Mat 1

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

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

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

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

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

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

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

. . . . . . . . . . . . . . . . . . . . . s 7.problem povrˇine (ploˇtine) s s 7. . . . . . . . . . c 6. . . . . . . . . . 7. .3 Teˇiˇte .1 Primitivna funkcija . . . . . . . . . .8 Primjene derivacija . . . . . . . . . 7. .2. . . 7 Uvod u integralni raˇun c 7. . . . .5 Neprekidnost i limes .2. . . . s 7. . . . . . . .1 Motivacija . .6 Neodredeni oblici . . . . 6. . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . . . .1. . . . 6. . . . . . . . . . . .1.3 Neprekidnost elementarnih funkcija . . 7. . . zs 7. . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . .5. . .3 Metode integriranja . . . . . . . . . . . . .2 Derivacija funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Neodredeni integral . . . . . . . . .1. . . . . . . . . . . . . .1. . .6 Derivacije viˇeg reda . . . . . . .5. . . . . . . . . . . . . . . . . . . . .5. . . . 6. . . . . . . .1 Neodredeni integral .2 Svojstva neprekidnih funkcija . . . . . . . . . . .2. . . . . . .2.5.1 Neprekidnost i graniˇne vrijednosti . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . .1. . . . . . . .1 Neprekidnost funkcije . . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . . . 7. . . . . . . . . . . .2. . . . . . . . .6 Povrˇina rotacijske plohe . . . . c 6.1. . . .2. . . . . . . . . . . . 6. . . . .2.5 Duljina i teˇiˇte luka ravne krivulje .4 Raˇunanje derivacija . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Povrˇina lika u ravnini . . . c 6. . .5. . . . . . . . . . . . . . 6. . . . . . . . 7. . .7 Primjene u fizici . . . . . . . . . . . . . . . . . . . . c 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . .1. . . . . .3 Newton . . . . 6. . . . . .2. . . . . . . . . 7. . . . . . . . . . . . 7.3 Derivacija funkcije . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . .1. s 6. . . . . . . . .1. . . .2. . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . c 6.2. . . .1. . . . .2 Odredeni integral . . . . . .7 Osnovni teoremi diferencijalnog raˇuna .1 Motivacija . . . .4 Nepravi integral . . 7. . . . .7 Raˇunanje limesa . . . . . . . c 6. . . . . . . . . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . zs 7. . . . . . . . . . .2 Derivacija funkcije u toˇki . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . 7.5. . . . . . . . . . . . . . . . . . . . .2 Svojstva odredenog integrala . . . . . . . .Leibnizova formula . . . .

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

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

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

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

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

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

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

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

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

tj. VEKTORSKI RACUN − → Definicija 1.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. tj. jer imaju razliˇite poˇetke i c c c krajeve.2: Jednakost vektora. c .2 slijedi da je op´enito P Q = QP . Duljinu − → − → vektora P Q oznaˇavamo s d(P. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.1: Duˇina i usmjerena duˇina. Poˇetak joˇ c c c s zovemo hvatiˇte. z z Q − → − → Iz Definicije 1. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. − − → −→ Definicija 1.10 ˇ POGLAVLJE 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. Q) =| P Q |. s Q P P Slika 1. intenzitet). jedna od njih je poˇetak P a druga je kraj Q. do na translaciju prostora)? z 1. Q Q’ P P’ Slika 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q .

1. Iz a Napomene 1. → Napomena 1. → c . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Sada samo izaberemo orijentaciju koja nam treba. Tada je c − − → − = OB. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . c 2.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. z kolinearan je sa svakim vektorom). tj. P = Q. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.2 znamo da takve toˇke A i B postoje i da su jedinstvene.1. 3.3). B ∈ E takve da je OA = − i AB = b . postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Za vektor P Q kaˇemo da je orijentiran od P prema Q. 11 − → 3. onda c a − → − →. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. → → → − − → − 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 . Oˇito je | 0 | = 0. Pogledajmo sada neka svojstva nul vektora: c − → 1.3).2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Vektor kod kojeg su poˇetak i kraj jednaki. tj. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. poˇinje u P a z c zavrˇava u Q. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Napomena 1. Preciznije.

→ a =−a → − → → → − a a 4. Q ∈ E vrijedi P Q = P O + OQ. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . a c a c → − → → → − → a a a 2. O. ♣ B b a+b a b 0 A a+b a b Slika 1.3: Motivacija za definiciju zbrajanja vektora. i oznaˇavamo ga s → 0 . c Teorem 1. − + b = b + − (komutativnost). VEKTORSKI RACUN R a G Slika 1. (− + b ) + − = → + ( b + − ) (asocijativnost). − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).4: Pravilo trokuta i pravilo paralelograma. − → − → − → Napomena 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. − → → − → → → → − 3.12 ˇ POGLAVLJE 1. .3 Za bilo koje tri toˇke P. Vektor a zovemo suprotni vektor vektora a c − → −.

λ<0 a A B Slika 1. d c a + b+ c+ d a b Slika 1.6: Mnoˇenje vektora skalarom. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. c a − 2. z → Za λ ∈ R. koji ima isti smjer kao →. λa .5: Pravilo mnogokuta za zbrajanje viˇe vektora. realnim brojem. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. λ > 0 B’ 0 λa. ali je suprotne orijentacije.4 Vektor a = −→ iz Teorema 1. definiramo λ− kao vektor: a → 1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. itd. → BA. a a → Za sluˇaj → + − piˇemo 2− (tj. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.1. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. Sliˇno 2− + − = 3→. ˇija je duljina jednaka |λ||− |.1 ima sljede´a svojstva: ima →. Za n ∈ N a c a a a − = (n − 1)− + − . s → − − a c Napomena 1. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). tj. a .1.

b ∈ V je a + b ∈ V . za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . − → → → → − Ako su vektori − i b kolinearni.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. uz pretpostavku − = 0 . a a → − 4. i neka je A = O c toˇka koja leˇi na tom polupravcu. → od vektora a Teorem 1. a suprotnu orijentaciju a − za λ < 0.5 nigdje ne govori o geometrijskim veliˇinama. 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. a a → → → 2. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. 2. Elemente od skupa V zovemo vektori.1 i Teorema 1. λ(µ→) = (λµ)− (homogenost). 3. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). koji ima istu orijentaciju kao vektor − za λ > 0.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. onda. VEKTORSKI RACUN → 3.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. c Vratimo se sada Definiciji 1. Neka je dan polupravac (zraka) s poˇetkom u O.14 ˇ POGLAVLJE 1. postoji pravac a a . (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). 1 · − = → (postojanje jedinice).♣ a a Definicija 1. za sve a. a a a − → 3. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Primjetimo da se u Definiciji 1.2.

odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). tj. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O.1). tj. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . Imamo da je c a − → → b = λ− . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . a a . onda je |− | = 0.2 Vektorski prostor XO (E). (λ.1. pa moˇemo a a a z − → − = a . 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− . → →→ te vrijedi a a a0 1.2. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). z → − → − → → → Neka su sada − . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . (Usporedimo ovo s Definicijom 1. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. B ∈ E na p takve da je − = OA. Bijekcija je konstruirana na prirodan naˇin. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. (− . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. b ∈ XO (E) i λ ∈ R. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . b = OB. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0.4). Kako je → = 0 . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. − → 2. A. VEKTORSKI PROSTOR XO (E).

. λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . → ∈ → → − 0 i bar jedan od skalara λ1 . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1.7: Radij-vektori u X0 (E).. − .. onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. − .. z c Napomena 1. . . − ... λ2 .. λn ∈ R. λ2 .5 Uzmemo li neku drugu toˇku Q ∈ E. .. λn . − . − → Napomena 1..2.6 izravno slijedi: → → → → a1 a1 a2 an 1.7 Iz Definicije 1... Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . − ... λ2 . Vektori − . λ1 ..1 i Teorema 1. . Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − . → → → Neka su sada − ... − ∈ XO (E).. . . − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0. . Napomena 1.. a a1 a2 an → − − Definicija 1.. .6 Za vektore − . λ2 ....16 ˇ POGLAVLJE 1.6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p... Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.5). Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − . λn je razliˇit od nule. − .. . → s koeficijentima λ1 .. VEKTORSKI RACUN E P 0 Slika 1. →.. Q = O.. . ...

c − → − Napomena 1. b bilo koja dva linearno nezavisna vektora iz XO (M )..3 slijedi iz Napomene 1. Ako je barem jedan od vektora − . → ∈ XO linearno zavisni.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.5 Ako su − . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. →.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. pa z z slijedi da su oni linearno nezavisni. . Stoviˇe. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .2. on se ne moˇe izraziti kao njihova linearna konbinacija.7. → → − Teorem 1. . onda su ti vektori linearno zavisni.♣ → → → ˇ s a b c Iz Teorema 1.8 Neka su →. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . VEKTORSKI PROSTOR XO (E)..3 je jasna. Stoviˇe. − i − . taj rastav je jedinstven.. → ∈ XO (E) jednak nul veka1 a2 an toru. z → − − 3.1.. →. jer se nalazimo na pravcu. ♣ Tvrdnja Teorema 1. takav rastav je jedinstven.♣ → a s Jednostavna posljedica Teorema 1. onda su oni linearno zavisni ako i samo ako su kolinearni.. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.4 Ako su − . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. → → − → Teorem 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. b ∈ XO (E). LINEARNA KOMBINACIJA VEKTORA17 → − − 2. Teorem 1. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. e1 e2 e3 z Tada su oni linearno nezavisni. Ako su − .. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .♣ . c − → → a 4. Ako imamo dva vektora − . b i − tri linearno nezavisna vektora iz XO (E).

0. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). c →.8 z ˇ oni su linearno nezavisni. Definirajmo i = OEx . VEKTORSKI RACUN 1. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. Kako vektori i . Ey = (0. 1. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. duljine su im 1 i leˇe na okomitim c s z pravcima.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . e1 e2 Napomena 1. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Analogno. Tada je a e1 e2 e3 c − (Teorem 1. Skalare a1 . →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Koordinatni sustav → − → Definicija 1. a2 i a3 − → → → vektor iz XO (E). − → − → Neka je (→. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . k ne leˇe u istoj ravnini. − ∈ XO (E). Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . prema Napomeni 1. az ) su jednoznaˇno odredene. ay . j . pa ˇine bazu. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. j = OEy i − → −→ − − − − → → → k = OEz . →. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo.1 i Teorem z 1. pri ˇemu su skalari a1 . 0). 0. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. uredeni par → − (− . → → a b i j k . 1).5).7 Uredena trojka (− . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E).18 ˇ POGLAVLJE 1.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.3 Baza vektorskog prostora XO (E). te toˇke Ex = c s c −→ − − → −→ − → − (1. 0) i Ez = (0. z c → → Neka je sada − proizvoljan vektor iz XO (E). − . Stoviˇe. − . →).

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

. . 1. ... y2 . 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 . To svojstvo baze od X0 (E) zovemo potpunost.. i = 1. xn ) : xi ∈ R za i = 1. xn ) gdje su xi ∈ R za i = 1. az ) = (λax . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. yn ) ∈ Rn i λ ∈ R definiramo: (x1 . 2. ay . . xn ). ay + by . ˇini bazu u R . kaˇemo da je R n-dimenzionalni realni vektorski prostor. . λaz ).. λ(x1 .. by . x2 .. Kako ta baza ima c n n vektora. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. ay .. U toˇki 1... (y1 ..3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). x2 ... .. n. Skup svih takvih n-torki oznaˇavat ´emo sa Rn .. (ax . az ) + (bx ...20 ˇ POGLAVLJE 1..... 0. . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. VEKTORSKI RACUN 1... x2 .2. xn ) = (λx1 .. xn ) + (y1 . Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. x2 + y2 . Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R). n. λx2 .. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza.1 i Teorema 1. n}. .. Moˇe se pokazati da skup od n vektora −i = (0.. y2 . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. yn ) = (x1 + y1 .. x2 . λay .. . x2 ... 0. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . z 1. . U tu svrhu moramo na odgovaraju´i naˇin definirati c c ... az + bz ). .. xn + yn ). . Zelimo uvesti i mnoˇenje vektora. Dakle Rn = {(x1 . bz ) = (ax + bx . ako su sila i put kolinearni. . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |).... ..5 Skalarni produkt ˇ Vektori su generalizacija brojeva. c c Za (x1 .. ... 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. λxn )..

k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). (Uzimamo 0 ≤ ϕ ≤ π. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . i ) je druga takva baza). ( k . b . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). j . a c c . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani).8: Uz definiciju skalarnog produkta. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj.5. − − − → → → Pogledajmo sada jediniˇne vektore ( i . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. Skalarni produkt vektora − . j .) Ako je barem jedan od vektora → i b → − − nul vektor. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. Svaka tri vektora − → → → (− . s − → → − → → − − → → Definicija 1.1. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. Primijetimo da ( i . a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1.3).8 Neka su − = 0 i b = 0 . onda je → · b = 0. j . rezultat produkta vektora c − → mora biti skalar. pa kaˇemo da je ( i . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. j . Osim toga. SKALARNI PRODUKT 21 produkt dvaju vektora.1 vidimo da su vektori i . k ) − − − → → → nije jedina takva baza (npr. b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). j . Kako je rad skalarna veliˇina. Iz Tablice 1.

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

yn ) ∈ Rn . − → a b Napomena 1.. µ ∈ R.♣ − → → → → 1. ako je vektorski prostor W = R. → → Neka su − = (x1 . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . → · b = b · − (simetriˇnost). Posebno. xn ). .. 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 . b ∈ V i sve λ. tj.. a c a c c → → → − → − 2. . + xn yn . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. a onda f zovemo linearni funkcional. → → x y Teorem 1. . a a → − → → − − a a c 3. 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.9 Neka su V i W realni vektorski prostori.. slaˇe s Napomenom 1. (λ− ) · b = λ(− · b ) (homogenost).. z z → → − → − → − → → 2.10. (− + b ) · − = − · → + b · → (aditivnost)..1.5. tj. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . y2 .. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . x2 . a x y z Ova se formula za duˇinu vektora. Za preslikavanje (funkciju) sa V u W . − = (y1 . Definicija 1.

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

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

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

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

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

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

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. j . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . Definicija 1. 1.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. − → − → − → − → k = c1 i + c2 j + c3 k . Dakle. j . i .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. Prikaˇimo i . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . → → a b i j k . c1 c2 c3 Ako je D > 0. k ) i S = (O .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). i . z Napomena 1. onda su S i S (odnosno njihove baze) jednako orijentirani. onda nisu. j . − → − → → − − → j = b1 i + b2 j + b3 k . i . ako je D < 0. k : z − → − → − → − → i = a1 i + a2 j + a3 k . tj. pomo´u determinante pripadaju´e c c matrice. j .10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). k preko i . k ) pravokutni normirani c c → → − desni koordinatni sustav.30 ˇ POGLAVLJE 1.

14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1.6. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). kao saˇeti zapis. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). Po pretpostavci je |→| = 0 i | b | = 0. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . ϕ = 0 ili ϕ = π. − → → → − → − → → 2. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. − → − → |a a sc a b → − → → − pa i − × b = 0 . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. → → → − → → − (a b c a c b c − − → → − → 3. pa desna strana formule za duljinu vektora − × b iˇˇezava.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno.♣ Primijetimo da tvrdnje Teorema 1. neka je − × b = 0 . Dakle a − → − i b su kolinearni. a c → i → kolinearni.1.♣ → a . a a a Napomena 1. b nul vektor. i ϕ = 0 ili ϕ = π. jer je nul vektor kolinearan sa svakim vektorom. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . Tada je |− × b | = 0. tj.8. Neka su sada oba vektora razliˇita od nul vektora. Kako je − · b = |→|| b | cos ϕ. → × b = −( b × − ) a a (antikomutativnost). Zbog − · − = |→||− | cos ϕ. a → − → → → → − → − → − Obratno. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). pa je cos2 ϕ = 1. → × ( b + − ) = − × b + − × − . Tada je |→ × − | = 0. c Dokaz: − → → Ako je barem jedan od vektora − . c c z Teorem 1.

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

Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 .1. Sa Slike 1.13: Kutna brzina. pravila za vektorsko mnoˇenje te gornju tablicu) z z . to je − → → → → − (O. k ) desni koordinatni sustav (pravokutni i normirani). k ). ω r v v ω 0 r Slika 1. pravila za skalarno mnoˇenje. dok je s druge strane i × ( i × j ) = − j tj. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. j . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. k ) koje ´e nam c c biti koristno pri raˇunanju.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. − . Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). b . vektore ortonormirane baze ( i . j . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. j . i .13 vidimo da je → = − × − .8. j .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . − × b ) desni (op´enito nepravokutni) koordinatni sustav. Uzmimo npr. k ).

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

→ komplanarni. Tada je: → → → a b c → − → − → − − → 1. Pretpostavimo zato da su − = 0 . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . b = 0 i → = 0 . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . |→ × b | je povrˇina paralelograma razapetog s → i b . s → → − → Definicija 1.16 oni su linearno zavisni.14: Mjeˇoviti produkt triju vektora. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . z → − − − a c Napomena 1.11 Za vektore − . onda − → − Obratno. jer je a a c → − − → |→ · b | = |− || cos ϕ|.♣. zakljuˇujemo da su vektori → i b × c okomiti. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. kako je a c → − − → → − − → − · ( b × c ) = 0. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. a a − → → − → − − → − 2. a a . pa tvrdnja slijedi a c iz svojstava determinante 3. b . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. − → − i samo ako su a b c − → → → Ako su − . − . Tada. MJESOVITI PRODUKT 35 bx c a c b Slika 1. gdje je |→| baza.6. b . → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. → − → − → → → → Napomena 1. b .9. pa kako je − okomit na b × − . b . − . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. vektorsko mnoˇenje i mjeˇoviti z z s produkt. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.17 Za vektore − . − komplanarni po Napomeni 1. − ∈ XO (E).4 i 5 iz toˇke 1. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c .16 Vektori →.ˇ 1. a | b | sin ϕ visina paralelograma.

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

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

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

Ako je C = 0. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Dakle → → r i j n i j n i j → − − → − i n kolinearni. jer je (0.2. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . onda pravac prolazi kroz ishodiˇte. B = tB i C = tC. onda je pravac paralelan s osi x. postoji t ∈ R takav da je n = t− . znaˇi z c da prolaze kroz istu toˇku (x0 . jer je toˇka (0. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. y0 ) i da je za svaku drugu toˇku (x. n n 2.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. C −A −B . jer je tada vektor − oblika n − → →=Bj. Ako je A = 0. pa imamo tvrdnju. − n → 3. jer je (0. onda je pravac os y. tj. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . onda je pravac paralelan s osi y. ako postoji t ∈ R takav da je A = tA. c Obratno. Oˇito je (x0 . pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku.1. Odatle je A = tA i → → su vektori n n B = tB. Ako je B = C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni.1. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. Ako je A = C = 0. nepotpune obc z like): 1. − n 4. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. jer je tada vektor − oblika n − → →=Ai. onda je pravac os x. z → 2. Ako je B = 0. Dobijemo z B A x + −C y = 1.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. → → Ax = 0 i vektor n n i 5.

pravac prolazi kroz toˇke (0. onda je y = b. onda je x = a. z p s=mi+nj P1 = (x 1. z . a ako je y = 0.2: Segmentni oblik jednadˇbe pravca.y 1 ) Slika 2.1. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z 2. imamo A x a + y b = 1.3: Kanonski oblik jednadˇbe pravca. c c y b a 0 x Slika 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . b) i (a. z z Uoˇimo sljede´e: ako je x = 0. 0).40 ˇ POGLAVLJE 2. c c tj.

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

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

c c s − → − → → d = |OP0 |. b ∈ [−1.1. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. odnosno z → → r n x cos ψ + y sin ψ = d . 2. Povucimo sada kroz O pravac q okomit na p. tj. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.5).6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). pa tada postoje ψ. c 43 n ˇ Uzeli smo da je k = m . PRAVAC U RAVNINI Napomena 2. tj. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. π] takvi da je a = cos ψ − i b = cos φ. → → r n Jednadˇbu − · − = d. tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. c − → − → → pa imamo − = cos ψ i + sin ψ j . n − → → Toˇka P = (x. imamo k = tg ϕ. 1]. Neka je − = a i + b j jediniˇni vektor na pravcu q.1. n c y q n θ P0 x r P p 0 Slika 2. n Kako je tg ϕ = m . z Jasno je da su a.2. pravac prolazi toˇkom (0.6: Normirani oblik jednadˇbe pravca. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. a2 + b2 = 1. P = (x.3 Za x = 0 imamo y = l tj. s vektorom i ). l). φ ∈ [0. y) leˇi na pravcu p ako i samo ako je z − · − = d.

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

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

s1 s2 tj. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . m2 n2 → → Napomena 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 . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. → → 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 − · − = 0.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. tj. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . . ako i samo ako postoji λ ∈ R takav da je − = λ− . ako i samo ako je m1 m2 + n1 n2 = 0. s1 s2 odnosno ako i samo ako je n1 m1 = .

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

Neka je pravac p dan u c c normiranom obliku.7). Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . odnosno ako i samo ako je 1 + k1 k2 = 0.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.5. k2 2. ako i samo ako je ϕ1 = ϕ2 . tj. sa suprotne strane od ishodiˇta) jer je tada n s . c Definicija 2. ANALITICKA GEOMETRIJA Napomena 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. To je ekvivalentno s 1 k1 = − . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . odnosno ako i samo ako je k1 = k2 . y0 ) i pravac p u ravnini.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.1.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.48 ˇ POGLAVLJE 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . tj. Zanima nas udaljenost c toˇke P0 od pravca p.2. Napomena 2. p) = x0 cos ψ + y0 sin ψ − d. tj. s Napomena 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . x cos ψ + y sin ψ = d. 2 ako i samo ako je tg ϕ = ∞.

6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. pravac kroz dvije toˇke. odnosno bx + ay − ab = 0.2. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) < 0. −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . kanonski. p) ≥ 0.ˇ 2. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . a b . p) = |x0 cos ψ + y0 sin ψ − d|. 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. y0 ) od pravca p je c d(P0 . udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . tj. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) = |bx0 +ay0 −ab| √ . A2 +B 2 Ax0 + By0 + C √ . onda iz toˇke 2. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . a2 +b2 x y + = 1.1 c z c (segmentni. p) = |Ax0 +By0 +C| √ . p) = odnosno d(P0 . eksplicitni).1.

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

3. xs = .2. paralelni su. identiˇni su. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . sijeku se u jednoj toˇki. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. c z U sluˇaju da se sijeku u jednoj toˇki. Npr. poklapaju se. 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 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. ys ).2.ˇ 2. zovimo je S = (xs . c 2.8: Mogu´i poloˇaji pravaca u ravnini. tj. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.

Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .4).2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . p) = x0 cos ψ + y0 sin ψ − d.52 i ˇ POGLAVLJE 2. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) suprotnog predznaka. Vrijedi i obrat. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. .2. 2.11 Ako je A 1 B1 A 2 B2 = 0.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. ako su p1 i p2 paralelni. p)|. p) i δ(B. Napomena 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Osim udaljenosti. onda je A 1 B1 A 2 B2 = 0. onda su p1 i p2 paralelni. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .

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

54 ˇ POGLAVLJE 2. p3 po pretpostavci prolaze istom toˇkom. S. β ∈ R. ANALITICKA GEOMETRIJA Kako p1 . 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 . 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 . C3 ) su linearno zac visni. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . B3 . A3 B3 A2 B2 A2 B2 =0 . C2 ). Drugim rijeˇima. (A2 . B1 . A 2 B2 je razliˇita od nule. C1 ). p2 . imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. c A1 B1 . pa po svojstvima determinante 4.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. vektori (A1 . (A3 . i 5. iz toˇke 1.

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

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

−| |s Dakle koeficijenti smjera a. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. → − → → r r1 r2 r1 . c) je dana s x y z = = . istog smjera i orijentacije kao i →.1. s 2. i njihov omjer daje koeficijent smjera (toˇka 2. c s → Iz toˇke 1.3. pa odreduje isti pravac. onda znamo da je vektor → s a b c 1 → s0 = − − = − . γ ∈ [0. c c Tada kroz njh prolazi jedinstveni pravac p. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . y2 .3.3. − →| s →| |→| |→| |s |s s s − jediniˇni. Uzmimo sada npr. b. tj. pa iz toˇke − − s r2 c s r2 r1 c 2. z2 ) u prostoru. β. a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. − → z definirajmo s P c s − je vektor smjera pravca p. jedan kosinus smjera prelazi u sinus. Sada imamo da je → = P1 P2 = → − →. PRAVAC U PROSTORU 57 → Posebno.5 znamo da postoje kosinusi smjera vektora − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .3. c). Odredimo njegovu jednadˇbu. odnosno postoje c s0 α. z1 ) i P2 = (x2 .5 i toˇka 2. − . b. →| |s c cos γ = → .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). Zbog komplec mentarnosti. z Znamo iz toˇke 2. π] takvi da je a cos α = − . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.6). b. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.1. onda ima dva kosinusa smjera. →| |s b cos β = − . y1 .2.

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

+ n2 + 1 cos β = √ m2 n . vrijedi x−m1 m = y−n1 n = z.14 Iz toˇke 2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. y0 . uz oznake n = b c b i n1 = − c z0 . Tada za svaki izbor a.n ) 1 1 Slika 2.2. z y=nz+n 1 x =mz+m 1 y 0 x (m . b.11: Pravac zadan dvjema projekcijama. + n2 + 1 2. + n2 + 1 cos γ = √ m2 1 .3. PRAVAC U PROSTORU odnosno.3.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . z b c .3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . 59 y = nz + n1 . Dakle. Napomena 2.3. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.

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

4 2. onda je p = 0. k iz toˇke 1.13: Normalni oblik jednadˇbe ravnine. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.3 ). Povucimo okomicu iz toˇke O na ravninu Π. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. β. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. a vektor z −0 zovemo normala ravnine Π. s vektorima baze −0 ˇto ih n s − − − → → → i .4. j . P0 d r π n0 0 M Slika 2. RAVNINA U PROSTORU 61 2. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. 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. Neka je −0 = OP0 c c n p −→ − (tj. → n Posebno. ako Π prolazi kroz ishodiˇte (tj. z redom (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . → → r n .2. γ kutovi c → zatvara s pozitivnim smjerovima osi x.4.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. y. toˇku O). → → radij-vektora r n c P .

udaljenost ravnine Π od ravnine Π .62 ˇ POGLAVLJE 2. C = c (0. 0). Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. y. r n Napomena 2. Kako je d. redom. Napomena 2.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. B. 0. n − → → OC · −0 = p. toˇke u kojima Π sijeˇe koordinatne osi x.2. Imamo neˇto analogno otklonu iz toˇke 2. y.2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. z. 0. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. jer je duljina okomice do Π jednaka p). c). Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). u stvari. → ako je M s one strane Π na koju pokazuje −0 . Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π.4. n0 − − → → OB · −0 = p. Kao i kod pravca (toˇka 2. iz normalne jednadˇbe ravnine imamo. 2. z − − → OA · → = p. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. neka su toˇke A = (a.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. z). Nadalje.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. C ∈ Π.2. 0). n . y1 . c Neka je M = (x1 . z1 ) ∈ E proizvoljna. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. Za toˇke s druge strane bit ´e n c c d < 0. a c kako M leˇi u Π . c c Sada. B = (0. kako su A.16 Ako toˇka P ∈ E ima koordinate (x. b.

cos γ = . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. 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. c C C Tada postoji toˇka (x0 . cos β = . z Dakle. a cos α = p. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). y0 . 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. c cos γ = p. z = − C x − B y − D . Odatle.14: Segmentni oblik jednadˇbe ravnine. . neka je C = 0. z 2.2. p p p cos α = . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). tj.4.4. Bez smanjenja op´enitosti. B. b cos β = p.

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

k ).2.20 Neka je dana toˇka M = (x1 . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. tj. s c A2 +B 2 +C 2 Napomena 2. Ako je C = 0. Π) = |Ax1 +By1 +Cz1 +D| √ . R cos γ = C . nepotpune obc z like): c c z 1. po c Napomeni 2. 0) nema komponentu u smjeru n − → osi z (tj.4. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. ravnina prolazi kroz ishodiˇte. R cos β = B . onda normala − = (A. onda su koordinate A. c onda je A B D z =− x− y− . Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. onda je oˇito da O = (0.17. pa odreduju istu ravninu. Ako je D = 0. B. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. RAVNINA U PROSTORU predznaka od D.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. tj. pa imamo cos γ = 0. C). s → 2. C C C A z Oznaˇimo a1 = − C . B. b1 = − B i c1 = − D . y1 .1). 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. Tada je.4. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. R → → Vektor normale −0 je normirani vektor − = (A. Stoga ´emo i vektor − zvati vektor normale. c . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. z1 ) ∈ E. Dakle imamo cos α = 65 A .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Napomena 2. istog su smjera n n → c n i orijentacije. B.

onda normala − = (A. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. B. Imamo Ax + D = 0. 0.66 z ˇ POGLAVLJE 2. 0) ima komponentu samo u n smjeru osi x. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. Ako je B = C = 0. − i − su komplanarni). ravnina je paralelna A s koordinatnom ravninom Oyz. Ako je B = C = D = 0. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →.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. B. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . c Od ˇetiri parametra.4. s1 s2 . ravnina je paralelna s koordinatnom ravninom Oyz. z → − a vektore − i → vektori smjera. C koji je razliˇit od nule. ravnina prolazi kroz ishodiˇte s a prema 3.16: Ravnine u posebnim poloˇajima. Varijable u i v zovemo parametri. z c c 2. 4. z → 3. imamo samo tri nezavisna. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . odnosno x = − D . s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . A. onda prema 1. C i D.

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

P1 P3 komplanarni. P2 . P1 P2 . Kako toˇke P1 . Po Napomeni 1. Kao i u toˇki 2. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). z2 ). ANALITICKA GEOMETRIJA −→ → − − odnosno.5.16. vektori s1 s2 −→ → − − − → P0 P . y3 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. Po Napomeni 1. y1 . Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. P2 . z1 ). P2 . y2 .4.4. → komplanarni.4.1 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 . − . P3 = (x3 . P3 (uzmemo npr. s1 . 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. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P3 ne leˇe na istom pravcu. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0.5 2. ako i samo ako su P0 P .68 ˇ POGLAVLJE 2. P2 = (x2 . 2.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . Dakle. 2.

B1 . Ravnine se podudaraju. C1 ) n → i −2 = (A2 .6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 .5. 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 . ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. ♣ . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. ako i samo ako je −1 · −2 = 0. Teorem 2.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. 3. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .2. 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. B2 . −1 → Napomena 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. C2 ). tj. odnosno ako → → kolinearni. Ravnine se sijeku u jednom i samo jednom pravcu. tj.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. 69 −1 Definicija 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. Ravnine se ne sijeku.

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

Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c) i − = (A.5) i koordinate su mu c c ∆x ∆y ∆z ∆. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. y. 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. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). b. 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.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. → → s n . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. s jedna toˇka.5. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . z nepoznanice). ∆ .5.2. paralelne su). 2. ∆. z Definicija 2. B. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .4. toˇka 2. onda je presjeciˇte jedinstveno (tj.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. C). A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .

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

z = z1 + ct. Ax1 + By1 + Cz1 + D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. tj.2. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. 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 . tj. ako nema konaˇnog z koji je rjeˇenje. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.5.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z1 − c Ax1Aa+Bb+Cc+D . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. 2.28 Ako ne postoji takav t koji je konaˇan. y = y1 + bt. z z . Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . a druga je uvjet paralelnosti pravca i ravnine. Aa + Bb + Cc Napomena 2.5. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. y0 . y1 − b Ax1Aa+Bb+Cc+D .

Definicija 2. z2 ) s vektorima smjera − = (a1 . 3. b2 . → → s1 s2 p 2 p 1 Slika 2. Pravac je sadrˇan u ravnini. b1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 .5.74 ˇ POGLAVLJE 2. c 2. c c c 2. s1 s2 redom. c1 ) odnosno − = (a2 . Pravac i ravnina se sijeku u samo jednoj toˇki. Pravac i ravnina se ne sijeku. z1 ) odnosno c → → P2 = (x2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). → → 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 .18: Mimosmjerni pravci. .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. y2 . y1 . c2 ). ANALITICKA GEOMETRIJA Teorem 2.

odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . c c z → s1 Napomena 2.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.3. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. tj. z= 1 m−m n−n . To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .2. ako i samo ako je → · − = 0. → Napomena 2.5). tj.5. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. 2. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . ako i samo ako postoji λ ∈ R takav da je − = λ→.5. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. tj.

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

z 3.6 na gornju determinantu (tj. Pravci se podudaraju. 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 .3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci leˇe u istoj ravnini i ne sijeku se. iz toˇke 1. tj. c =0 . pa nema presjeciˇta. ne leˇe u istoj ravnini. ˇetvrti sluˇaj. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Teorem 2. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.29.2. i 6. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z 2. z c 4. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. Prema Napomeni 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pravci su mimosmjerni. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. z Moˇe se desiti da su oni paralelni. imamo isti pravac. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5.5. Ako su sva tri redka proporcionalna. Pozabavimo se sluˇajem mimosmjernih pravaca.

a2 b2 c2 a2 b2 c2 . y2 . a2 b2 c2 Definicija 2. 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 = = . . c1 ) i − = (a2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . 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. b2 . Dakle. . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. kako p1 leˇi u Π i Π je paralelna sa p2 . z2 ) s pripadaju´im vektorima smjera − = (a1 . y1 . z1 ) → odnosno P2 = (x2 . b2 . imamo da Π prolazi z → → kroz P1 = (x1 . c2 ). p1 leˇi u ravnini). b1 . b1 . y1 . = 0.78 ˇ POGLAVLJE 2. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). c1 ) c s1 − = (a2 . ANALITICKA GEOMETRIJA 2. c2 ).22. z1 ) i paralelna je sa − = (a1 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca.5. Iz s1 s2 Napomene 2.

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

.

U primjeru iz toˇke 1. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   .Poglavlje 3 Matrice i linearni sustavi 3.1 3.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. y. Ako bismo uspjeli razviti raˇun takvih objekata. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z i c z u.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. 1 −1 0  1 1 1 81 . z i u) kao jedinstveni objekt (matricu). y. z z Npr.1.

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

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

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

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

.. Definicija 3... Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. + . j = 1. n. . = . .. . Piˇemo A = B. C =A+B = ..  . .3 Zbroj matrica se definira samo za matrice istog tipa. λam1 · · · λamn · · · amn  a11  . .. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. Definirajmo sada mnoˇenje matrice skalarom. j = 1..4. z Definicija 3. s Napomena 3. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. λA = λ  . .. .  .. . a11  . m.86 POGLAVLJE 3. .. m.  . am1     λa11 · · · λa1n · · · a1n .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . . am1 + bm1 · · · amn + bmn Napomena 3. n... tj.1.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .. Definicija 3.   . .   . . .3 odnosno Definicije 3. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .. . tj. .. . j = 1.    · · · a1n b11 · · · b1n . . . m. . . . .2 Jednakost matrica se definira samo za matrice istog tipa. MATRICE I LINEARNI SUSTAVI 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... a na R znamo ˇto znaˇi s c ”biti jednak”. = ..

.ˇ ˇ 3... . 4. + λk Ak je linearna kombinacija matrica A1 .. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. razvijena) u linearni spoj po matricama z z A1 . a na svim ostalim mjestima nule ˇini bazu u Mmn . Kaˇemo da je A rastavljena (razloˇena.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . Ak s koeficijentima λ1 . ˇto slijedi izravno iz Definicije s 3. j) imaju z jedinicu... λk razliˇit od c nule.. OSNOVE MATRICNOG RACUNA 87 Teorem 3.. .. onda je i A ∈ Mmn . Matrica A = λ1 A1 + ... linearna kombinacija i linearni rastav. z Teorem 3.. Ak . C ∈ Mmn i sve skalare iz α.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . A2 . (A + B) + C = A + (B + C) (asocijativnost).1. Ak ∈ Mmn . β ∈ R vrijedi: 1.4. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . α(βA) = (αβ)A (homogenost)... Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Napomena 3. s Definicija 3. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. λk ∈ R skalari..3 odnosno Definicije 3. Njegovi su elementi (”vektori”) matrice tipa m × n. A2 . B. α(A + B) = αA + αB (distributivnost). 2.. . . A2 . .. 3.♣ Iz Teorema 3. λk .5 Neka su A1 .. A + B = B + A (komutativnost). .... Ak ∈ Mmn matrice i λ1 . A2 .. ..

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

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

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

.6. c . Sloˇimo li ih u (2 × 2) matricu. 4. .1.. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 3.. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.5 Podmatrice i blok matrice Neka je A ∈ Mmn ..1. 1 0 3 0  Neka je r = s = 2. xn ]T nepoznata matrica. prvi i tre´i. bm ]T poznata matrica desnih strana i z x = [x1 .4..3.. Izaberimo dva redka. 3.6 Neka je  2 3 4 1   A =  −1 2 1 3  . 0. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Primjer 3. 3. svaka linearna z jednadˇba ide u svoj redak).♠ Ako su izabrani redci i stupci uzastopni. c drugi i tre´i. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. b = [b1 . Sloˇimo li ih u (r ×s) matricu. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). i dva stupca npr. takvu podmatricu zovemo blok. dobijemo podmatricu z 3 4 0 3 matrice A. npr. dobivamo podmatricu z matrice A.. 3.ˇ ˇ 3.

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

ˇ ˇ 3. c Napomena 3. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. c 2. 1. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. Npr. c c c Iz svojstva 5. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.6 Regularne matrice.1. b. U skupu R vrijedi: ako je a · b = 0. U toˇki 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. neka je dana matrica c 0 1 1 0 . tj. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . dakle ne postoji izbor brojeva a.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Npr. c.1. OSNOVE MATRICNOG RACUNA 93 3.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.1. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . postoji broj koji pomnoˇen s a daje 1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . tj. Teorema 3. onda je barem jedan od a ili b jednak nuli.

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

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

→ → Definicija 3. ..9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. linearne zavisnosti/nezavisnosti.. tj.. a1 an Napomena 3.. .... moˇemo promatrati kao vektore u R .96 POGLAVLJE 3.. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . Definicija 3. 2. → → s L( a1 an → → → → an a1 L(− . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.10 slijedi da je L(− . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). MATRICE I LINEARNI SUSTAVI 3..... . Definicija 3.. − ) = {λ1 − + .. matrice iz M1n .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .11 Oˇito je da je c − − L(→.. Iz Napomene 3.. − ).5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A..♣ Kako je po Teoremu 3. − ∈ Rm . a1 an . Iskaˇimo sada jedan bitan rezultat. + λn − : λ1 .5 izravno slijedi da je r(A) = r(AT ).11 Neka su − .7 Rang matrice. moˇemo promatrati kao vektore u vektorskom prostoru Rm .5) i neka je L neki podskup od V . matrice iz Mm1 .. .. .6 znamo da stupce. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).10 Neka je V vektorski prostor (Definicija 1. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. a1 an → → i izravno iz Definicije 3.. Podprostor razapet vektorima a1 an − . . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. iz Definicije 1. →) ⊆ Rm . i 3. Sliˇno. Oznaˇavamo ga → → → → a1 an a1 an c − .. − ... − je skup svih linearnih kombinacija vektora − . . vrijede svojstva 1. z Teorem 3.. λn ∈ R}.5). njene z c n redke. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3... − ) podprostor od Rm . ..1.

. Neka je R(A) podprostor od Rm razapet stupcima matrice A. Tada je oˇito r(In ) = n. − .. .. . z Teorem 3. Neka je L(− .♣ Primjer 3.14 Uz gornje oznake iz Teorema 3. →)) ≤ n..ˇ ˇ 3. a1 an Vratimo se na konkretan vektorski prostor. − razapinju L(− ..6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. .12 Neka su − . Tada je r(0) = 0..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). → → → → Napomena 3. − )). − ) podprostor a1 an a1 an m − . . Neka je 0 ∈ Mmn nul matrica.13 imamo da je r(A) ≤ min(m.. Napomena 3.... znamo da je u a1 an a1 an bazi najviˇe n vektora.... − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Napomena 3. . Stoga vrijedi s − − dim(L(→. − ). i R (A) podprostor Rn razapet redcima od matrice A.. →}. .13 Kako vektori − .. . Mmn . n).. Neka je In ∈ Mn . Neka je A ∈ Mmn . jer je skup { 0 } uvijek linearno zavisan.15 Iz Napomene 3... . − ) → → → → od R razapet sa a1 an a1 an →... . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . c . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3....1.... − ∈ Rm . Dimenziju vektorskog prostora L(− .. 2.8 Vrijedi: − → 1.

n) ima jedinice. . Nadalje.. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B.5 imamo da je r(B) = 3. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka.. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). Pitanje je.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.. 2..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    . k. na pozicijama a11 . tj. . Dakle.♠ Iz Primjera 3. MATRICE I LINEARNI SUSTAVI 3.. Primjer 3..98 POGLAVLJE 3.  . ima nule. c c r(In ) = n) i matrice koja izgleda kao i matrica B.. na aij za i < j. akk za k ≤ min(m. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan.. . iz Teorema 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. na aij za i = k + 1. Neka je dana B ∈ M5.. z 3.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . Dakle. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3.6 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. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. Mnoˇenje redka (stupca) skalarom λ = 0. na aij za j < i ima nule. Zamjena dvaju redaka (stupaca). Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .

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

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

+ amn xn = bm . Ako sustav nema rjeˇenja... Npr. + a1n xn = b1 a21 x1 + a22 x2 + .. c2 ... cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. Ako za neki i = 1. n. Za sustav kaˇemo da je homogen ako je b1 = . . m vrijedi ai1 = . s ..... m. s Ako je (c1 . = xn = 0 daje rjeˇenje c svakog homogenog sustava.. = ain = 0. s s z s 3.. 0.. .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto.2 3... . . a bi = 0. Ako je barem z jedan bi = 0. xn s z koeficijentima aij . sustav je nehomogen... + a2n xn = b2 .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.. .. n i slobodnim ˇlanovima b1 . .2.3..... Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. . Uredena n-torka (c1 .. ... .. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan..18 Primijetimo: 1.. s i = 1. c s z proturjeˇan ili nemogu´... −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja.. j = 1. 2..2... uredena ˇetvorka (1. = bm = 0. .. . .. Homogeni sustav je uvijek mogu´. c s 2. s z suglasan ili mogu´.. imamo netrivijalno rjeˇenje. Definicija 3.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . bm : c a11 x1 + a12 x2 + . LINEARNI SUSTAVI 101 3. Takvo rjeˇenje zovemo trivijalno. i = 1. i = 1... cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .. m.. c c Napomena 3. .. am1 x1 + am2 x2 + . kaˇemo da je nekonzistentan. sustav je nemogu´. c2 .. jer x1 = . ..

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

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

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

18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . x x − → Oˇito je 0 ∈ N (A). → ∈ 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).8 i Napomene 3.2 su oˇito zadovoljena.3 Homogeni sustavi → Iz Napomene 3.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). tj. gdje je λ ∈ R proizvoljan.5. dakle dokaˇimo da za proizvoljne c z − . c Svojstva iz Teorema 1. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . A− = b i A− = b . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .1 i Teorema 1.2.♣ s c z s x → Iz Teorema 3.♣ . Dokaz: Oˇito je N (A) ⊆ Rn . Tada je. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . tj.3.2.22 N (A) je podprostor od Rn . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. u v u v − → dakle → + − ∈ N (A). LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u u Dakle je N (A) vektorski podprostor od Rn . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . c Napomena 3. c 3. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . Treba provjeriti da N (A) ima svojstva iz Definicije 1.

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

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

.. . − − → u u u pri ˇemu su µr+1 ... .2.... a broj dimN (A) defekt od A. + µn − n . cr ]T . cr+1 ...8 II. cr ]T ). izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A)....10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. µn proizvoljni parametri. cn su slobodni prametri. . ... 0 U toˇki 3...♣ Iz Teorema 3....... Teorem 3. tj. µn proizvoljni parametri.. → → − II..11 izravno slijedi iz Teorema 3. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .. . i obratno. . − u u u pri ˇemu su µr+1 . Kako je (− r+1 .108 koje je oblika POGLAVLJE 3. ..♣ c Napomena 3. cn ]T je rjeˇenje sustava A− = c s x − → b..3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. → → Teorem 3.. − = [c1 . → x → → Dakle.10 I. − n ) baza s x u u u − → − = b oblika → od N (A). cr koji su dani s A−1 β (c) = [c1 .11 Ako je (− r+1 . .. . Brojevi cr+1 .. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . MATRICE I LINEARNI SUSTAVI − 0 = [c1 . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). c ... Broj dimR(A) smo zvali rang od A.. . r(A) = dimR(A) = n. cn postoje → − jedinstveni c1 .. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. ..1. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . . cr ..24 Tvrdnja Teorema 3. iz Teorema 3. dok brojevi c1 . − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . + µn − n . dimR(A) + dimN (A) = n...9.7 odnosno toˇki 3...

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

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

Ako je A ∈ Mn trokutasta (gornja ili donja).1. . 3. Svojstva determinante su: 1. onda je det A = a11 a22 · · · ann . pravilo za c raˇunanje inverza matrice). Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . 2. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. det(Qij A) = − det A.3. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Posebno je c det In = 1. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Neka je A ∈ Mn dijagonalna matrica. onda je det A = 0. c 4.7. n ≥ 2. determinanta mijenja predznak. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. n ≥ 2. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. je razvoj determinante po prvom redku. onda sc je det A = 0.2.

... . 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. 7. µ ∈ R. . Determinanta dijagonalne matrice jednaka je produktu elemenata dijagonale. MATRICE I LINEARNI SUSTAVI 5.... . 8.112 POGLAVLJE 3.. − n ]. metodom eliminacije. →i .. Ako nekom stupcu matrice A ∈ Mn dodamo linearnu kombinaciju ostalih stupaca. ako ˇelimo donju trokutastu onda kre´emo od z c zadnjeg elementa na dijagonali). Bilo bi dobro (ako je mogu´e) c proizvoljnu matricu A ∈ Mn ”transformirati” u trokutastu ˇiju determinantu c znamo lagano izraˇunati. . determinanta se ne mijenja.. b . ... . tj. Analogno vrijedi i za redke.. ˇ Stoviˇe.. Analogno vrijedi i za redke.. uzimamo drugi element na dijagonali i koriste´i ˇesto pravilo ˇinimo istu stvar tj... → → a b c − → → gdje su b i − proizvoljne matrice iz Mn1 i λ. Ako je matrica A ∈ Mn singularna. onda je c → − − det[− 1 ... moˇemo c c z raˇunati determinantu tzv. onda je det A = det AT = 0.. →n ] = a a a → − → → → det[− 1 . − . Ako je i-ti stupac matrice A ∈ Mn oblika → − i = λ− + µ− . Ovih osam svojstava nam to omogu´ava. iz drugog svojstva determinante znamo da je determinanta trokutaste s matrice takoder produkt elemenata dijagonale.. 6. poniˇtavamo sve elemente u stupcu c s c s . − n ] + µ det[− 1 .. Ako je neki stupac determinante linearni spoj ostalih stupaca.. a a a c a Analogno vrijedi i za redke. c Metodom eliminacije raˇunanje determinante proizvoljne matrice A ∈ Mn svodimo c na raˇunanje determinante trokutaste matrice koja ima do na predznak istu dec terminantu. . Nadalje.. − n ] = a c a − → → → → → → λ det[− 1 .. determinanta je jednaka nuli. λ b + µ− . .

c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Radimo sve analogno sve do zadnjeg elementa na dijagonali. ♣ .26 Ako je A ∈ Mn regularna. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Dokaz: Iz Teorema 3. LINEARNI SUSTAVI 113 ispod njega. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. ♣ Iz Teorema 3. ♣ Napomena 3. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . tj. ai+1. Teorem 3.12 Za proizvoljne matrice A. itd.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Ako to nije mogu´e. Dakle oˇito je det A = 0.♣ Teorem 3. ♣ U Teoremu 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.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 .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.i+1 = 0). Teorem 3. B ∈ Mn vrijedi det(AB) = det A · det B. onda je det A = 0.2.3. z Teorem 3. Teorem 3.i+1 (naravno.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.

114 Veliˇinu c POGLAVLJE 3.13 prethodni zbroj jednak det A.16 imamo da je 1 kof (A) · A = In . Inaˇe je zbroj det A.♣ Iz Napomene 3. tj. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.28 U Napomeni 3. onda iz Teorema 3.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . det A Dokaz: Ako je det A = 0. onda je po Teoremu 3. tj. Analogno ide dokaz za stupce. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. Promatramo zbroj n (−1)j+k aik det Ajk . ♣ Napomena 3. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. k=1 Oˇito. k) stoji kofaktor elementa aki matrice A.27 izravno slijedi: Teorem 3. Definicija 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. onda je det A = 0. c Napomena 3.♣ . det A Dakle A je regularna i A−1 = kof (A) det A . ako je i = j. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . (−1)k+i det Aki . Vrijedi i obrat. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Kofaktor matrice A oznaˇavamo s kof (A). c c Dokaz: Neka su uzeti i-ti i j-ti redak.26 smo vidjeli da ako je A ∈ Mn regularna.

D D pri ˇemu je D = det A. . 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 .. → ∈ Rn . . → ∈ Rn .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. Takvu x x funkciju zovemo linearni operator. Ako je matrica A regularna. D x2 = D2 Dn .26 i Napomene 3. 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.3. . onda takav linearni x y operator zovemo linearnim funkcionalom. za sve λ. . → x Teorem 3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . a Dk . . . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. onda je rjeˇenje z s tog sustava dano s x1 = D1 .3. − → → Iz Teorema 3. Ako je m = 1.3. n. Rjeˇenje je dano s − = A−1 b .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.3 3. Definicija 3. µ ∈ R i sve − . A je regularna ako i samo ako je det A = 0.. µ ∈ R i sve − . k = 1.8 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. xn = . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju..♣ a 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Stoviˇe. Rm = R.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .

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 (− ).1 i Teorema 1. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaˇimo da vrijede i prva dva. tj. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . dakle zadovoljavaju tre´e svojstvo Definic cije 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.♣ . Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. x x Napomena 3. µ ∈ R i sve →. µ ∈ R i sve →. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Iz Definicije 3. MATRICE I LINEARNI SUSTAVI Napomena 3.5.116 POGLAVLJE 3.5. tvrdnja slijedi. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. − ∈ Rn .2. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. Dokaˇimo da je i F + G linearni z operator. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. − ∈ Rn .

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

10 Pogledajmo sljede´e primjere: c 1. vrijedi dimN (F ) + dimR(F ) = n. Njegova je matrica dana s 1 0 0 . Neka je F : Rn −→ Rm proizvoljan linearni operator.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Napomena 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Oˇito je rang od p1 jednak jedan (jer je slika x-os).118 POGLAVLJE 3. − → → → Nadalje. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.3. Sada nas zanima kada su ti vektori kolinearni. odnosno dimN (F ) = dimN (F ). y).♠ c 3. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. iz toˇke 3. MATRICE I LINEARNI SUSTAVI Napomena 3. y. Njegova je matrica dana s 1 0 0 0 1 0 . a defekt dva. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . a defekt jedan.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. z . F ∈ Mn ). Kako su F i F ustvari isti linearni oper− → − → atori. z) = (x. Dakle dimenziju slike linearnog s operatora takoder zovemo rang.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). y. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Tada je po Teoremu 3. c H =GF . Primjer 3. c 2. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Iz Napomene 3.2. tj. tj.32 i Teorema 3.10 izravno slijedi teorem o rangu i defektu za linearni operator. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. z) = x. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )).

5. tj. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Dokaz: 1. − ∈ S(λ0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . Nadalje. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.17.2 oˇito zadovoljava. Napomena 3. 2.3. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .3. Nadalje neka su − .1 i Teorema 1. → → Svojstva iz Teorema 1. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.33 Primijetimo: → 1. Izravno iz Definicije 3. ♣ Napomena 3. tj. neka je µ ∈ R µ = 0 proizvoljan. µ = 0. x y x y x y . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). x x x x → Dakle za svaki µ ∈ R. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. A− 0 = x x − 0 . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . y y → → Dokaˇimo da je − + − ∈ S(λ0 ).17 Neka je A ∈ Mn . c x y tj. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . x x → → Vektor − 0 ∈ Rn . Dokaz: Oˇito je S(λ0 ) podskup od Rn . → → 2. da c z s zadovoljava uvjete Definicije 1.

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

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

Za dijagonalne matrice. Definicija 3. tj. Tada su sve njene svojstvene vrijednosti realne. svojstvene vrijednosti od A nisu realni brojevi. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. Tako npr. c Teorem 3.19 Neka je A ∈ Mn simetriˇna matrica. svaki vektor kanonske ortonormirane baze od Rn je svojstven.122 POGLAVLJE 3. c s c z itd. nul matrice. 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. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore.18 Za matrice A. Medutim. Nadalje. za nul matrice. za trokutaste.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. 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. iterativne metode. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. tj. .♠ Dakle iz Primjera 3. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. da A c nema realnih svojstvenih vrijednosti.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. imamo cos2 ϕ − 1 < 0 tj.2 = cos ϕ ± Kako je ϕ = kπ. k ∈ Z. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje.

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

. . Ako je A joˇ simetriˇna onda iz Teorema 3. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. c c Teorem 3. . ona se u nizu c nultoˇaka λ1 .. c Kako je KA (λ) polinom n-tog stupnja.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . c Teorem 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. λn od KA (λ) pojavljuje barem jednom.♣ Napomena 3. λn . .12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. Sada. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. λn . λ−1 . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. Tada iz Napomene 3.♣ c ... Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. Obratno.. Dakle 0 nije svojstvena vrijednost. 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.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . tj.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .. a odgovaraju´i se svojstveni vektori podudaraju. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . c Napomena 3.. ♣ Teorem 3. λn od KA (λ) zovemo algebarska kratnost od λ0 . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.21 Neka je A ∈ Mn simetriˇna.124 POGLAVLJE 3. dijagonalna.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A... nultoˇka od KA (λ). . iz osnovnog teorema algebre (Teorem 5. ako je λ0 svojstvena vrijednost od A ∈ Mn . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. s Teorem 3.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost... Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . tj. .34 znamo da je skup S(λ0 ) potprostor od Rn . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ)... Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . Ipak..22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. A je regularna.

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

i ako da. lim (can ) = c lim an .132 POGLAVLJE 4. lim (an ± bn ) = lim an ± lim bn . konvergira li.5 Neka je (an ) konvergentan niz. onda je lim an an = n−→∞ .1. lim (an bn ) = lim an lim bn . proizvoljan i an ≥ 0 za svaki n ∈ N. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an .♣ an Teorem 4.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. n−→∞ n−→∞ n−→∞ 2. c s c c c tj. Ako je r ∈ R. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). ako je bn = 0 i n−→∞ lim bn = 0. n−→∞ n−→∞ n−→∞ 4. r = 0. NIZOVI I REDOVI 4. te c ∈ R proizvoljan. Tada c an −→ 0 ⇔ 1 −→ ∞. c Teorem 4. prema kojoj vrijednosti. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4.3 Neka je (an ) niz s pozitivnim ˇlanovima. c c c Npr. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. Tada vrijedi: 1.4 Neka su (an ) i (bn ) konvergentni nizovi. . ako ne i nemogu´e. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . n−→∞ n−→∞ 3.

To je ekvivalentno s |q| < ε. U suprotnom. Tada po Teoremu 4. ograniˇen niz je konvergentan. niz (an ) s konvergentan. vrijedi lim inf an = lim sup an ∈ R.♣ Teorem 4. odrediti. Logaritmiranjem se dobije n log |q| < log ε. pa prema prethodnom niz n n −→ 0. Tj.4. Dakle imamo samo c c s z s jedno gomiliˇte. n−→∞ Dokaz: Iz toˇke 4.4. pa je lim an = 0. G > G . Teorem 4.. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. dakle divergira ili u uˇem. ˇto ne moˇe biti jer je G gomiliˇte. . NIZOVI REALNIH BROJEVA 133 Teorem 4. c c . i ako npr. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. tj. 1 |q n | Neka je sada |q| > 1.1.4 dovoljno je promatrati niz s a1 = 1. ε).3 imamo |q | −→ ∞. jer je log |q| < 0. Kako je (an ) monoton.6 je tipiˇni teorem egzistencije. tj. Tada je n 1 |q| < 1. niz 1. Pogledajmo prvo sluˇaj |q| < 1.♣ c z s Napomena 4. dakle ili q −→ ∞. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. q 2 . c c c Prema Teoremu 4. q..2 niz (an ) ima barem jedno c gomiliˇte. Imamo log ε n> . no ne c s znamo koliko je i kako to na´i. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. c Napomena 4.. ako s z s s (an ) ima barem dva gomiliˇta G i G ..1. q. za svaki n ∈ N. .6 Monoton. q 3 .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. on moˇe imati najviˇe jedno gomiliˇte. ili u ˇirem smislu. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . c Dokaz: Neka je (an ) monoton i ograniˇen. po Teoremu 4. znamo da neˇto postoji. Sada. Za |q| < 1 je lim an = 0.. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. izraˇunati. q 3 . dakle divergentan. tj.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. (an ) raste.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Onda je po Napomeni 4. log |q| Dakle svi ˇlanovi niza 1. q 2 .

1 n . 2. ako je 0 < λ < 1. √ 3. teˇe k nuli.1. n−→∞ n−→∞ n 4. Neka je niz (an ) dan formulom an = |λ| . Tada vrijedi   ∞. Neka je niz (an ) dan formulom an = n λ. . Neka je niz (an ) dan formulom an = λn .4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. gdje je λ > 0. Tada n! vrijedi lim an = 0. tj. λ = 1. ako je λ > 0  lim an = 1. n−→∞   0. Neka je niz (an ) dan formulom an = nλ . Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.♣ Teorem 4. NIZOVI I REDOVI Teorem 4. ako je λ > 1 lim an = n−→∞ 0. ∀r ∈ N).134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = n n. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. gdje je λ ∈ R proizvoljan. Tada vrijedi n−→∞ lim an = 1. ako je λ < 0 √ 5. proizvoljan. n 6. Tada vrijedi ∞.7 je najop´enitiji. c z 4. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. ako je λ = 0.7 (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. gdje je λ ∈ R proizvoljan. Tada vrijedi lim an = 1. gdje je λ > 0 proizvoljan.

No. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . a2 . Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). konaˇna suma. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . gdje je (Sn ) niz parcijalnih suma niza (an ).8 Oznaka sumu reda an . + an = k=1 ak = Sn . tj. Red dobiven od niza (an ) oznaˇavamo s c an . a1 .2 4. n=1 Ako niz parcijalnih suma (Sn ) divergira. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. kaˇemo da i red z Napomena 4.2.8 Pogledajmo sljede´e primjere: c .. ∞ an je oznaka za n=1 Primjer 4.2. REDOVI REALNIH BROJEVA 135 4. (Sn )).9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). zareze zamijenimo plusevima c dobijemo beskonaˇni red. an je oznaka za red. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). Za svaki konaˇan n z c veliˇina Sn je dobro definirana. tj.. c Definicija 4. Definicija 4. . Konvergencija reda Ako u beskonaˇnom nizu (an ). a3 .. a oznaka an divergira. Ako je S = lim Sn < ∞.. a konaˇna suma postaje red.4.8 Neka je (an ) niz.1 Redovi realnih brojeva Pojam reda. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. Dakle. n-ta parcijalna suma.

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

Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .8 Ako red apsolutno konvergira. REDOVI REALNIH BROJEVA za svaki n ∈ N. kaˇemo da red z an konvergira uvjetno.10 Red an apsolutno konvergira ako konvergira red |an |. Ako red an konvergira.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Dakle je red Teorem 4.9 ne slijedi obrat Teorema 4.♣ 1 1 Napomena 4. tj. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. Definicija 4.♠ dok red 1 n divergira (Primjer 4. Primjer 4. tj. oˇito vrijedi c Sn+1 = Sn + an+1 .9 op´enito ne vrijedi. onda on konvergira i obiˇno.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.10 Iz Primjera 4.2.8).8 znamo da red = divergira i da je lim n n−→∞ n 0.8. onda op´enito red c c c an ne mora konvergirati. c c ako op´i ˇlan niza (an ) konvergira u nulu. a red |an | ne konvergira. n 1 (−1)n−1 n uvjetno konvergentan. n−→∞ odnosno n−→∞ lim an+1 = 0. S = lim Sn = n−→∞ n=1 an .♠ 2n n−→∞ ∞ Napomena 4.♣ c Uoˇimo da iz Primjera 4.4. an . c . Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. Nadalje.

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

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

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

3 Cauchyev kriterij Teorem 4.. c 0 < λ < 1. Ako postoji λ ∈ R. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.9 konvergira.8 znamo da on = 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.3. a ne moˇemo niˇta z s zakljuˇiti za l = 1. n−→∞ an lim onda red an konvergira za l < 1. an konvergira. konvergira.8 znamo da on konvergira. Sada iz Napomene 4. Neka je dan red vrijedi 1 . ali vrijedi 1 . KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. 1 n+1 lim n−→∞ 1 n 2. n2 Tada iz Primjera 4. n Tada iz Primjera 4. c Primjer 4.16 imamo da i red an0 + an0 +1 + .3.♣ . divergira za l > 1.14 1. Ako postoji limes c an+1 = l. 4. imamo da red c an konvergira.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Neka je dan red divergira. onda red an ≤ λ.19 Neka je an red s pozitivnim ˇlanovima..♣ Napomena 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.

divergira za l > 1. onda red an konvergira za l < 1.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.20 zovemo radijus konvergencije reda potencija a n xn . a divergira za sve x ∈ R za koje je |x| > ρ. tj.148 POGLAVLJE 4. (an ) niz u R i x ∈ R prozvoljan. Ako postoji limes c n−→∞ lim √ n an = l.14 za red odnosno red n znamo da divergira odnosno konvergira. c 1 Primjer 4.20 Neka je an xn red potencija. c Teorem 4.♠ c s Cauchyev kriterij je jaˇi. a iz toˇke 4.1. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). . postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.15 Analogno kao i u Primjeru 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. Ako postoji lim sup n |an | i lim sup n |an | = 0. a ne moˇemo niˇta z s zakljuˇiti za l = 1. NIZOVI I REDOVI Napomena 4.

Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. Ako je x = 1 onda.♠ n2 Teoremu 4. dok za x = 1 red n 1 divergira. Tada imamo sljede´i kriterij (Leibnic c zov): . konvergira za Pogledajmo sada ako je |x| = 1. ali smo u Primjeru 4. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). Po Teoremu 4. Ako je x = −1. a divergira za |x| > 1. Neka je dan red potencija lim sup n 149 1 n x .20 red potencija |x| < 1.3. 4. a divergira za |x| > 1. onda iz Primjera 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Iz n2 n2 1 Teorema 4.20 red potencija |x| < 1. itd.16 1. c sin n.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.8 znamo 1 1 da red konvergira. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. tg n. iz Primjera 4. n 2.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.8 imamo da konvergira i red (−1)n . KRITERIJI KONVERGENCIJE Primjer 4. n2 1 n x n2 dakle je ρ = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. konvergira za Pogledajmo sada ako je |x| = 1. n Tada je 1 = lim n−→∞ n n 1 = 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. n 1 n x n dakle je ρ = 1. (−1)n . Neka je dan red potencija lim sup n 1 n x . Po Teoremu 4. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. dakle i apsolutno konvergira red (−1)n . Teorem 4. a divergira za |x| > ρ (ako lim sup n |an | postoji).3.).

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

21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.4.♠ s .3.17 Iz Teorema 4. KRITERIJI KONVERGENCIJE Primjer 4.

.

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

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

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

5. z Definicija 5. FUNKCIJE . graf funkcije f sadrˇi sve toˇke ravnine (x. tj. projekcija grafa na y-os je slika od f ). Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . x ∈ D(f ). 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 . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. Drugim rijeˇima. . f (x)).Na kraju. graf funkcije f dobijemo z c c kad sve parove oblika (x.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. y) za koje je y = c z c f (x).2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. f (x)). prikaˇemo u koordinatnom sustavu. c Napomena 5. U nastavku ´emo se baviti ovim problec mom.3 Graf funkcije Funkcije se zorno prikazuju grafovima.156 POGLAVLJE 5. x ∈ D(f )} ⊂ R2 . no izvediv.1.1: Koordinate toˇaka na grafu funkcije.

c kruˇnica u ravnini nije graf niti jedne funkcije.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.1. ˇto je suprotno s definicijom funkcije. c y x0 0 x Slika 5.5. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. .2: Graf funkcije f i njegove projekcije na koordinatne osi. Npr.3: Primjer krivulje koja nije graf funkcije. z s Iz Napomene 5. Napomena 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.

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

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

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

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

c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. +∞ .5 1 2 3 -5 -7. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.162 POGLAVLJE 5. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Primjer 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. postoji i konaˇan je broj f (−1). Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . Npr. 1] −→ R dana formulom f (x) = 1 − x2 . Takav je rub c c regularna toˇka. jedan rub je konaˇan a drugi beskonaˇan). Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. f (x) = 0 za svaki x ∈ R. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije.5 5 2.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. tj. neka c √ je funkcija f : [−1. tj. tj.5 -1 -3 -2-2.5 -10 Slika 5. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.

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

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

je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Primjer 5.3 kaˇe da je funkcija f : I = a.1. dok je u svim drugim toˇkama neprekidna. x0 + δ ) ⊆ 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 . c 1 Uzmimo ε = 2 . gdje je I ⊆ D(f ). Definicija 5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. x > 0  sign x = 0. 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 ).5 Neka je dana funkcija sign : R −→ R formulom   1. Intuitivno.7 Ako funkcija ima asimptotu. Kad bi imala dvije asimptote u jednom rubu. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Definirajmo sada pojam neprekidnosti funkcije. x = 0   −1 x < 0 Funkcija f ima prekid u 0. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.3 Realna funkcija realne varijable f : I = a. b −→ R. pravac). OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Dakle nula je toˇka prekida od f . funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. c 165 Napomena 5. z Definicija 5. f (x0 ) + ε . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Odnosno. .5.

4.4 Realna funkcija realne varijable f : I = a. b −→ R. FUNKCIJE y 1 0 x −1 Slika 5. iz uvjeta m ≤ f (x) ≤ M. za svaki x ∈ I. funkcija je neprekidna u x0 .10 Ako je funkcija f : I = a. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. tj. gdje je I ⊆ D(f ). Napomena 5. M ∈ R c takvi da je m ≤ f (x) ≤ M.8 Ako u Definiciji 5. Ako je x0 > 0. b −→ R neprekidna u toˇki c x0 ∈ I. je ograniˇena na I ako postoji realan broj M ∈ R. 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.9 Iz Definicije 5. c . Analogo se dokaˇe za x0 < 0.8: Funkcija sign(x). onda je funkcija f ograniˇena na nekoj okolini oko x0 . za svaki x ∈ I. Napomena 5. je ograniˇena ili omedena na I ako postoje realni brojevi m. gdje je I ⊆ D(f ). Napomena 5.♠ z Definicija 5. b −→ R. takav da je c |f (x)| ≤ M .4 stavimo M = max{|m|. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.166 POGLAVLJE 5. tj. za svaki x ∈ I. M > 0.

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

pa je D(f ± g) = D(f ). pri ˇemu je f proizvoljna. a g dana formulom g(x) = c. a) Ako je c = 0.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. tj. 1. Dakle imamo definirano c c mnoˇenje funkcije skalarom.. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. c c ∈ R.. z c z Napomena 5. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.5). . Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. b) Ako je c > 0. c) Ako je c < 0. x.. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). g : R −→ R. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. x . . Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore.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.3). onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). . gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R.. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. c c Neka su f. Uoˇimo da je D(g) = R. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. n = 0. 1. c Preciznije. Napomena 5. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. skup funkcija {1. Npr.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. dakle beskonaˇni skup {xn .. Tj.168 POGLAVLJE 5. graf funkcije f + g je isti kao i graf funkcije f .

Pogledajmo funkciju f g u ovisnosti o c ∈ R. funkcija f g ima iste nultoˇke kao i funkcija c c f .5. y 2 f(x) 0 f(x) x Slika 5.1. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. 2.10: Graf funkcije 2f (x). pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . vrijedi |(f g)(x)| ≤ |f (x)|. onda je (f g)(x) = 0 za svaki x ∈ D(f ). samo je usporen pad i rast c funkcije f . Graf funkcije f g je pravac y = 0 ili x os. Graf funkcije f g je sliˇan grafu funkcije f . b) Ako je 0 < c < 1. Dakle.9: Graf funkcije f (x) + c za c > 0. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). a) Ako je c = 0. .

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

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

4). Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. 2. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. g : R −→ R funkcije. f g i f g f g sve parne. 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 5.5 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)).1. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. recimo g. g 5. Ako je jedna funkcija. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g).172 POGLAVLJE 5. 3.12: Kompozicija funkcija. Neka su f. dok su funkcije f g i f obje neparne. Ako su obje neparne. . Tim se postupkom mogu stvarati nove z funkcije. Matematiˇki se to formalizira pojmom kompozicija funkcija. Definicija 5. te funkcije f g i obje parne.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Ako su obje parne. Primjer 5. neparna a f parna. onda je funkcija f ± g neparna. onda su funkcije f ± g. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.

6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .6 vidimo da operacija kompozicije funkcija nije komutativna.7 Neka je dana funkcija f (x) formulom f (x) = x .♠ 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. za tu funkciju vrijedi g ◦ f = f ◦ g = g. 1 . tj. .♠ x+1 x+1 173 2x . OSNOVNI POJMOVI Primjer 5. Dakle imamo f ◦ id = id ◦ f = f. da je. tj. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). U takvom sluˇaju piˇemo f 2 = f ◦ f . op´enito.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Tada je oˇito c D(f ) = R(f ). 1 Primjer 5. Naime. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. c Napomena 5. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. 3x + 1 3x + 1 2x 6x = .5. moˇemo gledati funkciju f ◦ f . g ◦ f = f ◦ g. za svaku funkciju g : R −→ R. za proizvoljnu funkciju f . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . z funkciju f komponirati samu sa sobom. Napomena 5.1. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).

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

Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. d) Ako je funkcija f neparna a g parna. 175 a) Ako su funkcije f i g parne.13: Kompozicija funkcija. onda je i kompozicija g ◦ f neprekidna u x0 . Parnost kompozicije u ovisnosti o parnosti komponenata. ako je funkcija f neprekidna u x0 . onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). g f N N P P P P g f N P Slika 5. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). c . z 3. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). c) Ako je funkcija f parna a g neparna.1.5. OSNOVNI POJMOVI 2. b) Ako su funkcije f i g neparne. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije. Toˇnije. a funkcija g definirana c i neprekidna u f (x0 ).

FUNKCIJE 5. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. 2.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. tj.8 Troˇkovi rada stroja su 200 kn/h.. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.♠ z s Definicija 5. Kaˇe se i da z c z f ne lijepi argumente.♠ Primjer 5. b : studenti −→ {0. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . i obrnuto. To je za neke funkcije mogu´e. Dakle. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. a za z c neke nije. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. moˇe biti viˇe studenata koji su imali nula bodova. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. i joˇ 500 kn za dovoz i odvoz. Ne c c moˇemo rijeˇiti problem. 200x + 500 = 1300. Drugim rijeˇima. Dakle imamo. tj. Nas zanima x(y). Primjer 5. s s Jasno je da ´e nas npr.1. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena.176 POGLAVLJE 5. . 1. 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. Uspjeli smo rijeˇiti problem. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). c s Pogledajmo sada obratni problem. 12}. .. 10 sati rada stroja koˇtati 2500 kn.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe..

7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.11 U Primjeru 5. a injektivnost njegovu jedinstvenost. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. ali ne i za paran n. tj. Injektivnost. . Definicija 5. n ∈ N. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. f : D(f ) → R(f ) je uvijek surjekcija. c c Definicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. s c Primjer 5.5.10 Funkcija f (x) = xn . s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.6 c ekvivalentan sljede´em: za x1 . 1).1. x2 ∈ D(f ). Napomena 5. za bilo koji c ∈ R. Napomena 5. je injekcija za neparan n.8 izraˇunali smo da je x(1300) = 4.♠ Primjer 5. 1) i (1.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .

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

Dakle vrijedi f ◦ g = g ◦ f = id.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.1.5. Dakle. 0]. 0] i [0. i √ g2 : [0. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). g1 (x) = − x.+∞ su bijekcije s inverzima g1 : [0.20 znamo da f c ima inverznu funkciju g.0] √ i f |[0. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. g2 (x) = x. Teorem 5. kad govorimo o inverzima funkcija f : R −→ R. To je oˇito inverzna funkcija od f . +∞ jesu. +∞ −→ −∞. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.20 Ako je funkcija f : R −→ R strogo monotona.♣ z c .12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. pa ima i inverznu funkciju. a ona c c je strogo rastu´a funkcija. OSNOVNI POJMOVI 179 Napomena 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. a strogo c c padaju´e funkcije strogo padaju´a. +∞ . Tada iz Napomene 5. onda je ona oˇito i bijekcija na svoju sliku. Primjer 5. f | −∞. jer je c f ◦ g = g ◦ f = id.♠ Napomena 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. c Primijetimo da ako f nije strogo monotona nego samo monotona. no njezine restrikcije na −∞.10). Dakle. c c Dokaz: Neka je f : R −→ R strogo rastu´a. +∞ −→ [0. No f ◦ g = id.

0] odnosno .12 slijedi da tvrdnju Teorema 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. f −1 je neparna. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). +∞ −→ −∞. 0] ili [0. +∞ gdje je bijekcija. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). z c Napomena 5. Primjer 5. jer je f (x) c rastu´a.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.180 POGLAVLJE 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Tada je njena inverzna funkcija g : [0. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.2 Inverzna funkcija neparne funkcije je neparna. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. FUNKCIJE Teorem 5. ali nije bijekcija. Pokuˇajmo sada. +∞ . Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.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. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Dakle.♣ Iz Primjera 5.♠ c Analogno kao u Primjeru 5.2 ne moˇemo izre´i za parne funkcije. praktiˇno izraˇunati.

2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. 5.2 -0.16: Graf funkcije f (x) = xex . c . onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.2. specijalne funkcije kojima se ovdje ne´emo c baviti. c Osim elementarnih postoje i tzv. 0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.5.2 -3 -2 -1 -0. tj. 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.6 0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.8 0. Primjer takve funkcije je c x f (x) = xe . Ako je n neparan. ima inverznu funkciju. +∞ dana formulom − n x odnosno n x. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.4 1 2 Slika 5. +∞ −→ [0. ˇ Cak i za funkcije koje imaju inverze. +∞ je bijekcija. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. Restrikcija te funkcije na interval [−1.4 0.

FUNKCIJE 5.Hiperboliˇke c . k Po definiciji stavljamo x0 = 1.Trigonometrijske .2.2. mnoˇenih nekim koeficijentima.Ostale algebarske funkcije b) Transcendentne . xk = x · x · · · x . dolazimo do pojma z . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Racionalne funkcije .Polinomi . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Eksponencijalne .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. za svaki x ∈ R.1 Klasifikacija i podjela realnih funkcija 1.Logaritamske .182 POGLAVLJE 5.Area 2.Ciklometrijske . Elementarne a) Algebarske .

5. . . Definicija 5. P.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). tj. a a0 je slobodni koeficijent. c 10 7.a1 . . Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. a0 su koeficijenti polinoma Pn (x). Polinomi su konceptualno najjednostavije funkcije. Definicija 5. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. .5 -3 -2 -1 -2. + a2 x2 + a1 x + a0 . Realne konstante an .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Dakle je svaki polinom definiran na cijelom skupu R. Ovdje podrazumijevamo da je an = 0. Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 .2.5 5 2. .10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . ako su jednaki kao funkcije.11 Dva polinoma P i Q su jednaka. . Koeficijent an je vode´i.

pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. = an = 0.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. FUNKCIJE n Teorem 5.5 3 Slika 5.. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.02 3 2 0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.5 2 2.. c Primjer 5.. tj.. za sve i = 0.14.01 -0. . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. Broj c k zove se red ili kratnost nultoˇke x0 . a ordinata je.11. c c . 0. n.02 4 0. c c c s naravno.. Apscisa nultoˇke je nuliˇte.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.♣ 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 .18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.01 1. 1. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).: n m Teorem 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .184 POGLAVLJE 5. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.

Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Otvor joj je okrenut prema gore ako je a > 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. a = 0. onda iz Teorema 6. odnosno strogo padaju´a. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. za x ≥ 0. Ako su ove nejednakosti c c stroge.5. dok c u nultoˇkama parnog reda nema promjene predznaka. Ako je k paran.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Ako je k neparan.ako raste u s c nekoj toˇki. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. raste na cijelom R. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .2. tj. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda.19: Graf linearne funkcije f (x) = x + 75. po Teoremu c 6. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.8).3 Qn−k (x) = 0 na nekoj oklini oko x0 . je polinom drugog stupnja ili kvadratna funkcija. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. onda iz Teorema 6. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Tjeme . c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. Za a = 0 imamo konstantnu funkciju p(x) = b. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . dok za x > x0 vrijedi (x − x0 )k > 0. kaˇemo da je linearna funkcija strogo rastu´a. a padaju´a ako je a ≤ 0.22 U nultoˇkama neparnog reda polinom mijenja predznak. a prema dolje ako je a < 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.

−D/4a). inaˇe velike pozitivne). Zbog neprekidnosti c polinoma na R (Teorem 6. Teorem 5.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). parabole ima koordinate (−b/2a. Nultoˇke kvadratne funkcije dane su formulom c x1. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. 2a i realne su ako je D ≥ 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. inaˇe velike negativne vrijednosti).5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.♣ c c . Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. FUNKCIJE 1 2 Slika 5. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.8) graf polinoma mora negdje sje´i x os. tj.2 = √ −b± D .20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. 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. npr. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. c Napomena 5.♣ c Iz Teorema 5.

3. 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. n − 1. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x .21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. c graf joj je centralno simetriˇan s obzirom na ishodiˇte.♠ c . P1 (x) strogo raste na R.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). tj. i = 1. 1. dakle je bijekcija i ima nultoˇku u (0.. Primjer 5. dakle je bijekcija. Ako je n = 1. pravac y = x. onda je oˇito funkcija Pn (x) = xn parna. +∞ i ima nultoˇku u (0. 0). c 2. kao funkcija an xn . c vrijedi D(Pn ) = R. Ako je n paran broj. Pn (x) strogo raste na R. dakle nije injekcija.. 0]. . graf c joj je zrcalno simetriˇan s obzirom na y os. c neparna je i ima nultoˇku u (0. tj.2. tj. tj. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. strogo raste na [0. R(Pn ) = [0. 0).. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. Ako je n neparan broj. Nadalje. onda je oˇito funkcija Pn (x) = xn neparna. Oˇito je D(P1 ) = R(P1 ) = R.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. onda je P1 (x) = x linearna funkcija. iz Primjera 5. Strogo pada na −∞. +∞ .5.♠ Dakle.

i = 1. Dakle. kako se polinom Pn (x) = i=0 ai xi . y) = i=0 j=0 aij xi y j . umnoˇak i kompozicija polinoma ponovo polinom.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. . Napomena 5.. itd. n > 1.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Za . razlika. tj.. su koeficijenti polinoma Pnm (x). Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. Naravno. Po analogiji s racionalnim c brojevima. FUNKCIJE Napomena 5... j = 1.. 5. sam sebi je asimptota. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. z n Nadalje.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. . problem s asimptotike je sloˇeniji.2.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. dijeljenjem polinoma c izlazimo iz te klase funkcija.188 POGLAVLJE 5. u tom sluˇaju se situacija komplicira. ali c z kvocijent dvaju polinoma op´enito nije polinom. z Definicija 5.3 Racionalne funkcije Oˇito je zbroj. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. 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. Realne konstante aij .. problem poniˇtavanja je vrlo kompliciran. Npr. m. n.

je racionalna funkcija. Qm (x) = 0}. takve su definirane na cijelom R. Naravno.2. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. 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. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. 6. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. (Smatramo da je racionalna funkcija ve´ skra´ena. Definicija 5.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . 5.5. tj. nije racionalna funkcija. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. tj. Dakle. c Primjer 5. Funkcija hR dana formulom h(x) = 4. 3. Funkcija j dana formulom j(x) = x−13 je polinom. U polu racionalna funkcija c nije definirana. Dakle. s c D(f ) = {x ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. c c . Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Red pola je red odgovaraju´e nultoˇke nazivnika.) Dakle.17 Pogledajmo sljede´e primjere: c 1. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Funkcija f dana formulom f (x) = 2. nultoˇkama nazivnika. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija.

racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Osim vertikalnih. (lijevo) i pola Napomena 5.26 Ako je pol parnog reda. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. tj. dok za polove neparnog z c reda.5 1 x 1 Slika 5. 2.5 0. kao i u toˇkama u c kojima se nazivnik poniˇtava. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Dakle. z c Dokaz: Red pola je red nultoˇke nazivnika.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika.5 1 80 60 40 20 -1 -0. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. bi x i=0 i−m bi x i=0 i xm .graf racionalne funkcije moˇe imati asimptote: z 1. Sada tvrdnja izravno slijedi iz Napomene c 5.26). kad c argument ide u +∞ i −∞. FUNKCIJE 100 75 50 25 -1 -0. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.22. i to na vanjskim rubovima prirodnog podruˇja definicije.5 -25 -50 -75 -100 0. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.190 POGLAVLJE 5.

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

+∞ . +∞ i za svaki x ∈ 0. dakle nije injekcija. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞.192 xm (am+1 x) .18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. Dakle. R(f ) = [1. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. bm jer i=0 bi xi−m ide u bm .23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). FUNKCIJE ide u am+1 x. Napomena 5. 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).27 ne mora vrijediti. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. tj.27 Analogno kao i kod vertikalnih asimptota. f strogo pada na −∞. +∞ vrijedi f (x) > x. Dakle. 0] i za svaki x ∈ −∞. f (x) = x + x (desno) i njihovih asimptota. kada argument ide u beskonaˇnost. z √ Primjer 5.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1.♠ Iz Primjera 5. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . +∞ . zrcalno simetriˇna obzirom c c na y os. Nadalje. 0 vrijedi f (x) > −x. f je parna. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . f strogo raste na [0. m i−m xm bi x i=0 m POGLAVLJE 5. . Oˇito je D(f ) = R.

c .14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Tada je oˇito P (x. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. 5. y) = x − y n oˇito je P (x. c Neka je sada f (x) = funkcija i algebarska.2.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Napomena 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. dakle je svaka racionalna c √ Primjer 5.2. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. Definirajmo polinom u dvije varijable s P (x. y) = Pn (x) − y. f (x)) = 0. dakle je svaki polinom algebarska funkcija. Tada je oˇito P (x. f (x)) = 0. Definicija 5. Dokaz: Neka je dan proizvoljni polinom Pn (x). Definirajmo polinom u dvije varijable s P (x.19 1. Pn (x)) = 0.18. jer u suprotnom ne bi bila funkcija.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. y) = Qm (x)y −Pn (x). f (x)) = 0.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. y) takav da vrijedi P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije.5. √ x2 + 1 i njenih asimptota z Napomena 5.

1.1. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . dok kosu asimptotu ne moˇe imati zbog Napomene 5. f (x)) = 0.13).20 1. c 1 3. Nadalje. f strogo raste na R i neomedena je. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Dakle.♠ 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 5.4). tj. +∞ . +∞ (Primjer 5. ima vertikalnu asimptotu x = 1. Dakle. je D(f ) = R(f ) = R (Primjer 5. dakle nema vertikalnu asimptotu.4). z √ 2. tj. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13). vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.13). Kada se argument sve viˇe pribliˇava c s z broju 1. je D(f ) = 1. z tj. je D(f ) = R(f ) = [0. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Dakle. +∞ . Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. c c √ Nadalje. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. koja je bijekcija sa R na R.28. y) = xy n − 1 oˇito je P (x. pravac y = 0 je horizontalna asimptota funkcije f .194 POGLAVLJE 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . c c tj. u 1 (toˇka 5. z 1 4. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.13). √ Primjer 5. 0 je regularna toˇka (toˇka 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. FUNKCIJE 1 2. +∞ i R(f ) = 0. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Nadalje. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije.

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).

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

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

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

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

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

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

2.34 Zbog periodiˇnosti. 2 i kotangens na 0. Napomena 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. 2 . njihove restrikcije Tg x = tg| − π . c c Dakle.33 . π . k ∈ Z}. restringirajmo sinus na [− π . dakle nisu bijekcije. Npr. π . Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . π]. tangens na − 2 . 1]. a isto vrijedi s / i za ostale trigonometrijske funkcije. π x 2 2 i Ctg x = ctg| 0. na svoju sliku. Dakle sinus nema inverznu funkciju. Tada prema Napomeni 5. a c c s nema rjeˇenja za c ∈ [−1.208 POGLAVLJE 5.π x su bijekcije s tih intervala na R. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. 5. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. kosinus na 2 2 π π [0. a kotangens strogo padaju´a na 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. π ]. Dakle. c dakle niti bijekcije. FUNKCIJE za svaki t ∈ R \ {kπ. ni tangens ni kotangens nisu injekcije.

5 3 2. 2 2 .5 0.33 slijedi da je arcsin strogo rastu´a. 1]. π].5 0.5 1 -1 -1. Nadalje. 1. Dakle. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π jednadˇbe tg t = x .5 1 0. rjeˇenje jednadˇbe postoji i jedinstveno je. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. Iz Teorema 5. π ] bijekcija. oˇito je c c D(arcsin) = D(arccos) = [−1.π] i ctg| 0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.π] .5 2 1. π π R(arcsin) = [− . π strogo rastu´e.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). 1].5 -1 -0. ]. 1] −→ [0. z π π Za x ∈ [−1. π ] . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.π strogo padaju´e. koje zovemo arkus funkcije.34 znamo da su funkcije sin |[− π . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. inverznu funkciji cos |[0. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. dakle su i bijekcije. .1 i Napomene 5. Kako je sin |[− π .2. a arccos c strogo padaju´a na [−1. 2 2 R(arccos) = [0. a c 2 2 2 2 cos |[0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5. 2 ] jednadˇbe sin t = s z s z x. 2 2 koja je inverzna funkciji sin |[− π . π bijekcija. Dakle.5 -0. π ] i tg| − π . ]. s z 2 2 s z Kako je tg| − π .5 1 Slika 5. π]. rjeˇenje jednadˇbe postoji i jedinstveno je.5 1 0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. 1] −→ [− .5 -1 -0.

inverznu funkciji ctg| 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . oˇito je c c π π D(arctg) = D(arcctg) = R.5 1 0.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. π . FUNKCIJE arcctg : R −→ 0. π ]. -4 2 1. Dakle. npr. c .210 koja je inverzna funkciji tg| − π .5 -2 -0. Nadalje.5 -4 -2 2 4 Slika 5. R(arctg) = − .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. z s z sin x = t. Npr. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 -1 -1. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 2 1. π .1 i Napomene 5. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. Napomena 5. R(arcctg) = 0.5 3 2. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. 1]. Iz Teorema 5. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . π . pri traˇenju rjeˇenja t jednadˇbe. 2 odnosno ctg| 0. . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 -2 2 4 4 3.5 1 0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).π . Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. tako da bi smo dobili arkus funkcije definirane na tim intervalima.

neograniˇena je. tanges hiperc c boliˇki i kotanges hiperboliˇki. dakle nije injekcija.2. th je neparna. ch x e + e −x 1 . 2. Lagano se vidi da je ch x > 0 . neograniˇena c je pa je R(sh) = R i nema asimptote. sinus hiperboliˇki.5. +∞ i nema asimptote. Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Zbog neparnosti c c od sh i parnosti od ch. Nadalje. parna je. Lako se vidi da je neparna. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Iz formule lagano ˇ slijedi da je |th x | < 1 . Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. . i R(th) = −1. Primjerice. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. 3. za svaki x ∈ R. y = −1 i y = 1. +∞ . 2 sh x e x − e −x th x = = x . 0] i c strogo raste na [0.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . iako se definiraju u terc minima eksponencijalne funkcije. strogo raste na R.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. 1 . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. za svaki x ∈ R. 2 e x − e −x sh x = . Stoviˇe. Dakle je R(ch) = [1. vrijedi ch x = ch2 x − sh2 x = 1 . Strogo raste na R. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama.2. za svaki x ∈ R. strogo pada na −∞. cth x = th x i zovemo ih redom kosinus hiperboliˇki. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Dakle th ima dvije horizonzalne s z asimptote.

Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. za svaki x ∈ R.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno).5 -1 -1. Zbog neparnosti od th i cth je neparna. Kako th strogo raste na R. Funkcije inverzne hiperboliˇkima zovu se area funkcije. z y = −1 i y = 1. 1]. imamo: . c osim funkcije ch. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Ako ch. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Dakle cth ima i dvije horizontalne asimptote. tj. za svaki x ∈ R\{0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. areasinus hiperboliˇki ili Arsh.5 1 0. cth strogo pada na R \ {0}.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). restringiramo na −∞. kako je |th x | < 1 . 0] ili [0.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. Nadalje. ch postaje bijekcija na svoju sliku.5 -4 -2 -0. 1. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. to mora i cth x . zbog parnosti.5 2 4 -4 -2 -2 -4 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. imamo da je |cth x | > 1 . preciznije areakosc inus hiperboliˇki ili Arch. +∞ . i R(cth) = R \ [−1. 4.

5 3 Slika 5. onda su rubovi −1 i 1. Ako smo ch restringirali na [0. iz Teorema 5. 1 .1 c slijedi da Arcth strogo pada. onda su rubovi −1 i 1. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. a x = 0 vertikalna asimptota od cth. onda je D(Arch) = [1. tj. Oˇito je D(Arth) = −1. R(Arth) = R \ {0} i iz Teorema 5.1 slijedi da Arth strogo raste. +∞ .2. vertikalne asimptote od Arth. +∞). PREGLED ELEMENTARNIH FUNKCIJA 213 1.5 1 1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). y = 1 horizontalne. +∞ i R(Arch) = [0. c 2. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5 2 2.1 zakljuˇujemo da Arch strogo raste. 3 2 1 -1 -0. pravci x = −1 i x = 1.5 -1 -2 -3 0. Iz Teorema 5. vertikalne asimptote od Arth.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 1]. Kako su y = −1. R(Arth) = R i iz Teorema 5. Oˇito je D(Arcth) = R \ [−1. pravci x = −1 i x = 1. .38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). 4.5 2 1. c 3.5 1 0.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Kako su y = −1 i y = 1 horizontalne asimptote od th. tj. a pravac y = 0 horizontalna asimptota.5 0. Oˇito je D(Arsh) = R(Arsh) = R.5.

.

1. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.8 kn.05(m2 − m1 ). Dakle imamo c(m) = 2. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.5 + 0. Graf te funkcije prikazan je na slici 6. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05h (∆c = ˇ 0. (Masa m je izraˇena u gramima. onda je 215 . Naime.1 6.8. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05∆m).05h = 0.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. m > 20.5 + 0. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. 0 ≤ m ≤ 20 3.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. m = 20 i m = 30. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.05(m − 20) kn.Poglavlje 6 Uvod u diferencijalni raˇun c 6.1. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.05(m − 20). a visina poˇtarine c u z s kunama).

Definicija 6. . Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.7 kn. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.♠ c Definicija 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.216 ˇ POGLAVLJE 6. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.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). odnosno da graf funkcije ima prekid u toj toˇki. s s 20M ≥ (m2 − m1 )). Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). S druge strane. c c Napomena 6.

ˇ 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.2 Funkcija c(m) iz Primjera 6.2 Iz Definicije 6. postoji δ > 0 za koji vrijedi Definicija 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).2 Svojstva neprekidnih funkcija Teorem 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). ako je m lijevo od 20 i dovoljno blizu 20.1.♠ Primjer 6. Primjer 6. ako je m > 20 i m blizu 20.1. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. No. Tada su u toˇki x0 neprekidne i funkije: c . Analogno.2 nam daje ideju za sljede´u definiciju: c Definicija 6.1 ima prekid u toˇki c = 20. s c c Napomena 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε).1. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .1. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.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 . Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. ali je ona c neprekidna s lijeva u toj toˇki. ipak m(c) nije blizu m(20). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. 6. S druge strane. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 Neka su funkcije f. koji c je manji od nekog fiksnog strogo pozitivnog broja.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).

11 znamo da je funkcija f : R −→ R dana formulom 1 . Tada postoji x0 ∈ a. 4. mora imati nultoˇku.3 Iz Napomene 5. ali oˇito f nema nultoˇku na segmentu c c c [−1. onda je oˇito f (−1)f (1) = −1 < 0. Tada je |f (xδ ) − f (c)| > f (c) = ε. f · g. b takav da je f (x0 ) = 0.♠ . 3. za koji je f (xδ ) ≤ 0.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. c + δ).♣ Teorem 6. c + δ . Dakle. ˇto je suprotno pretpostavci. |xδ − c| < δ. f ima prekid u toˇki c. tj. po pretpostavci. tj. c + δ) takav da je f (xδ ) ≤ 0.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. Ako pogledamo funkciju f restringiranu na segment [−1.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. 1]. Ako je funkcija f neprekidna u x0 . onda je funkcija g ◦ f neprekidna u x0 . x=0 x f (x) = 1. Tada za svaki δ > 0. postoji xδ ∈ (c − δ. c s Analogno se dokaˇe sluˇaj f (c) < 0. Uzmimo ε = f (c). 1] (jer je nema na cijelom R). 1] −→ R. x = 0 svugdje neprekidna osim u nuli. i funkcija g neprekidna u f (x0 ). Dokaz: Pretpostavimo suprotno. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). g ˇ POGLAVLJE 6. f |[−1.2 Neka su funkcije f. f − g. c c Primjer 6.1] : [−1. tj. f + g. i neka je f (c) > 0 (f (c) < 0). 2. onda njezin graf mora negdje sjeˇi x os. g : R −→ R takve da je definirano (g ◦ f )(x0 ). UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0.♣ Teorem 6. i neka je f (a)f (b) < 0. tj.218 1.♣ z c Teorem 6.♣ c Teorem 6. b]. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. f .

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

. c c neprekidne na R.7. 1. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6..3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. z c Uzmimo proizvoljni ε > 0. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.7 su neprekidne. arkus. Na kraju. Teorem 6. n.. takoder iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. na intervale − π . Nadalje. i = 0. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.220 ˇ POGLAVLJE 6. Na isti naˇin se zakljuˇi da su xi . Budu´i da je f (x) − f (x0 ) = c − c = 0.♠ z Iz Primjera 6. jer su njihove restrikcije npr. polinom Pn (x) neprekidan na R. . jer je svaka racionalna funkcija kvocijent dvaju polinoma. i = 0. n. i = 0. . .4) i Teorema 6. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. slijedi da c moˇemo uzeti δ = ε. hiperboliˇkih (osim kosinusa hiperbolnog). Dokaz: Neprekidnost eksponencijalnih. trigonometrijske. tj. zakljuˇujemo c da je i suma od ai xi ..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. π monotone c 2 2 bijekcije na R.1 direktno imamo: n Teorem 6. c Dokaz: U Primjeru 6.♣ Napomena 6... 1. takoder iz Teorema 7.9 Eksponencijalne.. 1. logaritamskih. na R su neprekidne i funkcije ai xi . z 2.7 c i periodiˇnosti.1.1.. . Iz Teorema 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). logaritamske. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.1..7 imamo da su neprekidne i funkcije arctg i arcctg. UVOD U DIFERENCIJALNI RACUN 1.1 sada slijedi da je na R neprekidna i funkcija x2 . Zbog neprekidnosti konstantne funkcije na R (Primjer 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj.4 dokazali smo da je funkcija f (x) = x neprekidna na R. n.4 i Teorema 6. z c Uzmimo proizvoljni ε > 0.1. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. dakle iz Teorema 6. π odnosno 0.

Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. π . π 2 2 i 0. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. π . c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . 1 i 1. dakle su po Teoremu 6. Sada imamo da je sin x neprekidna na 0. arcsin x i Arch x redom neprekidne na [−1. posebno je 2 2 neprekidna u π . Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. π 4 2 4 4 kada x varira po intervalu 0. 1]. Oˇito je δ > 0. tj. onda 2x−π varira po intervalu − π . Dakle je arccos x neprekidna s lijeva u toˇki 1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. +∞ . 3π .7 i neprekidne. ♣ .1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. cos x i ch x redom na intervalima − 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). ali u Napomeni 6. arccos x i Arch x redom na intervalima −1. c Analogno se dokazuju i druge jednostrane neprekidnosti. 2 Zbog stroge monotonosti funkcija sin x. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. −1. π i 0. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. 3π .ˇ 6. Dakle su funkcije arccos x. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . k ∈ Z. 0. x−a x+a cos . Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). 3π .1. +∞ . 1] i [1. 1 . +∞ iz Teorema 6. Zbog neparnosti imamo da je sin x neprekidna i u − π . moˇemo dobiti i δ = 0. 2 2 imamo 2x + π 2x − π cos . ˇto je ekvivalentno s s arccos x < ε. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. 1 . 3π . Dokaˇimo da je arccos x neprekidna s lijeva u 1. Isto tako 2x+π varira po intervalu π . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. [−1. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. π su monotone bijekcije na 2 2 −1. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. te da je Arch x neprekidna s desna u 1.7 imamo da su neprekidne funkcije arcsin x. k ∈ Z. Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2.

vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. tj. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. za x malo manji od 1. dodemo li s x dovoljno blizu c toˇki 1. tj. ako uzmemo toˇku c x dovoljno malu. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. c 3. vrijednosti c funkcije su malo ve´e od −1. dovoljno blizu c nule. c c 2. zakljuˇujemo. tj. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.1.4 Graniˇna vrijednost (limes) funkcije c 1. ali negativnu. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja.222 ˇ POGLAVLJE 6. vidimo da su one c c c blizu vrijednosti −1. ali pozitivnu. 4. Dakle. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Ako uzmemo s c toˇku x dovoljno malu. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1.5 nije definirana u toˇki x = 1. za vrijednosti od x koje su malo ve´e od 1. vrijednosti funkcije c su malo manje od −1. funkcija nije definirana u toˇki 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. 6. Za funkciju f : R −→ R danu formulom f (x) = arctg x . S druge strane. funkcija nije definirana u toˇki 0. Raˇunaju´i te vrijednosti.

NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. a ne znamo izraˇunati ni njenu vrijednost za x = 0. moˇda u samoj toˇki c.5).1. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.2.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.2. . 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. osim. tj. 2 2 5.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Neka je dana funkcija f : R −→ R formulom f (x) = xx . Dakle. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. onda piˇemo c s L = lim f (x). moˇda u samoj toˇki c. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. 6.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .ˇ 6. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). x−→c Ako limes postoji on je i jedinstven: Teorem 6. ako c ˇelimo promatrati ponaˇanje oko nule.♠ Situacije iz Primjera 6. |f (x) − M | < ε). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. osim. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Definicija 6. Ako funkcija ima limes L u toˇki c. pravac y = π je horizontalna asimptota.

−∞ ∈ R. pri ˇemu.4 Uoˇimo da je definicija limesa (Definicija 6. z c c Uz malu zloporabu notacije moˇemo Definiciju 6.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. +∞) okolina od +∞.6 i Napomz ena 4. Uzmimo sada ε = 1 |M − L|. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε).2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. ˇ POGLAVLJE 6. i svaki interval oblika (−∞. Ali.224 Tada je L = M . c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). 2 po pretpostavci. ˇto ne moˇe biti. Pri tome uzimamo da je svaki otvoreni interval oblika (M. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. naravno ne zaboravljamo. tj. da je M = L. postoji δ > 0. +∞. Analogno. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. 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). dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. M ) je okolina od −∞.2) jako sliˇna definiciji neprekidnosti (Definicija 6. ali postoji bitna razlika. Dakle je M = L. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). |f (x) − M | < ε). Dakle imamo |M − L| < |M − L|. Tada za taj ε.♣ s z c c Napomena 6. .

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

x2 − 3x + 2 = −1.226 ˇ POGLAVLJE 6.6 Opiˇimo sada pomo´u limesa Primjer 6. c osim. x −→0 − lim sign x = −1 . x−→0 x π 4. s c 1. x−→+∞ 6.1. 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. Obrnuto. tj. Dakle je x−→0+ lim sign x = sign 0 . Dokaz: Ako funkcija f ima limes L u toˇki c. lim 3.5 Neprekidnost i limes Primjer 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x = 0   1. onda je jasno iz Definicije 6.5 znamo da funkcija   −1. ako postoje limesi s lijeva i s desna i oni su jednaki L.7 Iz Primjera 5. x−→0+ lim xx = 1.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.♠ 6. 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. x > 0 ima prekid u nuli. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . ♣ c Primjer 6. x−→1 x−1 1 = +∞.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. ne postoji lim sin x. moˇda u samoj toˇki c. lim arctg x = . onda iz Definicije 6.5. lim 2. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x−→+∞ 2 5. x < 0  sign x = 0.

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)).4).♣ .8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. Zaista imamo: c c Teorem 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).2 i definicije jednostranog limesa.1.♣ Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . c c Sada direktno iz Napomene 6.4) i da limes mora postojati. Nadalje.♣ x−→c Analogno kao Teorem 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. Dokaz: Izravno iz Definicije 6.3.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.13 Neka je funkcija g : R −→ R neprekidna.♠ x−→2 Primjeri 6.7 i 6.5 U Teoremu 6. tj. x−→c+ Dokaz: Izravno iz Definicije 6.ˇ 6.♠ Primjer 6. oˇito vrijedi c f (2) = lim f (x).12 kaˇe da ako je funkcija neprekidna u toˇki c. x−→c Napomena 6.1 i 6.12 imamo: Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).1 i Primjer 6. onda limes i funkcija z c ”komutiraju” tj. i neka postoji limes funkcije f u toˇki c. konaˇan je broj.

(+∞) · (−∞) = −∞. (+∞) · a = +∞. x−→c+ Dokaz: Izravno iz Teorema 6. −∞. . 2. To se posebno odnosi na veliˇine +∞ i −∞. (+∞) · (+∞) = +∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. 5. a < 0. (−∞) + (−∞) = −∞. 9. a ∈ R proizvoljan. UVOD U DIFERENCIJALNI RACUN Teorem 6.♣ 6. +∞ ± a = +∞.12 i 6.1. 7. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.11.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). no moˇe se desiti da dobijemo izraz koji nije z z definiran. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. −∞ ± a = −∞. jer operacije nisu definirane i operandi nisu realni brojevi.14. Kako one nisu realni brojevi. 6. (−∞) · (−∞) = +∞. a > 0 −∞. 6.228 ˇ POGLAVLJE 6. (+∞) + (+∞) = +∞. a ∈ R proizvoljan. a < 0. (−∞) · a = 10. a > 0 +∞. a ∈ R proizvoljan. 4. 3. a +∞ = 0. 8.

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

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

parnost. i s B = (1.4).ˇ 6. π ). c Osim ovih limesa. . Oznaˇimo s A = z c c (cos x. +∞) i da joj c c je slika cijeli R. Kako gledamo c limes funkcije sin x kada x −→ 0. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). svojstva potencija. To znaˇi da je c x−→+∞ lim loga x = +∞. koji se nalazi unutar trokuta OBB . ortogonalnu projekcija toˇke A na x os. Dakle. neparnost i sliˇno. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . jasno je da je dovoljno x x promatrati x ∈ (0. 0) u ravnini. 0). a ∈ R. i zbog parnosti od sin x .1. pad.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0.16 lim i 1 lim (1 + )x .2. njihov rast. Kada s pravca uzmemo x ∈ (0. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). za a > 1. tj. c c eksponencijalnih i logaritamskih funkcija. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. x−→+∞ x sin x = 1.1. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. sin x). tg x ).9.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Iz toˇke 5.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. koriste´i definicije limesa i jednostranih limesa (toˇka 6.

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

12 i Teorema 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . i da je x = ln(t + 1). x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. c Zbog toga je ex − 1 t lim = lim = 1. Dakle imamo ax − 1 ex ln a − 1 = lim . Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .ˇ 6. x−→0 x Iz Teorema 6. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x Oznaˇimo sada ex − 1 sa t. x−→0 x lim i ax − 1 = ln a.2. 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.1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. ♣ Primjer 6. x−→0 x lim a > 0. Tada je jasno da t −→ 0 kada x −→ 0.10 ex − 1 = 1. Dakle .17 x−→+∞ 233 lim 1+ 1 x x = e. a ∈ R.♠ x−→0 t−→0 x ln a ln(t+1) ln a .

.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.17. Tada 1. ♣ x−→c Teoremi 6.18 i temeljni limesi iz toˇke 6. 6.2. g : R −→ R. c 6.16.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. x−→c x−→c 4. x−→c x−→c 2. x−→c c 3. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).13.234 ˇ POGLAVLJE 6.2 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.1. funkcija f · g ima limes u toˇki c i vrijedi 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). 6. 6.

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

prosjeˇna brzina odgovara koeficijentu smjera sekante. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . UVOD U DIFERENCIJALNI RACUN Primjer 6. a to je jednako koeficijent smjera te sekante. prosjeˇna brzina projektila u vremenskom intervalu [t0 . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. y(t0 )) i c ∆t (t0 +∆t. 1. Op´enito. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. y(t0 +∆t)) zatvara s osi x. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . ∆t . Dakle.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.3: Ovisnost visine projektila o vremenu. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .001) − y(1) .236 ˇ POGLAVLJE 6.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . c ∆y = tg α.

♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . f : I −→ R.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.2. Ako postoji z c f (x0 + ∆x) − f (x0 ) . c mjeri brzinu promjene veliˇine c Definicija 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 .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. c Primjer 6.2. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. 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.♠ 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . x0 ∈ I.4: Sekante i tangenta.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.6. tj.

3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. ∆x−→0 ∆x Napomena 6. za proizvoljne k. . c z Primjer 6.15 Pogledajmo sljede´e primjere: c 1. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Derivacija funkcije f (x) = kx + l je f (x) = k. UVOD U DIFERENCIJALNI RACUN Primjer 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.♠ ∆x−→0 ∆x 6. Derivacija funkcije f u toˇki x0 je broj. 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 = −1.2. Dakle brzina promjene linearne funkcije je konstanta. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. l ∈ R. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x).238 ˇ POGLAVLJE 6. c c koji se oznaˇava sa f (x0 ). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).6 Uoˇimo bitnu razliku.

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

2. ∆x Lagano se vidi da je M = 1 i L = −1. c c 6.240 ˇ POGLAVLJE 6. M= ∆x−→0− lim . problem rubova domene. ako je f (x) < 0 na nekom intervalu. odnosno da je tangenta pravac koji raste. Sliˇno. funkcija pada c c na tom intervalu.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. tangenta je paralelna s osi x. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Primjer 6. problem razliˇitih vrijednosti s lijeva i zdesna. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . tj. Takve toˇke zovemo stacionarne toˇke. problem postoc janja limesa. To su npr. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. problem konaˇnosti c c limesa. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a).. U toˇkama gdje je f (x) = 0. Tu funkcija niti raste c niti pada.17 1.4) ustvari limes funkcije f (x + ∆x) − f (x) .4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. ne postoji f (0). ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Dakle iz Teorema 6.

∆x ∆x−→0 dakle ne postoji f (0).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .2. √ 3 241 x nije derivabilna u x0 = 0.6. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. ∆x−→0 dakle ne postoji f (0). ∆x ∆x−→0 .♠ Teorem 6. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. Tada je f i neprekidna u x0 .7 imamo da je c lim √ 3 1 = +∞. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). Funkcija f : R −→ R dana formulom f (x) = x0 = 0. DERIVACIJA FUNKCIJE 2. 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 √ .7 imamo da je c lim √ 3 1 ∆x2 = +∞. 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 .1. c x0 ∈ I ⊆ D(f ). 3.

g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . razlike.17 su c neprekidne u nuli. (f (x) ± g(x)) = f (x) ± g (x) 2. 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 ).19 op´enito ne vrijedi. (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). Tada su na I derivabilne i funkcije f ± g. Iz Teorema 6. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.20 Neka su funkcije f. ∆x f (x0 ). (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 ). ∆x = 0 . g 2 (x) Dokaz: 1.242 ˇ POGLAVLJE 6. Nadalje. f (x) g(x) = f (x)g(x)−f (x)g (x) . ali vidjeli smo da nisu derivabilne. i vrijedi 1. tj. I ⊆ D(g). f · g i f g (tamo gdje je definirana. ∆x−→0 ∆x ∆x .♣ Obrat Teorema 6. za one x ∈ I za koje je g(x) = 0). Derivacija zbroja.12 imamo da je f neprekidna u x0 . Sve tri funkcije iz Primjera 6.12 zakljuˇujemo da je funkcija g neprekidna u x0 . produkta i kvocijenta funkcija Teorem 6.

♣ .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). za svaki x ∈ I. imamo g(x) · = 0. (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. DERIVACIJA FUNKCIJE 2. za svaki x ∈ I. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). derivabilna na I i vrijedi (λf ) (x) = λf (x).♣ g 2 (x) Napomena 6. Izraˇunajmo prvo c 1 g(x) . po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) . gdje je λ ∈ R proizvoljan.6. Kako je g(x) · 1 g(x) = 1. Dakle 1 g(x) = 0.2. Oˇito je D(g) = R.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). ∆x−→0 ∆x−→0 Sada iz Teorema 6. 3. g 2 (x) f (x) g(x) = 1 f (x) g(x) . c dakle je po Teoremu 6. f (x) g(x) f (x)g(x) − f (x)g (x) . tj. tj. po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). Tada je funkcija λf .

16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. f (x) = sin x. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. odnosno (f −1 ) (f (x)) = 1 . UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.21.244 ˇ POGLAVLJE 6. Primjera 6.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.15 i Primjera 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . Dakle imamo f −1 (f (x)) = x. c −1 tj. gdje je g(x) = x2 . Sada primjenom Teorema 6. iz Teorema 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Izraˇunajmo joˇ i (f ◦ g) . f (x) Ovo se. c Primjer 6. Dakle.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . moˇe provesti samo ako je f (x) = 0. f (x) = 0 na I i neka postoji f −1 . x ∈ I ⊆ D(f ).♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . g = f . f (x) ♣ . naravno. z Teorem 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) ∈ J ⊆ D(g).22 Neka je funkcija f : R −→ R derivabilna na intervalu I.

Derivacija funkcije g(x) = √ 1 . Kako je (f ◦ g)(x) = x iz Teorema 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.21 i 6.8 Studentima se preporuˇuje da provjere donje formule samostalno. ∆x−→0 ∆x lim dakle je f (x) = ex . c Napomena 6. 6. 2 x x je g (x) = Iz Primjera 6. odnosno 1 g (x) = √ . Iz Teorema 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.20.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. Derivacija funkcije g(x) = ln x je g (x) = x .20. odnosno g (x) = 2.22 i derivacijama iz donje tablice. x 1 √ . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .10 imamo da je f (x) = lim e∆x − 1 = 1.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.6. i vrijedi (f ◦ g)(x) = x. .19 Pogledajmo sljede´e primjere: c 1 1. Osnovne derivacije dajemo u sljede´oj tablici.2. 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. DERIVACIJA FUNKCIJE Primjer 6.21 i 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.

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.1: Derivacije elementarnih funkcija 6.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. 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. 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 . gdje je α kut izmedu tangente funkcije f u toˇki (x0 . f (x0 )) i osi x. no to je ponekad teˇko izraˇunati. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . f (x0 )) s c c ∆f apscisom x0 + ∆x.2. c tj. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) biti dosta mala. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . Jasno je da je ∆x = tg α. odnosno ∆f = tg α∆x .

♣ c . Tada od svih polinoma stupnja najviˇe jedan.1. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.5: Diferencijal funkcije. Dakle. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 .5). f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). y f(x) α 0 x0 x 0+ ∆ x x Slika 6. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . DERIVACIJA FUNKCIJE 247 ∆x. jednadˇba tangente u c z toˇki (x0 . odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.2. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. f (x0 )). c Teorem 6.6.

5 1 1. 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”.♠ s s c . dakle je f (0) = cos 0 = 1. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .16 znamo da je f (x) = cos x. Dakle. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.5 -1 0.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. c Primjer 6.5 2 Slika 6. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.23). dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Iz Primjera 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.248 ˇ POGLAVLJE 6.

f (r) = 1+r . Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. odnosno 2 = (1 + r)t . imamo f (r) ≈ f (0) + f (0)(r − 0) = r. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. Imamo 2G = G(1 + r)t . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca.♠ c s . Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . gdje je G glavnica.2. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. DERIVACIJA FUNKCIJE 249 Primjer 6. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . 1 Kako je f (0) = 0. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . odnosno f (0) = 1.6. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0.

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).

Neka je L pravac kroz toˇke (a.13 Primijetimo: 1.6.25. postoji x ∈ a. f (a)) i (b. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. tj. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). b za koju je F (x ) = 0. c . f (b)). b−a onda Teorem 6.26 kaˇe da za svaku sekantu kroz toˇke (a. proizvoljne.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.♣ f (b) − f (a) . b−a f (b) − f (a) (x − a). f (a)) i (b. b−a y f(x) 0 a x0 b x Slika 6.2. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). tj. b ∈ I. f (b)) z c postoji toˇka x ∈ a. b u kojoj je tangenta paralelna s tom sekantom. Napomena 6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. a < b.

y f(x) 0 a b x Slika 6.12.258 ˇ POGLAVLJE 6. f neprekidna na R. . z Iz Teorema 6. x ≤ 1 . UVOD U DIFERENCIJALNI RACUN 2. 0 x>1 oˇito f ima prekid u x = 1. pa je. po Teoremu 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. Uvjet f ∈ C 1 (I) iz Teorema 6.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a.26 je bitan. oˇito je c x−→1 lim f (x) = 3 = f (1). Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). 2 za koji je f (x ) = 1. Ako je dana funkcija f : R −→ R formulom 3x. b−a ali ne postoji x ∈ 0. x za koji je f (x) − f (a) = f (x ). Kako je f (x) = 3. x ≤ 1 f (x) = 3 x > 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).

Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. f (x)). c Usporedimo to s lokalnom linearizacijom (toˇka 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. imamo c pribliˇni izraz.6. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . no u nekoj toˇki sigurno je.2. imamo toˇan izraz. i ne znamo ga toˇno. Teorem 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. poznavaju´i vric c jednosti viˇih derivacija u x0 . S druge strane. tj. tj. tj.5). Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. f (a)) i (x.♣ 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.27 je baˇ Lagrangeov teorem srednje s vrijednosti.26. tj.. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. iz Teorema 6. . Koliko je ta aproksimcija dobra? Odnosno.2. ali ne znamo za koji x .14 Za n = 0 Teorem 6.. Napomena 6.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). 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 .+ (x−x0 )n + (x−x0 )n+1 .

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

1). n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).28 Neka je f ∈ C 1 (I) za neki interval I.6. dakle nisu jako c dobri za numeriku.3. n! ∞ sin x = n=0 (−1)n x2n+1 . (2n + 1)! ∞ cos x = n=0 (−1)n x2n . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . tj.2. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4...8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.2. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . . cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.15 Taylorovi redovi obiˇno sporo konvergiraju. 6. (2n)! Napomena 6. odnosno konvergirati nekoj z (x drugoj funkciji. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .. + (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 .. sin x. Moˇe se pokazati da su funkcije ex .

26. obratna tvrdnja ne mora vrijediti.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. x−→0 U Teoremu 6. UVOD U DIFERENCIJALNI RACUN 1. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. ∆x za svaki x ∈ I. onda funkcija strogo raste (pada) na I. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Iz Napomene 6. jer se c s c medu njima nalaze potencijalni ekstremi.25 zakljuˇujemo da u Teoremu 6. za svaki x ∈ I. . Ovaj smjer se dokazuje analogno kao u Teoremu 6. lim x2 = 0).11 imamo da obrat ne vrijedi. to je i lijeva strana takva.26 postoji x ∈ (x. Kako je desna strana gornje jednadˇbe nenegativna. Limes nenegativne funkcije mora i sam biti nenegativan. pa je f (x + ∆x) − f (x) ≥ 0. Neka je f ∈ C 1 (I) rastu´a funkcija na I. ∆x Primjer 6. Medutim.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. 2. Tada. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Jedan smjer bismo mogli dokazati. 2.28 primjenom Teorema 6.♠ Iz Primjera 6. Dokaz: c 1. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Obratno. po Teoremu 6. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.262 ˇ POGLAVLJE 6. dakle z funkcija f raste na I. Dokaz ide na sliˇan naˇin.24 smo vidjeli da. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Dakle ne vrijedi f (x) > 0 na R. onda je f (x0 ) = 0. pa je f (x) = lim za svaki x ∈ I. za svaki x ∈ I. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.

4. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Teorem 6. u stacionarnoj toˇki funkcija moˇe. c Kao ˇto smo rekli. ali i ne mora.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . jer konveksnost i konkavnost ovise o predznaku druge derivacije. kaˇemo da je f konkavna na I.28. onda u x0 funkcija f ima lokalni maksimum. x2 ∈ I. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. x2 ∈ I. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Definicija 6. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.♣ c Konveksnost. onda u x0 funkcija f ima lokalni minimum.1. a s druge pada (raste)). Dokaz: Izravno iz toˇke 5. Teorema 6. imati s c z lokalni ekstrem. DERIVACIJA FUNKCIJE 263 Definicija 6. da je barem f ∈ C 2 (I)). konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. . Teorema 6.24. 2 za sve x1 . 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).6.2. Ako derivacija s c ne mijenja predznak. c Dakle. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .

31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I).3).♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). konveksnost i konkavnost su odredene predznakom druge derivacije. Dokaz: 1.264 ˇ POGLAVLJE 6.31. c 1. funkcija f ima u x0 ∈ I lokalni minimum. 2. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Onda ´e i toˇka cx iz Teorema 6. Ako je f (x0 ) < 0. f (x1 )) i (x2 .30 Neka je f : I −→ R klase C 2 (I). f (x2 )).♣ Teorem 6. c . c c Dakle. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Uzmimo x proizvoljan iz te okoline. Zbog neprekidnosti druge c derivacije. Ako je f (x0 ) > 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . za svaki x ∈ I. Npr.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . za svaki x ∈ I. a konkavna ako je za sve x1 . ali je f (0) = 0. Dokaz ide na sliˇan naˇin. 2. x2 ∈ I graf konveksne funkcije je ispod. izmedu x1 . UVOD U DIFERENCIJALNI RACUN Definicija 6. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Teorem 6.27 biti iz te okoline. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). Dakle je f (cx ) > 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. iz Teorema 6. c 2. jer c c se nalazi izmedu x0 i x. Primijenimo li Teorem 6.27 za sluˇaj c n = 1. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. 1. funkcija f ima u x0 ∈ I lokalni maksimum. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .

Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 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 . moˇda. ali je f (x) > 0 za x ∈ −∞. Dakle.32 Neka je f ∈ C 2 (I). c strogo konveksna i na c. ∞ . pa je po Teoremu 6. c + δ strogo konkavna ili je na c − δ. c c Kaˇe se joˇ da je toˇka (c.30 imamo da funkcija f raste na (c − δ. x ∈ I. c + δ strogo konveksna.L’Hospitalovo pravilo c Teorem 6. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. Npr. Dakle je konveksna na −∞.7 Neka je f : I −→ R i c ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.6. z s c c Teorem 6. Onda je c toˇka infleksije od f . c strogo konveksna i na c.24 f (c) = 0. 0 i 0. Dokaz: Bez smanjenja op´enitosti.♣ Raˇunanje limesa . x ∈ I. neka je f na c − δ. Iz Teorema 6. ∞ .34 Neka su f i g derivabilne funkcije na I osim. 0 i f (x) > 0 za x ∈ 0.7. c + δ). u x0 ∈ I. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. Tada iz Teorema 6. Ako je g (x) = 0 za svaki x = x0 . f ima lokalni maksimum u c.2. Ako je c ∈ I toˇka infleksije od f . c + δ strogo c konkavna za neki δ > 0. c strogo konkavna i na c. onda je c f (c) = 0. pa x = 0 ne moˇe biti z toˇka infleksije. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . c Dokaz: Izravno iz Definicije 6. c) i pada na (c. g (x) onda je i x−→x0 lim f (x) = L. c Teorem 6. f (c)) toˇka infleksije grafa funkcije f . z Neka je lim f (x) = lim g(x) = 0.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.♣ Uvjet f (c) = 0 iz Teorema 6. DERIVACIJA FUNKCIJE 265 Definicija 6.

tg α2 = f2 (x0 ).12). g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.16 Neka su funkcije f. f (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. g(x0 ) = 0. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Dakle. g (n) (x0 ) = 0. . .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).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) .266 i ˇ POGLAVLJE 6. f (n) (x0 ) = 0. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . iz Teorema 6. Tada. c Napomena 6.34. g (n+1) (x0 ) = 0. po g (x0 ) = 0. analogno kao u dokazu Teorema 6. . .12) i iz Teorema 6. . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. Znamo da je c tg α1 = f1 (x0 ). g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.♣ g (x) f g Na Teorem 6.

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).2. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. a > 0.6.2. c c pa moˇemo re´i da se diraju u toj toˇki. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.14: Kut izmedu dviju krivulja.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. tj.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . Iz toˇke 2. z c c Primjer 6. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. x a + x2 = f2 (x). Ako je α = 0. . To znaˇi da u c toˇki (x0 .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . onda je i tg α = 0 . odnosno ako i samo ako je tg α = ∞. dakle je f1 (x0 ) = f2 (x0 ). 1 + f1 (x0 )f2 (x0 ) Napomena 6.

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

Postupak je. 7. neparnost. Prona´i intervale konveksnosti. c c 2.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. 3. c c z 8. c Primjer 6.6. u izvjesnom smislu. Nadalje je V (x) = (a − 2x)(a − 6x). konkavnosti i toˇke infleksije. s 5. Oznaˇimo c li tu duljinu s x. samokorigiraju´i. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. c c 4. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima.2. Odrediti intervale monotonosti i lokalne ekstreme. Postupak: 1. 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. to upu´uje na pogreˇku u raˇunu. Ispitati ponaˇanje na rubovima domene (asimptote). Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. 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. periodiˇnost. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Odrediti domenu funkcije (prirodno podruˇje definicije). Ispitati parnost. Prona´i stacionarne toˇke. Sloˇiti sve dobivene podatke u graf funkcije. . c c 6.

a za c c prvu se lako provjeri da je u njoj lokalni minimum. . 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. Maksimalni c 2 volumen je 2 a = a3 .28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. UVOD U DIFERENCIJALNI RACUN x a x Slika 6.15: Kako napraviti kutiju najve´eg volumena?. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. 6 a x2 = . Iz P = xy = 1 slijedi da je y = x . dakle u stotinama metara. s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x .270 ˇ POGLAVLJE 6. Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti.♠ V 6 27 Primjer 6. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . Druga oˇito nema smisla u danom kontekstu.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . dakle funkcija V (x) prelazi iz rasta u pad. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum.

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

.

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

z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6.1 Neka je f neprekidna funkcija na I ⊆ R. 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. 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). Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Uvedimo prvo ime za takve funkcije. c Primjerice.7 izravno slijedi da je operator deriviranja linearan.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. C ∈ R. Teorem 7. Zanima nas.20 i Napomene 6. itd. a onda pogledajmo kada postoje i koja su im svojstva. Odatle slijedi vaˇno svojstvo primitivnih funkcija. Iz Teorema 6. UVOD U INTEGRALNI RACUN deriviranja operator. jer je derivacija svake konstante jednaka nuli.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. Definicija 7. . ako postoji. linearan operator koji mu je inverzan.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x).2. da je x primitivna funkcija funkcije x. Stoviˇe.274 ˇ POGLAVLJE 7.

c F (x) je primitivna funkcija funkcije f (x). 275 Dakle imamo prvu tvrdnju.2. dx pokazuje po ˇemu se integrira. Ostale raˇunamo koriste´i svojstva c c c . koji je po Teoremu 7. tj.4). H je konstantna funkcija. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. dolazi od S kao suma.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. gdje je c neka toˇka izmedu x i x0 . Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Interpretirajmo elemente ove formule: je znak integrala. a to je upravo druga tvrdnja teorema.1 beskonaˇan. C ∈ R je konstanta integracije. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . ˇalje c s u f. s To nije toˇno inverz od derivacije.1.1. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . Piˇemo s f (x)dx = F (x) + C. slijedi H(x) = H(x0 ) za svaki x ∈ I. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ).♣ 7. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. f (x) je integrand.7.

♣ . Neka je F primitivna funkcija funkcije f . zbog linearnosti derivacije. UVOD U INTEGRALNI RACUN neodredenog integrala. Dokaz: 1. Dokaz: Neka je F primitivna funkcija funkcije f . cF c primitivna funkcija funkcije cf .3 Vrijedi: 1. f (x)dx. Teorem 7.1 Iz Teorema 7.276 ˇ POGLAVLJE 7. 2.7).2 f (x)dx = f (x). z Teorem 7. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Oˇito je. = (F (x) + C) = F (x) = f (x). Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Za ostale operacije nema jednostavnih pravila. F ± G primitivna funkcija funkcije f ± g. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.20 i Napomena 6. Oˇito je. c zbog linearnosti derivacije. 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.♣ Napomena 7. Kako je imamo f (x)dx f (x)dx = F (x) + C. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.

1 Pogledajmo sljede´e primjere: c . tabliˇne integrale.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. S druge strane. tzv.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Primjer 7. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.4). c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. 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 7.1. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.2.7. Ako se i moˇe integrirati.1.1. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.2) i svojstva iz Teoc c rema 7. Najpoznatiji primjer je e−x dx.3. eksponencijalne i z trigonometrijske funkcije.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c c z z to obiˇno nije lako. c c koriste´i pravila i tablicu derivacija (toˇka 6. c 7. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.

2: Primitivne funkcije funkcije 3x2 + 1. 3). y 3 0 1 x Slika 7. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. i one c 3 su oblika x +x+C.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i to je x3 +x+1. pa je C = 1. Samo jedna prolazi toˇkom (1. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Traˇena funkcija je F (x) = x3 + x + 1.278 ˇ POGLAVLJE 7. Koriste´i Teorem 7. Odredimo integral funkcije f (x) = x2 + sin x. Dakle je 3 = F (1) = 1 + 1 + C. UVOD U INTEGRALNI RACUN 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. 3). Drugim rjeˇima. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. 3 2. i ˇiji graf prolazi kroz toˇku (1.♠ c . Koriste´i Teorem 7.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). 3).

ne mogu integrirati produkti funkcija (osim c za polinome. + C.3 i tabliˇne integrale. tj. a to znamo da je u2 2 sin x d(sin x). gornji se integral svodi na u du.5). Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. z Primjer 7. Dakle je sin x cos x dx = 1 2 sin x + C. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).1. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.2 Odredimo integral funkcije f (x) = sin x cos x. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Ipak. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.♠ 2 .7. op´enito. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. ovo moˇemo pisati kao c c z sin x d(sin x). ima jedan sluˇaj kad se c produkt funkcija lako integrira. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. deriviranjem sloˇenih funkcija. Koriste´i izraz za diferencijal (toˇka 6.2.

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

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

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

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

Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = .♠ 2 x dx . Odredimo integral funkcije f (x) = arctg x . i u = sin x. Odredimo integral funkcije f (x) = ln x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. i u = arctg x . Stavimo dv = dx. v = 1. Stavimo dv = sin x dx. 1.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. v = sin x. tj. ˇto daje du = u dx = s v = x. tj.5 imamo x dx 1 = ln(x2 + 1) + C. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . 2. Stavimo dv = dx. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. i u = ln x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. x dx x i v = x. v = 1. tj. ˇto daje du = u dx = s cos x dx i v = − cos x.284 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 1. Odredimo integral funkcije f (x) = sin2 x. sin2 x dx.

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

Odredimo integral funkcije f (x) = Imamo x2 1 dx = +9 9 ( x )2 3 dx . Ponekad se takva racionalna funkcija joˇ zove i prava racionalna funkcija. da nemaju zajedniˇkih faktora i da je n < m. Odredimo integral funkcije f (x) = 3x . imamo x2 3x dx = 3 +5 x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln(x2 + 5) + C. Qm (x) gdje su Pn (x) i Qm (x) polinomi stupnja n i m. 2x 2. tj. 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. +1 Uvrstimo u integral. Neke se mogu zgodnim supstitucijama svesti na tabliˇne integrale. UVOD U INTEGRALNI RACUN Integriranje racionalnih funkcija Podsjetimo se da je racionalna funkcija funkcija oblika R(x) = Pn (x) . redom. Pretpostavljamo da su Pn (x) i Qm (x) skra´eni. x2 +5 Uvedimo supstituciju u = x2 + 5. c c Primjer 7.9 Pogledajmo sljede´e primjere: 1. imamo Uvedimo supstituciju u = x . Ako c c nije. Sada je du = 2x dx. x2 +9 du . pa je dx = Uvrstimo u integral.286 ˇ POGLAVLJE 7. +1 3 3 3 . u 2 2 1 . i problem je sveden na integraciju racionlne funkcije s n < m. Polinomijalni komad se izravno integrira. Rezultat ´e z c biti polinom stupnja n − m i ostatak u vidu racionalne funkcije kojoj je stupanj brojnika manji od stupnja nazivnika. s Sve se racionalne funkcije mogu integrirati. 3 dx .

a u brojnicima konstante ili linearni polinomi. ako je x0 ∈ C oblika a + bi. c 2.) Dokaz: 1. ako je x0 ∈ C nultoˇka od Pn (x). konstanta. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. onda je x0 = x0 . NEODREDENI INTEGRAL 3. onda je x0 = a − bi. pa je du = dx. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. i ostatak r(x) koji je polinom stupnja 0. b ∈ R. Qn−1 (x). c c 3. Uvrstimo u integral. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. onda je to i x0 . c Neka je x0 ∈ C \ R.7. onda polinom (x − x0 ) dijeli Pn (x). Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. c Napomena 7. Tada vrijedi: 1. ako je x0 ∈ C nultoˇka od Pn (x). . Odredimo integral funkcije f (x) = 1 . 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. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. tj. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 .4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. polinom (x − x0 ) dijeli s c c z polinom Pn (x). r(x) = C ∈ R. tj. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. 2. c Metoda se temelji na sljede´im svojstvima polinoma.1. Ako je x0 ∈ R. x−3 287 Uvedimo supstituciju u = x − 3. pa tvrdnja oˇito vrijedi. gdje c su a.♠ 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. tj. onda je to i x0 .

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

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

q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C. 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C. logaritama z i arkustangensa.) c Kako je formula za I2.1 .290 dobivamo ˇ POGLAVLJE 7.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 .q =  (b− a )q−1 1 4 + C.q rekurzivna. c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen. i kako znamo izraˇunati integral I2. q = 1.q . x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 . 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 . nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo. Primjer 7. + 1)q Time smo problem sveli na odredivanje integrala I1.q je sloˇenija.q = + 2q−3 I2. Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija. + 1)q Integral I1.q se lako izraˇuna supstitucijom u = t2 + 1: c   I1.q−1 .q = (t2 dt . Dobiva se z I2. Imamo 2x2 − 3x + 3 A B D = + + . Integracija integrala I2. 2 2 q>1 q = 1.q = (t2 t dt + 1)q i I2. x3 −2x2 +x .

♠ 3 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . x(x−2)(x+1) x+2 A B D = + + . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.1. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. D = −1. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . Rjeˇenje je A = 3. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. B = 2.7. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.♠ x−1 Ako su nuliˇta nazivnika jednostruka. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2).

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

3: Triangulacija podruˇja u ravnini omedenog duˇinama. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku.2. gdje se zbraja po svim trokutima triangulacije Ti . Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. ODREDENI INTEGRAL 293 7.2 7. c z Napomena 7. Lik se triangulira. T1 T2 T3 T4 Slika 7. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. c .7.2. duˇinama. jer je to uobiˇajenije. tj. ploha. tj.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice. Kako povrˇinu trokuta znamo raˇunati. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine.1 Odredeni integral Motivacija . s P = i P (Ti ). ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. Povrˇina je geometrijska kategorija. Takav lik ˇesto zovemo krivuljnim trapezom. problem moˇemo s c z smatrati u biti rijeˇenim. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine.

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

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

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

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

b]. c i = 1.♠ Napomena 7... z c tj. Izraˇunajmo iz definicije c b 1.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. 1 dx. c Iz Primjera 7. b]. b] je integrabilna. n. b].♣ Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.9 Uoˇimo da ako je f monotona funkcija na [a. x ∈ R \ Q. b] integrabilne. onda je f (a) ≤ f (x) ≤ f (b)..14 1. Uoˇimo da za svaku podjelu r segmenta [a.6 Svaka neprekidna funkcija na [a. a . Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b] z kaˇemo da je f integrabilna na [a. b]. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. Koje jesu? Neprekidne sigurno jesu. Dirichletova funkcija nije integrabilna.♣ Napomena 7. b] imamo mi = 0 i Mi = 1. nisu integrabilne.5 Svaka monotona funkcija na [a.13 Dirichletova funkcija. b]. tj. c Dokaz: Ako f raste na [a. . onda je ona i c ograniˇena.298 ˇ POGLAVLJE 7.♣ Teorem 7. Primjer 7. b]. Koje joˇ? s Teorem 7.8 Dirichletova funkcija ima prekid u svakoj toˇki.13 vidimo da nisu sve funkcije na segmentu [a. UVOD U INTEGRALNI RACUN Definicija 7. f (x) = nije integrabilna. za svaki x ∈ [a. dakle je f ograniˇena funkcija na [a. x∈Q 0. b]. b] je integrabilna.

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

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

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

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

a 4. gdje je c ∈ R proizvoljan.. b]). b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Mi = 0.. b] (skup R(I) nije prazan.. Stoviˇe.} se c nalazi u nekoj bazi od R(I).. Dakle je s(r) = 0 i S(r) = Mj ∆xj .. unutra se sigurno nalaze sve neprekidne funkcije na [a. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. M = f (c) i za svaku podjelu r segmenta [a. . iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). a cf (x)dx = c a f (x)dx.. onda je c b f (x)dx = 0.2. j − 1..18. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. Ako je funkcija f : [a. 1.♣ b b 5. Beskonaˇnodimenzionalan je. pa je mi = 0.18. skup c {1. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx... x. n.13). j + 1. 6.2 i Teorema 6. Oˇito je z c c tada m = 0. . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. . Dakle beskonaˇni skup {xn : n = 0. x2 .. dakle i integrabilna. . b] toˇka c pada u toˇno jedan c c [xj−1 .7. . jer npr..3).2 i Teorema 6. i Mj = f (c)..♣ c Napomena 7. i = 1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5.. . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Nadalje. a (f (x) ± g(x))dx = a ili aditivnost integrala. i svaka funkcija iz tog skupa je neprekidna na I. xj ]. i = 1. b] i da je f (c) > 0. n.

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

Iz pozitivnosti funkcije f na [a.28 F raste na [a. b] oko toˇke c takav da je f (x) > 0. c F (x) = g(x) − f (x) ≥ 0. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. tj. b]. Dakle. b] tada iz Teorema 6. Ako je f (c) < g(c) za bar jedno c ∈ [a. Dakle postoje x1 . b]. Ovo svojstvo se zove svojstvo monotonosti integrala. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. onda je b f (x)dx > 0.8 je dobro definirana funkcija F ∈ C 1 [a. po Teoremu 6. ODREDENI INTEGRAL 305 8. Neka su f i g neprekidne funkcije na [a. Ako je f (c) < g(c) za bar jedno c ∈ [a.3 slijedi da postoji interval I ⊂ [a. Tada je b b f (x)dx ≤ a a g(x)dx. Odatle slijedi da je F (b) ≥ F (a) = 0. Dokaz: Po Teoremu 7. b]. x2 ] imamo x2 f (x)dx > 0.7. onda je F (c) = g(c) − f (c) > 0. b] odnosno stroge pozitivnosti na [x1 .3 slijedi da postoji interval .♣ 9. Kako je funkcija F = g − f neprekidna na [a. i oˇito ima pozitivnu derivaciju. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b]. za svaki x ∈ I . Ako je f neprekidna i nenegativna funkcija na [a. b] onda vrijedi stroga nejednakost. b] iz Teorema 6. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0.2. x2 ∈ I takve c da je x1 < c < x2 . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b] i ako je f (c) > 0 za neki c ∈ [a.

6. tj. a b b f (x)dx ≤ a |f (x)|dx. b]. Dakle postoje x1 . Nadalje. i Primjera 7. imamo da je F (b) > F (a) = 0. za svaki x ∈ I . b] takva da je c b f (x)dx = f (c)(b − a). iz svojstva 9. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx.28 c F strogo raste na I . b]. za svaki x ∈ [a. pa postoji barem jedan c ∈ [a. b] −→ R. Teorem 7. b]. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). b]. Neka je f : [a.306 ˇ POGLAVLJE 7. a Dokaz: Po Teoremu 6.♣ a Izraz 1 b−a b f (x)dx a . m ≤ f (x) ≤ M . tj. Nadalje iz Teorema 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Ako f nije konstanta na [a. za svaki c x ∈ [a. odnosno imamo strogu nejednakost. iz svojstva 9.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). 11. UVOD U INTEGRALNI RACUN I ⊂ [a. b]. Tada postoji toˇka c ∈ [a. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). iz neprekidnosti funkcije f na [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. odnosno po Teoremu 6.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. b] oko toˇke c takav da je F (x) > 0. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. b] za koji je b f (x)dx = f (c)(b − a).♣ 10.

15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. iz svojstva 7.7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a.+an dine (aritmetiˇka sredina od a1 .7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx..7 ne mora vrijediti: Primjer 7.9: Teorem srednje vrijednosti za odredeni integral.♠ c . an ∈ R je a = c )... a Teorem 7. a2 . Nadalje... kako je f neparna c funkcija. −1 medutim ne postoji toˇka c ∈ [−1. imamo da je 1 f (x)dx = 0. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. Odatle ime teoremu. . c Napomena 7. 1] za koju je f (c) = 0. n Za funkcije koje nisu neprekidne Teorem 7. Oˇito je da funkcija f ima prekid u x0 = 0.2. x ≥ 0 −1. b]. x < 0. se zove srednja vrijednost funkcije f na segmentu [a.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.

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

Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. ∆x−→0 ∆x Funkcija f je neprekidna na [a.LEIBNIZOVA FORMULA je derivabilna na [a. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. b].7. Ho´emo gledati c ∆F . Po Teoremu 7. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.6).3. ∆x odnosno f (ζ1 ) = m ≤ . pa onda i na svakom podsegmentu [x. NEWTON . x+∆x].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆F ≤ M = f (ζ2 ).11: Funkcija F (x). b] i vrijedi F (x) = f (x).

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

3 √ √ √ 3 3 π c Analogno. Iz ϕ(t) = − 3.3. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. β] ima neprekidnu derivaciju ϕ . c Desna strana Newton . i ako je ϕ(α) = a. Sada oˇito funkcija ϕ : [− 2 . Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. tj. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran). a b ˇ Citamo to kao ”F (x) u granicama od a do b”.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. Kod primjene na raˇunanje odredenih integrala. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. β] ne izlaze izvan segmenta [a. Pri tome nestane konstanta integracije.LEIBNIZOVA FORMULA 311 linearni operator deriviranja. b]. √ √ Stavimo ϕ(t) = 2 sin t.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. sin t = − 23 imamo t1 = − π . β] i neka ϕ na [α. Teorem 7. 2 ] −→ . iz ϕ(t) = 3 dobijemo t2 = 3 . ϕ(β) = b. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. onda za f ∈ C([a.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) .7. NEWTON . ♣ Primjer 7. Ako vrijednosti funkcije ϕ na [α.

17 Izraˇunajmo c 0 1 xex dx.6 i omedena) na podruˇju integracije. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. Iz Primjera 7. U takvim sluˇajevima govorimo c s c o nepravim integralima. .6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. u dv = uv a b a − a v du.312 ˇ POGLAVLJE 7. 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.♠ 3 Kod parcijalne integracije situacija je jednostavnija. kao i da je samo poc druˇje integracije konaˇno. tj.10.♠ 7. c c c Neka je funkcija f neprekidna na [a. Primjer 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.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. b i neka je x−→b− lim f (x) = +∞.

kaˇemo da integral divergira ili da nema z znaˇenja.18 1. postoji x f (ζ)dζ. . jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. a Ako promatrani limes ne postoji.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−.4. tj. b postoji integral te funkcije u granicama od a do x. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. c c Primjer 7. u toˇki a. 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. tj. c y f(x) 0 a x b Slika 7.7. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral.

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

Iz ϕ(t) = a. . iz ϕ(t) = b dobijemo t2 = 0. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . inaˇe c Primjer 7. dakle imamo b a dx = (x − b)n 0 a−b dt . NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. Izraˇunajmo c a dx .4. tj. c+ε2 Ako oba limesa na desnoj strani postoje.19 1. Izraˇunajmo c −1 1 x2 dx . 1 a f (x)dx konvergira. x2 b 2.10. (x − b)n Stavimo ϕ(t) = t + b. 1].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 = +∞. 0] −→ R zadovoljava uvjete Teorema 7. tn Ako je n < 0. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. Analogno. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. Sada oˇito funkcija ϕ : [a − c b. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. tj. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. t + b = a imamo t1 = a − b. onda divergira.

tj.2) npr. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Primjer 7. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). situaciju kad podruˇje c c integracije nije ograniˇeno. −n + 1 −n + 1 za n > 1. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. +∞ . Znamo c . Dakle tn b a dx (x − b)n konvergira za n < 1.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Neka je funkcija f neprekidna na [a. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. Uz svojstvo monotonosti integrala (svojstvo 9. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. 0]. b].316 ˇ POGLAVLJE 7. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. divergira za n ≥ 1.19 moˇe posluˇiti pri usporedivanju. integral dx divergira za n ≥ 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. iz toˇke 7. c z z Promatrajmo sada drugi mogu´i izvor problema.2. 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.

postoji x f (ζ)dζ. −∞ pa i za sluˇaj c +∞ f (x)dx.13: Nepravi integral po neograniˇenom podruˇju integracije. . tj.20 1. c c da za svaki x ∈ [a. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.4. kaˇemo da integral divergira. a Ako promatrani limes ne postoji. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. 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. +∞ postoji integral te funkcije u granicama od a do x.7. Izraˇunajmo c +∞ 0 e−x dx. −∞ Primjer 7.

x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. c 3.318 Imamo +∞ 0 ˇ POGLAVLJE 7. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞.♠ c . Izraˇunajmo c dx . x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Izraˇunajmo 1 +∞ dx . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. 2. Izraˇunajmo c 1 +∞ dx . 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira.

ako je f : [a. f2 : [a. osi x. osi x. b]. tj. gdje su f1 . Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. a Ploˇtina povrˇine izmedu grafa funkcije f . pravca x = a i pravca x = b.5.2.5 7. c] i negativna na [c. PRIMJENE INTEGRALNOG RACUNA 319 7.5. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . a .1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. s s b f (x)dx = P1 − P2 . s s tj. b]). ali negativnog predznaka. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. Nadalje. pravcem x = a i s pravcem x = b. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . b . Ako je funkcija f neprekidna i negativna na [a. b]. b]. pravcem x = a s s i pravcem x = b. za svaki x ∈ [a. b] −→ R neprekidna takva da je pozitivna na [a. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). broj P1 + P2 . dana s b (f1 (x) − f2 (x))dx. za neki c ∈ a. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. osi x.ˇ 7.

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

16: Volumen stoˇca kao limes sume volumena tankih valjaka. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . ∆h. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.. d]. h = 0. i = 0.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. n ∈ N. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a.ˇ 7. zamijenimo komad stoˇca.. Nareˇemo ga na tanke ploˇke. Podijelimo segment [a. dobit ´emo toˇnu formulu za volumen stoˇca.. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . za svaki y ∈ [c. H − ∆h. krnji stoˇac visine ∆h. tj... . d] takvih da je s g1 (y) ≥ g2 (y). . z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. Za veliki n ∈ N ´e zbroj z c H R Slika 7.5. osi y. Time je c c i tijelo T podijeljeno na n slojeva. manjoj) osnovici krnjeg stoˇca. 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 ∆h −→ 0. recimo stoˇac visine H i polumjera osz novice r. < xn−1 < xn = b. n − 1. 7. Za n −→ ∞.5. cc z tj. 1. i u z s n svakom sloju izmedu visine h i h + ∆h. b].... pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. recimo visine ∆h = H . Povrˇinu osnovice tog valjˇi´a s cc .

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

PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini.ˇ 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. . b]. 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. f2 : [a. za svaki x ∈ [a. ako su f1 .18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. c Primjer 7. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). z z Po gornjoj formuli.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi.5. Dakle. c z y R 0 Η x Slika 7.

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

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

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

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

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

Takoder. i=1 a to u limesu daje My = µ b a xf (x)dx. zs √ Imamo f (x) = r2 − x2 .5. zs s s y r 0 r x Slika 7. upravo xi . 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 . iz Primjera 7. 2 . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). recimo.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. yT = 1 2 b 2 a f (x)dx b a f (x)dx . s Primjer 7. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.23: Teˇiˇte homogenog polukruga. Iz simetrije je jasno da mora biti xT = 0.11).ˇ 7.

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

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

♠ z Primjer 7. 4 3 Zbog M = µV = 1 R2 πH. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.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.24: Teˇiˇte homogenog stoˇca.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. tj. dobivamo xT = 4 H. za µ = 1. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. mjereno od osnovice. 23 dobivamo xT = Mx M .332 ˇ POGLAVLJE 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.♠ 8 π 4 R . Primjer 7. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . 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 .

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

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

PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. Znamo da je c 2 2 Ix = mx i Iy = my . d] osi y i grafom c pozitivne i neprekidne na [c. onda je s I0 = 1 M (a2 12 + b2 ).ˇ 7. g 2 (y)dm.5.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . dm = µdP = µf (x)dx. Neka je dana materijalna toˇka mase m s koordinatama (x. 3 a ako mu je ishodiˇte u sredini. pri ˇemu je lik omeden pravcima y = c i y = d. Primjer 7. Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. d] funkcije g. Uvedemo li oznake dP = f (x)dx. komadom [c. imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. y). za µ = 1. 3 . Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). Oˇito je f (x) = c √ r2 − x2 .

i zbroje se momenti inercije malih valjaka polumjera f (si ). 5 . n. Iz ϕ(t) = −r imamo t1 = π..8 imamo 1 Ix = r4 π. Analogno iz ϕ(t) = r imamo t2 = 0.♠ 2 Kombinacijom razmatranja iz toˇke 7. dakle je 1 I0 = Ix + Iy = M r2 .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 . .10. π] −→ R zadovoljava Teorem 7.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. gdje je si ∈ [xi−1 . xi ]. Oˇito funkcija ϕ : [0.336 ˇ POGLAVLJE 7. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. i = 1. b] podijeli na male podsegmente [xi−1 . Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. moment inercije cijelog kruga obzirom na y os je Iy = Ix . 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 . c Primjer 7. Prijelazom na limes dobijemo gornju formulu. i visine ∆xi = xi − xi−1 . Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. xi ].. Sada iz Primjera 7. 2 2 a onda se interval [a.5.. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.

.. i = 1. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . f (xi )). .ˇ 7. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 ... b] eksplicitnom formulom y = f (x).. f (a)) do toˇke c c B = (b.♠ 15 5 7.5. . 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 . Duljina luka od toˇke A = (a.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. b] zadana kao graf funkcije f ∈ C 1 [a. c po Pitagorinu pouˇku. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. i = 1. b] na podsegmente [xi−1 . Podijelimo segment [a. pa uzmimo c s os x.26: Duljina luka zadanog kao graf funkcije f (x).5.. f (xi−1 )) i (xi . n. xi ]. 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. 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. Duljina svakog takvog komada je. n.

. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . i = 1.. b] rotira oko osi x. b] na podsegmente [xi−1 .. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . n. s s plaˇta krnjeg stoˇca polumjera donje osnovice R.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.5. n. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e.27: Ploˇtina plaˇta rotacijskog tijela. i .. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 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.338 ˇ POGLAVLJE 7.26). . Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.. xi ].. mase µ. Dijeljenjem segmenta [a. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. i = 1. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). s 7. xi ]. . s yT = b a f (x) √ 1+[f (x)]2 dx .

onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . Ovdje smo s ds oznaˇili diferencijal luka.31 Izraˇunajmo oploˇje kugle.5.♣ s zs 7. Toˇnije. Primjer 7.. c ds = 1 + [f (x)]2 dx.. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .ˇ 7.5.26). c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.12 (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. ploˇtinu sfere polumjera r. Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. ako znamo poloˇaj tijela u trenutku t1 = 0. tj.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.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 . i = 1. gdje je si ∈ [xi−1 .. xi ]. Teorem 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 . . n. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.

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

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

83 J.33.342 ˇ POGLAVLJE 7.30: Jarak iz Primjera 7.33. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. ˇirina c s 2(1 − x) m.29: Jarak iz Primjera 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. s x 0 y h Slika 7. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. a debljina sloja je dx metara). Integriraju´i doprinose svih dubina c od 0 do h = 1 m. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . . Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. duljina jarka je 10 m.

mz i G konstante. To se postiˇe integriranjem po dubini sile na z mali element povrˇine. 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 . gdje smo s c K oznaˇili K = Gmz mp . a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . c c c smanjenje zbog utroˇka goriva. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. Dakle je K = P R2 i F (x) = PxR . sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. 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. 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 = .♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? .5.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. Uzimaju´i da su mp . imamo F (x) = x2 . (Ovdje je mz masa Zemlje. tj. po definiciji. mp masa projektila i G univerzalna gravitacijska konstanta). z z Primjer 7. upravo teˇina z K tijela. 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.ˇ 7.34 Koliki je rad potreban uloˇiti da se tijelo (npr. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. No ta sila je. c z s 2 K F (R) = R2 = P . s z Primjer 7. Za x = R imamo teˇinu tijela na povrˇini Zemlje.

344 ˇ POGLAVLJE 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral. UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: Kanal iz Primjera 7.35.♠ s c .

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

Sign up to vote on this title
UsefulNot useful