Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . .6 Derivacije viˇeg reda . . . . . . . 6. . . . . . . 7. . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . .1. . 6. . . . . . . . . .2 Svojstva neprekidnih funkcija . . .5.4 Graniˇna vrijednost (limes) funkcije .8 Primjene derivacija . . . . . . . . . . . . . .5. . . . . . . . . . . . .2 Derivacija funkcije u toˇki . .3 Neprekidnost elementarnih funkcija .2 Neodredeni integral . . . . . . . . . . . . . . . . . . . . . . . . . . 6.1. . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . .2. . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . .3 Derivacija funkcije . . . . . . . . . . . . 7. . . . . . . . .5. . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . 6. . . . . . .1. . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . .1. . . 7. . . . . 7. .6 Neodredeni oblici . s 6. . . .1 Motivacija . . . . c 6. . . .5. . . . . . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . 7. . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . zs 7. . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6.2 Odredeni integral . . . .5 Neprekidnost i limes . c 6. . . . . . . . . . . c 6. . 6.1. . . . .4 Nepravi integral . . . . . . . . . . . . . . . . . . . . . .2. . .3 Metode integriranja . . . . . . . . . . . . . . . . 6.1. . . . . . .1.2. . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . .1. . 7. . . . . . . . .2. . . . . . . . . . . . . .4 Raˇunanje derivacija . . . . . . . . c 6. . . . . . c 6. . . . zs 7. . . . . . . . .3 Newton . . . . . . . . . . . . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 .1 Primitivna funkcija . . .2 Derivacija funkcije . . . . . .2. . . . . . . . . . .6 Povrˇina rotacijske plohe .Leibnizova formula . . . . . .2. . .2 Volumen rotacijskog tijela . . . .5 Primjene integralnog raˇuna . . . . .1.1 Povrˇina lika u ravnini . . . .2. . . . . . . . . . . . . . . . . . .5.1 Motivacija . . . . . . . .1 Neprekidnost funkcije . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . c 7. . . . . s 7. . . . .3 Teˇiˇte . . . . . . . . . . .7 Primjene u fizici . . . . . s 7. . .2. .1. . . . . . . c 6. 7. . . . .2 Svojstva odredenog integrala .2. . . .7 Raˇunanje limesa . . . . . . . . . . . . . 7. . . . . . . . . . . . .1 Neodredeni integral . .

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

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

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

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

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

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

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

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

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

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

tj. 3. B ∈ E takve da je OA = − i AB = b .1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Za vektor P Q kaˇemo da je orijentiran od P prema Q. Vektor kod kojeg su poˇetak i kraj jednaki. Preciznije. Iz a Napomene 1. tj.2 znamo da takve toˇke A i B postoje i da su jedinstvene. poˇinje u P a z c zavrˇava u Q. c 2. P = Q. z kolinearan je sa svakim vektorom). Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.1. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Sada samo izaberemo orijentaciju koja nam treba. → → → − − → − 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 . VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. 11 − → 3.3). uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Napomena 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Oˇito je | 0 | = 0. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. onda c a − → − →.3). postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.1. Tada je c − − → − = OB. → Napomena 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. → c . Pogledajmo sada neka svojstva nul vektora: c − → 1.

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

Sliˇno 2− + − = 3→.4 Vektor a = −→ iz Teorema 1. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). tj. s → − − a c Napomena 1. koji ima isti smjer kao →. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. ˇija je duljina jednaka |λ||− |. itd. a a → Za sluˇaj → + − piˇemo 2− (tj. a . Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. ali je suprotne orijentacije. λ > 0 B’ 0 λa. z → Za λ ∈ R. c a − 2.1. → BA. λa .1.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva.1 ima sljede´a svojstva: ima →. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom.6: Mnoˇenje vektora skalarom.λ<0 a A B Slika 1. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. Za n ∈ N a c a a a − = (n − 1)− + − .5: Pravilo mnogokuta za zbrajanje viˇe vektora. realnim brojem. d c a + b+ c+ d a b Slika 1. definiramo λ− kao vektor: a → 1.

− → → → → − 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. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. postoji pravac a a .2. b ∈ V je a + b ∈ V . λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Elemente od skupa V zovemo vektori. a suprotnu orijentaciju a − za λ < 0. za sve a. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V .♣ a a Definicija 1. 1 · − = → (postojanje jedinice). VEKTORSKI RACUN → 3. koji ima istu orijentaciju kao vektor − za λ > 0. a a → → → 2. λ(µ→) = (λµ)− (homogenost).5 nigdje ne govori o geometrijskim veliˇinama. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. uz pretpostavku − = 0 .4 i pokuˇajmo definirati kolinearnost u drugim s terminima. a a → − 4. onda. a a a − → 3. 3. i neka je A = O c toˇka koja leˇi na tom polupravcu. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).1 i Teorema 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. 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. c Vratimo se sada Definiciji 1. Primjetimo da se u Definiciji 1.14 ˇ POGLAVLJE 1. 2. Neka je dan polupravac (zraka) s poˇetkom u O. → od vektora a Teorem 1.

onda je |− | = 0. A. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . (Usporedimo ovo s Definicijom 1. pa moˇemo a a a z − → − = a . (− . B ∈ E na p takve da je − = OA. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. (λ. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − .2. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E).1. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. → →→ te vrijedi a a a0 1. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). Kako je → = 0 . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). VEKTORSKI PROSTOR XO (E). a a .1). a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . b ∈ XO (E) i λ ∈ R. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. b = OB. tj.4). z → − → − → → → Neka su sada − . Imamo da je c a − → → b = λ− . − → 2.2 Vektorski prostor XO (E). tj. Bijekcija je konstruirana na prirodan naˇin.

. Napomena 1.. − ∈ XO (E).. λ2 .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. λn ....1 i Teorema 1.6 izravno slijedi: → → → → a1 a1 a2 an 1.. .. λn ∈ R. Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni .2. − .. a a1 a2 an → − − Definicija 1. z c Napomena 1. ..6 Za vektore − .. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. → s koeficijentima λ1 . λ2 .. .... Q = O. λn je razliˇit od nule.. λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − .7 Iz Definicije 1. .. VEKTORSKI RACUN E P 0 Slika 1. . Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1.7: Radij-vektori u X0 (E). λ2 .. Vektori − . − . →. → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . λ1 . − .5). . − → Napomena 1. .... − . → ∈ → → − 0 i bar jedan od skalara λ1 . − .... Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − . λ2 . ..5 Uzmemo li neku drugu toˇku Q ∈ E. onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. → → → Neka su sada − .. − .16 ˇ POGLAVLJE 1.... . − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.. Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − . . .

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

a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. →). zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E).9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). az ) su jednoznaˇno odredene.1 i Teorem z 1. Analogno. →. uredeni par → − (− . 0) i Ez = (0. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . z c → → Neka je sada − proizvoljan vektor iz XO (E). 0. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . 1). prema Napomeni 1. 0). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. 1. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E).8 z ˇ oni su linearno nezavisni. e1 e2 Napomena 1. k ne leˇe u istoj ravnini. − → − → Neka je (→. Skalare a1 . ay . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Tada je a e1 e2 e3 c − (Teorem 1. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). 0. Definirajmo i = OEx . j = OEy i − → −→ − − − − → → → k = OEz . Kako vektori i . pri ˇemu su skalari a1 . − . c →. Koordinatni sustav → − → Definicija 1. → → a b i j k .3 Baza vektorskog prostora XO (E). te toˇke Ex = c s c −→ − − → −→ − → − (1. j . Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax .7 Uredena trojka (− . pa ˇine bazu.5).18 ˇ POGLAVLJE 1. a2 i a3 − → → → vektor iz XO (E). Ey = (0. duljine su im 1 i leˇe na okomitim c s z pravcima. − . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Stoviˇe. VEKTORSKI RACUN 1. − ∈ XO (E).

j . az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata.4. vrijedi c → − − → − → − → OP = x i + y j + z k . mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . k ) bilo koja baza od XO (E).4 Vektorski prostor Rn → − → − → − − Neka je ( i . az ). x y z 1.3) nam daju pravila za takve operacije nad uredenim c trojkama: . Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . ay . j . k ) i toˇku P s koordinatama (x. a − − − → → → Uzmimo sada bazu ( i . z ) znamo da je OP = x i + y j + z k . ay . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. y. Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. Analogno. a − = (ax . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . c −→ − − − − − → −→ − → −→ −→ − → Sada je. −→ − Dakle. tj.1. −→ − Znamo da je |P P | = d(P.10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . j . imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . P ) = (x − x)2 + (y − y)2 + (z − z)2 . → k XO (E) postoje i jedinstveni su ax . tj. cz = az + bz . Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . z). c c −→ − − → − → → − Napomena 1. VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . k ). c a → → − − = cx − + cy → + cz − . cy = ay + by . y . zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). −→ − − → − → → − Za toˇku P s koordinatama (x .

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

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

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

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

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

→ |a| ay cos β = − .10: Projekcija vektora na pravac. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. jediniˇni vektor. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . a0 a0 . Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D.5. Nadalje.1. 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. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. imamo − → → →→ − d = ( d · − )− . Tada postoji D ∈ E takva da je d = OD. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Dakle imamo OD = ( d · − )− jer je OD = λ− . → |a| az cos γ = → .

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

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

Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante. c1 c2 c3 a1 a2 a3 = λ b1 b2 b3 . tj.: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5.28 ˇ POGLAVLJE 1.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . determinanta je jednaka nuli.tj.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. determinanta z se mnoˇi tim skalarom. Ako su dva redka (stupca) u determinanti jednaka. c1 c2 c3 3. 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. 4. a3 b3 c3 (stupca) zamijene mjesta. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima. . Ako dva susjedna redka predznak. 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 . 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 . c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. Svojstva determinante: 1. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. tj.

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

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

− → − → |a a sc a b → − → → − pa i − × b = 0 .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.♣ → a . kao saˇeti zapis. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. i ϕ = 0 ili ϕ = π. → × b = −( b × − ) a a (antikomutativnost). b nul vektor. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . Zbog − · − = |→||− | cos ϕ. Neka su sada oba vektora razliˇita od nul vektora. a → − → → → → − → − → − Obratno.8.6. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). − → → → − → − → → 2. Dakle a − → − i b su kolinearni. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). tj.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1.♣ Primijetimo da tvrdnje Teorema 1. Tada je |→ × − | = 0. → × ( b + − ) = − × b + − × − . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). Tada je |− × b | = 0. ϕ = 0 ili ϕ = π. c Dokaz: − → → Ako je barem jedan od vektora − .1. neka je − × b = 0 . jer je nul vektor kolinearan sa svakim vektorom. a c → i → kolinearni. → → → − → → − (a b c a c b c − − → → − → 3. pa je cos2 ϕ = 1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Kako je − · b = |→|| b | cos ϕ. c c z Teorem 1. Po pretpostavci je |→| = 0 i | b | = 0. pa desna strana formule za duljinu vektora − × b iˇˇezava. a a a Napomena 1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .

tj. Pitanje je sad je li − × b orijentiran. k ). 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 . 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 > 0.7). Izraˇunajmo sada determinantu D (opisanu u toˇki 1. j .32 ˇ POGLAVLJE 1. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. k ) pravokutni normirani desni koordinatni sustav. i . Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. − × b ) c a a a a → → − je jedna baza. prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. . b .12: Vektorski produkt. Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . (− . − − − → → → Neka je (O. j . a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . a a → → − Neka su − i b nekolinearni.

to je − → → → → − (O. j .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. vektore ortonormirane baze ( i . dok je s druge strane i × ( i × j ) = − j tj.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. Sa Slike 1. i . k ). c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. pravila za vektorsko mnoˇenje te gornju tablicu) z z . j .1. Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). j .13 vidimo da je → = − × − . Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . j . − . − × b ) desni (op´enito nepravokutni) koordinatni sustav. k ) koje ´e nam c c biti koristno pri raˇunanju.8.13: Kutna brzina. b . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . pravila za skalarno mnoˇenje. ω r v v ω 0 r Slika 1. k ) desni koordinatni sustav (pravokutni i normirani). k ). Uzmimo npr.

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

− ∈ XO (E).9.ˇ 1. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. a | b | sin ϕ visina paralelograma. b . Tada je: → → → a b c → − → − → − − → 1. − → − i samo ako su a b c − → → → Ako su − . onda − → − Obratno.4 i 5 iz toˇke 1. zakljuˇujemo da su vektori → i b × c okomiti. − komplanarni po Napomeni 1. b . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . vektorsko mnoˇenje i mjeˇoviti z z s produkt. b . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.16 Vektori →.6. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . a a .16 oni su linearno zavisni. − . gdje je |→| baza.♣. → komplanarni. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. Tada. s → → − → Definicija 1. kako je a c → − − → → − − → − · ( b × c ) = 0.14: Mjeˇoviti produkt triju vektora. → − → − → → → → Napomena 1. b = 0 i → = 0 . Pretpostavimo zato da su − = 0 . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . b . a a − → → − → − − → − 2. |→ × b | je povrˇina paralelograma razapetog s → i b . MJESOVITI PRODUKT 35 bx c a c b Slika 1. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . z → − − − a c Napomena 1.11 Za vektore − . − .17 Za vektore − . pa kako je − okomit na b × − . jer je a a c → − − → |→ · b | = |− || cos ϕ|. pa tvrdnja slijedi a c iz svojstava determinante 3.

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

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

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

pa imamo tvrdnju. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.1. jer je (0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. 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 − . Dobijemo z B A x + −C y = 1. c Obratno.1. Ako je C = 0. tj. Ako je B = 0. nepotpune obc z like): 1. n n 2.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda pravac prolazi kroz ishodiˇte. onda je pravac paralelan s osi y. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Oˇito je (x0 . y0 ) i da je za svaku drugu toˇku (x. jer je (0. Ako je A = C = 0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Ako je A = 0. B = tB i C = tC. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. ako postoji t ∈ R takav da je A = tA. − n → 3. Ako je B = C = 0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . postoji t ∈ R takav da je n = t− . z → 2.2. jer je tada vektor − oblika n − → →=Bj. 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. jer je toˇka (0. onda je pravac os y. Odatle je A = tA i → → su vektori n n B = tB. znaˇi z c da prolaze kroz istu toˇku (x0 . jer je tada vektor − oblika n − → →=Ai. onda je pravac paralelan s osi x. − n 4. onda je pravac os x. → → Ax = 0 i vektor n n i 5. C −A −B . onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− .♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0.

onda je y = b.40 ˇ POGLAVLJE 2.1. imamo A x a + y b = 1. z p s=mi+nj P1 = (x 1. pravac prolazi kroz toˇke (0.y 1 ) Slika 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z . a ako je y = 0. z z Uoˇimo sljede´e: ako je x = 0.3: Kanonski oblik jednadˇbe pravca. c c tj.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 . Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.2: Segmentni oblik jednadˇbe pravca. c c y b a 0 x Slika 2. onda je x = a. z 2. b) i (a. 0).

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

y l ϕ 0 x Slika 2. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. Uvode´i oznaku k = m .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera.5: Eksplicitni oblik jednadˇbe pravca. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. 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 . Veliˇinu k zovemo koeficijent smjera pravca p. Uvedemo li oznaku l = −kx1 . z . c 2.1. y − y1 = k(x − x1 ). c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Tada je y = kx − kx1 + y1 .42 ˇ POGLAVLJE 2.

tj.3 Za x = 0 imamo y = l tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ.2. pravac prolazi toˇkom (0. P = (x. φ ∈ [0. n Kako je tg ϕ = m . Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. PRAVAC U RAVNINI Napomena 2. Povucimo sada kroz O pravac q okomit na p. imamo k = tg ϕ.5). y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. 1].1. tj. odnosno z → → r n x cos ψ + y sin ψ = d . Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. 2.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). s vektorom i ). c − → − → → pa imamo − = cos ψ i + sin ψ j .1. a2 + b2 = 1. c 43 n ˇ Uzeli smo da je k = m . n c y q n θ P0 x r P p 0 Slika 2.6: Normirani oblik jednadˇbe pravca. → → r n Jednadˇbu − · − = d. π] takvi da je a = cos ψ − i b = cos φ. c c s − → − → → d = |OP0 |. n − → → Toˇka P = (x. pa tada postoje ψ. Neka je − = a i + b j jediniˇni vektor na pravcu q. z Jasno je da su a. y) leˇi na pravcu p ako i samo ako je z − · − = d. b ∈ [−1. l). tj.

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

→ n i j 45 Definicija 2. ako i samo ako je A1 A2 + B1 B2 = 0.2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . . → → kolinearni. A2 B2 → → Napomena 2. tj. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 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 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2.ˇ 2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . −1 → Neka je ϕ kut izmedu → i −2 .

− → 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. s1 s2 odnosno ako i samo ako je n1 m1 = .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. ako i samo ako je m1 m2 + n1 n2 = 0. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . s1 s2 tj.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. ako i samo ako postoji λ ∈ R takav da je − = λ− . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . m2 n2 → → Napomena 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. → → Napomena 2. . tj.

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

5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.48 ˇ POGLAVLJE 2.5. tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. ako i samo ako je ϕ1 = ϕ2 . tj. k2 2.1.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . sa suprotne strane od ishodiˇta) jer je tada n s . Napomena 2.7). Neka je pravac p dan u c c normiranom obliku. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . s Napomena 2. y0 ) i pravac p u ravnini. 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.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . p) = x0 cos ψ + y0 sin ψ − d. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 .8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. x cos ψ + y sin ψ = d. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. 2 ako i samo ako je tg ϕ = ∞. c Definicija 2. Zanima nas udaljenost c toˇke P0 od pravca p. tj. odnosno ako i samo ako je 1 + k1 k2 = 0. ANALITICKA GEOMETRIJA Napomena 2. To je ekvivalentno s 1 k1 = − . odnosno ako i samo ako je k1 = k2 .2.

p) = |x0 cos ψ + y0 sin ψ − d|. tj. p) = |bx0 +ay0 −ab| √ . p) ≥ 0.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. pravac kroz dvije toˇke. p) < 0. y0 ) od pravca p je c d(P0 . udaljenost toˇke P0 = (x0 . −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. eksplicitni). p) = |Ax0 +By0 +C| √ . A2 +B 2 Ax0 + By0 + C √ . a2 +b2 x y + = 1. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . lagano moˇemo izvesti i formule za udaljenost toˇke od c z c pravca ˇija je jednadˇba zadana u bilo kojem obliku spomenutom u toˇki 2. onda iz toˇke 2. a b . kanonski. p) = odnosno d(P0 .2. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . odnosno bx + ay − ab = 0.1.ˇ 2.1 c z c (segmentni. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .

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

paralelni su.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. 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. sijeku se u jednoj toˇki.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. 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. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. tj. c 2. Npr.2. identiˇni su.8: Mogu´i poloˇaji pravaca u ravnini. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. poklapaju se. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. ys ). xs = .ˇ 2.2. zovimo je S = (xs . ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . 3.

onda su p1 i p2 paralelni.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . . Napomena 2. Vrijedi i obrat. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) i δ(B. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) suprotnog predznaka. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . ako su p1 i p2 paralelni.11 Ako je A 1 B1 A 2 B2 = 0. onda je A 1 B1 A 2 B2 = 0. 2. Osim udaljenosti.2. p) = x0 cos ψ + y0 sin ψ − d.4).2. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p)|.52 i ˇ POGLAVLJE 2.

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

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

3. . kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. → → → a i + b j + c k . Tada imamo P0 P = − − − . y. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. z0 + tc). y0 .1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1.2.3.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .2).3 2. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. → − → r r0 s p ts P0 r 0 s r0 Slika 2. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.9: Pravac u prostoru.3. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . 2. y. Neka c z s −→ → → − − radij-vektor toˇke P . odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . z) = (x0 + ta. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. y0 + tb. PRAVAC U PROSTORU 55 2. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .

njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. b.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . z c s 2. y0 . c su koeficijenti smjera pravca p.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1.56 Jednadˇbe z ˇ POGLAVLJE 2.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . j i k dobivamo kanonske jednadˇbe pravca. . z Napomena 2. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . Prema s z Napomeni 1. z s Napomena 2. ANALITICKA GEOMETRIJA x = x0 + ta.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .3. z0 ) i 2. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. vektor smjera pravca p je dan s (a. b. pravac p prolazi toˇkom (x0 . y = y0 + tb. c) odnosno a. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . 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 . Kako su vektori baze linearno nezavisni.

tj. →| |s b cos β = − . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.3. − . onda ima dva kosinusa smjera. pa iz toˇke − − s r2 c s r2 r1 c 2. γ ∈ [0. b.5 i toˇka 2. onda znamo da je vektor → s a b c 1 → s0 = − − = − . jedan kosinus smjera prelazi u sinus. PRAVAC U PROSTORU 57 → Posebno. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . i njihov omjer daje koeficijent smjera (toˇka 2.3. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). z2 ) u prostoru. y1 . Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. c) je dana s x y z = = . − →| s →| |→| |→| |s |s s s − jediniˇni. y2 . s 2. →| |s c cos γ = → . z1 ) i P2 = (x2 . Zbog komplec mentarnosti. z Znamo iz toˇke 2. Sada imamo da je → = P1 P2 = → − →. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. b. −| |s Dakle koeficijenti smjera a. π] takvi da je a cos α = − . Odredimo njegovu jednadˇbu. β. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .6). c s → Iz toˇke 1.1. a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. − → z definirajmo s P c s − je vektor smjera pravca p. odnosno postoje c s0 α. c c Tada kroz njh prolazi jedinstveni pravac p. istog smjera i orijentacije kao i →.3. b. Uzmimo sada npr.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . c).2.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. pa odreduje isti pravac. → − → → r r1 r2 r1 .1.3.5 znamo da postoje kosinusi smjera vektora − .

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

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

ANALITICKA GEOMETRIJA 2. s z Imamo → = 1 (− + − ). 2 2 2 . m ∈ N. 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. z2 ) u prostoru. z → c radij vektor toˇke B. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . AC : CB = m : n.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. my1 +ny2 . 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. mz1 +nz2 ). m+n m+n m+n Napomena 2. r2 r1 →=− + − → ρ r1 n m → → → − + n −. y1 . tj. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . y2 .7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .60 ˇ POGLAVLJE 2.3. z1 ) i B = (x2 . .12: Dijeljenje duˇine u zadanom omjeru. .

γ kutovi c → zatvara s pozitivnim smjerovima osi x. toˇku O).13: Normalni oblik jednadˇbe ravnine. ako Π prolazi kroz ishodiˇte (tj. Neka je −0 = OP0 c c n p −→ − (tj. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . β. → → radij-vektora r n c P . z redom (tj. → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. Povucimo okomicu iz toˇke O na ravninu Π. s vektorima baze −0 ˇto ih n s − − − → → → i . RAVNINA U PROSTORU 61 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi.4. k iz toˇke 1. j .2. a vektor z −0 zovemo normala ravnine Π. → → r n . y. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. → n Posebno. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.4 2.4. 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.3 ). pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. onda je p = 0. P0 d r π n0 0 M Slika 2.

y. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.2. y. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. B.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. 0. 0). z. n0 − − → → OB · −0 = p. b. 0. c). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. c c Sada.2. → ako je M s one strane Π na koju pokazuje −0 .4. 0). z1 ) ∈ E proizvoljna.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Nadalje. toˇke u kojima Π sijeˇe koordinatne osi x.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. C ∈ Π. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. kako su A. jer je duljina okomice do Π jednaka p). iz normalne jednadˇbe ravnine imamo. z − − → OA · → = p. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|.16 Ako toˇka P ∈ E ima koordinate (x. B = (0. z). a c kako M leˇi u Π .62 ˇ POGLAVLJE 2. Kao i kod pravca (toˇka 2. Napomena 2. c Neka je M = (x1 . C = c (0. u stvari. udaljenost ravnine Π od ravnine Π .2. redom. Kako je d. r n Napomena 2. n . Imamo neˇto analogno otklonu iz toˇke 2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. Za toˇke s druge strane bit ´e n c c d < 0. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 2. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). y1 . neka su toˇke A = (a. n − → → OC · −0 = p.

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

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

B.1). pa odreduju istu ravninu. 0) nema komponentu u smjeru n − → osi z (tj. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. z1 ) ∈ E. R cos β = B . C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. Stoga ´emo i vektor − zvati vektor normale. RAVNINA U PROSTORU predznaka od D. s → 2. Ako je C = 0. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. nepotpune obc z like): c c z 1.4.20 Neka je dana toˇka M = (x1 . c . pa imamo cos γ = 0. R cos γ = C . ravnina prolazi kroz ishodiˇte.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . R → → Vektor normale −0 je normirani vektor − = (A. s c A2 +B 2 +C 2 Napomena 2. istog su smjera n n → c n i orijentacije. c onda je A B D z =− x− y− .4. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. Dakle imamo cos α = 65 A . onda je oˇito da O = (0. C). Tada je. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Napomena 2. B. onda normala − = (A. y1 . k ). onda su koordinate A. C C C A z Oznaˇimo a1 = − C . Π) = |Ax1 +By1 +Cz1 +D| √ . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. b1 = − B i c1 = − D . tj.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. tj. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. 0. po c Napomeni 2.17.2. Ako je D = 0. B.

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

17: Ravnina zadana parametarski. y0 . z0 ).2. z0 ) z z c → → i dva vektora smjera − = (a1 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. y. Tada P = s1 s2 → − (x. z Napomena 2. s1 s2 . b2 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. → − Nek je P0 = (x0 . c2 ). − = (a1 . → = (a2 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. y0 . c1 ). Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. b1 . Napomena 2. Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. vidi se da je ravnina dvodimenzionalni objekt u prostoru. Kako imamo dva parametra (u i v). c1 ) i − = (a2 . b2 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.4. y = y0 + ub1 + vb2 . b1 .

→ komplanarni.16. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Kako toˇke P1 .4. Kao i u toˇki 2. P1 P2 . P2 . z2 ). z3 ) u c prostoru takve da ne leˇe na istom pravcu. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . Dakle. Po Napomeni 1. ako i samo ako su P0 P .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.4. 2.5 2. vektori s1 s2 −→ → − − − → P0 P . y2 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . P3 ne leˇe na istom pravcu. − .5. y3 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. 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. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. y1 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . P3 (uzmemo npr. P3 = (x3 . P2 . z1 ). P2 = (x2 .68 ˇ POGLAVLJE 2. 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 . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). s1 . Po Napomeni 1. P1 P3 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 . ANALITICKA GEOMETRIJA −→ → − − odnosno. 2.

1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. tj. 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . Ravnine se podudaraju. Ravnine se sijeku u jednom i samo jednom pravcu.5. C1 ) n → i −2 = (A2 . odnosno ako → → kolinearni.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . −1 → Napomena 2. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. ♣ . tj. 69 −1 Definicija 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Teorem 2.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . B1 .2. 3. ako i samo ako je −1 · −2 = 0. B2 . C2 ).

odredenosti radi.23. A3 x + B3 y + C3 z + D3 = 0. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. Njene su koordinate c B1 D1   B2 D2 T0 =  .   → 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.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . tj. Konaˇno. da je c = 0. A2 x + B2 y + C2 z + D2 = 0. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. . onda z s A1 B2 C2 D2 se ravnine podudaraju. z c c Kako ravnine nisu paralelne. Ako ravnine nisu paralelne. B1 = C2 .2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . p z 2. Uzmimo. imamo tre´i sluˇaj. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . C1 = A1 . ako ravnine A2 B2 B2 C2 A2 nisu paralelne.70 ˇ POGLAVLJE 2.5. 0 . 2. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . i njihov c presjek je pravac. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. onda se one moraju sje´i. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . 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. Ako je joˇ i A2 = B1 = C1 = D1 . Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.

∆. c) i − = (A. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. b. y.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).5.5) i koordinate su mu c c ∆x ∆y ∆z ∆.4. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . z Definicija 2. z nepoznanice). onda je presjeciˇte jedinstveno (tj. → → s n . B. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.5. toˇka 2. ∆ . 2.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. 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. s jedna toˇka.2. b. C). A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . paralelne su). Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. 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 . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. tj.

odnosno ako → − kolinearni. B. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. ako je π − ϕ kut izmedu − = (a.5. tj.72 ˇ POGLAVLJE 2. tj.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . − Anm1 +Bnn1 +Dn + n1 . → → s n Kako je kosinus kuta izmedu − = (a. z c c s z0 = − Am1 + Bn1 + D . c) i − = (A. − Am1 +Bn1 +D . a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. b. Am+Bn+C Am+Bn+C Am+Bn+C . B. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . tj.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. i ravnina Π s Ax + By + Cz + D = 0. → Napomena 2. 2. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. ako i samo ako je − · − = 0.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . ANALITICKA GEOMETRIJA → → Znaˇi. b. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ. c) i − = (A. C) onda je kut c s n 2 izmedu p i Π jednak ϕ.

2. Aa + Bb + Cc Napomena 2. z1 − c Ax1Aa+Bb+Cc+D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .5. 2.28 Ako ne postoji takav t koji je konaˇan. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y1 − b Ax1Aa+Bb+Cc+D . tj. tj. y0 . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0.5. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini.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. 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 . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z = z1 + ct.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. Ax1 + By1 + Cz1 + D . a druga je uvjet paralelnosti pravca i ravnine. z z . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. ako nema konaˇnog z koji je rjeˇenje. y = y1 + bt.

→ → 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 . Pravac je sadrˇan u ravnini. b2 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. . b1 . z1 ) odnosno c → → P2 = (x2 . s1 s2 redom. Pravac i ravnina se sijeku u samo jednoj toˇki. z2 ) s vektorima smjera − = (a1 .74 ˇ POGLAVLJE 2.5. y2 . → → s1 s2 p 2 p 1 Slika 2. Definicija 2.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. ANALITICKA GEOMETRIJA Teorem 2. 3.18: Mimosmjerni pravci. c 2. c1 ) odnosno − = (a2 . y1 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . c2 ). onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Pravac i ravnina se ne sijeku. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). c c c 2.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.

c c z → s1 Napomena 2. ako i samo ako je → · − = 0. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . → Napomena 2.5). To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . 2. ako i samo ako postoji λ ∈ R takav da je − = λ→. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.5. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. 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 .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.2.5.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .3. tj. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. z= 1 m−m n−n . tj.

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

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 .2. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. ˇetvrti sluˇaj. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). pa nema presjeciˇta.5. Pravci se podudaraju. tj. c =0 . no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.6 na gornju determinantu (tj. z 3. iz toˇke 1. z Moˇe se desiti da su oni paralelni. Prema Napomeni 2. z c 4. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. i 6. Ako su sva tri redka proporcionalna.29.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. ne leˇe u istoj ravnini. z 2. Pravci leˇe u istoj ravnini i ne sijeku se. Pravci su mimosmjerni. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. 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. Teorem 2. Pozabavimo se sluˇajem mimosmjernih pravaca. imamo isti pravac.

b1 . z2 ) s pripadaju´im vektorima smjera − = (a1 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . . a2 b2 c2 a2 b2 c2 . Iz s1 s2 Napomene 2. jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. z1 ) i paralelna je sa − = (a1 . y1 . kako p1 leˇi u Π i Π je paralelna sa p2 . b2 . y2 . = 0.78 ˇ POGLAVLJE 2. c1 ) i − = (a2 . c1 ) c s1 − = (a2 . b1 . p1 leˇi u ravnini). Dakle.5. y1 . ANALITICKA GEOMETRIJA 2. c2 ). c2 ).22. . a2 b2 c2 Definicija 2. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . b2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. z1 ) → odnosno P2 = (x2 . imamo da Π prolazi z → → kroz P1 = (x1 . Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = .

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

.

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

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

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

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

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

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

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

(αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. 2 Oˇito je AT = As .4. MATRICE I LINEARNI SUSTAVI 1. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.. n. itd. Dakle imamo tvrdnju. a za Aa vrijedi AT = −Aa . B ∈ Mmn . ♣ c s a 3. . Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica.1..88 POGLAVLJE 3. nema podlogu u fizici. B. Takoder. 3. gdje su elementi od C dani s cij = aij bij za i = 1.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. Definicije 3. To nam z name´e sljede´u definiciju. gdje za As vrijedi AT = As . m i j = 1. (A + B)T = AT + B T za sve A.. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT )..♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja... Tako bismo za matrice A = [aij ]. 2. AT = −Aa i A = As + Aa . . c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. geometriji.3 i Definicije 3.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Oˇito je tako definirana matrica C ∈ Mmn . Napomena 3. (AT )T = A za sve A ∈ Mmn . Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. Iako jednostavna. Produkt A·B takvih matrica .

. + ain bnj . m. ...j) m A . a da B · A nije ni definiran.. ain bnj .4).. b2j . . bnj ) = ai1 b1j + ai2 b2j + . 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. imamo A·B ∈ Mmp . p... a B · A nije definirano. bnj ).. Dakle opet je A·B = B ·A.. B = C Slika 3. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. Dakle zakljuˇujemo da na mjestu (i.1: Produkt matrica.. broj stupaca od A je jednak broju redaka od B.. onda je A · B ∈ Mmp . . . Tada je i-ti redak matrice A jednak (ai1 .. . n i m .6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . . Ako je m = p = n.. za i = 1. ai2 . j = 1.. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji.. za j = 1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. a j-ti stupac matrice B je (b1j . ain ).. Napomena 3.. m. p p = j n (i. ako su A ∈ Mmn i B ∈ Mnp i m = p. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. a B ·A ∈ Mnn . Dakle.... Mnoˇenje matrica vodi raˇuna o poredku operanada.. b2j . ai2 .... .. a broj stupaca je c jednak broju stupaca od B. z c tj.. Definicija 3.1. p... .ˇ ˇ 3. i = 1.. Npr. 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 + . Za takve matrice A i B kaˇemo da su ulanˇane. ain ) · (b1j . 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 n = 2 imamo 0 1 0 0 a s druge strane. 0pm · A = 0pn . 3. 5. · 1 0 1 1 = 1 1 0 0 . A · In = A. A ∈ Mmn i D ∈ Mnp . gdje je A ∈ Mmn . B ∈ Mnn takoder op´enito vrijedi A · B = B · A. gdje je A ∈ Mmn . z c Teorem 3. A. gdje je α ∈ R. B ∈ Mmn . gdje su A ∈ Mmn . . C · (A + B) = C · A + C · B (A + B) · D = A · D + B · D (lijeva distributivnost i desna distributivnost). C ∈ Mpm i D ∈ Mnq . gdje su A. MATRICE I LINEARNI SUSTAVI Na kraju. za A ∈ Mnn . c jer npr. c Posebno vrijedi A · In = In · A = A. C takve da z promatrani produkti postoje vrijedi: 1. 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . za n = m = p. Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice).3 (Svojstva mnoˇenja matrica) Za sve matrice A. B ∈ Mnp i C ∈ Mpq . 2. α(A · D) = (αA) · D = A · (αD). tj. B. 4. A · 0np = 0mp . Dakle mnoˇenje matrica je op´enito nekomutativno. gdje je A ∈ Mmn . Im · A = A.90 POGLAVLJE 3. (A · B) · C = A · (B · C) (asocijativnost).

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

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

8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. c 2. 1. U skupu R vrijedi: ako je a · b = 0. OSNOVE MATRICNOG RACUNA 93 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . Teorema 3. Npr. U toˇki 3. dakle ne postoji izbor brojeva a. c c c Iz svojstva 5.6 Regularne matrice. onda je barem jedan od a ili b jednak nuli. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. neka je dana matrica c 0 1 1 0 . Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .1. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.1. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. postoji broj koji pomnoˇen s a daje 1. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Npr. b. tj. tj.1. c.ˇ ˇ 3. c Napomena 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .

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

aj2 .. ajn ) = ai1 aj1 + ai2 aj2 + . 95 4...6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . ain ) za i = 1. U Napomeni 3. B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 ... .... ajn ) = a2 + a2 + .♣ / z Definicija 3.. ai2 ... aj2 . n. ajn ) = ai1 aj1 + ai2 aj2 + . Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 . ... ain ) · (aj1 . j-ti redak od A). aj2 ... Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . ajn ) = ai1 aj1 + ai2 aj2 + .... . 2. preciznije Gn ⊂ Mn .. OSNOVE MATRICNOG RACUNA 1. Ako su A... moˇe se dokazati da ˇine ortonormiranu bazu od Rn . Kako je po pretpostavci A ortogonalna.ˇ ˇ 3.1... u stvari. aj2 . ai2 .. In ∈ Gn i In = In . ai2 .. + a2 = 1 i1 i2 in za i = j. ˇtoviˇe vrijedi da je s s (ai1 . . . .. 5. aj2 . + ain ajn .. .10 Neka je A = [aij ] ∈ Mn ortogonalna. Dakle i matrica AT · A ima iste elemente. n..... Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. . (To je. .. ajn ) za j = 1. Napomena 3. a j-ti stupac matrice AT je (aj1 . Tada je i-ti redak matrice A z (ai1 . Gn = Mn . ai2 .. ai2 . .. ain ) · (aj1 . Zakljuˇujemo da na mjestu (i. Stoviˇe.. 0n ∈ Gn . ain ) · (aj1 . ain ) · (aj1 .. s z c ... + ain ajn = 0 za i = j i (ai1 . −1 3. vrijedi A · AT = AT · A = In ... .. . + ain ajn = δij odnosno (ai1 .. j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In ...

. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.96 POGLAVLJE 3. moˇemo promatrati kao vektore u vektorskom prostoru Rm . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. . z Teorem 3. Iz Napomene 3. iz Definicije 1. →) ⊆ Rm . matrice iz M1n . − ).. moˇemo promatrati kao vektore u R .. Iskaˇimo sada jedan bitan rezultat. Definicija 3. njene z c n redke. tj.. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor)... a1 an Napomena 3. + λn − : λ1 . Oznaˇavamo ga → → → → a1 an a1 an c − .11 Oˇito je da je c − − L(→.. ... λn ∈ R}.. → → Definicija 3.. . linearne zavisnosti/nezavisnosti. Definicija 3. Sliˇno.5 izravno slijedi da je r(A) = r(AT ).6 znamo da stupce.10 Neka je V vektorski prostor (Definicija 1..11 Neka su − .5)... .7 Rang matrice.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A...... Elementarne transformacije Neka je A = [aij ] ∈ Mmn . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.5) i neka je L neki podskup od V .. . a1 an ..5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Podprostor razapet vektorima a1 an − ... 2. → → s L( a1 an → → → → an a1 L(− . − je skup svih linearnih kombinacija vektora − ... − ) = {λ1 − + . − ) podprostor od Rm ... MATRICE I LINEARNI SUSTAVI 3.♣ Kako je po Teoremu 3. − .10 slijedi da je L(− .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. matrice iz Mm1 . .. a1 an → → i izravno iz Definicije 3. − ∈ Rm .1. vrijede svojstva 1. i 3. .

.. →)) ≤ n. Neka je In ∈ Mn . a1 an Vratimo se na konkretan vektorski prostor.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. . . − ∈ Rm ..... Neka je A ∈ Mmn .. c .1... ... 2.12 Neka su − . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . . i R (A) podprostor Rn razapet redcima od matrice A..6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Tada je r(0) = 0.8 Vrijedi: − → 1. znamo da je u a1 an a1 an bazi najviˇe n vektora. Neka je L(− . n). Napomena 3. z Teorem 3.. . Mmn .... → → → → Napomena 3.13 imamo da je r(A) ≤ min(m.. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). − ) podprostor a1 an a1 an m − .14 Uz gornje oznake iz Teorema 3.. − ). Tada je oˇito r(In ) = n.ˇ ˇ 3. Neka je 0 ∈ Mmn nul matrica.. Dimenziju vektorskog prostora L(− .. jer je skup { 0 } uvijek linearno zavisan. Napomena 3. .15 Iz Napomene 3. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3... − ))..♣ Primjer 3. Neka je R(A) podprostor od Rm razapet stupcima matrice A. . . − . Stoga vrijedi s − − dim(L(→. . →}..13 Kako vektori − .. − razapinju L(− . − ) → → → → od R razapet sa a1 an a1 an →...

na aij za i < j. Neka je dana B ∈ M5.5 imamo da je r(B) = 3. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. z 3. 2... ima nule. . Mnoˇenje redka (stupca) skalarom λ = 0.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .98 POGLAVLJE 3. Zamjena dvaju redaka (stupaca).  .. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . na aij za j < i ima nule. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka.. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. iz Teorema 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     . Dakle. k.. Nadalje.. MATRICE I LINEARNI SUSTAVI 3.. tj.♠ Iz Primjera 3. j = 2. n) ima jedinice. na pozicijama a11 . Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. . c c r(In ) = n) i matrice koja izgleda kao i matrica B.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    . Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. akk za k ≤ min(m. Primjer 3. Dakle.. Pitanje je. na aij za i = k + 1.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.

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

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

. c c Napomena 3... s z suglasan ili mogu´. + a2n xn = b2 .. jer x1 = . Npr. c s 2... i = 1. . = bm = 0.. . Takvo rjeˇenje zovemo trivijalno. n i slobodnim ˇlanovima b1 . 2. s s z s 3. Ako je barem z jedan bi = 0.. c2 . + a1n xn = b1 a21 x1 + a22 x2 + .1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . n. xn s z koeficijentima aij .18 Primijetimo: 1. = ain = 0.3.2. . s i = 1. m... m vrijedi ai1 = .. i = 1..... LINEARNI SUSTAVI 101 3. s Ako je (c1 . c s z proturjeˇan ili nemogu´.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.. a bi = 0. s . .... Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. 0.. Ako za neki i = 1.. .. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0..2 3.. uredena ˇetvorka (1. Uredena n-torka (c1 .. ... m..14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. . . .. sustav je nehomogen.. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 ... sustav je nemogu´. Homogeni sustav je uvijek mogu´. . kaˇemo da je nekonzistentan. + amn xn = bm ... am1 x1 + am2 x2 + .. Definicija 3.. imamo netrivijalno rjeˇenje. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. . ..2. bm : c a11 x1 + a12 x2 + ... Ako sustav nema rjeˇenja. . c2 . . Za sustav kaˇemo da je homogen ako je b1 = . j = 1.... = xn = 0 daje rjeˇenje c svakog homogenog sustava...

19 Ekvivalentni sustavi ne moraju imati isti broj jednadˇbi. A= . . . s Sustav a11 x1 + a12 x2 + .. + a1n xn = b1 a21 x1 + a22 x2 + . .. . am1 x1 + am2 x2 + . + a2n xn = b2 . → x Stupac b je matrica slobodnih ˇlanova dana s c − → b = [b1 . . + amn xn = bm zapisujemo u matriˇnom obliku kao c Ax = b ili − → − A→ = b . Ovdje je A matrica sustava dana s  a11  . MATRICE I LINEARNI SUSTAVI Napomena 3. bm ]T .. . Jasno je da uz standardno mnoˇenje ulanˇanih matrica zapisi z c − → → A− = b x i a11 x1 + a12 x2 + .. ... + a2n xn = b2 . . xn ]T ... .  . x  · · · a1n ...102 POGLAVLJE 3. 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).... + a1n xn = b1 a21 x1 + a22 x2 + .

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

dakle ima bar jedno rjeˇenje. po Teoremu 3. pa je sustav konzistentan.. onda ih ima beskonaˇno x s c mnogo. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . .8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. → − x 0 → → − Napomena 3. MATRICE I LINEARNI SUSTAVI Teorem 3. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.8 homogeni sustav je uvijek c rjeˇiv... Dokaz: .. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b .. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje.. = λn = 0 a a a c (tj. Neka su sada λ1 . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. ♣ − → − Napomena 3.104 POGLAVLJE 3. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − .. λ = 0 . A je regularna. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. → je A regularna. + a − → → → → λn − n = 0 (− 1 . odnosno λ1 = . . mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .6).. Ako je r = r(A) = r(Ab ). tj. tj. tj. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. Dakle stupci od A su linearno x x nezavisni..) Ako je n = m i A regularna.6 imamo da je r(A) = n).20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). tj. da su stupci od A linearno nezavisni.. Iz Napomene 3.21 Ako sustav A− = b ima dva rjeˇenja. bilo kojih r z linearno nezavisnih redaka u A. λn ∈ R takvi da je λ1 →1 + . s c s → − → → − → − → Ako je A− = b . s − → → II. (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. → → − III. − n su vektor stupci od A).. = λn = 0. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.. Ho´emo pokazati da je λ1 = . Ako je n = m... jer je A(A b ) = b . s x → → − → Obrnuto. Iz − → → − b = (λ1 + x1 )− 1 + .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →.

c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.3. tj. A− = b i A− = b . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).♣ . c Svojstva iz Teorema 1.2 su oˇito zadovoljena. dakle dokaˇimo da za proizvoljne c z − .8 i Napomene 3.♣ s c z s x → Iz Teorema 3.3 Homogeni sustavi → Iz Napomene 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .5. c Napomena 3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. u v u v − → dakle → + − ∈ N (A). tj. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Dokaz: Oˇito je N (A) ⊆ Rn . u u Dakle je N (A) vektorski podprostor od Rn .1 i Teorema 1.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).2. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .2. Tada je. → ∈ 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). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . x x − → Oˇito je 0 ∈ N (A). Treba provjeriti da N (A) ima svojstva iz Definicije 1. gdje je λ ∈ R proizvoljan.22 N (A) je podprostor od Rn . c 3.

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

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

. Kako je (− r+1 .. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. Teorem 3. . ..7 odnosno toˇki 3.. − = [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 . . MATRICE I LINEARNI SUSTAVI − 0 = [c1 ..24 Tvrdnja Teorema 3. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . . iz Teorema 3.11 izravno slijedi iz Teorema 3. + µn − n ..8 II..108 koje je oblika POGLAVLJE 3. → → − II.. − − → u u u pri ˇemu su µr+1 ...♣ Iz Teorema 3.1. → x → → Dakle.. µn proizvoljni parametri. . .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I..9.♣ c Napomena 3..10 I. + µn − n .. Brojevi cr+1 .. Broj dimR(A) smo zvali rang od A. − u u u pri ˇemu su µr+1 .. c ... cr ]T . cr+1 ... . → → Teorem 3.. − n ) baza s x u u u − → − = b oblika → od N (A). .... cr koji su dani s A−1 β (c) = [c1 . dok brojevi c1 .. a broj dimN (A) defekt od A.11 Ako je (− r+1 ... cr ... jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). i obratno. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . .. cn postoje → − jedinstveni c1 . cn ]T je rjeˇenje sustava A− = c s x − → b.. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A)....3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.... .. tj. cn su slobodni prametri. .2. 0 U toˇki 3. dimR(A) + dimN (A) = n. . cr ]T ). r(A) = dimR(A) = n. µn proizvoljni parametri..

imamo postupak Gaussovih eliminacija. . akk za k ≤ min(m....6. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. uz male modifikacije je numeriˇki stabilan..2. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. metode mogu pokazati brˇima (manja im je sloˇenost). a ostale pozicije su ”nebitne”).3.1. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Ovaj se postupak moˇe primiz jeniti na sve matrice. m ima nule.5 Determinanta. b ] mnoˇili s lijeva elementarnim matricama Q1 .. 3. Qq . posebno dizajnirane.. na aij za i < j.. 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 .. j = 2.. . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. − → mi smo zapravo matricu [A. . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). sloˇenost mu je c z 3 ∼ n (tj. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . A −→ det A. b ]. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). . b p .. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. na aij za j < i ima nule. tj. Radimo li to elementarnim transformacijama samo nad redcima. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. ima nule.2. Q1 · Q2 · · · Qq · b ] = [A . k.. na aij za i = k + 1.. lagano moˇemo oˇitati rjeˇenje). n) ima jedinice. . b ] (gdje je matrica A takva da na pozicijama a11 .. b ] dobili matricu [A .. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. z Za neke se posebne matrice druge. . tj..

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

determinanta mijenja predznak. pravilo za c raˇunanje inverza matrice). Ako je A ∈ Mn trokutasta (gornja ili donja). LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale.2. onda sc je det A = 0. 2. n ≥ 2. .1. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. n ≥ 2. onda je det A = a11 a22 · · · ann .3. onda je det A = 0. je razvoj determinante po prvom redku. det(Qij A) = − det A. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Svojstva determinante su: 1. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. 3.7. Posebno je c det In = 1. Neka je A ∈ Mn dijagonalna matrica. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. c 4. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn .

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

3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.26 Ako je A ∈ Mn regularna.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. 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 . tj. Teorem 3.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . LINEARNI SUSTAVI 113 ispod njega. ♣ Napomena 3. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Ako to nije mogu´e.♣ Teorem 3. itd.i+1 = 0). z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.2. Dokaz: Iz Teorema 3. Dakle oˇito je det A = 0. B ∈ Mn vrijedi det(AB) = det A · det B. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . z Teorem 3.12 Za proizvoljne matrice A.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. onda je det A = 0. ♣ . ♣ Iz Teorema 3. ♣ U Teoremu 3.i+1 (naravno. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.

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

. D x2 = D2 Dn . za sve λ.3. n.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.3.. Stoviˇe.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. A je regularna ako i samo ako je det A = 0. onda takav linearni x y operator zovemo linearnim funkcionalom. µ ∈ R i sve − . µ ∈ R i sve − . Ako je matrica A regularna. → x Teorem 3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .♣ a 3.3. 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 .. . onda je rjeˇenje z s tog sustava dano s x1 = D1 .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. Rm = R. k = 1. .26 i Napomene 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.3 3.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Takvu x x funkciju zovemo linearni operator. Definicija 3. a Dk . 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. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . − → → Iz Teorema 3. Rjeˇenje je dano s − = A−1 b . Ako je m = 1. xn = . . . → ∈ Rn . D D pri ˇemu je D = det A. → ∈ Rn . .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. .

5.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.♣ . da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.5. tvrdnja slijedi. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.1 i Teorema 1. − ∈ Rn . MATRICE I LINEARNI SUSTAVI Napomena 3. x x Napomena 3. µ ∈ R i sve →. µ ∈ R i sve →. Iz Definicije 3. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaˇimo da je i F + G linearni z operator.2. Dokaˇimo da vrijede i prva dva. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. dakle zadovoljavaju tre´e svojstvo Definic cije 1. − ∈ Rn .16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. tj.116 POGLAVLJE 3. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni.

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

c H =GF . z) = (x.10 Pogledajmo sljede´e primjere: c 1.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Sada nas zanima kada su ti vektori kolinearni. MATRICE I LINEARNI SUSTAVI Napomena 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. F ∈ Mn ). Iz Napomene 3. Neka je F : Rn −→ Rm proizvoljan linearni operator. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). y. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . odnosno dimN (F ) = dimN (F ).18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Primjer 3. Njegova je matrica dana s 1 0 0 0 1 0 .32 i Teorema 3. z) = x. z . Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. y. vrijedi dimN (F ) + dimR(F ) = n.3.2. tj.♠ c 3.10 izravno slijedi teorem o rangu i defektu za linearni operator.118 POGLAVLJE 3. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. y). Oˇito je rang od p1 jednak jedan (jer je slika x-os). Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Napomena 3. − → → → Nadalje. Njegova je matrica dana s 1 0 0 . iz toˇke 3.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. a defekt jedan. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Kako su F i F ustvari isti linearni oper− → − → atori. a defekt dva. c 2. tj. Tada je po Teoremu 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .

− 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . c x y tj. → → Svojstva iz Teorema 1. Izravno iz Definicije 3.5.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . A− 0 = x x − 0 .1 i Teorema 1.3. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . x x x x → Dakle za svaki µ ∈ R.17. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).33 Primijetimo: → 1. → → 2. da c z s zadovoljava uvjete Definicije 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. x x → → Vektor − 0 ∈ Rn . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. Dokaz: 1. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . − ∈ S(λ0 ). Nadalje neka su − . tj.3. 2. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. tj. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Napomena 3.17 Neka je A ∈ Mn . neka je µ ∈ R µ = 0 proizvoljan. ♣ Napomena 3. Dokaz: Oˇito je S(λ0 ) podskup od Rn . y y → → Dokaˇimo da je − + − ∈ S(λ0 ). x y x y x y .2 oˇito zadovoljava. µ = 0. Nadalje.

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

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

19 Neka je A ∈ Mn simetriˇna matrica. svaki vektor kanonske ortonormirane baze od Rn je svojstven. svojstvene vrijednosti od A nisu realni brojevi. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Definicija 3. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. tj. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje.122 POGLAVLJE 3.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. imamo cos2 ϕ − 1 < 0 tj. da A c nema realnih svojstvenih vrijednosti. k ∈ Z. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.18 Za matrice A. za nul matrice. Medutim. Tako npr. c s c z itd.2 = cos ϕ ± Kako je ϕ = kπ. iterativne metode. cos2 ϕ − 1. . Tada su sve njene svojstvene vrijednosti realne. za trokutaste. Za dijagonalne matrice. c Teorem 3.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Nadalje. nul matrice. tj.♠ Dakle iz Primjera 3. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. Stoga se koriste razne pribliˇne metode. 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.

Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. b. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. tj. d ne mogu svi biti istodobno nula. To nije uvijek mogu´e. s z Dakle ostaje nam samo sluˇaj kada su a.20 Sliˇne matrice imaju iste svojstvene vrijednosti. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0.3. a b c d . c. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. d ne mogu biti nula. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. c. Dakle. x 0 0 y . b. onda iz druge jednadˇbe imamo da je y = 2. pretpostavimo prvo da je b = c = 0. dijagonalizirati matricu A. d svi razliˇiti od nule.12 Neka je matrica A dana s A= 2 0 1 2 . tj. Primijetimo da a. analogno vrijedi za a = d = 0. Pokuˇajmo je dijagonalizirati. b. ˇto ne moˇe biti. Dakle matricu A ne moˇemo dijagonalizirati. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3.3.♠ c s z z = ax by cx dy . Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. c Primjer 3. 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. c. x 0 0 y . z Uzmimo sada da je samo a = 0. Takoder nikoja tri od a. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. jer u suprotnom matrica P nije regularna.

dijagonalna.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .♣ c . MATRICE I LINEARNI SUSTAVI Iz Primjera 3..5) znamo da z z KA (λ) ima n nultoˇaka λ1 . Sada. 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 . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. . ona se u nizu c nultoˇaka λ1 .. s Teorem 3. λn od KA (λ) zovemo algebarska kratnost od λ0 . c Napomena 3. c c Teorem 3. a odgovaraju´i se svojstveni vektori podudaraju.21 Neka je A ∈ Mn simetriˇna..♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. . tj.. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.♣ Napomena 3. λn od KA (λ) pojavljuje barem jednom. ♣ Teorem 3. Dakle 0 nije svojstvena vrijednost.124 POGLAVLJE 3. iz osnovnog teorema algebre (Teorem 5.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 ... A je regularna. . Obratno. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Ipak.. Tada iz Napomene 3.. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. c Kako je KA (λ) polinom n-tog stupnja. tj. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . c Teorem 3. ako je λ0 svojstvena vrijednost od A ∈ Mn .... . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λ−1 .34 znamo da je skup S(λ0 ) potprostor od Rn . λn .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. Ako je A joˇ simetriˇna onda iz Teorema 3. λn . nultoˇka od KA (λ). ..

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

prema kojoj vrijednosti. konvergira li. Ako je r ∈ R. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.♣ an Teorem 4. Tada vrijedi: 1. r = 0.5 Neka je (an ) konvergentan niz.1. NIZOVI I REDOVI 4.132 POGLAVLJE 4. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. ako ne i nemogu´e.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. proizvoljan i an ≥ 0 za svaki n ∈ N. . n−→∞ n−→∞ n−→∞ 2. lim (an ± bn ) = lim an ± lim bn . pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). lim (an bn ) = lim an lim bn . i ako da.3 Neka je (an ) niz s pozitivnim ˇlanovima. n−→∞ n−→∞ n−→∞ 4. c c c Npr. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . ako je bn = 0 i n−→∞ lim bn = 0. Tada c an −→ 0 ⇔ 1 −→ ∞. c Teorem 4. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c s c c c tj. lim (can ) = c lim an . izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije.4 Neka su (an ) i (bn ) konvergentni nizovi. onda je lim an an = n−→∞ . n−→∞ n−→∞ 3. te c ∈ R proizvoljan.

2 niz (an ) ima barem jedno c gomiliˇte.♣ c z s Napomena 4.1. Imamo log ε n> . izraˇunati. q. n−→∞ Dokaz: Iz toˇke 4. NIZOVI REALNIH BROJEVA 133 Teorem 4.3 imamo |q | −→ ∞. G > G .. log |q| Dakle svi ˇlanovi niza 1.. Kako je (an ) monoton. dakle divergira ili u uˇem.4 dovoljno je promatrati niz s a1 = 1. dakle divergentan. . Onda je po Napomeni 4.6 je tipiˇni teorem egzistencije. tj. no ne c s znamo koliko je i kako to na´i.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . znamo da neˇto postoji. (an ) raste.. q 3 . Tada je n 1 |q| < 1. .7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. i ako npr.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Logaritmiranjem se dobije n log |q| < log ε. tj. q 2 . c Napomena 4. ˇto ne moˇe biti jer je G gomiliˇte.4. po Teoremu 4.♣ Teorem 4. Pogledajmo prvo sluˇaj |q| < 1. niz 1. ograniˇen niz je konvergentan. Sada. ako s z s s (an ) ima barem dva gomiliˇta G i G . izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. za svaki n ∈ N. pa je lim an = 0. Tada po Teoremu 4. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . ili u ˇirem smislu.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . Tj. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.6 Monoton. U suprotnom. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. odrediti. 1 |q n | Neka je sada |q| > 1. q. c c c Prema Teoremu 4. jer je log |q| < 0. q 2 . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. pa prema prethodnom niz n n −→ 0. c Dokaz: Neka je (an ) monoton i ograniˇen. Dakle imamo samo c c s z s jedno gomiliˇte. q 3 . dakle ili q −→ ∞. niz (an ) s konvergentan. tj. c c .1.. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. ε). Za |q| < 1 je lim an = 0.. To je ekvivalentno s |q| < ε.4. on moˇe imati najviˇe jedno gomiliˇte. Teorem 4. vrijedi lim inf an = lim sup an ∈ R.

proizvoljan. 1 n .1. ako je λ > 0  lim an = 1. n 6. ako je 0 < λ < 1. 2. Tada vrijedi ∞. Neka je niz (an ) dan formulom an = nλ . Tada n! vrijedi lim an = 0. ako je λ < 0 √ 5. ∀r ∈ N). teˇe k nuli. ako je λ > 1 lim an = n−→∞ 0. n−→∞   0. ako je λ = 0. gdje je λ > 0. Tada vrijedi n−→∞ lim an = 1. Tada vrijedi   ∞. gdje je λ > 0 proizvoljan.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. gdje je λ ∈ R proizvoljan. tj. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. √ 3. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = λn .134 POGLAVLJE 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. c z 4. Neka je niz (an ) dan formulom an = |λ| . λ = 1. Neka je niz (an ) dan formulom an = n λ. gdje je λ ∈ R proizvoljan. .♣ Teorem 4. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.7 je najop´enitiji. Neka je niz (an ) dan formulom an = n n. n−→∞ n−→∞ n 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. Tada vrijedi lim an = 1.

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

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

10 Red an apsolutno konvergira ako konvergira red |an |. REDOVI REALNIH BROJEVA za svaki n ∈ N. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. onda op´enito red c c c an ne mora konvergirati.8 znamo da red = divergira i da je lim n n−→∞ n 0. a red |an | ne konvergira. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . an . onda on konvergira i obiˇno. S = lim Sn = n−→∞ n=1 an . c . n−→∞ odnosno n−→∞ lim an+1 = 0.♣ c Uoˇimo da iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. tj. c c ako op´i ˇlan niza (an ) konvergira u nulu.4.8.2. Dakle je red Teorem 4. Ako red an konvergira. Nadalje. kaˇemo da red z an konvergira uvjetno.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Primjer 4. oˇito vrijedi c Sn+1 = Sn + an+1 .10 Iz Primjera 4.♣ 1 1 Napomena 4.8 Ako red apsolutno konvergira.♠ dok red 1 n divergira (Primjer 4.9 ne slijedi obrat Teorema 4.♠ 2n n−→∞ ∞ Napomena 4. tj.9 op´enito ne vrijedi. Definicija 4. n 1 (−1)n−1 n uvjetno konvergentan.8).

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

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

Dokaz: Neka su λ ∈ R. 0 < λ < 1. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. i n0 ∈ N takav da je an+1 ≤ λ. onda konTeorem 4. Ako postoji λ ∈ R. gdje je x ∈ R proizvoljan. Ako red n an x0 divergira. Oˇito je za x = 0 svaki red potencija konvergentan. Red oblika an xn .146 POGLAVLJE 4. Dakle. Tada iz Teorema 4. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . c Teorem 4. za svaki n ∈ N. . onda red an konvergira.♣ Primjer 4. zovemo red potencija. red an0 + an0 +1 + . Neka je an = n! .13 1.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.18 Neka je 0 < λ < 1. an0 +m ≤ λm an0 .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |.3.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. Dakle imamo an0 +1 ≤ λan0 . an za svaki n ≥ n0 . Neka je an = 1. i suma mu je 1−x . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . 1 2. . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. an za svaki n ≥ n0 . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. . za svaki m ∈ N.. . .♠ 1 xn−1 (n−1)! 4. za svaki n ∈ N..

14 1.8 znamo da on = 1. Neka je dan red divergira. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.♣ . divergira za l > 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.9 konvergira. Ako postoji λ ∈ R. onda red an ≤ λ. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. Ako postoji limes c an+1 = l.. ali vrijedi 1 .8 znamo da on konvergira.4.16 imamo da i red an0 + an0 +1 + . Neka je dan red vrijedi 1 . n Tada iz Primjera 4. n2 Tada iz Primjera 4. c Primjer 4. n−→∞ an lim onda red an konvergira za l < 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. imamo da red c an konvergira. 1 n+1 lim n−→∞ 1 n 2. 4.3. konvergira.19 Neka je an red s pozitivnim ˇlanovima.♣ Napomena 4. c 0 < λ < 1. Sada iz Napomene 4.3 Cauchyev kriterij Teorem 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.3. an konvergira.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. divergira za l > 1. .15 Analogno kao i u Primjeru 4. a iz toˇke 4.1. c 1 Primjer 4.148 POGLAVLJE 4. (an ) niz u R i x ∈ R prozvoljan.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. Ako postoji limes c n−→∞ lim √ n an = l.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. c Teorem 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. a ne moˇemo niˇta z s zakljuˇiti za l = 1.♠ c s Cauchyev kriterij je jaˇi. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. onda red an konvergira za l < 1.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.20 Neka je an xn red potencija. a divergira za sve x ∈ R za koje je |x| > ρ.14 za red odnosno red n znamo da divergira odnosno konvergira.20 zovemo radijus konvergencije reda potencija a n xn . tj. Ako postoji lim sup n |an | i lim sup n |an | = 0. NIZOVI I REDOVI Napomena 4.

Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. a divergira za |x| > 1. iz Primjera 4. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. KRITERIJI KONVERGENCIJE Primjer 4.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Neka je dan red potencija lim sup n 1 n x . 4. Tada imamo sljede´i kriterij (Leibnic c zov): . a divergira za |x| > ρ (ako lim sup n |an | postoji). n 1 n x n dakle je ρ = 1.3. Ako je x = −1.16 1. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.8 imamo da konvergira i red (−1)n . (−1)n .20 red potencija |x| < 1. onda iz Primjera 4. n 2. a divergira za |x| > 1. itd. Teorem 4. c sin n. konvergira za Pogledajmo sada ako je |x| = 1. n2 1 n x n2 dakle je ρ = 1. n Tada je 1 = lim n−→∞ n n 1 = 1. Po Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1. ali smo u Primjeru 4.4. tg n. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1.8 znamo 1 1 da red konvergira.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| < 1.3.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.♠ n2 Teoremu 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. dakle i apsolutno konvergira red (−1)n .). Neka je dan red potencija lim sup n 149 1 n x . dok za x = 1 red n 1 divergira. Ako je x = 1 onda. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Po Teoremu 4.

S2n je omeden s a1 . a a2n negativan za svaki n ∈ N.. dakle je S2n+2 ≥ S2n za svaki n ∈ N. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. onda taj red konvergira. vrijedi S2n = a1 − (−a2 − a3 ) − . n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. tj. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. onda je podniz od Sn indeksiran parnim indeksima rastu´i. Kako je po pretpostavci a2n+1 ≥ 0. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Nadalje. + (−a2n−2 − a2n−1 ) − a2n ]. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. za svaki n ∈ N. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. imamo a2n+1 + a2n+2 ≥ 0. Ako red poˇinje negativnim ˇlanom.♣ c . tj. Ako red poˇinje pozitivnim ˇlanom. te kako vrijedi |an | ≥ |an+1 |.150 Teorem 4. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. onda imamo obratnu c c c situaciju.. tj. Nadalje. Kako smo pretpostavili da je a2n−1 pozitivan. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . onaj indeksiran c neparnim indeksima je padaju´i.. c c ako je a1 ≥ 0. i istog je predznaka kao taj ˇlan. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . S2n+2 = S2n + a2n+1 + a2n+2 . imamo da je S2n razlika od a1 i strogo pozitivnog broja. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0.. Zaista. s c |Rn | = |S − Sn | ≤ |an+1 |. iz Teorema 4.21 Ako red POGLAVLJE 4.6 slijedi da su nizovi konvergentni. NIZOVI I REDOVI an alternira.

21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.17 Iz Teorema 4.4. KRITERIJI KONVERGENCIJE Primjer 4.♠ s .3.

.

To pridruˇivanje se z oznaˇuje c y = f (x). 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. Definicija 5. ˇisto´i. 153 . Matematiˇki modeli takvih situacija temelje se na pojmu funkcije.1 Neka su dani neprazni skupovi X i Y .1 5. sklonosti prema z predmetu. z c c s uspjeh na ispitu o uloˇenom trudu.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. kvaliteti nastavnih materijala. cijena dijamanta o njegovoj teˇini. 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 .1. manama.Poglavlje 5 Funkcije 5. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. ili x −→ f (x). ili f : x −→ y. bruˇenju.

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

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

prikaˇemo u koordinatnom sustavu. no izvediv. U nastavku ´emo se baviti ovim problec mom. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. projekcija grafa na y-os je slika od f ). i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . x ∈ D(f )} ⊂ R2 . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. Drugim rijeˇima. 5.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. f (x)).1. y) za koje je y = c z c f (x).3 Graf funkcije Funkcije se zorno prikazuju grafovima.Na kraju. c Napomena 5.156 POGLAVLJE 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj.1: Koordinate toˇaka na grafu funkcije. graf funkcije f sadrˇi sve toˇke ravnine (x. tj. . Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . graf funkcije f dobijemo z c c kad sve parove oblika (x. x ∈ D(f ). z Definicija 5. FUNKCIJE . f (x)).

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

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

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

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

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

Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.5 1 2 3 -5 -7. tj. postoji i konaˇan je broj f (−1). Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. tj. +∞ .162 POGLAVLJE 5.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. neka c √ je funkcija f : [−1. Primjer 5. 1] −→ R dana formulom f (x) = 1 − x2 .5 5 2. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. jedan rub je konaˇan a drugi beskonaˇan). za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 -10 Slika 5.5 -1 -3 -2-2. tj. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). Takav je rub c c regularna toˇka. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . f (x) = 0 za svaki x ∈ R. Npr.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.5: Primjer parne (lijevo) i neparne (desno) funkcije.

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

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

c 165 Napomena 5. f (x0 ) + ε . Intuitivno. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.3 kaˇe da je funkcija f : I = a. dok je u svim drugim toˇkama neprekidna. 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 ). funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira.1. 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 . x = 0   −1 x < 0 Funkcija f ima prekid u 0. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. pravac). Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Kad bi imala dvije asimptote u jednom rubu. Dakle nula je toˇka prekida od f . x0 + δ ) ⊆ f (x0 ) − ε. Primjer 5. Odnosno. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Definirajmo sada pojam neprekidnosti funkcije.3 Realna funkcija realne varijable f : I = a. c 1 Uzmimo ε = 2 .5. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. b −→ R.5 Neka je dana funkcija sign : R −→ R formulom   1. z Definicija 5. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. . Definicija 5.7 Ako funkcija ima asimptotu. x > 0  sign x = 0. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. gdje je I ⊆ D(f ).

b −→ R. M ∈ R c takvi da je m ≤ f (x) ≤ M. je ograniˇena na I ako postoji realan broj M ∈ R. onda je funkcija f ograniˇena na nekoj okolini oko x0 .8 Ako u Definiciji 5. tj. za svaki x ∈ I. Napomena 5. je ograniˇena ili omedena na I ako postoje realni brojevi m. b −→ R neprekidna u toˇki c x0 ∈ I. b −→ R. za svaki x ∈ I. tj.8: Funkcija sign(x).10 Ako je funkcija f : I = a. Napomena 5. Ako je x0 > 0. funkcija je neprekidna u x0 . 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. c .4. Analogo se dokaˇe za x0 < 0. FUNKCIJE y 1 0 x −1 Slika 5. za svaki x ∈ I. gdje je I ⊆ D(f ). gdje je I ⊆ D(f ).♠ z Definicija 5.9 Iz Definicije 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.4 stavimo M = max{|m|. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. takav da je c |f (x)| ≤ M .4 Realna funkcija realne varijable f : I = a. Napomena 5. iz uvjeta m ≤ f (x) ≤ M.166 POGLAVLJE 5. M > 0.

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

5). c c Neka su f. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. .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.. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). a) Ako je c = 0. z c z Napomena 5. dakle beskonaˇni skup {xn . .3). FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). c Preciznije. x . 1. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore.. pa je D(f ± g) = D(f ). onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). skup funkcija {1. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. Napomena 5. graf funkcije f + g je isti kao i graf funkcije f .} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. tj. Tj. c) Ako je c < 0.168 POGLAVLJE 5.. x..13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. a g dana formulom g(x) = c. c c ∈ R. n = 0. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Npr. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. 1. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. b) Ako je c > 0. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. .. g : R −→ R. pri ˇemu je f proizvoljna. Uoˇimo da je D(g) = R. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Dakle imamo definirano c c mnoˇenje funkcije skalarom.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.

. Dakle. Graf funkcije f g je pravac y = 0 ili x os. y 2 f(x) 0 f(x) x Slika 5. a) Ako je c = 0. b) Ako je 0 < c < 1.1. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. onda je (f g)(x) = 0 za svaki x ∈ D(f ). pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .5. Pogledajmo funkciju f g u ovisnosti o c ∈ R. samo je usporen pad i rast c funkcije f . tj. vrijedi |(f g)(x)| ≤ |f (x)|. Graf funkcije f g je sliˇan grafu funkcije f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija c c f . OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.9: Graf funkcije f (x) + c za c > 0.10: Graf funkcije 2f (x). 2.

dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. tj. ali su suprotnog predznaka. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Dakle. onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). g) Ako je c < −1. funkcija f g ima iste nultoˇke kao i funkcija f . f) Ako je −1 < c < 0. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . y 0 f(x) x −f(x) Slika 5. vrijedi |(f g)(x)| ≥ |f (x)|. ali su suprotnog c . c d) Ako je c = 1.170 POGLAVLJE 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). onda je (f g)(x) = f (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. vrijedi |(f g)(x)| ≥ |f (x)|. vrijedi |(f g)(x)| ≤ |f (x)|. Dakle. e) Ako je c = −1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . tj. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta. Dakle. FUNKCIJE c) Ako je c > 1. Graf funkcije f g je isti kao i graf funkcije f . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . funkcija f g ima iste nultoˇke kao i funkcija c c f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj.11: Graf funkcije −f (x).

c). onda je f (x) = 0 za svaki x ∈ D . c . 0 . c g) i 3 b). f). Dakle. funkcija g f je jednaka pravcu y = 0 na skupu D g f . OSNOVNI POJMOVI 171 predznaka. tamo funkcija f pada.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). funkcija f u njima ima c c vertikalne asimptote.1. onda oˇito g funkcija f u njima nije definirana. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. 3. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. tj. c c c Napomena 5. Ako funkcija f ima nultoˇke. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞.1. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. . Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). Pogledajmo funkciju g f u ovisnosti o c ∈ R. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. g g 1 b) Ako je c = 1.4). Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. g f g a) Ako je c = 0. c c c Za ostale operacije ova tvrdnja ne vrijedi. onda je f (x) = f (x) za svaki x ∈ D f . npr.5. tj. za f. gdje funkcija f raste. Zbroj dviju padaju´ih funkcija je padaju´a funkcija.

Ako su obje parne.172 POGLAVLJE 5.1. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Ako je jedna funkcija. Ako su obje neparne. 2. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). onda je funkcija f ± g neparna. recimo g.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. . Matematiˇki se to formalizira pojmom kompozicija funkcija. Tim se postupkom mogu stvarati nove z funkcije. g 5. Primjer 5.4). dok su funkcije f g i f obje neparne. neparna a f parna. onda su funkcije f ± g. 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)). g : R −→ R funkcije. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.12: Kompozicija funkcija. 3. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Neka su f. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Definicija 5. te funkcije f g i obje parne. f g i f g f g sve parne.

OSNOVNI POJMOVI Primjer 5.♠ 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. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. tj. 1 .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. c Napomena 5. moˇemo gledati funkciju f ◦ f . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). za svaku funkciju g : R −→ R.5. Naime. da je. op´enito.6 vidimo da operacija kompozicije funkcija nije komutativna. 3x + 1 3x + 1 2x 6x = . 1 Primjer 5. Tada je oˇito c D(f ) = R(f ).16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f .♠ x+1 x+1 173 2x . za tu funkciju vrijedi g ◦ f = f ◦ g = g. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). . Dakle imamo f ◦ id = id ◦ f = f. Napomena 5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . tj. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . z funkciju f komponirati samu sa sobom.7 Neka je dana funkcija f (x) formulom f (x) = x . U takvom sluˇaju piˇemo f 2 = f ◦ f . g ◦ f = f ◦ g.1. za proizvoljnu funkciju f .

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

onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). 175 a) Ako su funkcije f i g parne. d) Ako je funkcija f neparna a g parna. Parnost kompozicije u ovisnosti o parnosti komponenata. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). c) Ako je funkcija f parna a g neparna. b) Ako su funkcije f i g neparne. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. z 3. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije.13: Kompozicija funkcija. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). a funkcija g definirana c i neprekidna u f (x0 ).5. Toˇnije. OSNOVNI POJMOVI 2. onda je i kompozicija g ◦ f neprekidna u x0 .1. c . g f N N P P P P g f N P Slika 5. ako je funkcija f neprekidna u x0 .

i joˇ 500 kn za dovoz i odvoz. a za z c neke nije. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. i obrnuto. moˇe biti viˇe studenata koji su imali nula bodova. Drugim rijeˇima.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe.176 POGLAVLJE 5. b : studenti −→ {0.♠ z s Definicija 5.. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. s s Jasno je da ´e nas npr. Kaˇe se i da z c z f ne lijepi argumente. 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. tj. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. tj. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. 12}.8 Troˇkovi rada stroja su 200 kn/h. Uspjeli smo rijeˇiti problem. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.. 1. Dakle imamo. FUNKCIJE 5. .♠ Primjer 5. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. Nas zanima x(y).9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.. . 10 sati rada stroja koˇtati 2500 kn. 200x + 500 = 1300. 2. Dakle.6 Funkcija f : A −→ B je injekcija ako za svaki x1 .1. To je za neke funkcije mogu´e. c s Pogledajmo sada obratni problem. Primjer 5. Ne c c moˇemo rijeˇiti problem.

je injekcija za neparan n.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Napomena 5. n ∈ N. 1) i (1. s c Primjer 5.8 izraˇunali smo da je x(1300) = 4. . Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. ali ne i za paran n. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.1. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. za bilo koji c ∈ R.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Napomena 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. c c Definicija 5.11 U Primjeru 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.♠ Primjer 5. tj.10 Funkcija f (x) = xn . f (x1 ) = f (x2 ) povlaˇi x1 = x2 . f : D(f ) → R(f ) je uvijek surjekcija. a injektivnost njegovu jedinstvenost. 1). x2 ∈ D(f ).6 c ekvivalentan sljede´em: za x1 . Definicija 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Injektivnost.

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

no njezine restrikcije na −∞. pa ima i inverznu funkciju.♠ Napomena 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. No f ◦ g = id. Teorem 5. To je oˇito inverzna funkcija od f . f | −∞. a strogo c c padaju´e funkcije strogo padaju´a.0] √ i f |[0. Tada iz Napomene 5. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. kad govorimo o inverzima funkcija f : R −→ R.20 Ako je funkcija f : R −→ R strogo monotona.10). 0].19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. i √ g2 : [0. c Primijetimo da ako f nije strogo monotona nego samo monotona. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. c c Dokaz: Neka je f : R −→ R strogo rastu´a. OSNOVNI POJMOVI 179 Napomena 5. g2 (x) = x. Dakle. Primjer 5. +∞ jesu. onda je ona oˇito i bijekcija na svoju sliku. +∞ .20 znamo da f c ima inverznu funkciju g.+∞ su bijekcije s inverzima g1 : [0. a ona c c je strogo rastu´a funkcija. +∞ −→ [0. Dakle vrijedi f ◦ g = g ◦ f = id.5. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Dakle. jer je c f ◦ g = g ◦ f = id. +∞ −→ −∞.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.1. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. 0] i [0.♣ z c . g1 (x) = − x. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).

+∞ . Primjer 5. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. z c Napomena 5.♠ c Analogno kao u Primjeru 5. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.180 POGLAVLJE 5. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. Pokuˇajmo sada. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). jer je f (x) c rastu´a. Tada je njena inverzna funkcija g : [0. 0] odnosno . +∞ gdje je bijekcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.21 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. ali nije bijekcija.♣ Iz Primjera 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Dakle.2 Inverzna funkcija neparne funkcije je neparna.2 ne moˇemo izre´i za parne funkcije. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. praktiˇno izraˇunati. +∞ −→ −∞. FUNKCIJE Teorem 5. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).12 slijedi da tvrdnju Teorema 5. 0] ili [0. f −1 je neparna.

2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. Primjer takve funkcije je c x f (x) = xe . +∞ −→ [0.16: Graf funkcije f (x) = xex .6 0.2 -0.4 0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. c .2 -3 -2 -1 -0.2.8 0. 0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. +∞ je bijekcija.5. ima inverznu funkciju. Restrikcija te funkcije na interval [−1. 5.4 1 2 Slika 5. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. tj. Ako je n neparan. 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. specijalne funkcije kojima se ovdje ne´emo c baviti. ˇ Cak i za funkcije koje imaju inverze. +∞ dana formulom − n x odnosno n x. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. c Osim elementarnih postoje i tzv.

Trigonometrijske .Racionalne funkcije . xk = x · x · · · x .Polinomi .2. Elementarne a) Algebarske .1 Klasifikacija i podjela realnih funkcija 1.Ostale algebarske funkcije b) Transcendentne . FUNKCIJE 5.Ciklometrijske . mnoˇenih nekim koeficijentima.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Area 2. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. za svaki x ∈ R.Logaritamske .Eksponencijalne .182 POGLAVLJE 5.Hiperboliˇke c . k Po definiciji stavljamo x0 = 1.2. dolazimo do pojma z .

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 + . Koeficijent an je vode´i. a a0 je slobodni koeficijent. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Definicija 5.5 -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. tj. ako su jednaki kao funkcije. a0 su koeficijenti polinoma Pn (x). Polinomi su konceptualno najjednostavije funkcije. c 10 7. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. . Dakle je svaki polinom definiran na cijelom skupu R.a1 . .11 Dva polinoma P i Q su jednaka. P.5. Definicija 5. Ovdje podrazumijevamo da je an = 0. . .5 -3 -2 -1 -2. Realne konstante an . . + a2 x2 + a1 x + a0 .5 5 2.2. . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.

: n m Teorem 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5..5 3 Slika 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .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 . a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. za sve i = 0. . a ordinata je.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. c Primjer 5. c c .. tj. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.14.01 -0. Broj c k zove se red ili kratnost nultoˇke x0 . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. n.184 POGLAVLJE 5. = an = 0. c c c s naravno. FUNKCIJE n Teorem 5.02 3 2 0.11.02 4 0. 1.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.01 1... Apscisa nultoˇke je nuliˇte.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . 0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.5 2 2..

gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.3 Qn−k (x) = 0 na nekoj oklini oko x0 . z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . a prema dolje ako je a < 0. je polinom drugog stupnja ili kvadratna funkcija. kaˇemo da je linearna funkcija strogo rastu´a. tj.ako raste u s c nekoj toˇki. Ako je k paran. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.5.19: Graf linearne funkcije f (x) = x + 75. dok za x > x0 vrijedi (x − x0 )k > 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. onda iz Teorema 6. raste na cijelom R. Ako su ove nejednakosti c c stroge. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.22 U nultoˇkama neparnog reda polinom mijenja predznak. Ako je k neparan. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Otvor joj je okrenut prema gore ako je a > 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. a padaju´a ako je a ≤ 0. a = 0. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.8).2. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. po Teoremu c 6. Za a = 0 imamo konstantnu funkciju p(x) = b. odnosno strogo padaju´a. Tjeme . dok c u nultoˇkama parnog reda nema promjene predznaka. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. onda iz Teorema 6. za x ≥ 0. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b.

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

strogo raste na [0. 1. tj. iz Primjera 5. P1 (x) strogo raste na R.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0). +∞ . tj. Ako je n neparan broj.16 Pogledajmo funkciju (polinom) Pn (x) = xn . c vrijedi D(Pn ) = R. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. Oˇito je D(P1 ) = R(P1 ) = R.. n − 1. 3. dakle nije injekcija. c graf joj je centralno simetriˇan s obzirom na ishodiˇte.. 0). c 2. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. Ako je n = 1.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. onda je oˇito funkcija Pn (x) = xn parna.. i = 1. tj. onda je P1 (x) = x linearna funkcija. dakle je bijekcija. graf c joj je zrcalno simetriˇan s obzirom na y os.2. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . tj. Strogo pada na −∞. Pn (x) strogo raste na R. c neparna je i ima nultoˇku u (0.♠ Dakle. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. 0]. Nadalje. kao funkcija an xn .21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n.♠ c . dakle je bijekcija i ima nultoˇku u (0. Primjer 5.5. . onda je oˇito funkcija Pn (x) = xn neparna. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. Ako je n paran broj. 0). pravac y = x. +∞ i ima nultoˇku u (0. R(Pn ) = [0.

.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. Za .. ali c z kvocijent dvaju polinoma op´enito nije polinom. j = 1. Naravno.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. 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. y) = i=0 j=0 aij xi y j . sam sebi je asimptota.2. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. Npr. u tom sluˇaju se situacija komplicira. su koeficijenti polinoma Pnm (x).♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. umnoˇak i kompozicija polinoma ponovo polinom. problem poniˇtavanja je vrlo kompliciran. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. z n Nadalje. z Definicija 5. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). kvocijente dvaju polinoma nazivamo racionalnim funkcijama. kako se polinom Pn (x) = i=0 ai xi .. FUNKCIJE Napomena 5. . m. n > 1.188 POGLAVLJE 5. Napomena 5. Dakle.. i = 1. Realne konstante aij . tj. dijeljenjem polinoma c izlazimo iz te klase funkcija. Po analogiji s racionalnim c brojevima. n. problem s asimptotike je sloˇeniji. itd. razlika. 5.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. .3 Racionalne funkcije Oˇito je zbroj...

Dakle. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0.2. Funkcija f dana formulom f (x) = 2.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava.5. Funkcija hR dana formulom h(x) = 4. Dakle. Qm (x) = 0}. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Definicija 5. s c D(f ) = {x ∈ R. 5. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. 3.17 Pogledajmo sljede´e primjere: c 1. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Funkcija j dana formulom j(x) = x−13 je polinom. (Smatramo da je racionalna funkcija ve´ skra´ena. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. U polu racionalna funkcija c nije definirana. 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. tj. takve su definirane na cijelom R. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. c Primjer 5. Naravno. je racionalna funkcija. 6. c c .13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. tj. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. nije racionalna funkcija. nultoˇkama nazivnika. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava.) Dakle. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R.

z c Dokaz: Red pola je red nultoˇke nazivnika.26). Dakle. kad c argument ide u +∞ i −∞.5 0. (lijevo) i pola Napomena 5.190 POGLAVLJE 5. Sada tvrdnja izravno slijedi iz Napomene c 5. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.graf racionalne funkcije moˇe imati asimptote: z 1.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 -25 -50 -75 -100 0. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . kao i u toˇkama u c kojima se nazivnik poniˇtava. bi x i=0 i−m bi x i=0 i xm .5 1 x 1 Slika 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .22. dok za polove neparnog z c reda.5 1 80 60 40 20 -1 -0. i to na vanjskim rubovima prirodnog podruˇja definicije.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. 2.26 Ako je pol parnog reda. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. Osim vertikalnih. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). 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. tj. FUNKCIJE 100 75 50 25 -1 -0.

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

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

♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Pn (x)) = 0. dakle je svaka racionalna c √ Primjer 5.5.29 Svaki polinom i racionalna funkcija su algebarske funkcije. y) = x − y n oˇito je P (x. √ x2 + 1 i njenih asimptota z Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. y) takav da vrijedi P (x.19 1. dakle je svaki polinom algebarska funkcija. Tada je oˇito P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x).2. Definirajmo polinom u dvije varijable s P (x. Definirajmo polinom u dvije varijable s P (x. c . Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. c Neka je sada f (x) = funkcija i algebarska.18. Tada je oˇito P (x. Napomena 5. 5. f (x)) = 0. f (x)) = 0. jer u suprotnom ne bi bila funkcija. Definicija 5. f (x)) = 0.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) = Qm (x)y −Pn (x). y) = Pn (x) − y.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.2.

Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.13).1.194 POGLAVLJE 5. c c √ Nadalje.♠ 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. Nadalje. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . c c tj. pravac y = 0 je horizontalna asimptota funkcije f . +∞ . Nadalje. +∞ (Primjer 5.1. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Dakle. c 1 3. Funkcija f je inverzna funkcija funkcije g(x) = x3 . f (x)) = 0. +∞ . vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13). 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. dok kosu asimptotu ne moˇe imati zbog Napomene 5.4). ima vertikalnu asimptotu x = 1. +∞ i R(f ) = 0.28. je D(f ) = R(f ) = [0. tj. FUNKCIJE 1 2. z 1 4. f strogo raste na R i neomedena je. je D(f ) = 1. dakle nema niti vertikalnu niti horizontalnu asimptotu.4). 0 je regularna toˇka (toˇka 5.13). f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. z √ 2. √ Primjer 5. Dakle. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.13). dakle nema vertikalnu asimptotu. koja je bijekcija sa R na R. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Kada se argument sve viˇe pribliˇava c s z broju 1. je D(f ) = R(f ) = R (Primjer 5. y) = xy n − 1 oˇito je P (x. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Dakle. tj. u 1 (toˇka 5.20 1. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . z tj. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.

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).

7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. onda vrijedi: b a sin α = . za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza. B. itd. Ako je dan pravokutni trokut sa vrhovima A. c c a b tg α = . b a . ili modulom b prijelaza. itd. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. 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. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama. katetama a. Vidimo da su vrijednosti logaritma proporcionalne. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . γ (kut α je uz vrh A. b i hipotenuzom c (stranica a je nasuprot vrha A. imamo loga x = loga b logb x. 5. Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x . cos α = . dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. Zahvaljuju´i gornjoj relaciji. c Odatle im i ime. gdje je M = ln a. 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. koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. kosinus ili cos x. Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom. C. ctg α = . β.202 POGLAVLJE 5.2.) i kutovima α.).

0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne. Oˇito je kut α vezan s duljinom luka. Tako punom kutu odgovara mjera 2π. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka.5. tj. 1 radijan je kut za koji je duljina luka jednaka polumjeru. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. ctg α = tg(90o − α). Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve.2. Odatle je cos α = Nadalje. 0) paralelan s osi y. z π a pravom 2 . Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. tj. Primjerice. 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. = cos α = sin(90o − α). c z c Za r = 1. ispruˇenom π. a c b c sin α . Dakle. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. 0). Uzmimo koordinatni sustav na c pravcu (tj. a tg α = = b 1 − sin2 α. Dakle. opseg kruˇnice je 2π. ”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. cos α cos α ctg α = . identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. Tako npr. sin α Napomena 5. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1. pravi kut ima z π radijana. Prvo nam treba c c veza izmedu kuta i broja. Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. Neka je dan z s s proizvoljni kut α. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. Ovo preslikavanje je z c c oˇito bijekcija. onda on sijeˇe kruˇnicu u jednoj c z toˇki T .

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

5 1 0.5 -1 -1. To znaˇi R(sin) = R(cos) = [−1. napona. npr.5.5 1 0. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. s 2 1 u nuli i 0 u π . tj. 1]. za opis osz c cilacija.32 Lako je vidjeti da je kosinus parna funkcija. Nadalje. π ]. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.2. a kosinusa obrnuto. Nadalje. temperatura kroz godinu. c amplitude i faze. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. c 2 1. dok je sinus neparna.5 -2 5 10 -10 -5 2 1. krvnoga tlaka. itd. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. Najmanji pozitivni period je 2π i zovemo ga temeljni period.5 -1 -1. Medutim. Napomena 5. je period funkcija sin i cos.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 -10 -5 -0. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. −1 ≤ sin t ≤ 1. Kaˇemo da im je faza nula. plime i oseke.5 -2 5 10 Slika 5. imaju amplitudu razliˇitu od 1.5 -0. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. za svaki t ∈ R. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. period razliˇit od 2π i ne s c c . vidimo da je −1 ≤ cos t ≤ 1. tj. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. Nadalje. 1]. tj. Svaki 2kπ. π ]. zbog periodiˇnosti. k ∈ Z. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. Dakle je z D(sin) = D(cos) = R.

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

Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0.5. s 1 P T x 0 1 tg x ctg x Q Slika 5. 1) (joˇ s c s π ga zovemo kotangensna os). Sliˇno kao i sinus i kosinus. Imamo ctg t = D(ctg) = R \ {kπ. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . 1) i Q na kotangesnoj osi. k ∈ Z}. . Sliˇno se interpretira i kotangens.2. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. onda je interpretacija vrijednosti ctg t za t ∈ [0. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. ˇto se vidi i s trigonometrijske kruˇnice. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. k ∈ Z}. 2 ] udaljenost toˇaka (0.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x.

a isto vrijedi s / i za ostale trigonometrijske funkcije. Dakle. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. na svoju sliku.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. π x 2 2 i Ctg x = ctg| 0. k ∈ Z}. njihove restrikcije Tg x = tg| − π . 2 i kotangens na 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). 2 . tangens na − 2 . Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . c dakle niti bijekcije. π . FUNKCIJE za svaki t ∈ R \ {kπ. π . a kotangens strogo padaju´a na 0.2. Napomena 5. kosinus na 2 2 π π [0. π ]. a c c s nema rjeˇenja za c ∈ [−1.34 Zbog periodiˇnosti.208 POGLAVLJE 5. ni tangens ni kotangens nisu injekcije. 5. Dakle sinus nema inverznu funkciju. 1]. Tada prema Napomeni 5. dakle nisu bijekcije.33 . Npr. c c Dakle. restringirajmo sinus na [− π . π].

rjeˇenje jednadˇbe postoji i jedinstveno je. 2 2 koja je inverzna funkciji sin |[− π .2. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 1]. π]. .5 2 1. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 -0.π strogo padaju´e. Kako je sin |[− π .5 1 0. Iz Teorema 5. Dakle.5 1 -1 -1.33 slijedi da je arcsin strogo rastu´a. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. 1] −→ [− .5 -1 -0.π] i ctg| 0. π π R(arcsin) = [− . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.1 i Napomene 5.5 0.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). ]. koje zovemo arkus funkcije. dakle su i bijekcije.5 0. s z 2 2 s z Kako je tg| − π .5. rjeˇenje jednadˇbe postoji i jedinstveno je. 2 2 . ]. 1.π] . oˇito je c c D(arcsin) = D(arccos) = [−1. Dakle. π ] . π jednadˇbe tg t = x . π ] bijekcija. π strogo rastu´e.5 1 0.5 -1 -0. π bijekcija.34 znamo da su funkcije sin |[− π . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π ] i tg| − π . 2 2 R(arccos) = [0. z π π Za x ∈ [−1. π].5 1 Slika 5. inverznu funkciji cos |[0. 2 ] jednadˇbe sin t = s z s z x. a arccos c strogo padaju´a na [−1. a c 2 2 2 2 cos |[0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . 1]. 1] −→ [0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 3 2. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. Nadalje.

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 .5 3 2.5 -4 -2 2 4 Slika 5. FUNKCIJE arcctg : R −→ 0. oˇito je c c π π D(arctg) = D(arcctg) = R. Napomena 5. π ]. Nadalje. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . z s z sin x = t.5 1 0.π . π .5 -2 -0.5 2 1. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. npr. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. R(arctg) = − . 1]. R(arcctg) = 0. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). tako da bi smo dobili arkus funkcije definirane na tim intervalima. -4 2 1.5 1 0. c . pri traˇenju rjeˇenja t jednadˇbe. Npr.210 koja je inverzna funkciji tg| − π . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 -1 -1. 2 odnosno ctg| 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. Dakle.5 -2 2 4 4 3. π . . 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 . Iz Teorema 5. inverznu funkciji ctg| 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.1 i Napomene 5.

strogo pada na −∞. Lagano se vidi da je ch x > 0 . 0] i c strogo raste na [0. 1 . Napomena 5.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. 2 sh x e x − e −x th x = = x . . neograniˇena je. vrijedi ch x = ch2 x − sh2 x = 1 . tanges hiperc c boliˇki i kotanges hiperboliˇki. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. 2 e x − e −x sh x = . Dakle je R(ch) = [1.2.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Iz formule lagano ˇ slijedi da je |th x | < 1 . neograniˇena c je pa je R(sh) = R i nema asimptote. parna je. strogo raste na R. Dakle th ima dvije horizonzalne s z asimptote. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. 2. dakle nije injekcija. th je neparna. Lako se vidi da je neparna. za svaki x ∈ R.2. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Stoviˇe. 3. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. za svaki x ∈ R. sinus hiperboliˇki. Zbog neparnosti c c od sh i parnosti od ch. Strogo raste na R. iako se definiraju u terc minima eksponencijalne funkcije. i R(th) = −1. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. ch x e + e −x 1 . +∞ . y = −1 i y = 1. +∞ i nema asimptote.5. Primjerice. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. za svaki x ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Nadalje.

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

y = 1 horizontalne. Kako su y = −1. a x = 0 vertikalna asimptota od cth. onda su rubovi −1 i 1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). onda su rubovi −1 i 1.5 1 1. Kako su y = −1 i y = 1 horizontalne asimptote od th. c 3. PREGLED ELEMENTARNIH FUNKCIJA 213 1. +∞ i R(Arch) = [0. vertikalne asimptote od Arth.5 2 1. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. +∞).5 0.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. tj. pravci x = −1 i x = 1.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 -1 -2 -3 0. R(Arth) = R \ {0} i iz Teorema 5. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5.5 3 Slika 5. c 2.1 c slijedi da Arcth strogo pada. 4. 1].5 1 0. vertikalne asimptote od Arth. Ako smo ch restringirali na [0. Iz Teorema 5. pravci x = −1 i x = 1. Oˇito je D(Arcth) = R \ [−1.1 zakljuˇujemo da Arch strogo raste. Oˇito je D(Arsh) = R(Arsh) = R. 3 2 1 -1 -0. +∞ . a pravac y = 0 horizontalna asimptota.5 2 2. . Oˇito je D(Arth) = −1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. onda je D(Arch) = [1. tj.2. R(Arth) = R i iz Teorema 5. 1 .1 slijedi da Arth strogo raste. iz Teorema 5.

.

Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.1. (Masa m je izraˇena u gramima. 0 ≤ m ≤ 20 3.05(m − 20) kn. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.05∆m).Poglavlje 6 Uvod u diferencijalni raˇun c 6.05h = 0.8. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. m > 20. 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.1 6. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Dakle imamo c(m) = 2. Graf te funkcije prikazan je na slici 6.05(m − 20).5 + 0. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1.05(m2 − m1 ).5 + 0.05h (∆c = ˇ 0. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. m = 20 i m = 30.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .8 kn. Naime. a visina poˇtarine c u z s kunama). onda je 215 .

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

Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 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).1 ima prekid u toˇki c = 20. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). ako je m lijevo od 20 i dovoljno blizu 20. postoji δ > 0 za koji vrijedi Definicija 6.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1. ali je ona c neprekidna s lijeva u toj toˇki. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. Analogno. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.2 nam daje ideju za sljede´u definiciju: c Definicija 6.1.1.1. ipak m(c) nije blizu m(20). S druge strane.1. s c c Napomena 6.2 Iz Definicije 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). 6. ako je m > 20 i m blizu 20. Primjer 6.ˇ 6.2 Svojstva neprekidnih funkcija Teorem 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. No.1 Neka su funkcije f. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).♠ Primjer 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 . koji c je manji od nekog fiksnog strogo pozitivnog broja. Tada su u toˇki x0 neprekidne i funkije: c .2 Funkcija c(m) iz Primjera 6.

♣ c Teorem 6. f |[−1. tj. c + δ). Tada za svaki δ > 0.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. c s Analogno se dokaˇe sluˇaj f (c) < 0. tj. i funkcija g neprekidna u f (x0 ). onda je oˇito f (−1)f (1) = −1 < 0. po pretpostavci. f + g. f . tj. c + δ) takav da je f (xδ ) ≤ 0. Tada je |f (xδ ) − f (c)| > f (c) = ε. g : R −→ R takve da je definirano (g ◦ f )(x0 ). Ako pogledamo funkciju f restringiranu na segment [−1. f − g.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. Uzmimo ε = f (c).2 Neka su funkcije f. 3. Tada postoji x0 ∈ a. ˇto je suprotno pretpostavci. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). x=0 x f (x) = 1. c c Primjer 6.218 1. 1]. za koji je f (xδ ) ≤ 0. onda je funkcija g ◦ f neprekidna u x0 . Dakle. f ima prekid u toˇki c. |xδ − c| < δ. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. 1] (jer je nema na cijelom R).1] : [−1. i neka je f (c) > 0 (f (c) < 0).11 znamo da je funkcija f : R −→ R dana formulom 1 . ali oˇito f nema nultoˇku na segmentu c c c [−1.♠ . 1] −→ R.♣ z c Teorem 6.3 Iz Napomene 5. c + δ . 4. Dokaz: Pretpostavimo suprotno. x = 0 svugdje neprekidna osim u nuli. b takav da je f (x0 ) = 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. mora imati nultoˇku. f · g.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. postoji xδ ∈ (c − δ. Ako je funkcija f neprekidna u x0 . b]. g ˇ POGLAVLJE 6.♣ Teorem 6. i neka je f (a)f (b) < 0.♣ Teorem 6. onda njezin graf mora negdje sjeˇi x os. tj. 2. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0.

♣ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. funkcija f (x) = neprekidna na 0. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .3 Neprekidnost elementarnih funkcija Primjer 6. onda je ta funkcija i neprekidna.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.1. π . 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.♣ c Tvrdnja Teorema 6. Tada je funkcija f neprekidna na intervalu I.4 Funkcije f. Nadalje. ali oˇito je neomedena. . Teorem 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .4 nuˇan. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. b].5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.♣ Teorem 6.1. π funkcijom tg je R. Npr. 1 . Npr. c 1 x je Teorem 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. Pitanje je sad. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.ˇ 6. slika otvorenog intervala − π . Tvrdnja z Teorema 6. M ∈ R takvi da je m ≤ f (x) ≤ M.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.5 ne vrijedi za otvorene intervale.4) Teorem 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6. 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. za svaki x ∈ I (Definicija 5.6 ne vrijedi za otvorene intervale.

Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. z c Uzmimo proizvoljni ε > 0.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1.1 sada slijedi da je na R neprekidna i funkcija x2 .♠ z Iz Primjera 6. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. zakljuˇujemo c da je i suma od ai xi . hiperboliˇke c i area funkcije su neprekidne na svojim domenama. z c Uzmimo proizvoljni ε > 0. UVOD U DIFERENCIJALNI RACUN 1.. .1. Iz Teorema 6. n.1 direktno imamo: n Teorem 6. i = 0. logaritamskih.. .1. hiperboliˇkih (osim kosinusa hiperbolnog).7 su neprekidne. slijedi da c moˇemo uzeti δ = ε.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. jer je svaka racionalna funkcija kvocijent dvaju polinoma. π monotone c 2 2 bijekcije na R. trigonometrijske..220 ˇ POGLAVLJE 6. i = 0. c Dokaz: U Primjeru 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). Dokaz: Neprekidnost eksponencijalnih. Na isti naˇin se zakljuˇi da su xi ..1. Teorem 6. takoder iz Teorema 6.4 i Teorema 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). jer su njihove restrikcije npr. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6..9 Eksponencijalne. i = 0. na intervale − π . takoder iz Teorema 7.. c c neprekidne na R. Budu´i da je f (x) − f (x0 ) = c − c = 0.. 1. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. n. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.7 imamo da su neprekidne i funkcije arctg i arcctg. .♣ Napomena 6. z 2. logaritamske. polinom Pn (x) neprekidan na R. 1.. n. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.4) i Teorema 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. 1. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.. Nadalje. . c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. arkus. Na kraju.7. dakle iz Teorema 6. na R su neprekidne i funkcije ai xi . tj. π odnosno 0.4 dokazali smo da je funkcija f (x) = x neprekidna na R.7 c i periodiˇnosti.

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

ali negativnu. S druge strane. tj. dovoljno blizu c nule. zakljuˇujemo. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Ako uzmemo s c toˇku x dovoljno malu. 6. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. ali pozitivnu. c c 2. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. funkcija nije definirana u toˇki 0. za vrijednosti od x koje su malo ve´e od 1. vrijednosti c funkcije su malo ve´e od −1. ako uzmemo toˇku c x dovoljno malu. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. 4. Dakle.5 nije definirana u toˇki x = 1. tj. vidimo da su one c c c blizu vrijednosti −1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. za x malo manji od 1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . funkcija nije definirana u toˇki 0.4 Graniˇna vrijednost (limes) funkcije c 1.1. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. tj. vrijednosti funkcije c su malo manje od −1. dodemo li s x dovoljno blizu c toˇki 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. c 3. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu.222 ˇ POGLAVLJE 6.

osim. osim. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.♠ Situacije iz Primjera 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. Dakle. moˇda u samoj toˇki c. tj. 6. x−→c Ako limes postoji on je i jedinstven: Teorem 6.ˇ 6. |f (x) − M | < ε). Definicija 6.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. moˇda u samoj toˇki c.1. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. 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).5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Ako funkcija ima limes L u toˇki c. Neka je dana funkcija f : R −→ R formulom f (x) = xx . . 2 2 5. a ne znamo izraˇunati ni njenu vrijednost za x = 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.5). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. ako c ˇelimo promatrati ponaˇanje oko nule. onda piˇemo c s L = lim f (x).2. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . pravac y = π je horizontalna asimptota.2.

M ) je okolina od −∞. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. Analogno.4 Uoˇimo da je definicija limesa (Definicija 6. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. tj. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. +∞) okolina od +∞. pri ˇemu.♣ s z c c Napomena 6. 2 po pretpostavci.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.2) jako sliˇna definiciji neprekidnosti (Definicija 6. ˇto ne moˇe biti. Dakle je M = L. Dakle imamo |M − L| < |M − L|. Ali.6 i Napomz ena 4. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. Tada za taj ε. Pri tome uzimamo da je svaki otvoreni interval oblika (M. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). ali postoji bitna razlika. 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). postoji δ > 0.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. Uzmimo sada ε = 1 |M − L|. −∞ ∈ R. |f (x) − M | < ε). .1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). naravno ne zaboravljamo. 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 ).224 Tada je L = M . i svaki interval oblika (−∞. +∞. |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. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. da je M = L. ˇ POGLAVLJE 6.

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

lim 2.5. x < 0  sign x = 0.6 Opiˇimo sada pomo´u limesa Primjer 6. Obrnuto. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x = 0   1. x−→+∞ 6.226 ˇ POGLAVLJE 6. x−→+∞ 2 5.5 Neprekidnost i limes Primjer 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. moˇda u samoj toˇki c. c osim. 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. ♣ c Primjer 6. ako postoje limesi s lijeva i s desna i oni su jednaki L.1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x2 − 3x + 2 = −1. x > 0 ima prekid u nuli.5 znamo da funkcija   −1. Dakle je x−→0+ lim sign x = sign 0 . x−→0+ lim xx = 1. onda iz Definicije 6. x −→0 − lim sign x = −1 . onda je jasno iz Definicije 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞. s c 1. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→1 x−1 1 = +∞.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. lim arctg x = . x−→0 x π 4.7 Iz Primjera 5.♠ 6. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . ne postoji lim sin x. lim 3. tj.

8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.♣ .5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.1 i 6. c c Sada direktno iz Napomene 6.5 U Teoremu 6.♣ x−→c Analogno kao Teorem 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). i neka postoji limes funkcije f u toˇki c. Dokaz: Izravno iz Definicije 6.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .13 Neka je funkcija g : R −→ R neprekidna. x−→c Napomena 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.7 i 6. Nadalje.2 i definicije jednostranog limesa.♠ Primjer 6.14 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)). imamo x−→c lim f (x) = f (c) = f ( lim x).1. konaˇan je broj. x−→c+ Dokaz: Izravno iz Definicije 6.♠ x−→2 Primjeri 6.♣ Teorem 6.12 imamo: Teorem 6. Zaista imamo: c c Teorem 6.3. tj.1 i Primjer 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). oˇito vrijedi c f (2) = lim f (x). onda limes i funkcija z c ”komutiraju” tj.4) i da limes mora postojati.12 kaˇe da ako je funkcija neprekidna u toˇki c.4).

(+∞) + (+∞) = +∞. (+∞) · (−∞) = −∞. 9. (−∞) + (−∞) = −∞. −∞ ± a = −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6.12 i 6. a +∞ = 0.1. 6. 2. 6.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). 4. a < 0. a > 0 +∞. a ∈ R proizvoljan.11. x−→c+ Dokaz: Izravno iz Teorema 6. −∞. 3.14. 7. To se posebno odnosi na veliˇine +∞ i −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.♣ 6. Kako one nisu realni brojevi. +∞ ± a = +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (+∞) · (+∞) = +∞. . (−∞) · (−∞) = +∞. (+∞) · a = +∞. jer operacije nisu definirane i operandi nisu realni brojevi. a > 0 −∞. 8.228 ˇ POGLAVLJE 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran.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. a < 0. a ∈ R proizvoljan. 5. (−∞) · a = 10. a ∈ R proizvoljan.

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

x−→+∞ x−→+∞ 2. 8. a>1 +∞. −∞.1. n ∈ N proizvoljan. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R.7 Raˇunanje limesa c Neki temeljni limesi 1. +∞. a>1 0. n ∈ N paran. x−→+∞ lim ax = 9. 0 < a < 1. x−→+∞ lim loga x = 11. lim xn = +∞. n ∈ N neparan. x−→0+ x−→0− 7. +∞. 0 < a < 1. x−→0+ lim xα = 0. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. 6.230 ˇ POGLAVLJE 6. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 0 < a < 1. n ∈ N neparan +∞. 5. n ∈ N paran. x−→0− 4. +∞. 0. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. α > 0 0. x−→−∞ lim ax = 10. a>1 −∞. a>1 +∞. −∞. lim x−n = −∞. . lim x−n = +∞. UVOD U DIFERENCIJALNI RACUN 6. α < 0. 3. α < 0. 0 < a < 1. α>0 +∞. n ∈ N proizvoljan.

1. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Dakle.ˇ 6. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . x−→+∞ x sin x = 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. ortogonalnu projekcija toˇke A na x os. i zbog parnosti od sin x . za a > 1. Kada s pravca uzmemo x ∈ (0. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. pad. tg x ). za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). 0) u ravnini. Oznaˇimo s A = z c c (cos x. +∞) i da joj c c je slika cijeli R.9.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.16 lim i 1 lim (1 + )x .4).♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. jasno je da je dovoljno x x promatrati x ∈ (0. Kako gledamo c limes funkcije sin x kada x −→ 0. 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. koji se nalazi unutar trokuta OBB . neparnost i sliˇno. koriste´i definicije limesa i jednostranih limesa (toˇka 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). c c eksponencijalnih i logaritamskih funkcija. sin x). . π ).1.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. i s B = (1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). To znaˇi da je c x−→+∞ lim loga x = +∞. tj. c Osim ovih limesa. 0). parnost. njihov rast. a ∈ R. svojstva potencija. Iz toˇke 5.2.

2 x 2 sin x 1 ≥ ≥ cos x. x−→0 x sin x = 1.2: Uz izvod osnovnog trigonometrijskog limesa. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.♣ x lim .232 ˇ POGLAVLJE 6. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . sin x cos x xr . UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.

i da je x = ln(t + 1). x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.2.1. Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 x lim i ax − 1 = ln a. c Zbog toga je ex − 1 t lim = lim = 1. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5.12 i Teorema 6.10 ex − 1 = 1. x Oznaˇimo sada ex − 1 sa t.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Tada je jasno da t −→ 0 kada x −→ 0.17 x−→+∞ 233 lim 1+ 1 x x = e. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . a ∈ R. Dakle . ♣ Primjer 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . x−→0 x lim a > 0.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 x Iz Teorema 6.

funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). g : R −→ R.234 ˇ POGLAVLJE 6. 6. ♣ x−→c Teoremi 6.1. x−→c x−→c 4.17.18 i temeljni limesi iz toˇke 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).16. 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. Tada 1.13. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.1 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. . 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. x−→c c 3. c 6.2. 6.2 6. x−→c x−→c 2. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).

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

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

2.♠ 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 . x0 ∈ I. c Primjer 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.2.4: Sekante i tangenta. f : I −→ R. 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 . c mjeri brzinu promjene veliˇine c Definicija 6. tj.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .

Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.2. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). c c koji se oznaˇava sa f (x0 ). ∆x−→0 ∆x Napomena 6. . UVOD U DIFERENCIJALNI RACUN Primjer 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.♠ ∆x−→0 ∆x 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. za proizvoljne k.15 Pogledajmo sljede´e primjere: c 1. Derivacija funkcije f u toˇki x0 je broj. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. 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. Dakle je c f (x) = lim f (x + ∆x) − f (x) . c z Primjer 6. l ∈ R. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f (x) = kx + l je f (x) = k.238 ˇ POGLAVLJE 6. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x).6 Uoˇimo bitnu razliku. Dakle brzina promjene linearne funkcije je konstanta.

s c 2.6. ∆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. ˇto smo i oˇekivali. tj. 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.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. Derivacija funkcije f (x) = x2 je f (x) = 2x.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6.2.♠ . funkcija f (x) = l je konstanta. a c iz gornjeg raˇuna imamo da je c f (x) = 0. Dakle je promjena brzine konstantne funkcije nula. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. 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 .

.2. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.17 1. Sliˇno. Primjer 6. tangenta je paralelna s osi x. problem postoc janja limesa. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. problem konaˇnosti c c limesa. problem razliˇitih vrijednosti s lijeva i zdesna.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. Tu funkcija niti raste c niti pada. ako je f (x) < 0 na nekom intervalu. tj. funkcija pada c c na tom intervalu. Takve toˇke zovemo stacionarne toˇke. c c 6. ne postoji f (0). Dakle iz Teorema 6. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. To su npr. problem rubova domene. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a).4) ustvari limes funkcije f (x + ∆x) − f (x) . U toˇkama gdje je f (x) = 0. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0.240 ˇ POGLAVLJE 6. odnosno da je tangenta pravac koji raste. ∆x Lagano se vidi da je M = 1 i L = −1. M= ∆x−→0− lim .

√ 3 241 x nije derivabilna u x0 = 0. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.7 imamo da je c lim √ 3 1 = +∞. 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 √ .♠ Teorem 6. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. ∆x ∆x−→0 dakle ne postoji f (0). c x0 ∈ I ⊆ D(f ). Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).7 imamo da je c lim √ 3 1 ∆x2 = +∞.6.2. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . 3. ∆x−→0 dakle ne postoji f (0). ∆x ∆x−→0 .1. Tada je f i neprekidna u x0 .

∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. f · g i f g (tamo gdje je definirana.12 imamo da je f neprekidna u x0 . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. f (x) g(x) = f (x)g(x)−f (x)g (x) .17 su c neprekidne u nuli. Sve tri funkcije iz Primjera 6. i vrijedi 1. g 2 (x) Dokaz: 1. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). ali vidjeli smo da nisu derivabilne.♣ Obrat Teorema 6. ∆x f (x0 ). za one x ∈ I za koje je g(x) = 0). UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . Tada su na I derivabilne i funkcije f ± g.12 zakljuˇujemo da je funkcija g neprekidna u x0 . razlike. Nadalje. produkta i kvocijenta funkcija Teorem 6.242 ˇ POGLAVLJE 6. tj.20 Neka su funkcije f. (f (x) ± g(x)) = f (x) ± g (x) 2.19 op´enito ne vrijedi. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). 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 ). Iz Teorema 6. I ⊆ D(g). Derivacija zbroja. ∆x−→0 ∆x ∆x . ∆x = 0 .

tj.♣ g 2 (x) Napomena 6. f (x) g(x) f (x)g(x) − f (x)g (x) . odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). za svaki x ∈ I.2.6. derivabilna na I i vrijedi (λf ) (x) = λf (x). imamo g(x) · = 0. g 2 (x) f (x) g(x) = 1 f (x) g(x) . Kako je g(x) · 1 g(x) = 1.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x).19 imamo ∆x−→0 lim g(x + ∆x) = g(x). DERIVACIJA FUNKCIJE 2. Tada je funkcija λf . c dakle je po Teoremu 6. Oˇito je D(g) = R. tj. ∆x−→0 ∆x−→0 Sada iz Teorema 6. 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) . 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) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). gdje je λ ∈ R proizvoljan. Dakle 1 g(x) = 0. 3. Izraˇunajmo prvo c 1 g(x) . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x).♣ . za svaki x ∈ I.

Dakle. f (x) Ovo se. f (x) ♣ .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. gdje je g(x) = x2 .244 ˇ POGLAVLJE 6. moˇe provesti samo ako je f (x) = 0.21.15 i Primjera 6. Primjera 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. c Primjer 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . Dakle imamo f −1 (f (x)) = x.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. f (x) = 0 na I i neka postoji f −1 . f (x) = sin x.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Izraˇunajmo joˇ i (f ◦ g) . x ∈ I ⊆ D(f ).♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . odnosno (f −1 ) (f (x)) = 1 . z Teorem 6. g = f . Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . c −1 tj. Sada primjenom Teorema 6. iz Teorema 6. naravno. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . f (x) ∈ J ⊆ D(g). Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).

DERIVACIJA FUNKCIJE Primjer 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . 2 x x je g (x) = Iz Primjera 6. Derivacija funkcije g(x) = ln x je g (x) = x .22 i derivacijama iz donje tablice.20. Iz Teorema 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.2.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Osnovne derivacije dajemo u sljede´oj tablici.10 imamo da je f (x) = lim e∆x − 1 = 1.21 i 6. odnosno g (x) = 2. Kako je (f ◦ g)(x) = x iz Teorema 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.20. c Napomena 6. odnosno 1 g (x) = √ .6.8 Studentima se preporuˇuje da provjere donje formule samostalno. i vrijedi (f ◦ g)(x) = x.19 Pogledajmo sljede´e primjere: c 1 1. 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. x 1 √ .21 i 6. . ∆x−→0 ∆x lim dakle je f (x) = ex . 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Derivacija funkcije g(x) = √ 1 .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. 6.

1: Derivacije elementarnih funkcija 6. f (x0 )) s c c ∆f apscisom x0 + ∆x. f (x0 )) i osi x. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) biti dosta mala.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. odnosno ∆f = tg α∆x . vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . 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. 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. no to je ponekad teˇko izraˇunati. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . c tj.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.2. 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 .

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

6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. c Primjer 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.♠ s s c . 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.5 -1 0. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. 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”. to su razlike ordinata na grafu i na tangenti male za istu apscisu. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.248 ˇ POGLAVLJE 6. Iz Primjera 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.5 1 1. dakle je f (0) = cos 0 = 1.5 2 Slika 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).23). Dakle.16 znamo da je f (x) = cos x.

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

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).

tj. Napomena 6. f (b)).13 Primijetimo: 1. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).6.2.25. proizvoljne. c . a < b. b−a onda Teorem 6. b−a f (b) − f (a) (x − a). f (a)) i (b. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. Neka je L pravac kroz toˇke (a.♣ f (b) − f (a) . f (a)) i (b.26 kaˇe da za svaku sekantu kroz toˇke (a. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. tj. b−a y f(x) 0 a x0 b x Slika 6. f (b)) z c postoji toˇka x ∈ a. b za koju je F (x ) = 0. b ∈ I. postoji x ∈ a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. b u kojoj je tangenta paralelna s tom sekantom.

y f(x) 0 a b x Slika 6. po Teoremu 6. z Iz Teorema 6. .258 ˇ POGLAVLJE 6. x za koji je f (x) − f (a) = f (x ). x ≤ 1 . pa je. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).26 je bitan. UVOD U DIFERENCIJALNI RACUN 2.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. 0 x>1 oˇito f ima prekid u x = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.12. b−a ali ne postoji x ∈ 0. oˇito je c x−→1 lim f (x) = 3 = f (1). 2 za koji je f (x ) = 1. Ako je dana funkcija f : R −→ R formulom 3x. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). f neprekidna na R. Uvjet f ∈ C 1 (I) iz Teorema 6. x ≤ 1 f (x) = 3 x > 1. Kako je f (x) = 3. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.

+ (x−x0 )n + (x−x0 )n+1 . ali ne znamo za koji x .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. f (a)) i (x. tj.6. imamo toˇan izraz. Teorem 6. tj. c Usporedimo to s lokalnom linearizacijom (toˇka 6. iz Teorema 6.26. poznavaju´i vric c jednosti viˇih derivacija u x0 . poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .5). f (x)). S druge strane. tj.2. Koliko je ta aproksimcija dobra? Odnosno. tj. 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 +.27 je baˇ Lagrangeov teorem srednje s vrijednosti. Napomena 6.2.♣ 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. 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 . no u nekoj toˇki sigurno je. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. i ne znamo ga toˇno.14 Za n = 0 Teorem 6.. . imamo c pribliˇni izraz. 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. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.

Aproksimacija je dobra lokalno.24 Neka je dana funcija f (x) = sin x. s Primjer 6. T1 (x) = f (0) + f (0)x = x. Dakle. Dakle. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.23.260 ˇ POGLAVLJE 6. . Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. 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 .♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. f (x0 )) od svih c polinoma danog stupnja. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 .. 2! .. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − .. x2 = x. Sliˇno kao i Teorem 6.

. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . dakle nisu jako c dobri za numeriku. Moˇe se pokazati da su funkcije ex . da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . n! ∞ sin x = n=0 (−1)n x2n+1 .2. 6.3. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . odnosno konvergirati nekoj z (x drugoj funkciji. tj.2. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R..1).28 Neka je f ∈ C 1 (I) za neki interval I. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .. (2n)! Napomena 6.15 Taylorovi redovi obiˇno sporo konvergiraju. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f ..6. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. sin x.

jer se c s c medu njima nalaze potencijalni ekstremi. ∆x za svaki x ∈ I.28 primjenom Teorema 6. Limes nenegativne funkcije mora i sam biti nenegativan. x−→0 U Teoremu 6. to je i lijeva strana takva. UVOD U DIFERENCIJALNI RACUN 1. Ovaj smjer se dokazuje analogno kao u Teoremu 6.26 postoji x ∈ (x. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. 2. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. za svaki x ∈ I. pa je f (x) = lim za svaki x ∈ I.25 zakljuˇujemo da u Teoremu 6. 2. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. onda je f (x0 ) = 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Medutim.262 ˇ POGLAVLJE 6. ∆x Primjer 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. onda funkcija strogo raste (pada) na I. Dokaz ide na sliˇan naˇin.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. dakle z funkcija f raste na I. Kako je desna strana gornje jednadˇbe nenegativna. Iz Napomene 6. Dakle ne vrijedi f (x) > 0 na R. Tada. Obratno.11 imamo da obrat ne vrijedi. pa je f (x + ∆x) − f (x) ≥ 0.24 smo vidjeli da. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.26. po Teoremu 6. Jedan smjer bismo mogli dokazati. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. za svaki x ∈ I. . Dokaz: c 1. Neka je f ∈ C 1 (I) rastu´a funkcija na I. lim x2 = 0).♠ Iz Primjera 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). obratna tvrdnja ne mora vrijediti.

Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . ali i ne mora.28. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. onda u x0 funkcija f ima lokalni maksimum.2. da je barem f ∈ C 2 (I)). x2 ∈ I. imati s c z lokalni ekstrem. c Dakle.6. jer konveksnost i konkavnost ovise o predznaku druge derivacije. c Kao ˇto smo rekli. . u stacionarnoj toˇki funkcija moˇe. 2 za sve x1 . Teorema 6.24. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . x2 ∈ I. Dokaz: Izravno iz toˇke 5.1. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).♣ c Konveksnost. onda u x0 funkcija f ima lokalni minimum. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .4. Teorem 6. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). Definicija 6. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Teorema 6. kaˇemo da je f konkavna na I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . Ako derivacija s c ne mijenja predznak. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. a s druge pada (raste)).5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. DERIVACIJA FUNKCIJE 263 Definicija 6.

Npr. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). izmedu x1 .♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). jer c c se nalazi izmedu x0 i x. 2. a konkavna ako je za sve x1 .♣ Teorem 6. Ako je f (x0 ) < 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.31. Dokaz: 1. c 2. 2. Teorem 6. za svaki x ∈ I. za svaki x ∈ I. Zbog neprekidnosti druge c derivacije.30 Neka je f : I −→ R klase C 2 (I). Onda ´e i toˇka cx iz Teorema 6. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . 1. Primijenimo li Teorem 6. Uzmimo x proizvoljan iz te okoline. konveksnost i konkavnost su odredene predznakom druge derivacije. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. iz Teorema 6. c 1. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. x2 ∈ I graf konveksne funkcije je ispod. c . c c Dakle.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .27 biti iz te okoline. Dokaz ide na sliˇan naˇin. funkcija f ima u x0 ∈ I lokalni minimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . f (x2 )).27 za sluˇaj c n = 1. Dakle je f (cx ) > 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. ali je f (0) = 0. f (x1 )) i (x2 . UVOD U DIFERENCIJALNI RACUN Definicija 6. Ako je f (x0 ) > 0.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). funkcija f ima u x0 ∈ I lokalni maksimum.3). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0.264 ˇ POGLAVLJE 6.

∞ .7. Dakle je konveksna na −∞.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c strogo konveksna i na c. Ako je g (x) = 0 za svaki x = x0 . c c Kaˇe se joˇ da je toˇka (c. Npr.34 Neka su f i g derivabilne funkcije na I osim.♣ Uvjet f (c) = 0 iz Teorema 6. pa je po Teoremu 6.L’Hospitalovo pravilo c Teorem 6. x ∈ I.7 Neka je f : I −→ R i c ∈ I. 0 i f (x) > 0 za x ∈ 0. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. z s c c Teorem 6. c Dokaz: Izravno iz Definicije 6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. Iz Teorema 6. 0 i 0.30 imamo da funkcija f raste na (c − δ. x ∈ I. u x0 ∈ I. onda je c f (c) = 0. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. g (x) onda je i x−→x0 lim f (x) = L. Tada iz Teorema 6. Ako je c ∈ I toˇka infleksije od f . c + δ strogo konveksna. c strogo konveksna i na c. Onda je c toˇka infleksije od f . c + δ). za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. ∞ .2. Dokaz: Bez smanjenja op´enitosti. c strogo konkavna i na c. pa x = 0 ne moˇe biti z toˇka infleksije. Neka postoji δ > 0 takav da je funkcija f na c − δ. c Teorem 6.24 f (c) = 0.32 Neka je f ∈ C 2 (I). ali je f (x) > 0 za x ∈ −∞. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . c + δ strogo konkavna ili je na c − δ. neka je f na c − δ. c + δ strogo c konkavna za neki δ > 0. z Neka je lim f (x) = lim g(x) = 0. f ima lokalni maksimum u c. DERIVACIJA FUNKCIJE 265 Definicija 6. f (c)) toˇka infleksije grafa funkcije f . Dakle.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.♣ Raˇunanje limesa .6. c) i pada na (c. moˇda.

f (x0 ) = 0. po g (x0 ) = 0. tg α2 = f2 (x0 ). kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . c Napomena 6.12) i iz Teorema 6. iz Teorema 6. f (n) (x0 ) = 0.♣ g (x) f g Na Teorem 6. Tada. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . . g(x0 ) = 0. analogno kao u dokazu Teorema 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.34.266 i ˇ POGLAVLJE 6. . . . g (n+1) (x0 ) = 0.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . g (n) (x0 ) = 0. Znamo da je c tg α1 = f1 (x0 ). Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. c Dakle. .12). . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.18 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) .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. 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 ) = .16 Neka su funkcije f. 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. .

x a + x2 = f2 (x). Iz toˇke 2. 1 + f1 (x0 )f2 (x0 ) Napomena 6. dakle je f1 (x0 ) = f2 (x0 ). z c c Primjer 6.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .2. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). Ako je α = 0. c c pa moˇemo re´i da se diraju u toj toˇki. odnosno ako i samo ako je tg α = ∞. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.6. tj. To znaˇi da u c toˇki (x0 .14: Kut izmedu dviju krivulja. . a > 0. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. onda je i tg α = 0 .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .

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

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

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

za x = 1. slijedi da je x + x ≥ 1.2. je dio matematiˇke op´e kulture. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake.♠ s z c . tj. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. z c Usporedimo sada ova dva pristupa. 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). DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . 1 Nadalje. koji je elegantniji. U drugom pristupu. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . doduˇe. pozvali smo se na rezultat koji.6. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom.

.

.. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja..1.treba ih samo mnoˇiti c z vremenom. 1. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. 2. . iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. Npr.1 7.Poglavlje 7 Uvod u integralni raˇun c 7. 1.9 znamo da su skupovi C n (I). iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. v = v(t)? Ili prirast populacije nije konstantan. n = 0.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. 2. Dakle je funkcija z 273 .. c s z Ako su te veliˇine konstantne. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). odgovor je jednostavan .. ∞... za n godina bit ´e ih za n·100 viˇe nego danas. ∞. n = 0. . iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. Iz z Napomene 6. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja.

linearan operator koji mu je inverzan. Stoviˇe.1 Neka je f neprekidna funkcija na I ⊆ R.274 ˇ POGLAVLJE 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija.20 i Napomene 6. Zanima nas. ako postoji. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x).1 Neka je F primitivna funkcija funkcije f na I ⊆ R. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. Uvedimo prvo ime za takve funkcije.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. c Primjerice. Teorem 7. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. itd. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.7 izravno slijedi da je operator deriviranja linearan. . UVOD U INTEGRALNI RACUN deriviranja operator.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). jer je derivacija svake konstante jednaka nuli. C ∈ R. a onda pogledajmo kada postoje i koja su im svojstva. Definicija 7. da je x primitivna funkcija funkcije x.2. Iz Teorema 6. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.

2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).1. s To nije toˇno inverz od derivacije. a to je upravo druga tvrdnja teorema. dx pokazuje po ˇemu se integrira. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. f (x) je integrand.♣ 7.4). koji je po Teoremu 7.7. ˇalje c s u f. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. c F (x) je primitivna funkcija funkcije f (x). Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .1. Interpretirajmo elemente ove formule: je znak integrala. slijedi H(x) = H(x0 ) za svaki x ∈ I.1 beskonaˇan. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. gdje je c neka toˇka izmedu x i x0 .26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Piˇemo s f (x)dx = F (x) + C. C ∈ R je konstanta integracije.2. tj. Ostale raˇunamo koriste´i svojstva c c c . dolazi od S kao suma. H je konstantna funkcija. 275 Dakle imamo prvu tvrdnju.

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

Ako se i moˇe integrirati. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.2.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. c 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. Primjer 7.3. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. c c z z to obiˇno nije lako.1 Pogledajmo sljede´e primjere: c .7.1. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. izraˇunati derivaciju bilo koje c c c elementarne funkcije.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c c koriste´i pravila i tablicu derivacija (toˇka 6. Najpoznatiji primjer je e−x dx. eksponencijalne i z trigonometrijske funkcije.4). c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.2) i svojstva iz Teoc c rema 7. S druge strane. tzv. tabliˇne integrale.1.

2: Primitivne funkcije funkcije 3x2 + 1. i to je x3 +x+1. UVOD U INTEGRALNI RACUN 1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Koriste´i Teorem 7. 3). Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. i ˇiji graf prolazi kroz toˇku (1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. pa je C = 1.278 ˇ POGLAVLJE 7. Samo jedna prolazi toˇkom (1.♠ c . Koriste´i Teorem 7. 3). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Dakle je 3 = F (1) = 1 + 1 + C. 3 2.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. 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). y 3 0 1 x Slika 7. Drugim rjeˇima. Odredimo integral funkcije f (x) = x2 + sin x. Traˇena funkcija je F (x) = x3 + x + 1.

2 Odredimo integral funkcije f (x) = sin x cos x.1. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). + C.5). op´enito. z Primjer 7. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. ima jedan sluˇaj kad se c produkt funkcija lako integrira.3 i tabliˇne integrale. ne mogu integrirati produkti funkcija (osim c za polinome. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. Ipak.2. Dakle je sin x cos x dx = 1 2 sin x + C. Koriste´i izraz za diferencijal (toˇka 6. deriviranjem sloˇenih funkcija. a to znamo da je u2 2 sin x d(sin x). tj. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ovo moˇemo pisati kao c c z sin x d(sin x).7.♠ 2 . NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. gornji se integral svodi na u du.

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

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. 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. tako i iz diferencijala. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. Sada je du = 2x dx. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.4 Odredimo integral funkcije f (x) = tg x . pa je dx = Uvrstimo u integral. cos x i da je sin x derivacija od − cos x. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. Dakle. kako iz integranda. NEODREDENI INTEGRAL Primjer 7.♠ u Napomena 7. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. x2 −1 Uvedimo supstituciju u = x2 − 1.5 Odredimo integral funkcije f (x) = 3x . Primjer 7. 2x 1 dx. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. 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. 281 sin Integral tg x dx nije tabliˇni.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. u 2 2 du .1.7. a nije ni produkt.♠ x2 .

4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. Imamo produkt u kojem oba faktora znamo lako integrirati. (uv) = u v + v u. Koji od njih treba odabrati kao v? v du. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. zbog dv = v dx. Napomena 7. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. v du + u dv. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Polazimo od formule za derivaciju produkta funkcija. klase C 1 (I). du = u dx.♣ u (x)v(x)dx.6 Pogledajmo sljede´e primjere: c 1. .282 ˇ POGLAVLJE 7.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. a drugi se deriviranjen pojednostavnjuje. Odredimo integral funkcije f (x) = x cos x. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. v du. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. tj.

Dobivamo s x2 ex dx = x2 ex − 2 xex dx. du = − sin x dx. Sada je v = sin x. i u = x2 . Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. . Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. s Parcijalnom se integracijom moˇemo posluˇiti i kad. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. na prvi pogled.1.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. Joˇ nismo izraˇunali polazni integral. nema proz z dukta u podintegralnoj funkciji.7. Odredimo integral funkcije f (x) = x2 ex . c ˇto daje du = u dx = 2x dx i v = ex . Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. Dobili smo integral koji je kompliciraniji od polaznog. dobivamo s xex dx = xex − Konaˇno. tj. NEODREDENI INTEGRAL 283 Stavimo u = x. Sada je v = x . 2. v = ex . tj. v = x. du = u dx = dx. Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. Primijenimo li parcijalnu integraciju joˇ jednom. c 2 dv = v dx = x dx.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. c Primjer 7. dv = v dx = cos x dx. tj. v = cos x.♠ Iz Primjera 7. c x2 ex dx = (x2 − 2x + 2)ex + C. no sveli smo ga na jednostavniji ins c tegral xex dx.

v = sin x. sin2 x dx. i u = sin x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . ˇto daje du = u dx = s v = x.5 imamo x dx 1 = ln(x2 + 1) + C. tj. tj. Stavimo dv = dx. i u = ln x. UVOD U INTEGRALNI RACUN 1. Odredimo integral funkcije f (x) = sin2 x. v = 1. tj. x dx x i v = x. Odredimo integral funkcije f (x) = ln x. 2. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. v = 1. Stavimo dv = dx.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Odredimo integral funkcije f (x) = arctg x .♠ 2 x dx . ˇto daje du = u dx = s cos x dx i v = − cos x. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. 1. i u = arctg x . Stavimo dv = sin x dx. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7.284 ˇ POGLAVLJE 7.

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

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

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

tj. Medutim. .) + 2(rab + rcd + . .. ima moˇda onih s komplesnim koeficijentima..4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . . Kvadratni faktori nemaju realnih korijena.. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x). x2 . xs c c c od Pn (x) kratnosti rγ . c2 − 4d < 0.5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 . jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 ... Kako je x0 nultoˇka kratnosti r od Pn (x). i gdje su α. x0 nultoˇka od Pn−2 (x).) = n. xs sve razliˇite nultoˇke medu z1 . .. c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab . zn . Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )). medu kojima moˇe c c biti istih. x2 . njena kratnost je toˇno r.... ... . .. .. pa tvrdnja oˇito vrijedi..... 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. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). (x − xs ).. Neka je γ = u+vi. rs . . rcd . Ako je x0 ∈ R.. Kako je x0 nultoˇka kratnosti r od Pn (x).5 Iz Teorema 5. redom. znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 ). onda je x0 = x0 . v = 0. g + hi. Iz Napomene 7. odnosno medu linearnim fakorima (x − x1 ). onda je po tvrdnji 2... a2 − 4b < 0. .. rβ . zn od Pn (x) s pripadnim c c kratnostima r1 .. .. . u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ ... c Neka je x0 ∈ C \ R.. x2 + ax + b = (x − (e + f i))(x + (e − f i)). Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ ... ..♣ n Napomena 7.. x2 . f = 0. i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x). xs . s ≤ n. Medutim..... .... r1 + r2 + .. x2 . c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . h = 0. β. Dakle. + rs = n. razliˇite realne nultoˇke s pripadnim kratnostima rα .. i e + f i. xs od Pn (x).4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ . (x − x2 ).. Ne moˇe c s biti ve´a jer bi u suprotnom x0 = x0 bila nultoˇka od Pn (x) kratnosti ve´e od r ˇto je c c c s suprotno pretpostavci. Tada je po Napomeni 7. odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x). .288 ˇ POGLAVLJE 7.. Neka su x1 . medu razliˇitim nultoˇkama c c c c x1 .. medu brojevima x1 . Iz 1. r2 . x2 + cx + d = (x − (g + hi))(x + (g − hi)). Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima. tj. c c Dakle je po tvrdnji 2. UVOD U INTEGRALNI RACUN 3.

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

q rekurzivna.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 .1 . t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo.q = (t2 t dt + 1)q i I2.q se lako izraˇuna supstitucijom u = t2 + 1: c   I1.q .q je sloˇenija. 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 . 2 2 q>1 q = 1. + 1)q Time smo problem sveli na odredivanje integrala I1. c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen. Dobiva se z I2. q = 1. + 1)q Integral I1. i kako znamo izraˇunati integral I2. logaritama z i arkustangensa.q−1 .) c Kako je formula za I2. nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. Primjer 7. 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C.q = (t2 dt . Integracija integrala I2. Imamo 2x2 − 3x + 3 A B D = + + . x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 .290 dobivamo ˇ POGLAVLJE 7. x3 −2x2 +x . q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C.q = + 2q−3 I2. Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija.q =  (b− a )q−1 1 4 + 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. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.1. B = 2. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . x(x−2)(x+1) x+2 A B D = + + . To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.♠ 3 3 .7. Rjeˇenje je A = 3. D = −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. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.♠ x−1 Ako su nuliˇta nazivnika jednostruka.

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

c .2. Kako povrˇinu trokuta znamo raˇunati. duˇinama. Povrˇina je geometrijska kategorija.2 7. gdje se zbraja po svim trokutima triangulacije Ti . z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. tj.3: Triangulacija podruˇja u ravnini omedenog duˇinama. T1 T2 T3 T4 Slika 7.7. jer je to uobiˇajenije. ploha. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Lik se triangulira. c z Napomena 7.1 Odredeni integral Motivacija . c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. problem moˇemo s c z smatrati u biti rijeˇenim. Takav lik ˇesto zovemo krivuljnim trapezom.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.2. s P = i P (Ti ). ODREDENI INTEGRAL 293 7. tj.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.

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

. c Krajeve segmenta [a. s je manja razlika vrijednosti M i m. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. Oznaˇimo li traˇenu ploˇtinu s P .2.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. i = 1. S druge strane. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7. ∀x ∈ [a. < xn−1 . i = 1. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Podijelimo segment [a.7. Imamo gornju i donju ocjenu nepoznate veliˇine P .. .. 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.. .. . Dakle je m ≤ f (x) ≤ M. b] i visina M . a M maksimum funkcije f na [a. xi ].. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. b] oznaˇimo s x0 = a i xn = b. b za svaki i = 1.. pravokutnik s osnovicom [a..n. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < .. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. 295 gdje je m minimum. b]. n (brojevi mi i Mi c . n − 1. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 . b]. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. pri ˇemu su xi ∈ a.. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 .

. i = 1. b].. .. imamo s(r) ≤ S(r). . S(r) = i=1 Mi ∆xi . jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). s Oznaˇimo li sada zadanu podjelu {x1 .. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a). xn−1 } s r. n. Uvijek je m ≤ mi ≤ Mi ≤ M. UVOD U INTEGRALNI RACUN postoje po Teoremu 6.6). Sliˇno.. jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu.. i = 1..n. i = 1.. Zbog mi ≤ Mi .. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi . 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.. c m(b − a) ≤ s(r). .7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima.. a zbog m ≤ mi i Mi ≤ M .296 ˇ POGLAVLJE 7. x2 . . n. .

tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. i = 1. Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. . b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b. b] i oznaˇavamo s c b f (x)dx. b]. b]. c Napomena 7.7.. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a.. c s Uzmimo u svakom segmentu [xi−1 . Dakle. i = 1. ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a. n. Kako je mi ≤ c f (si ) ≤ Mi . 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. ako su stare toˇke c u podjeli podskup novih... . tj. Veliˇina x je varijabla integracije. te komadom grafa pozitivne neprekidne (na [a. . c Definicija 7.7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x.2 Neka je f neprekidna funkcija na [a.2. n. c c a donja se ne smanjuje. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. Funkcija f (x) je podintegralna funkcija ili integrand.. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . xi ] toˇku si . a Krajevi segmenta [a.. Ako uzimanjem sve finijih i finijih podjela od [a. b] su granice integrala (donja i gornja). To vrijedi ako se podjela profinjuje. pravcima x = a i x = b. ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f .

14 1.. Koje joˇ? s Teorem 7. Uoˇimo da za svaku podjelu r segmenta [a. b] je integrabilna. Izraˇunajmo iz definicije c b 1. n. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). 1 dx. x∈Q 0. c Iz Primjera 7.13 Dirichletova funkcija.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b].5 Svaka monotona funkcija na [a. b].♣ Primjer 7. b] z kaˇemo da je f integrabilna na [a. tj. c Dokaz: Ako f raste na [a.9 Uoˇimo da ako je f monotona funkcija na [a. dakle je f ograniˇena funkcija na [a. za svaki x ∈ [a. c i = 1.♣ Napomena 7.. Dirichletova funkcija nije integrabilna. x ∈ R \ Q. z c tj. onda je ona i c ograniˇena. nisu integrabilne.♣ Teorem 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b]. f (x) = nije integrabilna. b] je integrabilna. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.8 Dirichletova funkcija ima prekid u svakoj toˇki. onda je f (a) ≤ f (x) ≤ f (b).6 Svaka neprekidna funkcija na [a. Primjer 7. b]. b] integrabilne. b]. b]. . b] imamo mi = 0 i Mi = 1..♠ Napomena 7. Koje jesu? Neprekidne sigurno jesu. a .298 ˇ POGLAVLJE 7. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti.13 vidimo da nisu sve funkcije na segmentu [a. UVOD U INTEGRALNI RACUN Definicija 7. b].

b]. 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 . c 2. Za svaku podjelu r segc menta [a. Mi = n a + i∆x. c Oˇito je funkcija f (x) = x neprekidna na [a..8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije..2.7. Podijelimo segment [a. b] c na n jednakih djelova. b] je mi = Mi = f (si ) = 1. i = 1.. Izraˇunajmo a b x dx. b]. 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. Sada je mi = a + (i − 1)∆x. n. ∆x = b−a . . dakle je a 1 dx = b − a. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a.

u ovom sluˇaju c ´e biti m ≤ 0 i M ≤ 0.300 ˇ POGLAVLJE 7. u op´em sluˇaju c c odredeni integral je algebarski zbroj ploˇtina izmedu osi x i grafa krivulje. c] i negativna na [c. . n−→∞ 2 2 2 Analogno dobijemo da je S(r) = dakle je b b2 a2 − . Dakle vrijednost odredenog integrala negativne funkcije ´e biti nepozitivan broj. b]? Ako je f neprekidna i negativna na [a.. tj. 0 . b] (zbog neprekidnosti je f (c) = 0). a Ako je neprekidna funkcija f na [a. i = 1. b] takva da je pozitivna na [a. b .♠ 2 2 x dx = a ˇ Sto ako funkcija nije pozitivna na [a. 2 2 b2 a2 − . n 2 Prijelazom na limes dobivamo (b − a)2 b2 a2 lim s(r) = a(b − a) + = − . Po s tomu je pravilu 2π sin x dx = 0. za svaki x ∈ [a. b] (f (x) ≤ 0. kao i za neprekidnu pozitivnu funkciju.. Medutim. c]) i ploˇtine s s P2 iznad grafa negativnog dijela funkcije f (nad [c. onda je b f (x)dx a razlika ploˇtine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. UVOD U INTEGRALNI RACUN n − 1 (b − a)2 a(b − a) + . odredenog integrala b f (x)dx. tj. b]) moˇemo napraviti analognu konstrukciju z mjere povriˇine krivuljnog trapeza omedenog odozgo s osi x. Dakle. n. zdesna pravcem x = b i odozdo grafom funkcije f . b]).. i za svaku podjelu r segmenta [a. za neki c ∈ a. b a f (x)dx ≤ 0. s lijeva s pravcem s x = a. b] ´e biti mi ≤ 0 i c c c Mi ≤ 0.

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

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

b] i da je f (c) > 0. a 4. i Mj = f (c).. i = 1. onda je c b f (x)dx = 0. x2 .. n. i svaka funkcija iz tog skupa je neprekidna na I. Beskonaˇnodimenzionalan je. skup c {1. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. . b] toˇka c pada u toˇno jedan c c [xj−1 . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. ..13).} se c nalazi u nekoj bazi od R(I). gdje je c ∈ R proizvoljan. b]). Nadalje.. Oˇito je z c c tada m = 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).♣ c Napomena 7. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. 1... jer npr. j − 1. j + 1. i = 1. . b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. . . pa je mi = 0. . xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. M = f (c) i za svaku podjelu r segmenta [a. b] (skup R(I) nije prazan...7. x.18.♣ b b 5.2 i Teorema 6. Stoviˇe.2. dakle i integrabilna. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.... Dakle beskonaˇni skup {xn : n = 0. Mi = 0.3). n.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. Dakle je s(r) = 0 i S(r) = Mj ∆xj . Ako je funkcija f : [a. xj ]. a cf (x)dx = c a f (x)dx. a (f (x) ± g(x))dx = a ili aditivnost integrala.2 i Teorema 6.18. unutra se sigurno nalaze sve neprekidne funkcije na [a. 6. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7...

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

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

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

se zove srednja vrijednost funkcije f na segmentu [a. Odatle ime teoremu.... b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. x ≥ 0 −1. Povrˇina ispod s grafa neprekidne funkcije f nad [a. imamo da je 1 f (x)dx = 0.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.9: Teorem srednje vrijednosti za odredeni integral.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. Nadalje. c Napomena 7..7. −1 medutim ne postoji toˇka c ∈ [−1. b]. x < 0.♠ c . .+an dine (aritmetiˇka sredina od a1 . n Za funkcije koje nisu neprekidne Teorem 7. 1] za koju je f (c) = 0. a Teorem 7. a2 .15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. Oˇito je da funkcija f ima prekid u x0 = 0..7 ne mora vrijediti: Primjer 7. kako je f neparna c funkcija.2. iz svojstva 7. an ∈ R je a = c ).

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

Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. Ho´emo gledati c ∆F . ∆x−→0 ∆x Funkcija f je neprekidna na [a. 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. NEWTON . ∆x odnosno f (ζ1 ) = m ≤ . ∆F ≤ M = f (ζ2 ). b].7.LEIBNIZOVA FORMULA je derivabilna na [a.3. b] i vrijedi F (x) = f (x).6). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. pa onda i na svakom podsegmentu [x.11: Funkcija F (x). Po Teoremu 7.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. x+∆x].

∆x Teorem 7. F (x) = f (x).Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. Odatle slijedi c f (x) ≤ lim tj. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . zbog neprekidnosti funkcije f na [a. toˇke ζ1 i ζ2 moraju teˇiti prema x.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . tj.9 (Newton .Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.♣ Newton . b] i F (x) = f (x).310 ˇ POGLAVLJE 7.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . iz toˇke 7.12).2.2 c dobivamo x b F (a) = a f (a)dζ = 0. i neodredeni. onda. b F (b) = a f (ζ)dζ. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. f (x) ≤ F (x) ≤ f (x). mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. z Teorem 7. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. b]. a Dokaz: Prema Teoremu 7. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. U njoj se povezuju odredeni integral. no dokaz je bitno sloˇeniji.♣ x ∆x−→0 ∆F ≤ f (x). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. Odatle je a f (x)dx = F (b) − F (a). Dakle je F (x) derivabilna funkcija na cijelom [a. do kojeg dolazimo preko limesa niza integralnih suma. Sliˇno i za ζ2 −→ x.

NEWTON . Pri tome nestane konstanta integracije.3. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. 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). ϕ(β) = b. Stvari se znaju zakomplicirati ako ima viˇe supstitucija.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α.7.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice. onda za f ∈ C([a. Teorem 7. Iz ϕ(t) = − 3. Kod primjene na raˇunanje odredenih integrala. iz ϕ(t) = 3 dobijemo t2 = 3 . b].LEIBNIZOVA FORMULA 311 linearni operator deriviranja. 2 ] −→ . Sada oˇito funkcija ϕ : [− 2 . Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. a b ˇ Citamo to kao ”F (x) u granicama od a do b”. i ako je ϕ(α) = a. β] i neka ϕ na [α. sin t = − 23 imamo t1 = − π . √ √ Stavimo ϕ(t) = 2 sin t. ♣ Primjer 7. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. tj. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. β] ne izlaze izvan segmenta [a. β] ima neprekidnu derivaciju ϕ . b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. 3 √ √ √ 3 3 π c Analogno. c Desna strana Newton . Ako vrijednosti funkcije ϕ na [α.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici.

Primjer 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. u dv = uv a b a − a v du.17 Izraˇunajmo c 0 1 xex dx.♠ 3 Kod parcijalne integracije situacija je jednostavnija. 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.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. c c c Neka je funkcija f neprekidna na [a.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. Iz Primjera 7. U takvim sluˇajevima govorimo c s c o nepravim integralima. tj. . b i neka je x−→b− lim f (x) = +∞.♠ 7.312 ˇ POGLAVLJE 7.6 i omedena) na podruˇju integracije. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.10. kao i da je samo poc druˇje integracije konaˇno.

Znamo da je √ = arcsin ζ x 0 1 je nepravi integral.7. tj. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. b postoji integral te funkcije u granicama od a do x. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. c c Primjer 7. . Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . postoji x f (ζ)dζ. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [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. u toˇki a. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije.4.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. c y f(x) 0 a x b Slika 7. kaˇemo da integral divergira ili da nema z znaˇenja. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. a Ako promatrani limes ne postoji.18 1.

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

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.4. 1 a f (x)dx konvergira. (x − b)n Stavimo ϕ(t) = t + b. 0] −→ R zadovoljava uvjete Teorema 7.7. tn Ako je n < 0. Analogno. dakle imamo b a dx = (x − b)n 0 a−b dt . 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. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. Izraˇunajmo c a dx . NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . Iz ϕ(t) = a. . c+ε2 Ako oba limesa na desnoj strani postoje. Izraˇunajmo c −1 1 x2 dx . inaˇe c Primjer 7. tj. tj. 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 = +∞.10. iz ϕ(t) = b dobijemo t2 = 0. 1].19 1. x2 b 2. t + b = a imamo t1 = a − b. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. onda divergira.

316 ˇ POGLAVLJE 7.2. Znamo c . −n + 1 −n + 1 za n > 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . c z z Promatrajmo sada drugi mogu´i izvor problema. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1.2) npr. iz toˇke 7. tj. divergira 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 − = +∞.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Uz svojstvo monotonosti integrala (svojstvo 9. integral dx divergira za n ≥ 1.19 moˇe posluˇiti pri usporedivanju. Dakle tn b a dx (x − b)n konvergira za n < 1. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Neka je funkcija f neprekidna na [a. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. 0]. situaciju kad podruˇje c c integracije nije ograniˇeno. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). b]. Primjer 7. +∞ .

. tj. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ Primjer 7.4. postoji x f (ζ)dζ.20 1.7. c c da za svaki x ∈ [a. +∞ postoji integral te funkcije u granicama od a do x. a Ako promatrani limes ne postoji. −∞ pa i za sluˇaj c +∞ f (x)dx. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. Izraˇunajmo c +∞ 0 e−x dx.13: Nepravi integral po neograniˇenom podruˇju integracije. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. 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. kaˇemo da integral divergira.

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

a . b]). osi x. f2 : [a.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. c] i negativna na [c. tj. za svaki x ∈ [a. osi x. broj P1 + P2 . jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. b]. b]. osi x. pravca x = a i pravca x = b. dana s b (f1 (x) − f2 (x))dx. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . za neki c ∈ a. Nadalje. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c.5. PRIMJENE INTEGRALNOG RACUNA 319 7. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. ako je f : [a.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. a Ploˇtina povrˇine izmedu grafa funkcije f . b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f .5 7. pravcem x = a i s pravcem x = b. ali negativnog predznaka. s s tj. pravcem x = a s s i pravcem x = b.2.5. Ako je funkcija f neprekidna i negativna na [a. b] −→ R neprekidna takva da je pozitivna na [a. b]. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). s s b f (x)dx = P1 − P2 . b . gdje su f1 .ˇ 7.

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

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

s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . Iz Primjera 7. S druge strane. 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. No taj popreˇni presjek c c 2 je krug. tj.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. oznaˇimo s P (xi ).322 y ˇ POGLAVLJE 7. 0. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. ako taj limes postoji kad n −→ ∞. a njegova povrˇina za zadani x je jednaka f (x)π.♠ 2 . UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. kad max ∆xi+1 −→ 0.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 . Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . 0). i=0 Prijedemo na limes. Primjer 7. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x.

z z Po gornjoj formuli. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). f2 : [a.5. c Primjer 7. c z y R 0 Η x Slika 7.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x.ˇ 7. . Dakle. ako su f1 .♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. za svaki x ∈ [a. 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. 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.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.

. Primjer 7. y R r 0 x −R Slika 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.324 y ˇ POGLAVLJE 7. f2 (x) = R − √ r 2 − x2 .23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. R > r.

U limesu. xi ] konstantom f (xi ). xi ]. x = b. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 .♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema.5. x osi i grafom (pozitivne i neprekidne na [a. Sada iz Primjera 7.16 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 . c Teorem 7.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika. . debljine ∆xi = xi − xi−1 . n. i = 1. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . nastaje cilindriˇni sloj. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. dobijemo prizmu. Podijelimo li opet segment [a. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. b] −→ R oko osi y b Vy = 2π a xf (x)dx. b] na n dijelova. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . Razreˇemo ga po izvodnici i razmotamo.♣ zs Na Guldinov teorem ´emo se vratiti kasnije.. tj.. . volumen tog komada moˇemo z izraˇunati. b]) funkcije f ..ˇ 7.

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

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

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

Kako je masa promatranog lika jednaka M = µP.ˇ 7. zs s s y r 0 r x Slika 7. zs √ Imamo f (x) = r2 − x2 . PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. Takoder. yT = 1 2 b 2 a f (x)dx b a f (x)dx .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. i=1 a to u limesu daje My = µ b a xf (x)dx.11). recimo. s Primjer 7.23: Teˇiˇte homogenog polukruga. Iz simetrije je jasno da mora biti xT = 0. iz Primjera 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . upravo xi . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.5. 2 .

b]. 3 −r 4r . zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . 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.25. 3π r r pa teˇiˇte ima koordinate (0. xf2 (x)dx − µ xf1 (x)dx. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT .330 ˇ POGLAVLJE 7. . tj. x2 + (y − R)2 = r2 . R > r. b] takvih da je f2 (x) ≥ f1 (x). 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. v) tada su novi momenti jednaki Mx + my i My + mx). po prvom Guldinovu teoremu. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj.♠ ishodiˇtu. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . Dakle teˇiˇte je (0.26 Sada moˇemo. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. Tada su.♠ 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. po prvom Guldinovu teoremu i Primjeru 7. − 4 r ). izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. za svaki x ∈ [a. 4 π ).

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

♠ 8 π 4 R . koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . dobivamo xT = 4 H.332 ˇ POGLAVLJE 7. tj. 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 . Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 23 dobivamo xT = Mx M . 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. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. mjereno od osnovice.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. za µ = 1. 4 Zbog M = µV = 14 3 R π.24: Teˇiˇte homogenog stoˇca. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . Primjer 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. 4 3 Zbog M = µV = 1 R2 πH.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.♠ z Primjer 7.

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

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

3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. onda je s I0 = 1 M (a2 12 + b2 ). g 2 (y)dm. Znamo da je c 2 2 Ix = mx i Iy = my . Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. d] osi y i grafom c pozitivne i neprekidne na [c. 3 a ako mu je ishodiˇte u sredini. Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ).5. za µ = 1. y). PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . d] funkcije g. Neka je dana materijalna toˇka mase m s koordinatama (x. 3 . pri ˇemu je lik omeden pravcima y = c i y = d. dm = µdP = µf (x)dx. komadom [c. Primjer 7. Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. Oˇito je f (x) = c √ r2 − x2 . Uvedemo li oznake dP = f (x)dx.ˇ 7.

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

Duljina svakog takvog komada je. xi ]. .ˇ 7. 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 . Podijelimo segment [a. i gdje je ∆xi = xi − xi−1 .. b] zadana kao graf funkcije f ∈ C 1 [a. f (xi−1 )) i (xi . i = 1. c po Pitagorinu pouˇku. Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7. Duljina luka od toˇke A = (a. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . b] na podsegmente [xi−1 .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje.5.. b] eksplicitnom formulom y = f (x). n... i = 1.26: Duljina luka zadanog kao graf funkcije f (x). n. . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . 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.♠ 15 5 7.. . f (a)) do toˇke c c B = (b. f (xi ))..5. pa uzmimo c s os x.

. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. b] na podsegmente [xi−1 . xi ].. Dijeljenjem segmenta [a. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. xi ]. .26)..338 ˇ POGLAVLJE 7. i .. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .27: Ploˇtina plaˇta rotacijskog tijela. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 ... s yT = b a f (x) √ 1+[f (x)]2 dx .5. i = 1.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. n. 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 )). n. b] rotira oko osi x. 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. i = 1. mase µ. . s 7. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.

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 . c ds = 1 + [f (x)]2 dx. xi ]. gdje je si ∈ [xi−1 .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.5. Toˇnije. 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. Primjer 7. Ovdje smo s ds oznaˇili diferencijal luka.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. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 ....♣ s zs 7. . n.5. Teorem 7. tj.ˇ 7. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .26). c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. . ako znamo poloˇaj tijela u trenutku t1 = 0. 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 . i = 1. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . ploˇtinu sfere polumjera r.31 Izraˇunajmo oploˇje kugle. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. 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.

recimo F (xi ). n. i = 1. Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja. c c − → − → Jednostavnosti radi. s → → − Ako su vektori F i − kolinearni. dobivamo poznatu formulu za rad s W = F · s.. . Podijelimo segment [a.. Rad sile − → Sila je tipiˇan primjer vektorske veliˇine. uzmimo da je F (x) = F (x) i ..340 ˇ POGLAVLJE 7. b] na n posegmenata toˇkama a = x0 < x1 < x2 < . i = 1.28: Rad sile F (x) na putu [a. UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. Tada je suma n F (xi )xi ∆xi i=1 . b]. xi ]. Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − . y F(x) W 0 a b x Slika 7.. duljine ∆xi ... . ona pri tome vrˇi rad s s s − → → W = F ·−. sila konstantna. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 .. n.. gornja se formula svodi na izraz c s(t) = vt + s0 .

Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. tj. 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. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju.ˇ 7. ako se masa tijela mijenja. Primjer 7. Tada ´e njen integral (tj. pri ˇemu je g ≈ 9.5. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. To je formula dobivena integriranjem konstantne sile mg od 0 do h. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . b] z z b W = a F (x)dx.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. i nakon toga s . b].33 Jarak duljine 10 m. Ako sila nije konstantna. s Primjer 7. no nije ni bitna. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Konstanta k nam nije zadana u ovom primjeru. 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 . PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. rad) biti kvadratna funkcija pomaka x. Odavde odmah slijedi da je rad sile F (x) na putu [a. F = −kx. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. onda je b W (h) = a F (x)dx.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. 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.

30: Jarak iz Primjera 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . s x 0 y h Slika 7.83 J. ˇirina c s 2(1 − x) m. duljina jarka je 10 m. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.342 ˇ POGLAVLJE 7. . UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). a debljina sloja je dx metara).33. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.29: Jarak iz Primjera 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.

Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . Za x = R imamo teˇinu tijela na povrˇini Zemlje. 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. c c c smanjenje zbog utroˇka goriva. 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. s z Primjer 7. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. c z s 2 K F (R) = R2 = P . No ta sila je. z z Primjer 7. po definiciji. (Ovdje je mz masa Zemlje. mz i G konstante. imamo F (x) = x2 . sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. tj.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. mp masa projektila i G univerzalna gravitacijska konstanta). 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.5.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. Dakle je K = P R2 i F (x) = PxR . Uzimaju´i da su mp . upravo teˇina z K tijela. gdje smo s c K oznaˇili K = Gmz mp .ˇ 7. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = .35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom.

1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.♠ s c .344 ˇ POGLAVLJE 7.35.31: Kanal iz Primjera 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.

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

Sign up to vote on this title
UsefulNot useful