jedan od a ili b jednak nuli. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. c Napomena 3.

tj. z Definicija 3. Tada je B jednoznaˇno odredena s A. MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 .♣ Znaˇi. Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . z Napomena 3. c 0 1 1 0 · a b c d = c d a b . neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . Dakle je A · A−1 = A−1 · A = c In .9 Neka je A ∈ Mn regularna. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. c Teorem 3.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In .94 POGLAVLJE 3. . Za matricu A koja nije regularna kaˇemo da je singularna.

. s z c . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn .. Zakljuˇujemo da na mjestu (i... .... B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .. ai2 . ain ) za i = 1.. + ain ajn . Dakle i matrica AT · A ima iste elemente. ai2 . ai2 .. . . . aj2 .. −1 3.8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In ... ajn ) = ai1 aj1 + ai2 aj2 + .. aj2 . Napomena 3.. ajn ) = ai1 aj1 + ai2 aj2 + . Gn = Mn .♣ / z Definicija 3. . In ∈ Gn i In = In . ajn ) = ai1 aj1 + ai2 aj2 + . ˇtoviˇe vrijedi da je s s (ai1 . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . ajn ) za j = 1..ˇ ˇ 3.. ....10 Neka je A = [aij ] ∈ Mn ortogonalna. vrijedi A · AT = AT · A = In . + ain ajn = 0 za i = j i (ai1 .. moˇe se dokazati da ˇine ortonormiranu bazu od Rn . ain ) · (aj1 . + a2 = 1 i1 i2 in za i = j.. . u stvari.. U Napomeni 3. aj2 .... .. . ain ) · (aj1 ... a j-ti stupac matrice AT je (aj1 . OSNOVE MATRICNOG RACUNA 1.. Stoviˇe.... ajn ) = a2 + a2 + . + ain ajn = δij odnosno (ai1 . ... aj2 . . Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 ... n.6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . n. Tada je i-ti redak matrice A z (ai1 ...1.. . (To je. Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. ai2 . preciznije Gn ⊂ Mn . ain ) · (aj1 . 2. ai2 .... aj2 . Ako su A. ain ) · (aj1 . j-ti redak od A). Kako je po pretpostavci A ortogonalna. 5. 95 4.. 0n ∈ Gn .

.10 Neka je V vektorski prostor (Definicija 1.96 POGLAVLJE 3. . a1 an → → i izravno iz Definicije 3... → → Definicija 3. iz Definicije 1.. tj... 2. Podprostor razapet vektorima a1 an − .. MATRICE I LINEARNI SUSTAVI 3... njene z c n redke. Definicija 3. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).. moˇemo promatrati kao vektore u R .11 Neka su − . → → s L( a1 an → → → → an a1 L(− ...7 Rang matrice.5 izravno slijedi da je r(A) = r(AT ). − . . moˇemo promatrati kao vektore u vektorskom prostoru Rm .11 Oˇito je da je c − − L(→. − ).. λn ∈ R}. − ) = {λ1 − + .♣ Kako je po Teoremu 3... matrice iz M1n .5).. Sliˇno. Oznaˇavamo ga → → → → a1 an a1 an c − . vrijede svojstva 1... a1 an . Iskaˇimo sada jedan bitan rezultat. linearne zavisnosti/nezavisnosti...6 znamo da stupce. − ) podprostor od Rm . . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije... Definicija 3.1. − je skup svih linearnih kombinacija vektora − .5) i neka je L neki podskup od V .. . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).. .. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . − ∈ Rm . + λn − : λ1 . Iz Napomene 3. z Teorem 3. matrice iz Mm1 . . ..10 slijedi da je L(− . a1 an Napomena 3. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. i 3.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. →) ⊆ Rm .

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

. c c r(In ) = n) i matrice koja izgleda kao i matrica B.. na pozicijama a11 . na aij za i < j.6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     ..  . j = 2.. 2. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . Dakle. Zamjena dvaju redaka (stupaca). iz Teorema 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. MATRICE I LINEARNI SUSTAVI 3. Neka je dana B ∈ M5. Mnoˇenje redka (stupca) skalarom λ = 0.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Nadalje. ima nule.98 POGLAVLJE 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .5 imamo da je r(B) = 3. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. na aij za j < i ima nule. Dakle. tj. z 3. n) ima jedinice. .. .♠ Iz Primjera 3..9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . Primjer 3. na aij za i = k + 1.. k. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. Pitanje je. .. akk za k ≤ min(m. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan.

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

kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir .7). MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. Ako je to mogu´e. Primjerice.. In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. zamjena i-tog i j-tog redka matrice A postiˇe se mnoˇenjem matrice z z A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j-tog redka u jediniˇnoj matrici c I. Qi (λ) i Qi (λ. gdje je Ir ∈ Mr jediniˇna. Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. Teorem 3. Qq . D] ∈ Mrp . pa je R · A = In . Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . formiramo matricu [A. odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. R] (tj. In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In . j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. Q1 · Q2 · · · Qq · In ] = [In . mnoˇenje matrice A s lijeva matricom Qi (λ. te ako je. Konaˇno. odnosno R = A−1 . R]. Dakle imamo [Q1 · Q2 · · · Qq · A. na´i njen inverz.100 POGLAVLJE 3.. Te matrice zovemo elementarnim matricama. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . onda c −1 je A = R.7 Svaka matrica A = [A0 . . In ] dobili matricu [In . Sliˇno. R] (Teorem 3. A je singularna..♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. p ≥ r. a ako nije. . mnoˇenje i-tog redka matrice A skalarom λ = 0 odgovara mnoˇenju matrice A s c z z lijeva matricom Qi (λ) koja se dobije iz jediniˇne matrice zamjenom jedinice u i-tom redku s c λ. ako je A regularna) mi smo zapravo matricu [A. j). R].

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

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

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

) Ako je n = m i A regularna. → je A regularna. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − .. Dokaz: . dakle ima bar jedno rjeˇenje. tj. MATRICE I LINEARNI SUSTAVI Teorem 3. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. − n su vektor stupci od A). sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. jer je A(A b ) = b . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. λ = 0 .. + a − → → → → λn − n = 0 (− 1 . da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . bilo kojih r z linearno nezavisnih redaka u A. → → − III. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III.104 POGLAVLJE 3. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. ♣ − → − Napomena 3. Iz − → → − b = (λ1 + x1 )− 1 + . po Teoremu 3.21 Ako sustav A− = b ima dva rjeˇenja. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. A je regularna.. da su stupci od A linearno nezavisni. = λn = 0. s x → → − → Obrnuto.. λn ∈ R takvi da je λ1 →1 + . Iz Napomene 3. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. Ho´emo pokazati da je λ1 = .6 imamo da je r(A) = n)... s − → → II.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. . . + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b ... onda ih ima beskonaˇno x s c mnogo. Ako je n = m. Dakle stupci od A su linearno x x nezavisni.. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . tj. pa je sustav konzistentan.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. odnosno λ1 = . Neka su sada λ1 ...6). = λn = 0 a a a c (tj. tj. → − x 0 → → − Napomena 3...8 homogeni sustav je uvijek c rjeˇiv. Ako je r = r(A) = r(Ab ).20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ).. s c s → − → → − → − → Ako je A− = b . tj. (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang.

LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . Treba provjeriti da N (A) ima svojstva iz Definicije 1. dakle dokaˇimo da za proizvoljne c z − . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). Dokaz: Oˇito je N (A) ⊆ Rn . u u Dakle je N (A) vektorski podprostor od Rn .1 i Teorema 1.2. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .8 i Napomene 3.2. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . gdje je λ ∈ R proizvoljan. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . A− = b i A− = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). u v u v − → dakle → + − ∈ N (A).♣ . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .3 Homogeni sustavi → Iz Napomene 3. tj.5. tj. Tada je. c Svojstva iz Teorema 1. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .3.22 N (A) je podprostor od Rn . → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A).♣ s c z s x → Iz Teorema 3.2 su oˇito zadovoljena. c 3. c Napomena 3. x x − → Oˇito je 0 ∈ N (A). u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .

Teorem 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. rjeˇenje je x s u s jedinstveno..9 II. N (A) = { 0 }. prema Teoremu 3. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). onda po Teoremu 3.106 POGLAVLJE 3. tj. iz jedinstvenosti zakljuˇujemo da je − = 0 . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .23 Primijetimo: → 1.9. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. Tvrdnja Teorema 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . gdje je − ∈ N (A).♣ Napomena 3. Tvrdnja Teorema 3. Onda. z s . → → → → u u y y − → → II. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). onda je i njihova linearna kombinacija rjeˇenje tog sustava. ut rjeˇenja homogenog sustava c s − = − .22 zakljuˇujemo da ako su u1 .9 I.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. s x → − → → Obrnuto. Po Teoremu 3. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. Kako je iz Teorema 3.. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. → → → → Ax a y y 2. svako rjeˇenje je oblika − 0 + 0 .8 je matrica A regularna. tj.9 I. .) − → → − → − Ako je matrica A sustava A− = b regularna. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . MATRICE I LINEARNI SUSTAVI Iz Napomene 3. s Dokaz: (Dokazujemo samo tvrdnju II. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.

iz Teorema 3. pri ˇemu su cr+1 . . − arn xn . pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . Iz Teorema 3. kao βi (c) = bi − air+1 cr+1 − . LINEARNI SUSTAVI 107 3.. ar1 x1 + . ... . Kako je r(A0 ) = r. + arr xr + arr+1 xr+1 + .. − ain cn za i = 1.3.8 II. cn proizvoljni realni parametri. Ako su rangovi jednaki (r(A) = r(Ab ) = r).4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica... + a1r xr = b1 − a1r+1 xr+1 − . prebacimo ˇlanove s nepoznanicama xr+1 . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . ar1 x1 + .. .. − → Uvedimo novi vektor desnih strana β (c). . r... c Dakle..2. + a1n xn = b1 ..2. + a1r xr + a1r+1 xr+1 + . Ako oni nisu jednaki.. . + arr xr = br − arr+1 xr+1 − . . Nadalje. xn na desnu stranu i doc bijemo: a11 x1 + . + arn xn = br ..6 imamo da je A0 regularna. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.. − → Prvo treba odrediti rangove matrica A i Ab .. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.... − a1n xn . .. ... imamo sustav − → − x A0 →0 = β (c). . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj..8).. . ... ..

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

.. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . j = 2. b p . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). b ] dobili matricu [A .. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. . n) ima jedinice. A −→ det A. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . imamo postupak Gaussovih eliminacija. ima nule. b ] (gdje je matrica A takva da na pozicijama a11 . a ostale pozicije su ”nebitne”). z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 .5 Determinanta. Q1 · Q2 · · · Qq · b ] = [A .. m ima nule. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.3.6. tj. k. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ).1. . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. . 3.. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.. na aij za i < j. na aij za i = k + 1.. akk za k ≤ min(m. uz male modifikacije je numeriˇki stabilan. b ]. Qq ... . b ] mnoˇili s lijeva elementarnim matricama Q1 . metode mogu pokazati brˇima (manja im je sloˇenost). posebno dizajnirane.2... . tj. sloˇenost mu je c z 3 ∼ n (tj.. − → mi smo zapravo matricu [A. lagano moˇemo oˇitati rjeˇenje).2. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. z Za neke se posebne matrice druge. na aij za j < i ima nule. Radimo li to elementarnim transformacijama samo nad redcima... Ovaj se postupak moˇe primiz jeniti na sve matrice. .

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

pravilo za c raˇunanje inverza matrice). 2. Ako je A ∈ Mn trokutasta (gornja ili donja). Posebno je c det In = 1. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. n ≥ 2. 3.2. onda je det A = a11 a22 · · · ann . Neka je A ∈ Mn dijagonalna matrica. determinanta mijenja predznak. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. det(Qij A) = − det A.7. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . onda je det A = 0. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. je razvoj determinante po prvom redku.1. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . n ≥ 2.3. Svojstva determinante su: 1. . onda sc je det A = 0. c 4.

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

LINEARNI SUSTAVI 113 ispod njega. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.♣ Teorem 3. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1.i+1 = 0). ♣ U Teoremu 3. z Teorem 3.i+1 (naravno. ♣ Napomena 3. itd. B ∈ Mn vrijedi det(AB) = det A · det B. Dakle oˇito je det A = 0. ai+1.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . Ako to nije mogu´e.26 Ako je A ∈ Mn regularna. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ♣ Iz Teorema 3. onda je det A = 0. ♣ . vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki .13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Teorem 3.2.3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Teorem 3.12 Za proizvoljne matrice A. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Dokaz: Iz Teorema 3.

ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . Definicija 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . tj. ako je i = j. c Napomena 3. onda je po Teoremu 3. Kofaktor matrice A oznaˇavamo s kof (A).27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.♣ . Promatramo zbroj n (−1)j+k aik det Ajk .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Inaˇe je zbroj det A. k) stoji kofaktor elementa aki matrice A. Analogno ide dokaz za stupce. (−1)k+i det Aki .27 izravno slijedi: Teorem 3.♣ Iz Napomene 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak. onda je det A = 0. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .26 smo vidjeli da ako je A ∈ Mn regularna.16 imamo da je 1 kof (A) · A = In .13 prethodni zbroj jednak det A. onda iz Teorema 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.28 U Napomeni 3. tj. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.114 Veliˇinu c POGLAVLJE 3. det A Dakle A je regularna i A−1 = kof (A) det A . k=1 Oˇito. ♣ Napomena 3. Vrijedi i obrat. det A Dokaz: Ako je det A = 0.

.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. n.3 3. µ ∈ R i sve − . D D pri ˇemu je D = det A. Stoviˇe.3. A je regularna ako i samo ako je det A = 0.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. . onda je rjeˇenje z s tog sustava dano s x1 = D1 . µ ∈ R i sve − . a Dk . Rjeˇenje je dano s − = A−1 b .3. . .26 i Napomene 3.♣ a 3. D x2 = D2 Dn . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .. − → → Iz Teorema 3. → ∈ Rn . xn = .3. k = 1. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . . Rm = R. Ako je m = 1. Definicija 3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. → ∈ Rn . Ako je matrica A regularna.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . . → x Teorem 3.. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .. za sve λ.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. onda takav linearni x y operator zovemo linearnim funkcionalom. s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. Takvu x x funkciju zovemo linearni operator.

Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. µ ∈ R i sve →.5.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x x Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.116 POGLAVLJE 3. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). µ ∈ R i sve →.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .5. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. MATRICE I LINEARNI SUSTAVI Napomena 3. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Dokaˇimo da vrijede i prva dva. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.2. − ∈ Rn . tj. tvrdnja slijedi.1 i Teorema 1.♣ . da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Dokaˇimo da je i F + G linearni z operator.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Iz Definicije 3. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. − ∈ Rn . Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.

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

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

Dokaz: Oˇito je S(λ0 ) podskup od Rn . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).33 Primijetimo: → 1. x x x x → Dakle za svaki µ ∈ R. − ∈ S(λ0 ). A− 0 = x x − 0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .3. Dokaz: 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . ♣ Napomena 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .5. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.1 i Teorema 1. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Izravno iz Definicije 3. → → Svojstva iz Teorema 1.17. neka je µ ∈ R µ = 0 proizvoljan. Napomena 3.3. da c z s zadovoljava uvjete Definicije 1.17 Neka je A ∈ Mn . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . µ = 0. Nadalje. Nadalje neka su − . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn . c x y tj. tj. → → 2. x y x y x y . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. 2.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .2 oˇito zadovoljava. tj. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).

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

ako i samo ako je KA (λ0 ) = 0. Dakle. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. tj.. s Izraˇunajmo svojstvene vrijednosti od A. Taj polinom. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante. Primjer 3.3. tj.. zovemo svojstveni ili karakteristiˇni polinom c matrice A. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. .11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R... PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. ϕ = kπ k ∈ Z. a1 = (−1)n−1 trA. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. + an . Nadalje.3. Ako stavimo λ = 0 dobijemo KA (0) = an = det A. Odatle je a1 = (−1)n−1 a11 + . u oznaci KA (λ). gdje su bij = aij za i = j i bij = aij − λ za i = j. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . + (−1)n−1 ann . Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1. Dakle. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A.

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

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

. Tada iz Napomene 3. tj.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. tj. A je regularna. dijagonalna.. Ako je A joˇ simetriˇna onda iz Teorema 3.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. c Napomena 3. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. Sada.. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi...23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Obratno. .. ona se u nizu c nultoˇaka λ1 . λ−1 . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. .21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.♣ c . Ipak.21 Neka je A ∈ Mn simetriˇna. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . ako je λ0 svojstvena vrijednost od A ∈ Mn .. nultoˇka od KA (λ).35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . s Teorem 3. a odgovaraju´i se svojstveni vektori podudaraju. λn ..34 znamo da je skup S(λ0 ) potprostor od Rn . iz osnovnog teorema algebre (Teorem 5. c Kako je KA (λ) polinom n-tog stupnja. λn od KA (λ) pojavljuje barem jednom.♣ Napomena 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .124 POGLAVLJE 3.. λn od KA (λ) zovemo algebarska kratnost od λ0 . . . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. Dakle 0 nije svojstvena vrijednost.. c c Teorem 3. c Teorem 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). λn . Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. ♣ Teorem 3... Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 ..

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

Niz je matematiˇki koncept koji opisuje situaciju u kojoj su elementi nekog skupa c poredani, tj. indeksirani prirodnim brojevima. Definicija 4.1 Niz (slijed) u nepraznom skupu A je funkcija a : N −→ A. Vrijednost funkcije a na elementu n ∈ N uobiˇajeno je oznaˇavati s an umjesto c c a(n). Argument n zovemo indeks. Nas zanimaju nizovi realnih brojeva, tj. funkcije a : N −→ R. Elemente niza, tj. brojeve a1 , a2 , ... zovemo ˇlanovi niza. Umjesto zapisa a1 , a2 , ... za niz joˇ ´emo c sc koristiti i zapis (an )n∈N ili samo (an ). Ako je an = 0 za konaˇno mnogo n ∈ N kaˇemo da je niz konaˇan. Nas ´e c z c c zanimati beskonaˇni nizovi. c Niz moˇemo zadati na viˇe naˇina: z s c - listom ili popisom (ovakvo zadavanje niza se koristi samo za konaˇne nic zove), - formulom (npr. an = n2 + 1), - rekurzijom (npr. an = 2an−1 , a1 = 1), - svojstvom (npr. an je broj triangulacija mnogokuta dijagonalama). 125

126

POGLAVLJE 4. NIZOVI I REDOVI

Primjer 4.1 Pogledajmo sljede´e primjere: c 1. Niz prirodnih brojeva poˇinje s 1, 2, 3, ..., a op´i ˇlan mu je zadan formulom c c c an = n. 2. Niz kvadrata prirodnih brojeva zadan je formulom an = n2 , a poˇinje c ˇlanovima 1, 4, 9, .... c c 3. Niz prostih brojeva poˇinje brojevima 2, 3, 5, 7, 11, 13, 17, .... Za njegov op´i ˇlan ne postoji formula. c c 4. Niz Fibonaccijevih brojeva zadan je pravilom an = an−1 + an−2 i poˇetnim c vrijednostima a0 = 0, a1 = 1. To je primjer niza zadanog rekurzijom.♠ Niz (an ) je rastu´i ako je an+1 ≥ an za svaki n ∈ N. Niz (an ) je padaju´i c c ako je an+1 ≤ an za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo rastu´i odnosno strogo padaju´i niz. Ako je niz rastu´i ili padaju´i, kaˇemo c c c c z da je monoton. Niz (an ) je pozitivan (negativan) ako je an ≥ 0, an ≤ 0 za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo pozitivan (strogo negativan) niz. Ponekad se nizovi za koje vrijedi an ≥ 0 za svaki n ∈ N zovu i nenegativni, a pozitivnima se zovu nizovi s an > 0 za svaki n ∈ N. Definirajmo funkciju sign : R −→ R formulom   −1, x < 0  sign x = 0, x = 0 .   1, x > 0 Funkcija sign realnom broju pridruˇuje njegov predznak. z Ako je sign an = 0 i sign an = sign an+1 za svaki n ∈ N, onda kaˇemo da je z niz (an ) alterniraju´i. c c Primjer 4.2 Pogledajmo sljede´e primjere: 1. Niz an = n je strogo rastu´i i pozitivan. c 2. Niz an =
1 √ n

je strogo padaju´i i pozitivan. c

3. Niz an = log n je rastu´i i pozitivan jer je a1 = ... = a9 = 0, a10 = ... = c a99 = 1, a100 = ... = a999 = 2,...

4.1. NIZOVI REALNIH BROJEVA 4. Niz an = (−1)n nije monoton nego alterniraju´i.♠ c Podniz niza (an ) je niz dobiven ispuˇtanjem nekih ˇlanova iz niza (an ). s c

127

Definicija 4.2 Za niz (bn ) kaˇemo da je podniz niza (an ) ako postoji strogo z rastu´i niz (pn ) u N tj. strogo rastu´a funkcija p : N −→ N takva da vrijedi c c bn = ap(n) , za svaki n ∈ N. Definicija 4.3 Za niz (an ) kaˇemo da je ograniˇen ili omeden ako postoji z c realan broj M > 0 takav da je |an | < M , za svaki n ∈ N, ili, ekvivalentno, ako je −M < an < M , za svaki n ∈ N. c Primjer 4.3 Pogledajmo sljede´e primjere: 1. Niz an = sin π je omeden niz jer je funkcija sinus omedena, i moˇemo uzeti z n npr. M = 2. √ 2. Niz an = n nije omeden jer za svaki M > 0 postoji n ∈ N takav da je √ n > M . Dovoljno je uzeti n > M 2 .♠ Niz (an ) je aritmetiˇki ako je c an+1 − an = d, za svaki n ∈ N, gdje je d ∈ R konstanta. Formula op´eg ˇlana aritmetiˇkog niza c c c je an = a1 + (n − 1)d. Ako je d > 0 onda je (an ) strogo rastu´i, za d < 0 niz (an ) je strogo padaju´i c c a za d = 0 imamo konstantni niz an = a1 , za svaki n ∈ N. Uoˇimo da za c aritmetiˇki niz (an ) vrijedi formula c an =
an−1 +an+1 , 2

za svaki n ∈ N, tj. svaki ˇlan niza (osim prvog) je aritmetiˇka sredina svojih c c susjeda. Niz (an ) je geometrijski ako je
an+1 an

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

za svaki n ∈ N, gdje je q ∈ R, q = 0, konstanta. Formula op´eg ˇlana geometric c jskog niza je an = a1 q n−1 . Ako je q < 0 onda je niz (an ) alterniraju´i. Za a1 > 0 i q > 1 niz raste, za c a1 > 0 i 0 < q < 1 niz pada. Za a1 < 0 i q > 1 niz pada, za a1 < 0 i 0 < q < 1 niz raste. Uoˇimo da za geometrijski niz (an ) takav da je a1 > 0 i q > 0 vrijedi c formula √ an = an−1 an+1 , za svaki n ∈ N, tj. svaki ˇlan niza osim prvog je geometrijska sredina svojih c susjeda. c Primjer 4.4 Pogledajmo sljede´e primjere: 1. Za aritmetiˇki niz 1, 4, 7, 10, 13, ... je a1 = 1, d = 3 i an = 3n − 2. c 2. Za aritmetiˇki niz 8, 6, 4, 2, 0, −2, −4, ... je a1 = 8, d = −2 i an = −2n + c 10. 3. Za geometrijski niz 1, 2, 4, 8, 16, ... je a1 = 1, q = 2 i an = 2n−1 . 4. Za geometrijski niz 1, −1, 1, −1, 1, ... je a1 = 1, q = −1 i an = (−1)n−1 .♠

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

1 Pogledajmo niz (an ) zadan formulom an = n , za svaki n ∈ N. Njegove vrijednosti padaju i prilaze po volji blizu broju 0. Sliˇno, vrijednosti niza (an ) zadanog c n−1 formulom an = n se pribliˇavaju po volji blizu broju 1. S druge strane, vriz jednosti nizova (an ), (bn ) i (cn ) zadanih formulama an = (−1)n , bn = (−1)n n i cn = n2 , ne pribliˇavaju se za velike vrijednosti indeksa n niti jednom fiksnom z realnom broju. Dakle se ti nizovi kvalitativno drugaˇije ponaˇaju. c s

c Definicija 4.4 Realni broj L je graniˇna vrijednost ili limes niza (an ) ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). To piˇemo an −→ L ili L = lim an . s
n−→∞

4.1. NIZOVI REALNIH BROJEVA

129

Uvjet |an − L| < ε iz Definicije 4.4 ustvari znaˇi −ε < an − L < ε odnosno c L − ε < an < ε + L. Dakle, Definicija 4.4 ustvari govori da je realni broj L limes niza (an ) ako izvan proizvoljno malog intervala oko limesa ostaje samo konaˇno c mnogo ˇlanova niza. c Definicija 4.5 Niz (an ) je konvergentan ako postoji L ∈ R za koji je L = lim an .
n−→∞

Inaˇe kaˇemo da je (an ) divergentan. c z Napomena 4.1 Ako je niz (an ) konvergentan onda je njegov limes jedinstven.
Dokaz: Pretpostavimo suprotno, tj. da niz (an ) ima bar dva limesa L i L . Uzmimo sada da je ε jednak |L − L |, pa kako su L i L limesi niza (an ) za ε = |L − L | postoje n1 , n2 ∈ N takvi ε ε da za sve n > n1 i n > n2 vrijedi |an − L| < 2 i |an − L | < 2 . Dakle za n > n1 i n > n2 imamo ε = |L − L | = |L − an + an − L | ≤ |L − an | + |an − L | < ε. Dobili smo da je ε < ε, ˇto ne moˇe biti. Dakle pretpostavka da postoje bar dva limesa je s z pogreˇna. ♣ s

Primjer 4.5 Pogledajmo sljede´e primjere: c
1 1. Neka je niz (an ) dan formulom an = n . Tada je

1 = 0. n−→∞ n lim

Zaista, uzmimo ε > 0 proizvoljan. Pitanje je: moˇemo li na´i n0 ∈ N takav z c 1 da je n − 0 < ε, za svaki n > n0 ? Oˇito je dovoljno uzeti n0 = 1 . c ε −100 100 Za mali ε, npr. ε = 10 , n0 = 10 , ˇto je vrlo velik, no joˇ uvijek s s konaˇan broj. c 2. Neka je niz (an ) dan formulom an = lim
n2 . n2 −1

Tada je

n2 = 1. n−→∞ n2 − 1

130

POGLAVLJE 4. NIZOVI I REDOVI Zaista, uzmimo ε > 0 proizvoljan. Traˇimo n0 ∈ N takav da je z ε, za svaki n > n0 . Izraz ε. Odatle slijedi n21 < −1 je dovoljno uzeti n0 =
n2 −1 < n2 −1 2 2 n n − 1 je uvijek pozitivan pa imamo n2 −1 − 1 < n2 −1 ε, tj. ε(n2 − 1) > 1, tj. n2 > ε+1 . Dakle za n0 ε ε+1 .♠ ε

Pogledajmo sada ponaˇanje nizova koji nisu konvergentni. s Definicija 4.6 Kaˇemo da niz (an ) teˇi u +∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an > M ). To piˇemo s
n−→∞

lim an = +∞.

Analogno, kaˇemo da niz (an ) teˇi u −∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an < −M ), i piˇemo s
n−→∞

lim an = −∞.

Primjer 4.6 Neka je niz (an ) dan formulom an = n2 . Tada je
n−→∞

lim an = +∞. √

Neka je M > 0 proizvoljan. Tada je za n0 dovoljno uzeti an > M za svaki n > n0 .♠

M , pa je

Napomena 4.2 Treba imati u vidu da +∞, −∞ ∈ R, pa su nizovi koji teˇe u / z +∞ ili −∞ ustvari divergentni. Kaˇe se da su divergentni u uˇem smislu. z z n Pogledajmo ponaˇanje niza (bn ) danog formulom bn = (−1) . U blizini broja s 1 i broja −1 ima beskonaˇno mnogo ˇlanova niza. Ipak, to nisu graniˇne vrijedc c c nosti, jer izvan proizvoljno male okoline tih brojeva ostaje beskonaˇno mnogo c n ˇlanova niza (a ne konaˇno mnogo). Dakle niz bn = (−1) ne teˇi ni u c c z beskonaˇnu ni u konaˇnu granicu. Kaˇemo da takav niz divergira u ˇirem c c z s smislu.

4.1. NIZOVI REALNIH BROJEVA

131

Definicija 4.7 Realni broj G je gomiliˇte niza (an ) ako se u proizvoljno maloj s okolini broja G nalazi beskonaˇno mnogo ˇlanova niza. c c Primjer 4.7 Niz (an ) dan formulom an = n nema gomiliˇte.♠ s c s Napomena 4.3 Graniˇna vrijednost niza (ako postoji) je i gomiliˇte tog niza. n Obrat ne vrijedi. Npr. niz (an ) zadan formulom an = (−1) ima dva gomiliˇta s −1 i 1, ali nema limesa. Iz Napomene 4.3 vidimo da niz moˇe imati viˇe gomiliˇta. Najve´e gomiliˇte niza z s s c s (an ) (ako postoji) zovemo limes superior od (an ) i oznaˇavamo ga c lim sup an , dok najmanje gomiliˇte (ako postoji) niza (an ) zovemo limes inferior od (an ) s i oznaˇavamo ga c lim inf an . Rekli smo da je realni broj G gomiliˇte niza (an ) ako se u proizvoljno maloj okolini s broja G nalazi beskonaˇno mnogo ˇlanova niza. Ako uzmemo te ˇlanove niza c c c dobivamo jedan podniz niza (an ), tj. vrijedi: Teorem 4.1 Realni broj G je gomiliˇte niza (an ) ako i samo ako postoji podniz s (bn ) niza (an ) koji konvergira u G.♣ Napomena 4.4 Ako je niz (an ) konvegentan s limesom L onda je lim sup an = lim inf an = L. Teorem 4.2 (Bolzano-Weierstrass) Svaki omeden niz ima barem jedno gomiliˇte, s tj. barem jedan konvergentan podniz.♣ Pogledajmo sada neka svojstva konvergentnih nizova: c c c 1. Promjena konaˇno mnogo ˇlanova ne utjeˇe na limes. 2. Svaki konvergentan niz je ograniˇen. c 3. Svaki podniz konvergentnog niza teˇi prema istoj graniˇnoj vrijednost kao z c i sam niz. z c 4. Limes moˇe no i ne mora biti ˇlan niza (npr. an = bn = 1, 1 je ˇlan niza). c
1 , n

0 nije ˇlan niza, c

onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. lim (can ) = c lim an . c c c Npr. lim (an bn ) = lim an lim bn . n−→∞ n−→∞ n−→∞ 4. . i ako da.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4.3 Neka je (an ) niz s pozitivnim ˇlanovima. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . proizvoljan i an ≥ 0 za svaki n ∈ N. NIZOVI I REDOVI 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). ako ne i nemogu´e. n−→∞ n−→∞ n−→∞ 2. n−→∞ n−→∞ 3.5 Neka je (an ) konvergentan niz. c Teorem 4. te c ∈ R proizvoljan. r = 0. onda je lim an an = n−→∞ .4 Neka su (an ) i (bn ) konvergentni nizovi. konvergira li.♣ an Teorem 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. c s c c c tj. prema kojoj vrijednosti. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. Ako je r ∈ R. Tada c an −→ 0 ⇔ 1 −→ ∞.1. ako je bn = 0 i n−→∞ lim bn = 0.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Tada vrijedi: 1. lim (an ± bn ) = lim an ± lim bn .132 POGLAVLJE 4.

NIZOVI REALNIH BROJEVA 133 Teorem 4. 1 |q n | Neka je sada |q| > 1. (an ) raste. on moˇe imati najviˇe jedno gomiliˇte. ε). dakle ili q −→ ∞. Tada je n 1 |q| < 1. n−→∞ Dokaz: Iz toˇke 4. Pogledajmo prvo sluˇaj |q| < 1.2 niz (an ) ima barem jedno c gomiliˇte.. U suprotnom.3 imamo |q | −→ ∞. Tj. q. vrijedi lim inf an = lim sup an ∈ R. G > G . znamo da neˇto postoji. . tj. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Teorem 4. Onda je po Napomeni 4. pa prema prethodnom niz n n −→ 0.4. q 2 . ˇto ne moˇe biti jer je G gomiliˇte.♣ Teorem 4. Logaritmiranjem se dobije n log |q| < log ε. pa je lim an = 0. izraˇunati. ako s z s s (an ) ima barem dva gomiliˇta G i G . po Teoremu 4. c c . Sada. c Napomena 4.. q.1.4. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. To je ekvivalentno s |q| < ε.6 je tipiˇni teorem egzistencije. c Dokaz: Neka je (an ) monoton i ograniˇen. q 3 . Tada po Teoremu 4. dakle divergentan.. tj.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj. c c c Prema Teoremu 4. ili u ˇirem smislu. Dakle imamo samo c c s z s jedno gomiliˇte. Za |q| < 1 je lim an = 0. niz 1.4 dovoljno je promatrati niz s a1 = 1.. ograniˇen niz je konvergentan. log |q| Dakle svi ˇlanovi niza 1. dakle divergira ili u uˇem.1. Imamo log ε n> .♣ c z s Napomena 4. . odrediti. niz (an ) s konvergentan. za svaki n ∈ N. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . Kako je (an ) monoton. jer je log |q| < 0.6 Monoton. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova.. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. q 3 . q 2 .1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . i ako npr.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. no ne c s znamo koliko je i kako to na´i.

Tada vrijedi   ∞. Tada vrijedi ∞. teˇe k nuli. ako je λ = 0. √ 3. Tada vrijedi n−→∞ lim an = 1. ako je λ > 1 lim an = n−→∞ 0. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. gdje je λ ∈ R proizvoljan. Tada vrijedi lim an = 1.134 POGLAVLJE 4.7 je najop´enitiji. λ = 1.1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. . Neka je niz (an ) dan formulom an = n λ. ako je 0 < λ < 1. Neka je niz (an ) dan formulom an = nλ . Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Neka je niz (an ) dan formulom an = |λ| . ako je λ > 0  lim an = 1. 1 n . NIZOVI I REDOVI Teorem 4. ako je λ < 0 √ 5. n 6.♣ Teorem 4. Neka je niz (an ) dan formulom an = n n. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. gdje je λ ∈ R proizvoljan. tj. ∀r ∈ N). n−→∞ n−→∞ n 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Tada n! vrijedi lim an = 0. Neka je niz (an ) dan formulom an = λn . gdje je λ > 0. proizvoljan. 2. n−→∞   0. c z 4. gdje je λ > 0 proizvoljan.

No.8 Oznaka sumu reda an .2.2..4. REDOVI REALNIH BROJEVA 135 4.. a3 . n=1 Ako niz parcijalnih suma (Sn ) divergira. Definicija 4. Ako je S = lim Sn < ∞.. Red dobiven od niza (an ) oznaˇavamo s c an . a konaˇna suma postaje red. . Za svaki konaˇan n z c veliˇina Sn je dobro definirana. ∞ an je oznaka za n=1 Primjer 4. tj. kaˇemo da i red z Napomena 4.. an je oznaka za red.1 Redovi realnih brojeva Pojam reda. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . a2 . zareze zamijenimo plusevima c dobijemo beskonaˇni red. tj. (Sn )). gdje je (Sn ) niz parcijalnih suma niza (an ). c Definicija 4. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). a1 . a oznaka an divergira.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). Dakle. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.8 Pogledajmo sljede´e primjere: c . Konvergencija reda Ako u beskonaˇnom nizu (an ). + an = k=1 ak = Sn .8 Neka je (an ) niz.2 4. n-ta parcijalna suma. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . konaˇna suma.

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

Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .♣ c Uoˇimo da iz Primjera 4.8. REDOVI REALNIH BROJEVA za svaki n ∈ N. Dakle je red Teorem 4.♣ 1 1 Napomena 4.♠ 2n n−→∞ ∞ Napomena 4. oˇito vrijedi c Sn+1 = Sn + an+1 . Primjer 4.9 ne slijedi obrat Teorema 4.2.♠ dok red 1 n divergira (Primjer 4. tj. tj. c . an .10 Iz Primjera 4. c c ako op´i ˇlan niza (an ) konvergira u nulu. onda op´enito red c c c an ne mora konvergirati.4. n−→∞ odnosno n−→∞ lim an+1 = 0.9 op´enito ne vrijedi. Nadalje.10 Red an apsolutno konvergira ako konvergira red |an |.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.8 znamo da red = divergira i da je lim n n−→∞ n 0. kaˇemo da red z an konvergira uvjetno. onda on konvergira i obiˇno. S = lim Sn = n−→∞ n=1 an .8). a red |an | ne konvergira. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. Definicija 4. n 1 (−1)n−1 n uvjetno konvergentan.8 Ako red apsolutno konvergira.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Ako red an konvergira.

Pogledajmo n-tu parcijalnu sumu. a1 q n−1 = 1−q n=1 Obrnuto. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + ... tj.. onda je oˇito an = a1 (−1)n−1 .. = a1 q n−1 . Sn = a1 + a1 q + a1 q 2 + . n−→∞ 1 − q 1−q 1 − qn .138 POGLAVLJE 4.5 imamo da je lim Sn = a1 lim a1 1 − qn = . vrijedi Sn = a1 za svaki n ∈ N. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . pa je Sn = na1 . onda je oˇito an = a1 . a to divergira za svaki a1 = 0.. zovemo geometrijski red s kvocijentom q. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. Nadalje.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . Nadalje kako je c n−→∞ lim an = 0 . c Pretpostavimo da je a1 = 0 i |q| < 1. + a1 q n . Ako je q = 1. imamo Sn − qSn = a1 (1 − q n ). q ∈ R proizvoljni. c Ako je q = −1. Pretpostavimo suprotno. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. Teorem 4. tj.. + a1 q n−1 . tj.2. Iz Teorema 4. da geometrijski red a1 q konvergira i da je |q| ≥ 1. gdje su a1 . NIZOVI I REDOVI 4.

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

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

19 Neka je an red s pozitivnim ˇlanovima.9 konvergira.3 Cauchyev kriterij Teorem 4. n2 Tada iz Primjera 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4..3. n−→∞ an lim onda red an konvergira za l < 1.3.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. ali vrijedi 1 . 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.. n Tada iz Primjera 4. onda red an ≤ λ.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.♣ Napomena 4.16 imamo da i red an0 + an0 +1 + . c 0 < λ < 1. Neka je dan red vrijedi 1 . konvergira. divergira za l > 1. 1 n+1 lim n−→∞ 1 n 2.♣ .4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.8 znamo da on konvergira. imamo da red c an konvergira. Ako postoji λ ∈ R.8 znamo da on = 1. c Primjer 4. an konvergira.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.14 1. Sada iz Napomene 4. Neka je dan red divergira. Ako postoji limes c an+1 = l.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.148 POGLAVLJE 4.♠ c s Cauchyev kriterij je jaˇi. onda red an konvergira za l < 1. divergira za l > 1.14 za red odnosno red n znamo da divergira odnosno konvergira. a iz toˇke 4.20 zovemo radijus konvergencije reda potencija a n xn . c Teorem 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. c 1 Primjer 4.20 Neka je an xn red potencija.1. Ako postoji lim sup n |an | i lim sup n |an | = 0. tj.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. Ako postoji limes c n−→∞ lim √ n an = l. (an ) niz u R i x ∈ R prozvoljan. NIZOVI I REDOVI Napomena 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.15 Analogno kao i u Primjeru 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. . a divergira za sve x ∈ R za koje je |x| > ρ.

4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. dok za x = 1 red n 1 divergira. n 2.4. c sin n. Neka je dan red potencija lim sup n 149 1 n x . Po Teoremu 4. 4. Teorem 4.).♠ n2 Teoremu 4. a divergira za |x| > 1.3.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.20 red potencija |x| < 1. Neka je dan red potencija lim sup n 1 n x .16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Po Teoremu 4. onda iz Primjera 4. tg n. n Tada je 1 = lim n−→∞ n n 1 = 1.8 imamo da konvergira i red (−1)n .9 1 znamo da red (−1)n konvergira i suma mu je ln 2.20 red potencija |x| < 1. (−1)n . konvergira za Pogledajmo sada ako je |x| = 1. Iz n2 n2 1 Teorema 4. dakle i apsolutno konvergira red (−1)n . Ako je x = 1 onda.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. iz Primjera 4. Tada imamo sljede´i kriterij (Leibnic c zov): . a divergira za |x| > ρ (ako lim sup n |an | postoji). problem se pojavljuje ako ih je beskonaˇno mnogo (npr. ali smo u Primjeru 4. konvergira za Pogledajmo sada ako je |x| = 1.3. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). n 1 n x n dakle je ρ = 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1.16 1. itd. a divergira za |x| > 1. KRITERIJI KONVERGENCIJE Primjer 4.8 znamo 1 1 da red konvergira. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. n2 1 n x n2 dakle je ρ = 1. Ako je x = −1.

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

4. KRITERIJI KONVERGENCIJE Primjer 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.17 Iz Teorema 4.♠ s .3.

.

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

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

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

c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . c Napomena 5. 5. Drugim rijeˇima. graf funkcije f sadrˇi sve toˇke ravnine (x. U nastavku ´emo se baviti ovim problec mom. y) za koje je y = c z c f (x). graf funkcije f dobijemo z c c kad sve parove oblika (x.156 POGLAVLJE 5.1.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.1: Koordinate toˇaka na grafu funkcije. f (x)). projekcija grafa na y-os je slika od f ). FUNKCIJE .2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. prikaˇemo u koordinatnom sustavu. tj. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . x ∈ D(f )} ⊂ R2 .Na kraju. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. . no izvediv. x ∈ D(f ). projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. f (x)).3 Graf funkcije Funkcije se zorno prikazuju grafovima. z Definicija 5.

3: Primjer krivulje koja nije graf funkcije. ˇto je suprotno s definicijom funkcije. Napomena 5.1. c kruˇnica u ravnini nije graf niti jedne funkcije.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. c y x0 0 x Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi.5.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. . z s Iz Napomene 5. Npr. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.

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

+∞ . dok u 0 nije ni rastu´a ni c c c padaju´a. D(f ) = R. D(f ) = R. Posebno. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. z c Primjer 5. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . tj. D(f ) = R. pa i na cijelom R. ε > 0.1. tj. tj. pa i na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. c c strogo padaju´a u svakoj toˇki iz −∞. c 2. D(f ) = R. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. Posebno. i slika su joj svi nenegativni realni brojevi. 3. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R.5. i strogo je monotona na svakom intervalu u R. Posebno. 0 . funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. i strogo je padaju´a na svakom intervalu u R. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. Analogno. i strogo je rastu´a na svakom intervalu c u R. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. . tj. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. tj. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). +∞ i strogo padaju´a na svakom intervalu u −∞. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. R(f ) = {x ∈ R : x ≥ 0}. zovemo c okolina toˇke x0 . c Dakle.♠ c Svaki interval oblika x0 − ε.1 1. c 4. 0]. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. i strogo je monotona na svakom intervalu u R. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). pa i na c cijelom R.

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

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

1] −→ R dana formulom f (x) = 1 − x2 .5: Primjer parne (lijevo) i neparne (desno) funkcije. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 1 2 3 -5 -7. Npr. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. f (x) = 0 za svaki x ∈ R.162 POGLAVLJE 5. neka c √ je funkcija f : [−1. postoji i konaˇan je broj f (−1). tj. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. tj. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .5 -1 -3 -2-2. Takav je rub c c regularna toˇka.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem.5 -10 Slika 5.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. jedan rub je konaˇan a drugi beskonaˇan). +∞ .5 5 2. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. tj. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Primjer 5.

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

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

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

4 stavimo M = max{|m|. b −→ R neprekidna u toˇki c x0 ∈ I. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. je ograniˇena ili omedena na I ako postoje realni brojevi m. za svaki x ∈ I. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Napomena 5. gdje je I ⊆ D(f ). slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. Napomena 5.4. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. Analogo se dokaˇe za x0 < 0. c .9 Iz Definicije 5.10 Ako je funkcija f : I = a. b −→ R. je ograniˇena na I ako postoji realan broj M ∈ R. iz uvjeta m ≤ f (x) ≤ M. tj. takav da je c |f (x)| ≤ M . za svaki x ∈ I.166 POGLAVLJE 5.8 Ako u Definiciji 5.8: Funkcija sign(x). FUNKCIJE y 1 0 x −1 Slika 5. gdje je I ⊆ D(f ). za svaki x ∈ I. M > 0. b −→ R.4 Realna funkcija realne varijable f : I = a. Napomena 5. Ako je x0 > 0. M ∈ R c takvi da je m ≤ f (x) ≤ M.♠ z Definicija 5. tj. funkcija je neprekidna u x0 .

onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. . realnim brojevima. tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). funkcija sign : R −→ R iz Primjera 5. tj. g(x) . definiramo njihov .5.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. pri ˇemu je x ∈ D(f ) ∩ D(g). c D(f g) = D(f ) ∩ D(g).5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. funkcija f : R −→ R dana c c formulom 1 . .produkt s (f g)(x) = f (x)g(x). OSNOVNI POJMOVI 167 Napomena 5. c Za zadane dvije funkcije f. g : R −→ R. Npr. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. c c 5.1. dok je sama vrijednost funkcije f (0) = 0). vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima.1. pri ˇemu je x ∈ D(f ) ∩ D(g). c D(f ± g) = D(f ) ∩ D(g).11 Ako funkcija ima prekid u toˇki. tj.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). tj. i z kako.kvocijent s f g (x) = f (x) . x=0 x f (x) = 0. c c S druge strane.

n = 0.5).. dakle beskonaˇni skup {xn . c c ∈ R. pa je D(f ± g) = D(f ). pri ˇemu je f proizvoljna. .12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). c Preciznije. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. . x . tj. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ).. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. Tj.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. Uoˇimo da je D(g) = R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. graf funkcije f + g je isti kao i graf funkcije f . 1. Pogledajmo funkciju f + g u ovisnosti o c ∈ R.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. 1. z c z Napomena 5. b) Ako je c > 0. skup funkcija {1. c c Neka su f. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). . g : R −→ R. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. a g dana formulom g(x) = c.12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R.3).168 POGLAVLJE 5.. a) Ako je c = 0. Npr. c) Ako je c < 0... x. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Napomena 5. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.

onda je (f g)(x) = 0 za svaki x ∈ D(f ). dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. Graf funkcije f g je sliˇan grafu funkcije f .5. . b) Ako je 0 < c < 1. tj. a) Ako je c = 0. funkcija f g ima iste nultoˇke kao i funkcija c c f . samo je usporen pad i rast c funkcije f .10: Graf funkcije 2f (x). OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. 2.9: Graf funkcije f (x) + c za c > 0.1. Pogledajmo funkciju f g u ovisnosti o c ∈ R. y 2 f(x) 0 f(x) x Slika 5. Graf funkcije f g je pravac y = 0 ili x os. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Dakle. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). vrijedi |(f g)(x)| ≤ |f (x)|.

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

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

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

Tada je oˇito c D(f ) = R(f ). z funkciju f komponirati samu sa sobom.♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . . Naime. Dakle imamo f ◦ id = id ◦ f = f. za svaku funkciju g : R −→ R. c Napomena 5. moˇemo gledati funkciju f ◦ f . U takvom sluˇaju piˇemo f 2 = f ◦ f . tj. op´enito. za tu funkciju vrijedi g ◦ f = f ◦ g = g. da je. Napomena 5. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. tj. 1 . OSNOVNI POJMOVI Primjer 5.5.6 vidimo da operacija kompozicije funkcija nije komutativna.7 Neka je dana funkcija f (x) formulom f (x) = x .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . 3x + 1 3x + 1 2x 6x = .1. g ◦ f = f ◦ g. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). za proizvoljnu funkciju f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu.♠ x+1 x+1 173 2x .16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. 1 Primjer 5.

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

5. 175 a) Ako su funkcije f i g parne. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). c) Ako je funkcija f parna a g neparna. Toˇnije. c . b) Ako su funkcije f i g neparne. g f N N P P P P g f N P Slika 5.13: Kompozicija funkcija. d) Ako je funkcija f neparna a g parna. z 3. ako je funkcija f neprekidna u x0 . a funkcija g definirana c i neprekidna u f (x0 ). ali to ´emo detaljnije razraditi kasnije.1. Parnost kompozicije u ovisnosti o parnosti komponenata. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je i kompozicija g ◦ f neprekidna u x0 . Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. OSNOVNI POJMOVI 2.

7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. .. s s Jasno je da ´e nas npr. Uspjeli smo rijeˇiti problem. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.176 POGLAVLJE 5. moˇe biti viˇe studenata koji su imali nula bodova. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. c s Pogledajmo sada obratni problem.. i joˇ 500 kn za dovoz i odvoz. Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca. 10 sati rada stroja koˇtati 2500 kn. FUNKCIJE 5.1. Dakle. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. 200x + 500 = 1300. Kaˇe se i da z c z f ne lijepi argumente.♠ z s Definicija 5. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. i obrnuto. tj. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. 12}. Ne c c moˇemo rijeˇiti problem. Primjer 5. Dakle imamo. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.8 Troˇkovi rada stroja su 200 kn/h.♠ Primjer 5.. Drugim rijeˇima. 1. a za z c neke nije. b : studenti −→ {0.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . To je za neke funkcije mogu´e. tj. . Nas zanima x(y). 2.

s c Primjer 5.6 c ekvivalentan sljede´em: za x1 . f (x1 ) = f (x2 ) povlaˇi x1 = x2 . s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. Definicija 5. 1). Injektivnost. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. 1) i (1.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.8 izraˇunali smo da je x(1300) = 4.1.10 Funkcija f (x) = xn .5.♠ Primjer 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). c c Definicija 5. za bilo koji c ∈ R. Napomena 5.11 U Primjeru 5. tj. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. . a injektivnost njegovu jedinstvenost. x2 ∈ D(f ). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. f : D(f ) → R(f ) je uvijek surjekcija. ali ne i za paran n. je injekcija za neparan n.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Napomena 5. n ∈ N.

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

5. i √ g2 : [0.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. g1 (x) = − x. no njezine restrikcije na −∞.♠ Napomena 5.+∞ su bijekcije s inverzima g1 : [0. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.10). Dakle. To je oˇito inverzna funkcija od f .♣ z c . kad govorimo o inverzima funkcija f : R −→ R.20 Ako je funkcija f : R −→ R strogo monotona. +∞ −→ [0. a strogo c c padaju´e funkcije strogo padaju´a. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Dakle vrijedi f ◦ g = g ◦ f = id. jer je c f ◦ g = g ◦ f = id. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. +∞ . 0] i [0. +∞ −→ −∞. Teorem 5. 0].1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. a ona c c je strogo rastu´a funkcija. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. Tada iz Napomene 5.1. Primjer 5. +∞ jesu. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. f | −∞.20 znamo da f c ima inverznu funkciju g. g2 (x) = x. No f ◦ g = id.0] √ i f |[0. onda je ona oˇito i bijekcija na svoju sliku. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). Dakle.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. OSNOVNI POJMOVI 179 Napomena 5. c Primijetimo da ako f nije strogo monotona nego samo monotona. pa ima i inverznu funkciju.

f −1 je neparna. FUNKCIJE Teorem 5.180 POGLAVLJE 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Primjer 5. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. ali nije bijekcija.2 ne moˇemo izre´i za parne funkcije.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Tada je njena inverzna funkcija g : [0. Dakle. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. 0] ili [0.♠ c Analogno kao u Primjeru 5. Pokuˇajmo sada.12 slijedi da tvrdnju Teorema 5. 0] odnosno . +∞ gdje je bijekcija.♣ Iz Primjera 5. jer je f (x) c rastu´a. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). praktiˇno izraˇunati. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. +∞ . +∞ −→ −∞.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. z c Napomena 5.2 Inverzna funkcija neparne funkcije je neparna. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).

6 0. Restrikcija te funkcije na interval [−1.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. Ako je n neparan. +∞ −→ [0.2 -3 -2 -1 -0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. ima inverznu funkciju.8 0. +∞ dana formulom − n x odnosno n x. +∞ je bijekcija.2. c Osim elementarnih postoje i tzv.5. 5. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. tj. ˇ Cak i za funkcije koje imaju inverze. 0.4 0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.4 1 2 Slika 5. Primjer takve funkcije je c x f (x) = xe . c . specijalne funkcije kojima se ovdje ne´emo c baviti.2 -0. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.16: Graf funkcije f (x) = xex . no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.

1 Klasifikacija i podjela realnih funkcija 1.Ostale algebarske funkcije b) Transcendentne .Trigonometrijske .Eksponencijalne . FUNKCIJE 5.2.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Polinomi . dolazimo do pojma z . za svaki x ∈ R.Ciklometrijske .Racionalne funkcije . xk = x · x · · · x . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.2.Hiperboliˇke c .Area 2. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5. mnoˇenih nekim koeficijentima. k Po definiciji stavljamo x0 = 1.Logaritamske . Elementarne a) Algebarske .

Ovdje podrazumijevamo da je an = 0. . Koeficijent an je vode´i.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5.a1 . Dakle je svaki polinom definiran na cijelom skupu R. ako su jednaki kao funkcije. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. a a0 je slobodni koeficijent.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . . .5 -3 -2 -1 -2. Realne konstante an . c 10 7. tj. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.2. . . Polinomi su konceptualno najjednostavije funkcije. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Definicija 5.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . a0 su koeficijenti polinoma Pn (x). P. + a2 x2 + a1 x + a0 .5 5 2. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.11 Dva polinoma P i Q su jednaka. Definicija 5.

FUNKCIJE n Teorem 5. 1.: n m Teorem 5.14. Broj c k zove se red ili kratnost nultoˇke x0 .♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . c c c s naravno.184 POGLAVLJE 5. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.02 3 2 0... tj.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).. c Primjer 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.5 3 Slika 5.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .5 2 2.02 4 0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.01 -0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . . n.. c c .01 1.11. za sve i = 0. Apscisa nultoˇke je nuliˇte. a ordinata je.. 0. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. = an = 0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.

c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. po Teoremu c 6. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. odnosno strogo padaju´a.5. a padaju´a ako je a ≤ 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Za a = 0 imamo konstantnu funkciju p(x) = b.2. onda iz Teorema 6.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Otvor joj je okrenut prema gore ako je a > 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. kaˇemo da je linearna funkcija strogo rastu´a. Ako su ove nejednakosti c c stroge. Ako je k paran. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Tjeme . tj. dok za x > x0 vrijedi (x − x0 )k > 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.8). Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .22 U nultoˇkama neparnog reda polinom mijenja predznak. Ako je k neparan. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. je polinom drugog stupnja ili kvadratna funkcija. a = 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. dok c u nultoˇkama parnog reda nema promjene predznaka. onda iz Teorema 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. raste na cijelom R. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). za x ≥ 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.19: Graf linearne funkcije f (x) = x + 75. a prema dolje ako je a < 0.ako raste u s c nekoj toˇki. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .

Teorem 5. FUNKCIJE 1 2 Slika 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. inaˇe velike negativne vrijednosti). dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).♣ c Iz Teorema 5. npr. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. −D/4a). inaˇe velike pozitivne).186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.♣ c c .8) graf polinoma mora negdje sje´i x os. 2a i realne su ako je D ≥ 0.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. tj. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.2 = √ −b± D . Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. parabole ima koordinate (−b/2a. c Napomena 5.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. Zbog neprekidnosti c polinoma na R (Teorem 6. Nultoˇke kvadratne funkcije dane su formulom c x1.

c vrijedi D(Pn ) = R. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . c graf joj je centralno simetriˇan s obzirom na ishodiˇte.♠ Dakle. tj.16 Pogledajmo funkciju (polinom) Pn (x) = xn . iz Primjera 5. tj. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5.5. n − 1.. +∞ . 0). Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. kao funkcija an xn . Strogo pada na −∞. 1. 3.. . P1 (x) strogo raste na R. tj. Ako je n = 1. Ako je n neparan broj. c neparna je i ima nultoˇku u (0. dakle je bijekcija. 0). c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. onda je oˇito funkcija Pn (x) = xn neparna. onda je P1 (x) = x linearna funkcija.♠ c . c 2. graf c joj je zrcalno simetriˇan s obzirom na y os. tj.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Pn (x) strogo raste na R. Oˇito je D(P1 ) = R(P1 ) = R. strogo raste na [0. Nadalje.. R(Pn ) = [0. i = 1. dakle nije injekcija. 0]. dakle je bijekcija i ima nultoˇku u (0. Primjer 5. onda je oˇito funkcija Pn (x) = xn parna. Ako je n paran broj. pravac y = x. +∞ i ima nultoˇku u (0.2. 0). c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0.

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

da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. Dakle. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. c c . 3.) Dakle. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. s c D(f ) = {x ∈ R. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Definicija 5.5. tj. takve su definirane na cijelom R. (Smatramo da je racionalna funkcija ve´ skra´ena. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Red pola je red odgovaraju´e nultoˇke nazivnika. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. je racionalna funkcija. Qm (x) = 0}.17 Pogledajmo sljede´e primjere: c 1. 6. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. nije racionalna funkcija.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . nultoˇkama nazivnika. Funkcija hR dana formulom h(x) = 4. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. c Primjer 5. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Dakle. Naravno. U polu racionalna funkcija c nije definirana. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Funkcija j dana formulom j(x) = x−13 je polinom.2. 5.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. Funkcija f dana formulom f (x) = 2. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. tj. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0.

2. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. z c Dokaz: Red pola je red nultoˇke nazivnika.5 0. kad c argument ide u +∞ i −∞.5 -25 -50 -75 -100 0.5 1 x 1 Slika 5.22.26 Ako je pol parnog reda.26). Dakle. FUNKCIJE 100 75 50 25 -1 -0. (lijevo) i pola Napomena 5. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. dok za polove neparnog z c reda. kao i u toˇkama u c kojima se nazivnik poniˇtava. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . tj. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Osim vertikalnih. i to na vanjskim rubovima prirodnog podruˇja definicije.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).graf racionalne funkcije moˇe imati asimptote: z 1.5 1 80 60 40 20 -1 -0.190 POGLAVLJE 5. bi x i=0 i−m bi x i=0 i xm . Sada tvrdnja izravno slijedi iz Napomene c 5.

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

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

√ x2 + 1 i njenih asimptota z Napomena 5. f (x)) = 0.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.5. dakle je svaka racionalna c √ Primjer 5.18.2.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.19 1. f (x)) = 0. c Neka je sada f (x) = funkcija i algebarska. Dokaz: Neka je dan proizvoljni polinom Pn (x). dakle je svaki polinom algebarska funkcija. Tada je oˇito P (x. y) = Pn (x) − y.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. f (x)) = 0. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. Definirajmo polinom u dvije varijable s P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. jer u suprotnom ne bi bila funkcija.2. Napomena 5. 5. Pn (x)) = 0. Definicija 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) takav da vrijedi P (x. Tada je oˇito P (x. c . y) = Qm (x)y −Pn (x). Definirajmo polinom u dvije varijable s P (x. y) = x − y n oˇito je P (x.

13). c c √ Nadalje. Dakle. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.1. je D(f ) = R(f ) = R (Primjer 5. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . √ Primjer 5. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. tj. ima vertikalnu asimptotu x = 1. f (x)) = 0. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Dakle. dakle nema vertikalnu asimptotu. +∞ i R(f ) = 0. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. pravac y = 0 je horizontalna asimptota funkcije f . Dakle. +∞ . FUNKCIJE 1 2.194 POGLAVLJE 5. z 1 4. c 1 3.13). je D(f ) = 1. z tj. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. je D(f ) = R(f ) = [0. Neka je dana algebarska funkcija f formulom f (x) = x. dakle nema niti vertikalnu niti horizontalnu asimptotu. +∞ (Primjer 5. u 1 (toˇka 5.13). y) = xy n − 1 oˇito je P (x.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. f strogo raste na R i neomedena je. Funkcija f je inverzna funkcija funkcije g(x) = x3 . +∞ .4).28. tj. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. dok kosu asimptotu ne moˇe imati zbog Napomene 5. c c tj. z √ 2. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13). 0 je regularna toˇka (toˇka 5.4). Nadalje. Neka je dana algebarska funkcija f formulom f (x) = 3 x.1. Kada se argument sve viˇe pribliˇava c s z broju 1. Nadalje.20 1.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

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

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

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

vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan.5 1 0. Dakle je z D(sin) = D(cos) = R. plime i oseke. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. c 2 1. vidimo da je −1 ≤ cos t ≤ 1. s 2 1 u nuli i 0 u π . je period funkcija sin i cos.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).32 Lako je vidjeti da je kosinus parna funkcija.5 -0. π ]. npr. tj. itd. 1].2. k ∈ Z. Medutim.5 -2 5 10 -10 -5 2 1. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. imaju amplitudu razliˇitu od 1. period razliˇit od 2π i ne s c c . To znaˇi R(sin) = R(cos) = [−1. c amplitude i faze. tj. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. za opis osz c cilacija. Napomena 5. Nadalje. zbog periodiˇnosti. za svaki t ∈ R. Svaki 2kπ.5 -2 5 10 Slika 5.5. krvnoga tlaka. −1 ≤ sin t ≤ 1.5 1 0. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.5 -1 -1. Kaˇemo da im je faza nula. Nadalje. Najmanji pozitivni period je 2π i zovemo ga temeljni period. a kosinusa obrnuto.5 -1 -1. temperatura kroz godinu. Nadalje. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5 -10 -5 -0. tj. dok je sinus neparna. napona. π ]. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. 1].

z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1. tj. π ] x 2 2 i Cos x = cos |[0 . 2 ] udaljenost toˇaka (1. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. U tim toˇkama tangens ima vertikalnu asimptotu. 2 ]. 2 ˇto se vidi i s trigonometrijske kruˇnice. na svoju sliku.206 POGLAVLJE 5.33 Zbog periodiˇnosti. funkcije sinus i kosinus nisu injekcije. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . 0) (joˇ ga zovemo tangensna os). onda je interc s π pretacija vrijednosti tg t za t ∈ [0. tj. π]. 1]. FUNKCIJE nul fazu. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). imamo π D(tg) = R \ {(2k + 1) . a kosinus strogo padaju´a na [0. Jasno je kada se t pribliˇava toˇkama s z z c π z oblika (2k + 1) 2 tada vrijednost tangensa teˇi s jedne strane u +∞ a s druge u −∞. 0) i P na tangensnoj c osi. k ∈ Z}. dakle c niti bijekcije.π] x su bijekcije na [−1. Sliˇno kao i sinus i kosinus. formulom A sin(Bx − x0 ). i funkciju z c π tangens proˇirujemo izvan intervala [0. pomak funkcije na x osi je x0 . Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. . Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. Dakle. 2 ]. c c Sin x = sin |[− π . Napomena 5. Amplituda ove funkcije je A (jer je amplituda sinusa 1). c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija.

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

FUNKCIJE za svaki t ∈ R \ {kπ. π]. njihove restrikcije Tg x = tg| − π . 2 . a c c s nema rjeˇenja za c ∈ [−1.2.34 Zbog periodiˇnosti. Npr. Napomena 5. dakle nisu bijekcije. tangens na − 2 . π .π x su bijekcije s tih intervala na R. π ]. a kotangens strogo padaju´a na 0. c dakle niti bijekcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. 2 i kotangens na 0. na svoju sliku. Dakle.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. c c Dakle. restringirajmo sinus na [− π . Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. 5. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Tada prema Napomeni 5. 1].8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. a isto vrijedi s / i za ostale trigonometrijske funkcije.208 POGLAVLJE 5. π . kosinus na 2 2 π π [0.33 . ni tangens ni kotangens nisu injekcije. k ∈ Z}. π x 2 2 i Ctg x = ctg| 0. Dakle sinus nema inverznu funkciju. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije.

Nadalje. π π R(arcsin) = [− .π] i ctg| 0. 2 2 .34 znamo da su funkcije sin |[− π . π]. 2 ] jednadˇbe sin t = s z s z x. Dakle. rjeˇenje jednadˇbe postoji i jedinstveno je.2.5 0.5 1 0. π ] i tg| − π . PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.5. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. Dakle. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . 1]. ].33 slijedi da je arcsin strogo rastu´a.π strogo padaju´e. ]. π jednadˇbe tg t = x . s z 2 2 s z Kako je tg| − π . oˇito je c c D(arcsin) = D(arccos) = [−1. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. π]. koje zovemo arkus funkcije. 1] −→ [− .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .5 1 0. 1]. π ] . π strogo rastu´e.5 -0. 1. Kako je sin |[− π . a arccos c strogo padaju´a na [−1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.π] . inverznu funkciji cos |[0.5 0.5 2 1. 2 2 koja je inverzna funkciji sin |[− π . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . rjeˇenje jednadˇbe postoji i jedinstveno je.5 1 Slika 5. 2 2 R(arccos) = [0.5 1 -1 -1.5 3 2.1 i Napomene 5.5 -1 -0. a c 2 2 2 2 cos |[0. z π π Za x ∈ [−1. dakle su i bijekcije. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. π bijekcija. 1] −→ [0. .5 -1 -0. π ] bijekcija. Iz Teorema 5.

funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. inverznu funkciji ctg| 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Npr. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. R(arctg) = − . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. pri traˇenju rjeˇenja t jednadˇbe. 2 odnosno ctg| 0. π .1 i Napomene 5.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. Dakle. z s z sin x = t. Nadalje. npr.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). FUNKCIJE arcctg : R −→ 0. oˇito je c c π π D(arctg) = D(arcctg) = R. π ].210 koja je inverzna funkciji tg| − π . π . 1].5 3 2. Napomena 5. .5 2 1.5 -2 -0.5 -4 -2 2 4 Slika 5.π .5 1 0. -4 2 1. π .5 -1 -1. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. Iz Teorema 5. c . R(arcctg) = 0. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.5 1 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 -2 2 4 4 3.

neograniˇena c je pa je R(sh) = R i nema asimptote. neograniˇena je. Primjerice. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Strogo raste na R. 0] i c strogo raste na [0. strogo raste na R. Zbog neparnosti c c od sh i parnosti od ch. +∞ i nema asimptote. za svaki x ∈ R. strogo pada na −∞. +∞ . Stoviˇe. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. y = −1 i y = 1. tanges hiperc c boliˇki i kotanges hiperboliˇki. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Dakle th ima dvije horizonzalne s z asimptote. Iz formule lagano ˇ slijedi da je |th x | < 1 . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. PREGLED ELEMENTARNIH FUNKCIJA 211 5. 2 sh x e x − e −x th x = = x .2. th je neparna. 1 . 2. Napomena 5. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Lako se vidi da je neparna. Nadalje. za svaki x ∈ R. . parna je. dakle nije injekcija. Dakle je R(ch) = [1. Lagano se vidi da je ch x > 0 . 2 e x − e −x sh x = . ch x e + e −x 1 . Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. vrijedi ch x = ch2 x − sh2 x = 1 .5. iako se definiraju u terc minima eksponencijalne funkcije. za svaki x ∈ R. i R(th) = −1. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. sinus hiperboliˇki.2. 3.

z y = −1 i y = 1. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. Kako th strogo raste na R. zbog parnosti. za svaki x ∈ R. 4. Nadalje. preciznije areakosc inus hiperboliˇki ili Arch.5 -1 -1. 1]. Funkcije inverzne hiperboliˇkima zovu se area funkcije. 1. areasinus hiperboliˇki ili Arsh. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. ch postaje bijekcija na svoju sliku. Zbog neparnosti od th i cth je neparna. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. restringiramo na −∞. za svaki x ∈ R\{0}.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. cth strogo pada na R \ {0}. imamo da je |cth x | > 1 .5 -4 -2 -0. imamo: . +∞ . Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. i R(cth) = R \ [−1. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. tj. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu. 0] ili [0. c osim funkcije ch. kako je |th x | < 1 . to mora i cth x . Dakle cth ima i dvije horizontalne asimptote. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne.5 1 0.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno).36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). Ako ch.

5 3 Slika 5. 1 . a x = 0 vertikalna asimptota od cth. Kako su y = −1 i y = 1 horizontalne asimptote od th.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. onda je D(Arch) = [1. vertikalne asimptote od Arth. tj.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. iz Teorema 5. +∞ . R(Arth) = R i iz Teorema 5. Oˇito je D(Arcth) = R \ [−1.5 2 2.5 1 1.5 2 1. +∞). pravci x = −1 i x = 1. Iz Teorema 5. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). Oˇito je D(Arsh) = R(Arsh) = R. pravci x = −1 i x = 1. Kako su y = −1. . +∞ i R(Arch) = [0.5 0. R(Arth) = R \ {0} i iz Teorema 5.5 1 0. Oˇito je D(Arth) = −1. 1].2. c 2. PREGLED ELEMENTARNIH FUNKCIJA 213 1. Ako smo ch restringirali na [0.1 zakljuˇujemo da Arch strogo raste.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). onda su rubovi −1 i 1. a pravac y = 0 horizontalna asimptota. c 3. 3 2 1 -1 -0. 4. tj. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. onda su rubovi −1 i 1.1 slijedi da Arth strogo raste. y = 1 horizontalne.5 -1 -2 -3 0.1 c slijedi da Arcth strogo pada.5. vertikalne asimptote od Arth.

.

Naime. Dakle imamo c(m) = 2. onda je 215 . moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05h = 0.05(m − 20) kn. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05(m − 20).1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. 0 ≤ m ≤ 20 3.05(m2 − m1 ).Poglavlje 6 Uvod u diferencijalni raˇun c 6.8. m > 20.1. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05∆m).8 kn. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.5 + 0. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.05h (∆c = ˇ 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.5 + 0. m = 20 i m = 30.1 6. Graf te funkcije prikazan je na slici 6. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. (Masa m je izraˇena u gramima. a visina poˇtarine c u z s kunama).

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

♠ Primjer 6.1.2 Svojstva neprekidnih funkcija Teorem 6. ali je ona c neprekidna s lijeva u toj toˇki. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1.2 Iz Definicije 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . s c c Napomena 6. S druge strane. ako je m lijevo od 20 i dovoljno blizu 20.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Primjer 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).2 nam daje ideju za sljede´u definiciju: c Definicija 6. postoji δ > 0 za koji vrijedi Definicija 6. 6. ipak m(c) nije blizu m(20). nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). No. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). ako je m > 20 i m blizu 20.ˇ 6.1 ima prekid u toˇki c = 20.1 Neka su funkcije f. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.2 Funkcija c(m) iz Primjera 6. Analogno. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 . Tada su u toˇki x0 neprekidne i funkije: c . Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. koji c je manji od nekog fiksnog strogo pozitivnog broja.1.

♣ Teorem 6.♠ . i funkcija g neprekidna u f (x0 ). f . Uzmimo ε = f (c).♣ z c Teorem 6. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. onda je oˇito f (−1)f (1) = −1 < 0.11 znamo da je funkcija f : R −→ R dana formulom 1 . ali oˇito f nema nultoˇku na segmentu c c c [−1. onda njezin graf mora negdje sjeˇi x os. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.3 Iz Napomene 5. Dokaz: Pretpostavimo suprotno. i neka je f (a)f (b) < 0. postoji xδ ∈ (c − δ. f ima prekid u toˇki c.218 1. Tada je |f (xδ ) − f (c)| > f (c) = ε. 1] −→ R. c + δ . UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. tj. b takav da je f (x0 ) = 0. 4. f |[−1. 2. g ˇ POGLAVLJE 6. ˇto je suprotno pretpostavci. |xδ − c| < δ. 3.♣ c Teorem 6. tj. i neka je f (c) > 0 (f (c) < 0). 1] (jer je nema na cijelom R). tj. Ako pogledamo funkciju f restringiranu na segment [−1.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. c + δ).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. x = 0 svugdje neprekidna osim u nuli. Ako je funkcija f neprekidna u x0 . x=0 x f (x) = 1.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. c + δ) takav da je f (xδ ) ≤ 0. f · g. tj. b]. f + g. g : R −→ R takve da je definirano (g ◦ f )(x0 ). za koji je f (xδ ) ≤ 0. c s Analogno se dokaˇe sluˇaj f (c) < 0. 1]. po pretpostavci.♣ Teorem 6.2 Neka su funkcije f.1] : [−1. mora imati nultoˇku. Dakle. Tada postoji x0 ∈ a. onda je funkcija g ◦ f neprekidna u x0 . Tada za svaki δ > 0. f − g. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). c c Primjer 6.

4) Teorem 6. M ∈ R takvi da je m ≤ f (x) ≤ M.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .6 ne vrijedi za otvorene intervale. Nadalje.4 nuˇan.♣ 6. 1 .6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.1.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval.1. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. slika otvorenog intervala − π . Pitanje je sad. c 1 x je Teorem 6. Teorem 6. π . i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . Tada je funkcija f neprekidna na intervalu I. funkcija f (x) = neprekidna na 0. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. Tvrdnja z Teorema 6. onda je ta funkcija i neprekidna. Npr. b].♣ Teorem 6. za svaki x ∈ I (Definicija 5.3 slijedi da je uvjet neprekidnosti iz Teorema 6.4 Funkcije f.ˇ 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.♣ c Tvrdnja Teorema 6.3 Neprekidnost elementarnih funkcija Primjer 6. . Npr. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. ali oˇito je neomedena. π funkcijom tg je R.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.5 ne vrijedi za otvorene intervale.

c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. z c Uzmimo proizvoljni ε > 0.7 su neprekidne.4 dokazali smo da je funkcija f (x) = x neprekidna na R. π monotone c 2 2 bijekcije na R...7. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. 1. c Dokaz: U Primjeru 6. Dokaz: Neprekidnost eksponencijalnih. z 2.. n. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. π odnosno 0.. arkus. na intervale − π . Budu´i da je |f (x) − f (x0 )| = |x − x0 |. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. dakle iz Teorema 6...1.4 i Teorema 6. Na kraju. logaritamske. Budu´i da je f (x) − f (x0 ) = c − c = 0. 1.9 Eksponencijalne. . Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. i = 0.♣ Napomena 6.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. UVOD U DIFERENCIJALNI RACUN 1. slijedi da c moˇemo uzeti δ = ε. n. tj. c c neprekidne na R.1 sada slijedi da je na R neprekidna i funkcija x2 .3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. takoder iz Teorema 6.7 c i periodiˇnosti. n.1.♠ z Iz Primjera 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.220 ˇ POGLAVLJE 6. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. Teorem 6. 1. trigonometrijske. jer su njihove restrikcije npr. i = 0.1 direktno imamo: n Teorem 6.. zakljuˇujemo c da je i suma od ai xi . jer je svaka racionalna funkcija kvocijent dvaju polinoma. polinom Pn (x) neprekidan na R. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.. logaritamskih.1.7 imamo da su neprekidne i funkcije arctg i arcctg. na R su neprekidne i funkcije ai xi . takoder iz Teorema 7. .. . slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. Na isti naˇin se zakljuˇi da su xi . Nadalje. hiperboliˇkih (osim kosinusa hiperbolnog). i = 0. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).4) i Teorema 6. . Iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. z c Uzmimo proizvoljni ε > 0.

onda 2x−π varira po intervalu − π . Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. ♣ . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. π i 0. 1] i [1. 3π .ˇ 6. 0. 3π . 1].7 imamo da su neprekidne funkcije arcsin x. 2 2 imamo 2x + π 2x − π cos . −1. tj. Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. π 4 2 4 4 kada x varira po intervalu 0. +∞ . dakle su po Teoremu 6. 1 i 1.1.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. c Analogno se dokazuju i druge jednostrane neprekidnosti. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. ali u Napomeni 6. +∞ . π . Sada imamo da je sin x neprekidna na 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). Dakle su funkcije arccos x. [−1. arcsin x i Arch x redom neprekidne na [−1. Dakle je arccos x neprekidna s lijeva u toˇki 1. k ∈ Z. k ∈ Z. posebno je 2 2 neprekidna u π . Zbog neparnosti imamo da je sin x neprekidna i u − π . te da je Arch x neprekidna s desna u 1. π . Dokaˇimo da je arccos x neprekidna s lijeva u 1. 1 .7 i neprekidne. Isto tako 2x+π varira po intervalu π . π su monotone bijekcije na 2 2 −1. 2 Zbog stroge monotonosti funkcija sin x. cos x i ch x redom na intervalima − π . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. ˇto je ekvivalentno s s arccos x < ε. +∞ iz Teorema 6. Oˇito je δ > 0. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 1 . arccos x i Arch x redom na intervalima −1. moˇemo dobiti i δ = 0. 3π . Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. x−a x+a cos . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. 3π . Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. π 2 2 i 0. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε).

vrijednost funkcije postaje manja od po volji malog negativnog realnog broja.222 ˇ POGLAVLJE 6. dodemo li s x dovoljno blizu c toˇki 1. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. tj. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. c c 2. tj. vidimo da su one c c c blizu vrijednosti −1. 4. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. funkcija nije definirana u toˇki 0. ali negativnu.5 nije definirana u toˇki x = 1. zakljuˇujemo.1. c 3. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = arctg x . UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane.4 Graniˇna vrijednost (limes) funkcije c 1. vrijednosti funkcije c su malo manje od −1. dovoljno blizu c nule. funkcija nije definirana u toˇki 0. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. ali pozitivnu. za x malo manji od 1. S druge strane. ako uzmemo toˇku c x dovoljno malu. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Raˇunaju´i te vrijednosti. Ako uzmemo s c toˇku x dovoljno malu. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednosti c funkcije su malo ve´e od −1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. 6. za vrijednosti od x koje su malo ve´e od 1. tj. Dakle.

moramo se ograniˇiti samo na pozz s c itivne vrijednosti.1.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c.♠ Situacije iz Primjera 6. onda piˇemo c s L = lim f (x). |f (x) − M | < ε). Neka je dana funkcija f : R −→ R formulom f (x) = xx . Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. osim. Dakle. x−→c Ako limes postoji on je i jedinstven: Teorem 6.5). Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.ˇ 6. osim. 6. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. pravac y = π je horizontalna asimptota.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. Ako funkcija ima limes L u toˇki c.2. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. 2 2 5.2. a ne znamo izraˇunati ni njenu vrijednost za x = 0. . Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). Definicija 6.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. tj. ako c ˇelimo promatrati ponaˇanje oko nule. moˇda u samoj toˇki c. moˇda u samoj toˇki c.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .

M ) je okolina od −∞. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ.6 i Napomz ena 4. Uzmimo sada ε = 1 |M − L|. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.2) jako sliˇna definiciji neprekidnosti (Definicija 6. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. Dakle je M = L. pri ˇemu. Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε). Pri tome uzimamo da je svaki otvoreni interval oblika (M. . z c c Uz malu zloporabu notacije moˇemo Definiciju 6. −∞ ∈ R. 2 po pretpostavci. ˇto ne moˇe biti. postoji δ > 0. i svaki interval oblika (−∞.224 Tada je L = M .♣ s z c c Napomena 6. ali postoji bitna razlika. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). ˇ POGLAVLJE 6. tj. Tada za taj ε. +∞. Analogno.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. Ali. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). da je M = L. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. |f (x) − M | < ε).4 Uoˇimo da je definicija limesa (Definicija 6. naravno ne zaboravljamo.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. Dakle imamo |M − L| < |M − L|. +∞) okolina od +∞.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi).

tj. osim. x−→+∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (f (x) < −M ). Dakle. x−→−∞ lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) > M ). Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da z x−→+∞ za sve (x > N ) =⇒ (f (x) > M ). piˇemo s x−→c+ lim f (x). c z u samoj toˇki c kaˇemo da ima limes L ∈ R s desna u toˇki c i piˇemo c z c s L = lim f (x) x−→c+ ako za svaki ε > 0 postoji δ > 0 takav da (x > c. Za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. osim.3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno. Definiciju 6. |x − c| < δ) =⇒ (|f (x) − L| < ε). x−→−∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) < −M ). |x − c| < δ) =⇒ (|f (x) − L| < ε). s desna. ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane. moˇda u c z samoj toˇki c kaˇemo da ima limes L ∈ R s lijeva u toˇki c i piˇemo c z c s L = lim f (x) x−→c− ako za svaki ε > 0 postoji δ > 0 takav da (x < c.ˇ 6.1. lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. . moˇda. recimo odozgo.

x−→+∞ 6. x2 − 3x + 2 = −1. onda iz Definicije 6. lim arctg x = . x −→0 − lim sign x = −1 . Dokaz: Ako funkcija f ima limes L u toˇki c.♠ 6. x > 0 ima prekid u nuli. Obrnuto.6 Opiˇimo sada pomo´u limesa Primjer 6. x < 0  sign x = 0. ♣ c Primjer 6. x−→1 x−1 1 = +∞. ne postoji lim sin x. ako postoje limesi s lijeva i s desna i oni su jednaki L. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. UVOD U DIFERENCIJALNI RACUN Teorem 6.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L.1.226 ˇ POGLAVLJE 6. lim 2.5 znamo da funkcija   −1. x−→+∞ 2 5. x = 0   1. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→0 x π 4.5 Neprekidnost i limes Primjer 6. lim 3. onda je jasno iz Definicije 6. Dakle je x−→0+ lim sign x = sign 0 . s c 1. moˇda u samoj toˇki c. tj.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x−→0+ lim xx = 1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . c osim.7 Iz Primjera 5.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x−→0 x2 lim 1 1 = +∞ i lim = −∞.5.

♠ Primjer 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).ˇ 6. oˇito vrijedi c f (2) = lim f (x). NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .4).14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).12 imamo: Teorem 6.4) i da limes mora postojati.♠ x−→2 Primjeri 6.13 Neka je funkcija g : R −→ R neprekidna. c c Sada direktno iz Napomene 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. x−→c Napomena 6. Nadalje.♣ Teorem 6.1 i Primjer 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. Zaista imamo: c c Teorem 6. x−→c+ Dokaz: Izravno iz Definicije 6.2 i definicije jednostranog limesa.3. konaˇan je broj.1. Dokaz: Izravno iz Definicije 6.7 i 6.5 U Teoremu 6.♣ . i neka postoji limes funkcije f u toˇki c. tj.♣ x−→c Analogno kao Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.1 i 6. imamo x−→c lim f (x) = f (c) = f ( lim x).12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. onda limes i funkcija z c ”komutiraju” tj.

jer operacije nisu definirane i operandi nisu realni brojevi. 9. a > 0 −∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. To se posebno odnosi na veliˇine +∞ i −∞. 4. a < 0.14. (+∞) · (+∞) = +∞. −∞ ± a = −∞. 3. a ∈ R proizvoljan. x−→c+ Dokaz: Izravno iz Teorema 6.228 ˇ POGLAVLJE 6.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). (+∞) · (−∞) = −∞. 8. (−∞) · (−∞) = +∞. +∞ ± a = +∞. (−∞) · a = 10. 7. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a > 0 +∞.1. a ∈ R proizvoljan. a +∞ = 0. a ∈ R proizvoljan.12 i 6.♣ 6. −∞. 5. Kako one nisu realni brojevi. 6. a < 0. UVOD U DIFERENCIJALNI RACUN Teorem 6. 6. (+∞) · a = +∞.11. (−∞) + (−∞) = −∞. . (+∞) + (+∞) = +∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. 2.

onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 0 ∞ . mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. −∞ 2. 1+∞ . +∞ · 0. −∞ · 0.1. +∞ +∞ . (+∞)0 . +∞ −∞ . 4. Dakle. 0 . s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. (+∞) + (−∞). ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. ∞ ∞ − ∞. ”Sedam veliˇanstvenih”: c 0 . 1∞ .6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. 0∞ . 00 . s s c c Iz Primjera 6. 3. a −∞ 229 = 0. ∞ · 0.ˇ 6. pa je 0 neodreden oblik. +∞ . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. onda s je to i limes od f (x) kad x −→ c. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. 0 2. a ∈ R proizvoljan. 5. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. 1−∞ . 0 0 . (−∞)0 . −∞ −∞ . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. ∞0 . Ako se dobije jedan od neodredenih oblika. Osim s beskonaˇnim veliˇinama.

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

i s B = (1. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). jasno je da je dovoljno x x promatrati x ∈ (0. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). tj. ortogonalnu projekcija toˇke A na x os. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). koji se nalazi unutar trokuta OBB . .4). c c eksponencijalnih i logaritamskih funkcija. Iz toˇke 5. za a > 1. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). π ).1. Oznaˇimo s A = z c c (cos x. koriste´i definicije limesa i jednostranih limesa (toˇka 6. Kada s pravca uzmemo x ∈ (0. neparnost i sliˇno. Kako gledamo c limes funkcije sin x kada x −→ 0.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.ˇ 6.9. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. c Osim ovih limesa.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.16 lim i 1 lim (1 + )x . parnost. Dakle.2. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. a ∈ R. To znaˇi da je c x−→+∞ lim loga x = +∞. tg x ). njihov rast. svojstva potencija. x−→+∞ x sin x = 1. +∞) i da joj c c je slika cijeli R. sin x). i zbog parnosti od sin x . 0). 0) u ravnini. pad. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.

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

10 ex − 1 = 1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. a ∈ R. c Zbog toga je ex − 1 t lim = lim = 1.ˇ 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. ♣ Primjer 6.1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 x Iz Teorema 6.12 i Teorema 6. x−→0 x lim a > 0.2.♠ x−→0 t−→0 x ln a ln(t+1) ln a . i da je x = ln(t + 1). Dakle . x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a. Dakle imamo ax − 1 ex ln a − 1 = lim . x Oznaˇimo sada ex − 1 sa t. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. x−→0 x lim i ax − 1 = ln a. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Tada je jasno da t −→ 0 kada x −→ 0.

funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). ♣ x−→c Teoremi 6.2 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0.17. g : R −→ R.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. x−→c c 3. c 6. 6. 6.2.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. .13.234 ˇ POGLAVLJE 6. 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). x−→c x−→c 4.18 i temeljni limesi iz toˇke 6.1.7 su nam dovoljni za c raˇunanje gotovo svih limesa.16. x−→c x−→c 2. Tada 1.

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

3: Ovisnost visine projektila o vremenu. c ∆y = tg α. y(t0 +∆t)) zatvara s osi x. y(t0 )) i c ∆t (t0 +∆t. a to je jednako koeficijent smjera te sekante. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = .001) − y(1) . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 .12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . prosjeˇna brzina projektila u vremenskom intervalu [t0 .236 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. 1. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . prosjeˇna brzina odgovara koeficijentu smjera sekante. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . Op´enito. ∆t . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. Dakle.

Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c Primjer 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) . tj.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c mjeri brzinu promjene veliˇine c Definicija 6. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. f : I −→ R.2.6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .2. x0 ∈ I.♠ 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .4: Sekante i tangenta.

. l ∈ R. UVOD U DIFERENCIJALNI RACUN Primjer 6. Derivacija funkcije f (x) = kx + l je f (x) = k. c c koji se oznaˇava sa f (x0 ). Dakle je c f (x) = lim f (x + ∆x) − f (x) .14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. za proizvoljne k.2.15 Pogledajmo sljede´e primjere: c 1. Dakle brzina promjene linearne funkcije je konstanta. ∆x−→0 ∆x Napomena 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. c z Primjer 6.♠ ∆x−→0 ∆x 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k.238 ˇ POGLAVLJE 6. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f u toˇki x0 je broj. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x).6 Uoˇimo bitnu razliku.

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

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

lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . Funkcija f : R −→ R dana formulom f (x) = x0 = 0. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . 3.7 imamo da je c lim √ 3 1 = +∞. c x0 ∈ I ⊆ D(f ). DERIVACIJA FUNKCIJE 2. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).1.2. ∆x ∆x−→0 .♠ Teorem 6. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .6. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 ∆x2 = +∞. ∆x−→0 dakle ne postoji f (0).1.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Tada je f i neprekidna u x0 . ∆x ∆x−→0 dakle ne postoji f (0).

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

DERIVACIJA FUNKCIJE 2. g 2 (x) f (x) g(x) = 1 f (x) g(x) . Izraˇunajmo prvo c 1 g(x) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. gdje je λ ∈ R proizvoljan. tj. Oˇito je D(g) = R.6. (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x).♣ . Dakle 1 g(x) = 0. za svaki x ∈ I. f (x) g(x) f (x)g(x) − f (x)g (x) .♣ g 2 (x) Napomena 6. tj. za svaki x ∈ I. derivabilna na I i vrijedi (λf ) (x) = λf (x). po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) . 3. imamo g(x) · = 0. ∆x−→0 ∆x−→0 Sada iz Teorema 6. Kako je g(x) · 1 g(x) = 1. c dakle je po Teoremu 6. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x).2.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). Tada je funkcija λf . po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .

♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . x ∈ I ⊆ D(f ). UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. f (x) ♣ . Izraˇunajmo joˇ i (f ◦ g) .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.21. g = f . ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) = 0 na I i neka postoji f −1 . f (x) Ovo se. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 .244 ˇ POGLAVLJE 6. iz Teorema 6. f (x) = sin x. c −1 tj. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. z Teorem 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . Dakle imamo f −1 (f (x)) = x. odnosno (f −1 ) (f (x)) = 1 . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Primjera 6. f (x) ∈ J ⊆ D(g). moˇe provesti samo ako je f (x) = 0. Sada primjenom Teorema 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Dakle. gdje je g(x) = x2 .15 i Primjera 6.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. c Primjer 6. naravno.

20.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.8 Studentima se preporuˇuje da provjere donje formule samostalno. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. Iz Teorema 6. Kako je (f ◦ g)(x) = x iz Teorema 6.22 i derivacijama iz donje tablice. 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . ∆x−→0 ∆x lim dakle je f (x) = ex .19 Pogledajmo sljede´e primjere: c 1 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Derivacija funkcije g(x) = √ 1 . 6.21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .21 i 6. i vrijedi (f ◦ g)(x) = x. odnosno 1 g (x) = √ .10 imamo da je f (x) = lim e∆x − 1 = 1. 2 x x je g (x) = Iz Primjera 6. DERIVACIJA FUNKCIJE Primjer 6. Osnovne derivacije dajemo u sljede´oj tablici.20. c Napomena 6. . odnosno g (x) = 2. Derivacija funkcije g(x) = ln x je g (x) = x . x 1 √ .2.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.

246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). odnosno ∆f = tg α∆x . c tj. Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . f (x0 )) biti dosta mala. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6.1: Derivacije elementarnih funkcija 6.2. Jasno je da je ∆x = tg α.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . no to je ponekad teˇko izraˇunati. f (x0 )) i osi x. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . f (x0 )) s c c ∆f apscisom x0 + ∆x.

c Teorem 6.5).♣ c .6.1. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . f (x0 )). Dakle. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . DERIVACIJA FUNKCIJE 247 ∆x.2. Tada od svih polinoma stupnja najviˇe jedan. jednadˇba tangente u c z toˇki (x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).5: Diferencijal funkcije. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.

5 1 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.248 ˇ POGLAVLJE 6. c Primjer 6. dakle je f (0) = cos 0 = 1. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.16 znamo da je f (x) = cos x. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.♠ s s c . Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. Dakle. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.23).5 2 Slika 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 -1 0. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . to su razlike ordinata na grafu i na tangenti male za istu apscisu. Iz Primjera 6.

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

b ∈ I. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. a < b. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.2. b za koju je F (x ) = 0. proizvoljne. f (a)) i (b. tj.26 kaˇe da za svaku sekantu kroz toˇke (a. b u kojoj je tangenta paralelna s tom sekantom. postoji x ∈ a. Neka je L pravac kroz toˇke (a. b−a y f(x) 0 a x0 b x Slika 6. b−a f (b) − f (a) (x − a).25. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).6.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. tj. f (b)). b−a onda Teorem 6. f (b)) z c postoji toˇka x ∈ a. f (a)) i (b. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). c . Napomena 6.♣ f (b) − f (a) .13 Primijetimo: 1.

po Teoremu 6. 2 za koji je f (x ) = 1. x za koji je f (x) − f (a) = f (x ). . Uvjet f ∈ C 1 (I) iz Teorema 6. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). z Iz Teorema 6.258 ˇ POGLAVLJE 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. f neprekidna na R. Kako je f (x) = 3. UVOD U DIFERENCIJALNI RACUN 2.12. y f(x) 0 a b x Slika 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. oˇito je c x−→1 lim f (x) = 3 = f (1). 0 x>1 oˇito f ima prekid u x = 1.26 je bitan. pa je. Ako je dana funkcija f : R −→ R formulom 3x. b−a ali ne postoji x ∈ 0. x ≤ 1 . x ≤ 1 f (x) = 3 x > 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.

ali ne znamo za koji x . imamo c pribliˇni izraz. c Usporedimo to s lokalnom linearizacijom (toˇka 6.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).5). c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. S druge strane. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.2. Teorem 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. no u nekoj toˇki sigurno je.2. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . tj.. tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. imamo toˇan izraz.. iz Teorema 6.14 Za n = 0 Teorem 6. . Koliko je ta aproksimcija dobra? Odnosno. i ne znamo ga toˇno. poznavaju´i vric c jednosti viˇih derivacija u x0 . tj. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. f (a)) i (x.26. tj.6. Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +.+ (x−x0 )n + (x−x0 )n+1 . poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. f (x)). Napomena 6.

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

Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . odnosno konvergirati nekoj z (x drugoj funkciji. sin x. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .2.15 Taylorovi redovi obiˇno sporo konvergiraju.6... (2n + 1)! ∞ cos x = n=0 (−1)n x2n . 6.28 Neka je f ∈ C 1 (I) za neki interval I. dakle nisu jako c dobri za numeriku.. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. . (2n)! Napomena 6.1). Moˇe se pokazati da su funkcije ex . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n! ∞ sin x = n=0 (−1)n x2n+1 . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .3. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. tj.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6..2.

Obratno. Iz Napomene 6. obratna tvrdnja ne mora vrijediti. 2.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). onda funkcija strogo raste (pada) na I. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Limes nenegativne funkcije mora i sam biti nenegativan. UVOD U DIFERENCIJALNI RACUN 1. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).262 ˇ POGLAVLJE 6. Dokaz: c 1. dakle z funkcija f raste na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. pa je f (x + ∆x) − f (x) ≥ 0. za svaki x ∈ I. jer se c s c medu njima nalaze potencijalni ekstremi. lim x2 = 0). ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. to je i lijeva strana takva.♠ Iz Primjera 6.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. . onda je f (x0 ) = 0. Tada. Dokaz ide na sliˇan naˇin.28 primjenom Teorema 6. ∆x Primjer 6.11 imamo da obrat ne vrijedi. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. x−→0 U Teoremu 6.26 postoji x ∈ (x. Medutim. po Teoremu 6. ∆x za svaki x ∈ I. 2. Kako je desna strana gornje jednadˇbe nenegativna.25 zakljuˇujemo da u Teoremu 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Dakle ne vrijedi f (x) > 0 na R. za svaki x ∈ I.26. Neka je f ∈ C 1 (I) rastu´a funkcija na I. pa je f (x) = lim za svaki x ∈ I. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Ovaj smjer se dokazuje analogno kao u Teoremu 6.24 smo vidjeli da. Jedan smjer bismo mogli dokazati.

2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . c Kao ˇto smo rekli.1. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). jer konveksnost i konkavnost ovise o predznaku druge derivacije.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Definicija 6. c Dakle. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Teorema 6.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . u stacionarnoj toˇki funkcija moˇe. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .28. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).4. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. onda u x0 funkcija f ima lokalni minimum. kaˇemo da je f konkavna na I. a s druge pada (raste)).5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. Teorem 6. onda u x0 funkcija f ima lokalni maksimum. Ako derivacija s c ne mijenja predznak. x2 ∈ I. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.6. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Teorema 6. 2 za sve x1 .2. Dokaz: Izravno iz toˇke 5. imati s c z lokalni ekstrem. DERIVACIJA FUNKCIJE 263 Definicija 6. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. .♣ c Konveksnost.24. ali i ne mora. x2 ∈ I. da je barem f ∈ C 2 (I)). ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .

Ako je f (x0 ) > 0. 1. c 2. 2. Dakle je f (cx ) > 0. Onda ´e i toˇka cx iz Teorema 6. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0.27 za sluˇaj c n = 1. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. funkcija f ima u x0 ∈ I lokalni minimum. Zbog neprekidnosti druge c derivacije. f (x2 )).27 biti iz te okoline.♣ Teorem 6.3). a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . funkcija f ima u x0 ∈ I lokalni maksimum.264 ˇ POGLAVLJE 6. izmedu x1 . c 1. Teorem 6. Uzmimo x proizvoljan iz te okoline.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). c c Dakle. jer c c se nalazi izmedu x0 i x. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. 2. Dokaz: 1. UVOD U DIFERENCIJALNI RACUN Definicija 6. iz Teorema 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. c . a konkavna ako je za sve x1 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 .31. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. Primijenimo li Teorem 6. f (x1 )) i (x2 . Npr. x2 ∈ I graf konveksne funkcije je ispod. za svaki x ∈ I. Dokaz ide na sliˇan naˇin. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. ali je f (0) = 0. za svaki x ∈ I. konveksnost i konkavnost su odredene predznakom druge derivacije. Ako je f (x0 ) < 0.30 Neka je f : I −→ R klase C 2 (I). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0).

x ∈ I. ∞ .32 Neka je f ∈ C 2 (I). Iz Teorema 6. Ako je g (x) = 0 za svaki x = x0 . f ima lokalni maksimum u c. Onda je c toˇka infleksije od f .32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Ako je c ∈ I toˇka infleksije od f . z s c c Teorem 6. f (c)) toˇka infleksije grafa funkcije f . c Teorem 6. neka je f na c − δ. g (x) onda je i x−→x0 lim f (x) = L. x ∈ I. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . ∞ . onda je c f (c) = 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . z Neka je lim f (x) = lim g(x) = 0. DERIVACIJA FUNKCIJE 265 Definicija 6. Tada iz Teorema 6. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.♣ Raˇunanje limesa .7. c strogo konveksna i na c. moˇda. c + δ strogo c konkavna za neki δ > 0. c + δ strogo konkavna ili je na c − δ.2.♣ Uvjet f (c) = 0 iz Teorema 6. Dokaz: Bez smanjenja op´enitosti.34 Neka su f i g derivabilne funkcije na I osim. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. pa x = 0 ne moˇe biti z toˇka infleksije. 0 i 0. Dakle je konveksna na −∞. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0.6. c + δ strogo konveksna. 0 i f (x) > 0 za x ∈ 0. Npr. c) i pada na (c.7 Neka je f : I −→ R i c ∈ I.30 imamo da funkcija f raste na (c − δ. u x0 ∈ I.L’Hospitalovo pravilo c Teorem 6. c Dokaz: Izravno iz Definicije 6. ali je f (x) > 0 za x ∈ −∞. c strogo konkavna i na c. c + δ).33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. c strogo konveksna i na c. pa je po Teoremu 6. Dakle. c c Kaˇe se joˇ da je toˇka (c.24 f (c) = 0. Neka postoji δ > 0 takav da je funkcija f na c − δ.

12). . . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). Znamo da je c tg α1 = f1 (x0 ).34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g (n+1) (x0 ) = 0. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g (n) (x0 ) = 0.♣ g (x) f g Na Teorem 6. . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Dakle. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . iz Teorema 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . analogno kao u dokazu Teorema 6. . . g(x0 ) = 0.12) i iz Teorema 6. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = .266 i ˇ POGLAVLJE 6. . f (x0 ) = 0. tg α2 = f2 (x0 ). Tada.16 Neka su funkcije f. c Napomena 6. po g (x0 ) = 0. f (n) (x0 ) = 0. .34.

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). onda je i tg α = 0 .2. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.2.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. Ako je α = 0.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . x a + x2 = f2 (x). To znaˇi da u c toˇki (x0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . . a > 0. odnosno ako i samo ako je tg α = ∞.14: Kut izmedu dviju krivulja.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .6. dakle je f1 (x0 ) = f2 (x0 ). c c pa moˇemo re´i da se diraju u toj toˇki. 1 + f1 (x0 )f2 (x0 ) Napomena 6. z c c Primjer 6. tj. Iz toˇke 2.

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

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

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

no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . pozvali smo se na rezultat koji. 1 Nadalje. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake.♠ s z c . z c Usporedimo sada ova dva pristupa. koji je elegantniji. za x = 1. U drugom pristupu. doduˇe. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. je dio matematiˇke op´e kulture.6.2. Poznato je da je aritmetiˇka sredina dviju c c c pozitivnih veliˇina uvijek ve´a ili jednaka od njihove geometrijske sredine (AG c c nejednakost). slijedi da je x + x ≥ 1. tj.

.

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

274 ˇ POGLAVLJE 7.2. ako postoji. Uvedimo prvo ime za takve funkcije.1 Neka je f neprekidna funkcija na I ⊆ R. Zanima nas. UVOD U INTEGRALNI RACUN deriviranja operator. Odatle slijedi vaˇno svojstvo primitivnih funkcija. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x).1 Neka je F primitivna funkcija funkcije f na I ⊆ R. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. jer je derivacija svake konstante jednaka nuli. da je x primitivna funkcija funkcije x. Teorem 7. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. c Primjerice. Definicija 7. a onda pogledajmo kada postoje i koja su im svojstva.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). . Stoviˇe. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. itd. linearan operator koji mu je inverzan.7 izravno slijedi da je operator deriviranja linearan. C ∈ R.20 i Napomene 6. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Iz Teorema 6.

c F (x) je primitivna funkcija funkcije f (x). jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. koji je po Teoremu 7. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). slijedi H(x) = H(x0 ) za svaki x ∈ I. f (x) je integrand. dx pokazuje po ˇemu se integrira. s To nije toˇno inverz od derivacije. dolazi od S kao suma. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .4). 275 Dakle imamo prvu tvrdnju. a to je upravo druga tvrdnja teorema.♣ 7. Piˇemo s f (x)dx = F (x) + C. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. ˇalje c s u f. H je konstantna funkcija. Interpretirajmo elemente ove formule: je znak integrala. gdje je c neka toˇka izmedu x i x0 . Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6.1. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.1.7. tj.1 beskonaˇan.2. C ∈ R je konstanta integracije.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Ostale raˇunamo koriste´i svojstva c c c .

Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Za ostale operacije nema jednostavnih pravila. = (F (x) + C) = F (x) = f (x).2 f (x)dx = f (x). Dokaz: 1. Dokaz: Neka je F primitivna funkcija funkcije f . Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.♣ . Neka je F primitivna funkcija funkcije f .20 i Napomena 6.♣ Napomena 7. Oˇito je. 2. cF c primitivna funkcija funkcije cf . Teorem 7. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.3 Vrijedi: 1. UVOD U INTEGRALNI RACUN neodredenog integrala.7). c zbog linearnosti derivacije. F ± G primitivna funkcija funkcije f ± g. f (x)dx. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Kako je imamo f (x)dx f (x)dx = F (x) + C. zbog linearnosti derivacije. 2.276 ˇ POGLAVLJE 7.1 Iz Teorema 7. z Teorem 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Oˇito je.

eksponencijalne i z trigonometrijske funkcije.7.1.2) i svojstva iz Teoc c rema 7. c 7. Najpoznatiji primjer je e−x dx. c c z z to obiˇno nije lako. S druge strane. tabliˇne integrale.1. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. c c koriste´i pravila i tablicu derivacija (toˇka 6. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.2.1. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. izraˇunati derivaciju bilo koje c c c elementarne funkcije.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Primjer 7. Ako se i moˇe integrirati. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. tzv.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Tako moˇemo integrirati polinome i jednostavnije racionalne.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1 Pogledajmo sljede´e primjere: c .4).

odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C.2: Primitivne funkcije funkcije 3x2 + 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. i ˇiji graf prolazi kroz toˇku (1. 3 2. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. UVOD U INTEGRALNI RACUN 1. Traˇena funkcija je F (x) = x3 + x + 1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). 3).278 ˇ POGLAVLJE 7. y 3 0 1 x Slika 7. 3). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. i to je x3 +x+1. 3). Dakle je 3 = F (1) = 1 + 1 + C. i one c 3 su oblika x +x+C. pa je C = 1. Odredimo integral funkcije f (x) = x2 + sin x. Samo jedna prolazi toˇkom (1. Drugim rjeˇima. Koriste´i Teorem 7.♠ c . Koriste´i Teorem 7.

Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. ne mogu integrirati produkti funkcija (osim c za polinome. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. + C. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.2.2 Odredimo integral funkcije f (x) = sin x cos x. Dakle je sin x cos x dx = 1 2 sin x + C.♠ 2 . ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).5).7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. z Primjer 7. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. tj. op´enito.1. Koriste´i izraz za diferencijal (toˇka 6.3 i tabliˇne integrale. gornji se integral svodi na u du. ovo moˇemo pisati kao c c z sin x d(sin x). Ipak. deriviranjem sloˇenih funkcija. a to znamo da je u2 2 sin x d(sin x).

a to je diferencijal od z u6 + C.280 ˇ POGLAVLJE 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. . Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. moˇemo podintegralnu funkciju pisati kao z g(u)du. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. d(u(x)) = u (x)dx.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Primjer 7. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand.3 Odredimo integral funkcije f (x) = sin5 x cos x. Zamjenom varijabli kao u Primjeru 7. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. Ako je G(u) primitivna funkcija od g(u). UVOD U INTEGRALNI RACUN U Primjeru 7. tj. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.

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

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

Sada je v = sin x. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. no sveli smo ga na jednostavniji ins c tegral xex dx. s Parcijalnom se integracijom moˇemo posluˇiti i kad. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. 2. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. c ˇto daje du = u dx = 2x dx i v = ex . na prvi pogled. dobivamo s xex dx = xex − Konaˇno. v = x. nema proz z dukta u podintegralnoj funkciji. tj. c 2 dv = v dx = x dx. i u = x2 . du = u dx = dx. c x2 ex dx = (x2 − 2x + 2)ex + C. tj. Odredimo integral funkcije f (x) = x2 ex . tj. du = − sin x dx. Dobili smo integral koji je kompliciraniji od polaznog.7.1. c Primjer 7. . Sada je v = x . Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. Primijenimo li parcijalnu integraciju joˇ jednom. NEODREDENI INTEGRAL 283 Stavimo u = x.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. v = cos x. Joˇ nismo izraˇunali polazni integral. dv = v dx = cos x dx. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C.♠ Iz Primjera 7.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. v = ex .

284 ˇ POGLAVLJE 7. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. tj. 2. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. i u = arctg x . Stavimo dv = sin x dx.♠ 2 x dx . ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. Stavimo dv = dx. Stavimo dv = dx. v = sin x. v = 1. i u = ln x. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . tj. Odredimo integral funkcije f (x) = ln x. sin2 x dx. 1.5 imamo x dx 1 = ln(x2 + 1) + C. ˇto daje du = u dx = s cos x dx i v = − cos x. i u = sin x. Odredimo integral funkcije f (x) = sin2 x. x dx x i v = x. ˇto daje du = u dx = s v = x. v = 1. UVOD U INTEGRALNI RACUN 1. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C .8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Odredimo integral funkcije f (x) = arctg x . tj.

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

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

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

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

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

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

uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A.♠ 3 3 . x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). x(x−2)(x+1) x+2 A B D = + + .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. B = 2.1. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.7. D = −1. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. Rjeˇenje je A = 3. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .

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

kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. jer je to uobiˇajenije. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini.7.2 7. tj. problem moˇemo s c z smatrati u biti rijeˇenim. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. Lik se triangulira. c .problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice.3: Triangulacija podruˇja u ravnini omedenog duˇinama. T1 T2 T3 T4 Slika 7. Povrˇina je geometrijska kategorija. s P = i P (Ti ). duˇinama. ODREDENI INTEGRAL 293 7.2.2. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. Kako povrˇinu trokuta znamo raˇunati. Takav lik ˇesto zovemo krivuljnim trapezom. gdje se zbraja po svim trokutima triangulacije Ti . tj. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj.1 Odredeni integral Motivacija .6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. ploha. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. c z Napomena 7.

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

b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 ... b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < . .n. Imamo gornju i donju ocjenu nepoznate veliˇine P . Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7. S druge strane. ∀x ∈ [a.7. Dakle je m ≤ f (x) ≤ M. Ideja je da se uzimanjem sve uˇih i uˇih osnovica z z nepoznata ploˇtina P moˇe po volji dobro aproksimirati zbrojevima povrˇina pras z s vokutnika upisanih ili opisanih malim krivuljnim trapezima. 295 gdje je m minimum. pri ˇemu su xi ∈ a... ... pravokutnik s osnovicom [a. i = 1. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. a M maksimum funkcije f na [a. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost.. b] oznaˇimo s x0 = a i xn = b. . Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 . < xn−1 . Oznaˇimo li traˇenu ploˇtinu s P . b].. b] i visina M .6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. b za svaki i = 1. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a.. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima.. s je manja razlika vrijednosti M i m. b]. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. n (brojevi mi i Mi c . xi ]. i = 1. Podijelimo segment [a. n − 1.2. c Krajeve segmenta [a.

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

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

Dirichletova funkcija nije integrabilna.♣ Primjer 7. b]. x∈Q 0. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. UVOD U INTEGRALNI RACUN Definicija 7. za svaki x ∈ [a. a .13 vidimo da nisu sve funkcije na segmentu [a.. . onda je f (a) ≤ f (x) ≤ f (b). tj. b] je integrabilna. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.13 Dirichletova funkcija. dakle je f ograniˇena funkcija na [a.14 1. b]. z c tj.. b].5 Svaka monotona funkcija na [a. b] z kaˇemo da je f integrabilna na [a. Koje joˇ? s Teorem 7.9 Uoˇimo da ako je f monotona funkcija na [a. b] imamo mi = 0 i Mi = 1. onda je ona i c ograniˇena. Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). Izraˇunajmo iz definicije c b 1. f (x) = nije integrabilna.♣ Teorem 7. c Dokaz: Ako f raste na [a. x ∈ R \ Q. n. Koje jesu? Neprekidne sigurno jesu. b].♠ Napomena 7.298 ˇ POGLAVLJE 7.♣ Napomena 7. b] integrabilne. b].. 1 dx. c Iz Primjera 7. b]. b]. Uoˇimo da za svaku podjelu r segmenta [a. nisu integrabilne.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] je integrabilna.8 Dirichletova funkcija ima prekid u svakoj toˇki. c i = 1.6 Svaka neprekidna funkcija na [a.

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

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

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

Dakle.. < an−1 < b sve toˇke prekida od f na [a. Definicija 7.. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. . iz Teorema 7. b] imaju konaˇno mnogo toˇaka prekida u kojima imaju konaˇne skokove (f : I −→ c c c R ima u c ∈ I konaˇan skok ako je | lim+ f (x) − lim− f (x)| < +∞) c x−→c x−→c b imaju odredeni integral.. To moˇemo napraviti tako da integral z zapiˇemo u obliku s b a1 a2 b a f (x)dx f (x)dx = a a f (x)dx + a1 f (x)dx + . < an < b... [an . b ako uzmemo u obzir svojstvo c / 2.302 ˇ POGLAVLJE 7.. dakle znamo izraˇunati c i a f (x)dx. b] znamo a1 b izraˇunati integrale c a b f (x)dx.. a1 ]. c Kako je f neprekidna. gdje su a < a1 < a2 < .. Analogno se dokaˇe ako je a < b < c. an−1 f (x)dx. b]. [an−1 . + an−1 f (x)dx. .. na svakom segmentu [a. b]. .10 Iz ovog svojstva slijedi da i funkcije koje na [a. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna.. a1 ]. .. z Napomena 7..5 i svojstva 3....4 Funkcija f : [a. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . takve da je f monotona na svakom segmentu [a.

6. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor..♣ b b 5. . n. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. Dakle beskonaˇni skup {xn : n = 0.. . Ako je funkcija f : [a. x2 .18.. i = 1. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.. Beskonaˇnodimenzionalan je.2 i Teorema 6. n. skup c {1.2. 1. pa je mi = 0..7. Nadalje. M = f (c) i za svaku podjelu r segmenta [a. Mi = 0. xj ]. j − 1. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).. b]).. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. .} se c nalazi u nekoj bazi od R(I). jer npr. dakle i integrabilna. Oˇito je z c c tada m = 0.. Stoviˇe..11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. b] (skup R(I) nije prazan. b] i da je f (c) > 0. a 4.. .2 i Teorema 6.3). a (f (x) ± g(x))dx = a ili aditivnost integrala. i Mj = f (c). x. unutra se sigurno nalaze sve neprekidne funkcije na [a.. j + 1. b] toˇka c pada u toˇno jedan c c [xj−1 . gdje je c ∈ R proizvoljan. . i = 1.18. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.. Dakle je s(r) = 0 i S(r) = Mj ∆xj . i svaka funkcija iz tog skupa je neprekidna na I.♣ c Napomena 7. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. onda je c b f (x)dx = 0.. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.13). a cf (x)dx = c a f (x)dx. .

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

onda je b f (x)dx > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0.3 slijedi da postoji interval I ⊂ [a. b] onda vrijedi stroga nejednakost. b] tada iz Teorema 6. b]. Tada je b b f (x)dx ≤ a a g(x)dx. Kako je funkcija F = g − f neprekidna na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a. po Teoremu 6. b]. tj. x2 ] imamo x2 f (x)dx > 0. b] iz Teorema 6. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Dakle. x2 ∈ I takve c da je x1 < c < x2 .8 je dobro definirana funkcija F ∈ C 1 [a. Ovo svojstvo se zove svojstvo monotonosti integrala.♣ 9. Ako je f neprekidna i nenegativna funkcija na [a. Dokaz: Po Teoremu 7. b] odnosno stroge pozitivnosti na [x1 . b] i ako je f (c) > 0 za neki c ∈ [a. c F (x) = g(x) − f (x) ≥ 0. b]. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.2. Odatle slijedi da je F (b) ≥ F (a) = 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Neka su f i g neprekidne funkcije na [a. i oˇito ima pozitivnu derivaciju. b]. Dakle postoje x1 . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. za svaki x ∈ I .7.28 F raste na [a. ODREDENI INTEGRAL 305 8. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Iz pozitivnosti funkcije f na [a.3 slijedi da postoji interval . b] oko toˇke c takav da je f (x) > 0. onda je F (c) = g(c) − f (c) > 0.

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

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

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

b] i vrijedi F (x) = f (x).11: Funkcija F (x). x+∆x]. b]. pa onda i na svakom podsegmentu [x.LEIBNIZOVA FORMULA je derivabilna na [a. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.7. ∆F ≤ M = f (ζ2 ). Po Teoremu 7.6). ∆x−→0 ∆x Funkcija f je neprekidna na [a.3. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. Ho´emo gledati c ∆F . ∆x odnosno f (ζ1 ) = m ≤ . NEWTON . lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.

U njoj se povezuju odredeni integral.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. b F (b) = a f (ζ)dζ. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. F (x) = f (x). Dakle je F (x) derivabilna funkcija na cijelom [a. zbog neprekidnosti funkcije f na [a.♣ x ∆x−→0 ∆F ≤ f (x). mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.2. ∆x Teorem 7. iz toˇke 7. b]. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Sliˇno i za ζ2 −→ x.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.2 c dobivamo x b F (a) = a f (a)dζ = 0. z Teorem 7. b] i F (x) = f (x).8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. do kojeg dolazimo preko limesa niza integralnih suma. a Dokaz: Prema Teoremu 7.9 (Newton . no dokaz je bitno sloˇeniji. onda. toˇke ζ1 i ζ2 moraju teˇiti prema x. Odatle slijedi c f (x) ≤ lim tj.12). i neodredeni. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.310 ˇ POGLAVLJE 7. Odatle je a f (x)dx = F (b) − F (a). f (x) ≤ F (x) ≤ f (x).♣ Newton .8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . tj.

β] i neka ϕ na [α. c Desna strana Newton . c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. 3 √ √ √ 3 3 π c Analogno. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. onda za f ∈ C([a. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran).Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . Iz ϕ(t) = − 3. ♣ Primjer 7. sin t = − 23 imamo t1 = − π .16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. β] ne izlaze izvan segmenta [a. √ √ Stavimo ϕ(t) = 2 sin t. Kod primjene na raˇunanje odredenih integrala. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. NEWTON . Pri tome nestane konstanta integracije.7. Ako vrijednosti funkcije ϕ na [α. i ako je ϕ(α) = a. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. Teorem 7.3. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. ϕ(β) = b. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt.LEIBNIZOVA FORMULA 311 linearni operator deriviranja. 2 ] −→ . Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. b]. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. iz ϕ(t) = 3 dobijemo t2 = 3 . a b ˇ Citamo to kao ”F (x) u granicama od a do b”. tj. β] ima neprekidnu derivaciju ϕ . Sada oˇito funkcija ϕ : [− 2 .

4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.10. Iz Primjera 7. tj.♠ 3 Kod parcijalne integracije situacija je jednostavnija. b i neka je x−→b− lim f (x) = +∞. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. kao i da je samo poc druˇje integracije konaˇno.312 ˇ POGLAVLJE 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Primjer 7.♠ 7.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.17 Izraˇunajmo c 0 1 xex dx. c c c Neka je funkcija f neprekidna na [a.6 i omedena) na podruˇju integracije. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. u dv = uv a b a − a v du. . U takvim sluˇajevima govorimo c s c o nepravim integralima.

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

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

x2 b 2.4. tj. tj. Analogno. tn Ako je n < 0. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 1]. inaˇe c Primjer 7. (x − b)n Stavimo ϕ(t) = t + b. dakle imamo b a dx = (x − b)n 0 a−b dt . onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n .19 1. 0] −→ R zadovoljava uvjete Teorema 7. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. Izraˇunajmo c a dx . NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. Izraˇunajmo c −1 1 x2 dx . c+ε2 Ako oba limesa na desnoj strani postoje. Iz ϕ(t) = a. t + b = a imamo t1 = a − b. Sada oˇito funkcija ϕ : [a − c b.7. iz ϕ(t) = b dobijemo t2 = 0. onda divergira. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. 1 a f (x)dx konvergira. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.10. . c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx.

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

+∞ postoji integral te funkcije u granicama od a do x. Izraˇunajmo c +∞ 0 e−x dx. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ Primjer 7.20 1. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞.4. kaˇemo da integral divergira.13: Nepravi integral po neograniˇenom podruˇju integracije. . kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ.7. postoji x f (ζ)dζ. c c da za svaki x ∈ [a. −∞ pa i za sluˇaj c +∞ f (x)dx. a Ako promatrani limes ne postoji. tj. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.

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

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

s s osi y. tj. d] −→ R neprekidna i pozitivna funkcija u varijabli y. s Ako je g : [c. pravcem y = c i pravcem y = d dana s d g(y)dy. onda je ploˇtina povrˇine omedene grafom funkcije g. za sluˇaj kada s c je funkcija g negativna.15: Ploˇtina lika omedenog grafom funkcije od y. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7. promatramo krivulju x = g(y).14: Ploˇtina lika omedenog grafovima dviju funkcija. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). c y d P c 0 g(y) x Slika 7.320 ˇ POGLAVLJE 7. ploˇtinu s . odredeni integral proizvoljne neprekidne funkcije. tj.

. n − 1. Podijelimo segment [a. osi y. manjoj) osnovici krnjeg stoˇca. krnji stoˇac visine ∆h. tj. d]. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. Za veliki n ∈ N ´e zbroj z c H R Slika 7. h = 0.16: Volumen stoˇca kao limes sume volumena tankih valjaka. za svaki y ∈ [c. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . 7. . . dobit ´emo toˇnu formulu za volumen stoˇca.. i u z s n svakom sloju izmedu visine h i h + ∆h. za ∆h −→ 0.5. zamijenimo komad stoˇca. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . i = 0.. n ∈ N..5. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. Povrˇinu osnovice tog valjˇi´a s cc . valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. Time je c c i tijelo T podijeljeno na n slojeva. recimo stoˇac visine H i polumjera osz novice r. recimo visine ∆h = H . b]. d] takvih da je s g1 (y) ≥ g2 (y).. cc z tj. c c z Promatrajmo sada tijelo T u tri dimenzije omedeno ravninama x = a i x = b te plohom koja nastaje rotacijom grafa funkcije f oko osi x. Za n −→ ∞.... 1. ∆h. H − ∆h. < xn−1 < xn = b. Nareˇemo ga na tanke ploˇke.ˇ 7. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c.

tj. S druge strane. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . No taj popreˇni presjek c c 2 je krug. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. 0).♠ 2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. ako taj limes postoji kad n −→ ∞. Primjer 7. a njegova povrˇina za zadani x je jednaka f (x)π. oznaˇimo s P (xi ). UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7.322 y ˇ POGLAVLJE 7. Iz Primjera 7. i=0 Prijedemo na limes. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . kad max ∆xi+1 −→ 0.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. 0. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .

18: Volumen stoˇca nastalog rotacijom duˇine oko osi x.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. ako su f1 . za svaki x ∈ [a. c z y R 0 Η x Slika 7. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH. f2 : [a. .ˇ 7. c Primjer 7. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). z z Po gornjoj formuli. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. Dakle. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx.5.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. b].

UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . Primjer 7. R > r.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. y R r 0 x −R Slika 7. . f2 (x) = R − √ r 2 − x2 .324 y ˇ POGLAVLJE 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.

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

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

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

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

iz Primjera 7. zs √ Imamo f (x) = r2 − x2 . upravo xi . recimo.5. i=1 a to u limesu daje My = µ b a xf (x)dx. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . Kako je masa promatranog lika jednaka M = µP. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. s Primjer 7. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.ˇ 7. zs s s y r 0 r x Slika 7. Iz simetrije je jasno da mora biti xT = 0. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. 2 .11). Takoder.23: Teˇiˇte homogenog polukruga. yT = 1 2 b 2 a f (x)dx b a f (x)dx . Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.

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

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

za µ = 1. 4 Zbog M = µV = 14 3 R π. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .♠ 8 π 4 R .24: Teˇiˇte homogenog stoˇca.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y. 23 dobivamo xT = Mx M .♠ z Primjer 7.332 ˇ POGLAVLJE 7. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. tj. Primjer 7. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . dobivamo xT = 4 H. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. mjereno od osnovice. 4 3 Zbog M = µV = 1 R2 πH. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.

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

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

pri ˇemu je lik omeden pravcima y = c i y = d. y). za µ = 1.5. dm = µdP = µf (x)dx. d] osi y i grafom c pozitivne i neprekidne na [c. Oˇito je f (x) = c √ r2 − x2 . pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. komadom [c. Neka je dana materijalna toˇka mase m s koordinatama (x. 3 a ako mu je ishodiˇte u sredini. onda je s I0 = 1 M (a2 12 + b2 ). Uvedemo li oznake dP = f (x)dx. dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. Znamo da je c 2 2 Ix = mx i Iy = my . 3 . Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . g 2 (y)dm. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm.ˇ 7. Primjer 7. Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. d] funkcije g.

i = 1. i zbroje se momenti inercije malih valjaka polumjera f (si ).2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a.8 imamo 1 Ix = r4 π. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. 5 . Oˇito funkcija ϕ : [0. gdje je si ∈ [xi−1 . Prijelazom na limes dobijemo gornju formulu. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. moment inercije cijelog kruga obzirom na y os je Iy = Ix .5. π] −→ R zadovoljava Teorem 7. b] podijeli na male podsegmente [xi−1 ... xi ]. . i visine ∆xi = xi − xi−1 . dakle je 1 I0 = Ix + Iy = M r2 . b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . 4 4 4 Takoder zbog simetrije. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .10. Sada iz Primjera 7. Analogno iz ϕ(t) = r imamo t2 = 0.♠ 2 Kombinacijom razmatranja iz toˇke 7. Iz ϕ(t) = −r imamo t1 = π. xi ]. c Primjer 7. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx..336 ˇ POGLAVLJE 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. 2 2 a onda se interval [a. n.

Podijelimo segment [a. n. f (xi ))... n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . . Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje.26: Duljina luka zadanog kao graf funkcije f (x). b] zadana kao graf funkcije f ∈ C 1 [a. c po Pitagorinu pouˇku. pa uzmimo c s os x. Duljina luka od toˇke A = (a. . n.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. i = 1.5. f (xi−1 )) i (xi .5. i = 1. Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 . xi ].♠ 15 5 7.ˇ 7. . Duljina svakog takvog komada je.. b] eksplicitnom formulom y = f (x). i gdje je ∆xi = xi − xi−1 . Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7. PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x.. f (a)) do toˇke c c B = (b. b] na podsegmente [xi−1 .. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .

. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). s yT = b a f (x) √ 1+[f (x)]2 dx . moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. s 7.5. xi ]. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . i .. i = 1.. i = 1. n. b] rotira oko osi x. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. n. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r)..27: Ploˇtina plaˇta rotacijskog tijela. xi ]. s s plaˇta krnjeg stoˇca polumjera donje osnovice R.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. Dijeljenjem segmenta [a.26). .338 ˇ POGLAVLJE 7.. b] na podsegmente [xi−1 . Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7... Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . mase µ.

Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. ploˇtinu sfere polumjera r.. xi ]. c ds = 1 + [f (x)]2 dx. Toˇnije.♣ s zs 7.ˇ 7. . Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . Teorem 7. ako znamo poloˇaj tijela u trenutku t1 = 0. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . gdje je si ∈ [xi−1 .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.31 Izraˇunajmo oploˇje kugle. tj. i = 1.26).. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . n. . c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. Primjer 7. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .5.5.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka. Ovdje smo s ds oznaˇili diferencijal luka..

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

33 Jarak duljine 10 m. tj. Odavde odmah slijedi da je rad sile F (x) na putu [a.ˇ 7. onda je b W (h) = a F (x)dx. b].♠ z Posebno vaˇan sluˇaj je rad sile teˇe. Konstanta k nam nije zadana u ovom primjeru. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . rad) biti kvadratna funkcija pomaka x. Tada ´e njen integral (tj. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. pri ˇemu je g ≈ 9.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . To je formula dobivena integriranjem konstantne sile mg od 0 do h. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Ako sila nije konstantna. ako se masa tijela mijenja. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. s Primjer 7. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine. no nije ni bitna. i nakon toga s . Primjer 7. b] z z b W = a F (x)dx. F = −kx.5. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a.

. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka.33.33.83 J.29: Jarak iz Primjera 7. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. duljina jarka je 10 m. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.342 ˇ POGLAVLJE 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . a debljina sloja je dx metara). s x 0 y h Slika 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. ˇirina c s 2(1 − x) m.30: Jarak iz Primjera 7.

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

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

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