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

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

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

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

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

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

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

. . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . 6. . .1 Neodredeni integral . . . . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . .6 Derivacije viˇeg reda . . .2. . . . . . . 7. . . . zs 7. . . . . . . . . . . . . . . . . .3 Derivacija funkcije .5. . . . . 6.5. c 7. . . . . . . . . .2. . . . . . . . . . . .2 Neodredeni integral . . . . . . . .3 Newton . . . . . . . . . . . . . . . . . . . .1. . . . . . . . .2. . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . .5. . . . . . . . . . . . . .1. . . zs 7. . . . . . .2 Odredeni integral .3 Metode integriranja . s 7. .4 Nepravi integral . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . .7 Primjene u fizici . . . . . . c 6.5 Neprekidnost i limes . . . . . .5. . . . . . . .Leibnizova formula . . . . . . . . 7. . 6. . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . s 7. . . .2. .3 Neprekidnost elementarnih funkcija . . . . . .1. . . . .7 Osnovni teoremi diferencijalnog raˇuna . c 6. . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . .6 Neodredeni oblici . . . . . . . .2. . . . . .2 Derivacija funkcije . . . . . . . . . . . . . . . .2. . . . 6. . . . . . 6. . . . . . .4 Moment ustrajnosti (inercije) . . . . . . .1 Motivacija . . . . . . . . .1. . . . 6. . . .8 Primjene derivacija . . . . . . . . . . .2 Svojstva neprekidnih funkcija . 7. . . . . .1 Primitivna funkcija .5 Duljina i teˇiˇte luka ravne krivulje . . . . . 7. . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . .1. . .2. . . . .1. . . . . . . . . . . . . . . . .1 Motivacija . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . .2 Svojstva odredenog integrala . 7. . . . . . . . . . . . . .2. . .1. . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . .2. . c 6. . . . . . . . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . 7. . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s 6. . . . . . . . .5. . . . . . . .1 Povrˇina lika u ravnini .1. . . . . . . . . . . . . . c 6. . . . . . . . . . . . . . . . .5. . . .6 Povrˇina rotacijske plohe . . . . . .1 Neprekidnost funkcije . . . . . . .4 Raˇunanje derivacija . . . . . .3 Teˇiˇte . . 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 . . . . . 7. . . . . . . . . . . . . . 6. . . . . . . .2. . .7 Raˇunanje limesa .

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

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

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

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

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

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

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

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

♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj. 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 c Primjer 1. c Definicija 1. ukljuˇivo P i Q. 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.) Takve c veliˇine zovemo vektorskima. duljina.1 Vektori i osnovne operacije s njima U egzaktnim znanostima osim skalarnih veliˇina (masa. temperatura itd. Primijetimo da iz Definicije 1. 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.1 Neka su dane toˇke P. 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. i ako jesmo. giba li se prema nama ili od nas. sila.1 direktno slijedi da je P Q = QP . 9 . c s c njegovi elementi su toˇke. U ovom c s ´emo poglavlju opisati matematiˇke koncepte i tehnike koje nam omogu´uju c c c efikasno matematiˇko modeliranje vektorskih veliˇina. Treba nam i podatak jesmo li na pravcu kojim se kamion giba. akceleracija itd.Poglavlje 1 Vektorski raˇun c 1.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina.

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

3. Pogledajmo sada neka svojstva nul vektora: c − → 1. 11 − → 3. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . → c .1. Tada je c − − → − = OB.3). → Napomena 1. Napomena 1.1. Oˇito je | 0 | = 0. poˇinje u P a z c zavrˇava u Q.3). Iz a Napomene 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Sada samo izaberemo orijentaciju koja nam treba. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. onda c a − → − →. c 2. tj. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Za vektor P Q kaˇemo da je orijentiran od P prema Q.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. B ∈ E takve da je OA = − i AB = b . Preciznije. z kolinearan je sa svakim vektorom). Vektor kod kojeg su poˇetak i kraj jednaki.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. P = Q. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. → → → − − → − 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 .4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. tj. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju.

→ a =−a → − → → → − a a 4. ♣ B b a+b a b 0 A a+b a b Slika 1.12 ˇ POGLAVLJE 1. O. a c a c → − → → → − → a a a 2. − + b = b + − (komutativnost). − → − → − → Napomena 1. − → → − → → → → − 3. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . i oznaˇavamo ga s → 0 .3 Za bilo koje tri toˇke P. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Q ∈ E vrijedi P Q = P O + OQ.3: Motivacija za definiciju zbrajanja vektora. .4: Pravilo trokuta i pravilo paralelograma. (− + b ) + − = → + ( b + − ) (asocijativnost). Vektor a zovemo suprotni vektor vektora a c − → −. c Teorem 1. VEKTORSKI RACUN R a G Slika 1.

z → Za λ ∈ R. s → − − a c Napomena 1. ˇija je duljina jednaka |λ||− |. Sliˇno 2− + − = 3→. → BA. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.1. koji ima isti smjer kao →. a . Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. Za n ∈ N a c a a a − = (n − 1)− + − . λ > 0 B’ 0 λa. d c a + b+ c+ d a b Slika 1. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).1 ima sljede´a svojstva: ima →. c a − 2. itd.4 Vektor a = −→ iz Teorema 1. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB.6: Mnoˇenje vektora skalarom. a a → Za sluˇaj → + − piˇemo 2− (tj. λa . VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1.5: Pravilo mnogokuta za zbrajanje viˇe vektora.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. definiramo λ− kao vektor: a → 1. tj.1. realnim brojem. ali je suprotne orijentacije.λ<0 a A B Slika 1.

14 ˇ POGLAVLJE 1. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . Primjetimo da se u Definiciji 1. i neka je A = O c toˇka koja leˇi na tom polupravcu.2. 3. postoji pravac a a . koji ima istu orijentaciju kao vektor − za λ > 0. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). za sve a. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). a suprotnu orijentaciju a − za λ < 0. a a a − → 3.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Neka je dan polupravac (zraka) s poˇetkom u O.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). VEKTORSKI RACUN → 3. c Vratimo se sada Definiciji 1.5 nigdje ne govori o geometrijskim veliˇinama. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. b ∈ V je a + b ∈ V . a a → − 4. 2.♣ a a Definicija 1. uz pretpostavku − = 0 . λ(µ→) = (λµ)− (homogenost). onda. → od vektora a Teorem 1. Elemente od skupa V zovemo vektori. − → → → → − Ako su vektori − i b kolinearni. 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.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. 1 · − = → (postojanje jedinice). a a → → → 2.1 i Teorema 1.

(λ. A. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . Imamo da je c a − → → b = λ− . (− . → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. onda je |− | = 0. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). Bijekcija je konstruirana na prirodan naˇin. − → 2. tj. z → − → − → → → Neka su sada − .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− . → →→ te vrijedi a a a0 1. Kako je → = 0 . LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . B ∈ E na p takve da je − = OA. b = OB. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − .4). tj. VEKTORSKI PROSTOR XO (E). → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. (Usporedimo ovo s Definicijom 1. a a . pa moˇemo a a a z − → − = a .2 Vektorski prostor XO (E). Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1.1.2. b ∈ XO (E) i λ ∈ R.

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

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

VEKTORSKI RACUN 1. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . − .1 i Teorem z 1. − → − → Neka je (→. →). Definirajmo i = OEx . j . − ∈ XO (E). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k .8 z ˇ oni su linearno nezavisni. → → a b i j k .7 Uredena trojka (− . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. duljine su im 1 i leˇe na okomitim c s z pravcima. 1. a2 i a3 − → → → vektor iz XO (E). zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . − . Stoviˇe. Ey = (0. uredeni par → − (− . Tada je a e1 e2 e3 c − (Teorem 1.18 ˇ POGLAVLJE 1. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). e1 e2 Napomena 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Skalare a1 . az ) su jednoznaˇno odredene. Kako vektori i . Analogno. z c → → Neka je sada − proizvoljan vektor iz XO (E). →. 1). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). 0) i Ez = (0. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Koordinatni sustav → − → Definicija 1.5). 0). − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. j = OEy i − → −→ − − − − → → → k = OEz . k ne leˇe u istoj ravnini. te toˇke Ex = c s c −→ − − → −→ − → − (1. 0. 0. pa ˇine bazu.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). c →. prema Napomeni 1. ay .3 Baza vektorskog prostora XO (E). pri ˇemu su skalari a1 .

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

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

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

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

a onda f zovemo linearni funkcional. Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 . b ∈ V i sve λ. → → x y Teorem 1..10. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .♣ − → → → → 1. .5. a a → − → → − − a a c 3. ... − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . Za preslikavanje (funkciju) sa V u W .9 Neka su V i W realni vektorski prostori. x2 . µ ∈ R. (− + b ) · − = − · → + b · → (aditivnost). slaˇe s Napomenom 1. Posebno. Definicija 1. tj. a c a c c → → → − → − 2.. z z → → − → − → − → → 2. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . yn ) ∈ Rn . a x y z Ova se formula za duˇinu vektora. y2 . + xn yn . ako je vektorski prostor W = R. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . → → Neka su − = (x1 ..6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. . xn ). Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.1... →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. → · b = b · − (simetriˇnost). tj.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. − → a b Napomena 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz .. (λ− ) · b = λ(− · b ) (homogenost). − = (y1 .

Tada su oˇito ax . Kako je |− | = 1. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . j . (− . → → − → − →→ → →→ a a i i a j j a k k Napomena 1.3). a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . µ ∈ R proizvoljni. ay . β. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). ay = − · j . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. ay = cos β. − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. j .♠ a a c a c c a − → − → − → Neka je sada ( i . pa postoje brojevi α. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . − . → a i j k → Brojeve cos α. Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . cos γ zovemo kosinusi smjera vektora − . vrijedi a2 + a2 + a x y 2 az = 1. j . Ve´ smo rekli (toˇka 1. − ). Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . cos β. 1].24 ˇ POGLAVLJE 1. a a z c − → a → − Pogledajmo vektor − = − . a → → → − Neka je sada − ∈ XO (E). k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1.2 Neka je − ∈ XO (E) fiksan vektor. − a0 →| i − −| j → −| k → |a |a |a . Neka su sada →. π] c takvi da je ax = cos α. az = − · k . γ ∈ [0. Stoviˇe. VEKTORSKI RACUN → Primjer 1. vrijedi a s → − → → = ax → + ay − + az − . Tada je skalarno mnoˇenje s c z − linearni funkcional.12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. k ) od XO (E). b ∈ a a c a XO (E) i λ. az ∈ [−1. az = cos γ.1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − .

Tada postoji D ∈ E takva da je d = OD. imamo − → → →→ − d = ( d · − )− . Nadalje. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD .1. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. a0 a0 .5. → |a| az cos γ = → . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D.10: Projekcija vektora na pravac. jediniˇni vektor. → |a| ay cos β = − . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Dakle imamo OD = ( d · − )− jer je OD = λ− .

dobijemo z z (ad − bc)x = αd − βb. i 3. odnosno. .determinante matrica 2. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. drugu s −b i zbrojimo ih. a koristan je z i pri radu s vektorima. za ad − bc = 0. VEKTORSKI RACUN 1.26 ˇ POGLAVLJE 1.6 Digresija . 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. 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. drugu s −a i zbrojimo ih. z z dobijemo αc − βa βa − αc y= = . Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. ako prvu jednadˇbu pomnoˇimo s c. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. ad − bc S druge strane. a b A= . Ako pomnoˇimo prvu jednadˇbu s d. 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. x= αd − βb .

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

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

i . − . j .7. Ili se poklopi sa S. j . To znaˇi da se skup svih pravokutnih koordinatnih sustava raspada na dva c podskupa.11: Desna i lijeva ortonormirana baza. Neka je c − . DESNI I LIJEVI KOORDINATNI SUSTAVI. Postavlja se pitanje. imaju istu orijentaciju). Time vektor k padne na z − → pravac vektora k : ili se preklopi s njim (tj. ili je suprotne orijentacije. j . →. Neka su sada O. k ) i 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 . onda kaˇemo da su S i S ekvivalentni ili jednako orijenc z tirani. jentacija Ori- Znamo da je za proizvoljnu toˇku O ∈ E skup XO (E) vektorski prostor. ORIJENTACIJA 29 1. Koordinatne sustave u jednom podskupu zovemo desnima a drugom lijevima. j u j i k u k ? Ako je to mogu´e. Jasno je da je svaki tre´i pravokutni koordinatni sustav jednako orijentiran s c toˇno jednim od ova dva. onda dovedemo i u i . Postavlja se pitanje. kako odrediti jesu li dva pravokutna sustava jednako . − . ili sa S . Tada imamo dva − → − → − → − → − → − → pravokutna koodinatna sustava S = (O. j .1. − ) neka baza od XO (E). k ) proizvoljne ortogonalne baze od XO (E) odnosno XO (E). i u i . ako S nije ekvivalentan c sa S. translacija ili oboje) c → − → − − − − → − → → → prevesti S u S tako da O prijede u O. k ) i ( i . − ) zovemo → − → → → → (a b c a b c → → → → − → − − − − → − koordinatni sustav. O ∈ E i neka su ( i . Tada uredenu trojku (O. k ). je li mogu´e krutim gibanjem (rotacija. Sada − → − → − → − → rotacijom oko osi koja sadrˇi i dovedemo j na j . k 0 0 i j i k j Slika 1.7 Desni i lijevi koordinatni sustavi. i . Kako to odrediti? − − → → Prvo translatiramo O u O.

j . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . k ) i S = (O . j . Dakle. tj. onda nisu. pomo´u determinante pripadaju´e c c matrice. → → a b i j k . i . onda su S i S (odnosno njihove baze) jednako orijentirani. k : z − → − → − → − → i = a1 i + a2 j + a3 k . k ) pravokutni normirani c c → → − desni koordinatni sustav. i . − → − → − → − → k = c1 i + c2 j + c3 k . z Napomena 1. k preko i .30 ˇ POGLAVLJE 1.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). j .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani).8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. − → − → → − − → j = b1 i + b2 j + b3 k . j . onda se z orijentiranost od S i S ispituje analogno. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. j . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Prikaˇimo i . ako je D < 0.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. Definicija 1. i . 1.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). c1 c2 c3 Ako je D > 0.

a → − → → → → − → − → − Obratno.♣ Primijetimo da tvrdnje Teorema 1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . Dakle a − → − i b su kolinearni. c Dokaz: − → → Ako je barem jedan od vektora − . pa je cos2 ϕ = 1.8.1. kao saˇeti zapis. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . i ϕ = 0 ili ϕ = π. a c → i → kolinearni. Kako je − · b = |→|| b | cos ϕ. b nul vektor.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. → → → − → → − (a b c a c b c − − → → − → 3. a a a Napomena 1. jer je nul vektor kolinearan sa svakim vektorom. → × ( b + − ) = − × b + − × − . Zbog − · − = |→||− | cos ϕ. − → − → |a a sc a b → − → → − pa i − × b = 0 . − → → → − → − → → 2. ϕ = 0 ili ϕ = π. c c z Teorem 1.♣ → a . → × b = −( b × − ) a a (antikomutativnost).6. tj. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Po pretpostavci je |→| = 0 i | b | = 0. pa desna strana formule za duljinu vektora − × b iˇˇezava. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). Tada je |→ × − | = 0.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Neka su sada oba vektora razliˇita od nul vektora. neka je − × b = 0 . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). Tada je |− × b | = 0.

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

ω r v v ω 0 r Slika 1. i . c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . pravila za skalarno mnoˇenje. dok je s druge strane i × ( i × j ) = − j tj. b . k ). j . Uzmimo npr.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1.1.13 vidimo da je → = − × − .13: Kutna brzina. Sa Slike 1.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ).8. j . k ) koje ´e nam c c biti koristno pri raˇunanju. − × b ) desni (op´enito nepravokutni) koordinatni sustav. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . j . j . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . k ) desni koordinatni sustav (pravokutni i normirani). k ). − . vektore ortonormirane baze ( i . pravila za vektorsko mnoˇenje te gornju tablicu) z z . to je − → → → → − (O.

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

b .♣. onda − → − Obratno.6.4 i 5 iz toˇke 1. → komplanarni. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. s → → − → Definicija 1. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . − komplanarni po Napomeni 1. vektorsko mnoˇenje i mjeˇoviti z z s produkt.11 Za vektore − . jer je a a c → − − → |→ · b | = |− || cos ϕ|.17 Za vektore − . pa tvrdnja slijedi a c iz svojstava determinante 3. pa kako je − okomit na b × − . → − → − → → → → Napomena 1. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. b . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje.16 oni su linearno zavisni. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . kako je a c → − − → → − − → − · ( b × c ) = 0. z → − − − a c Napomena 1.14: Mjeˇoviti produkt triju vektora. b .ˇ 1. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. a | b | sin ϕ visina paralelograma. zakljuˇujemo da su vektori → i b × c okomiti. b = 0 i → = 0 . Pretpostavimo zato da su − = 0 . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . − .16 Vektori →. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − . b . − → − i samo ako su a b c − → → → Ako su − . a a − → → − → − − → − 2.9. Tada. − ∈ XO (E). − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. a a . MJESOVITI PRODUKT 35 bx c a c b Slika 1. Tada je: → → → a b c → − → − → − − → 1. |→ × b | je povrˇina paralelograma razapetog s → i b . gdje je |→| baza.

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

no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. c c s 2. Ta jednadˇba opisuje neki skup toˇaka u ravnini. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1. pri ˇemu su A. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. Takav analitiˇki opis ne ovisi o geometrijskom zoru. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. i .1.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. taj skup je neprazan. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule.Poglavlje 2 Analitiˇka geometrija c 2. Ako je B = 0. B B 37 . B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. onda za c proizvoljni x0 imamo C A y0 = − x0 − .1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O.

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

onda pravac prolazi kroz ishodiˇte.1. onda je pravac os x. c Obratno. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. tj. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . znaˇi z c da prolaze kroz istu toˇku (x0 . Oˇito je (x0 . jer je tada vektor − oblika n − → →=Bj. onda je pravac paralelan s osi x. onda je pravac paralelan s osi y. Dobijemo z B A x + −C y = 1. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . Ako je B = C = 0. pa imamo tvrdnju. 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. postoji t ∈ R takav da je n = t− .1.2. B = tB i C = tC. jer je (0. onda je pravac os y. − n → 3. Ako je A = C = 0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. n n 2. Odatle je A = tA i → → su vektori n n B = tB. jer je tada vektor − oblika n − → →=Ai. − n 4. → → Ax = 0 i vektor n n i 5. z → 2. y0 ) i da je za svaku drugu toˇku (x. C −A −B . Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 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. Ako je C = 0. Ako je B = 0. ako postoji t ∈ R takav da je A = tA. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Ako je A = 0. nepotpune obc z like): 1. jer je (0. jer je toˇka (0.

3: Kanonski oblik jednadˇbe pravca. z p s=mi+nj P1 = (x 1. a ako je y = 0. imamo A x a + y b = 1. c c tj. c c y b a 0 x Slika 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. z 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B .y 1 ) Slika 2. 0). z .1. onda je x = a. pravac prolazi kroz toˇke (0.2: Segmentni oblik jednadˇbe pravca. z z Uoˇimo sljede´e: ako je x = 0.40 ˇ POGLAVLJE 2. b) i (a.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). onda je y = b.

c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. z z Napomena 2.4: Pravac kroz dvije toˇke. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. y1 ) i Q = (x2 . iz kanonske jednadˇbe c z . 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→. y1 ) kroz z c z c → → → = m− + n− . a kako p po pretpostavci prolazi toˇkom P . y = y1 . Toˇka P = (x.y 1 ) Slika 2. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba).2. tj. bez komponente u smjeru j . Npr.y 2 ) P = (x 1. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . onda c c je jasno da njima prolazi jedinstveni pravac p. tj.1. Dakle imamo pravac paralelan s osi c → − → − − → − x. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). z p Q = (x2 . s s 2.1.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. ˇto se vidi i iz vektora smjera → = m i + 0 j .4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . Nadimo jednadˇbu tog pravca. Iz uvjeta x − x1 = λm i − − kolinearni. y2 ) u ravnini M . jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva.

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

PRAVAC U RAVNINI Napomena 2. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. φ ∈ [0.6: Normirani oblik jednadˇbe pravca. z Jasno je da su a. tj. odnosno z → → r n x cos ψ + y sin ψ = d . c − → − → → pa imamo − = cos ψ i + sin ψ j . l). tj.1. imamo k = tg ϕ. π] takvi da je a = cos ψ − i b = cos φ. n − → → Toˇka P = (x. pa tada postoje ψ. a2 + b2 = 1. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). 2. tj. y) leˇi na pravcu p ako i samo ako je z − · − = d. Povucimo sada kroz O pravac q okomit na p. n c y q n θ P0 x r P p 0 Slika 2. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.1.3 Za x = 0 imamo y = l tj. 1]. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. → → r n Jednadˇbu − · − = d. Neka je − = a i + b j jediniˇni vektor na pravcu q. b ∈ [−1. n Kako je tg ϕ = m .2. c 43 n ˇ Uzeli smo da je k = m . s vektorom i ). P = (x. pravac prolazi toˇkom (0.5). c c s − → − → → d = |OP0 |. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.

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

Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. −1 → Neka je ϕ kut izmedu → i −2 . → → kolinearni.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. . tj. ako i samo ako je A1 A2 + B1 B2 = 0. A2 B2 → → 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 − . → n i j 45 Definicija 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 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .2. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .

7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. → → Napomena 2. tj. s1 s2 odnosno ako i samo ako je n1 m1 = . s1 s2 tj. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . − → 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 . m2 n2 → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je − = λ− .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . ako i samo ako je m1 m2 + n1 n2 = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni.

1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . Definicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .ˇ 2.2. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. k2 = tg ϕ2 . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 .7: Kut dvaju pravaca. 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. Neka je ϕ = ϕ2 − ϕ1 . y = k2 x + l2 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . .

Neka je pravac p dan u c c normiranom obliku. tj.7). Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. p) = x0 cos ψ + y0 sin ψ − d.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. s Napomena 2. y0 ) i pravac p u ravnini. k2 2. ANALITICKA GEOMETRIJA Napomena 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. sa suprotne strane od ishodiˇta) jer je tada n s .2. tj. Napomena 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. odnosno ako i samo ako je 1 + k1 k2 = 0. ako i samo ako je ϕ1 = ϕ2 . c Definicija 2.1. x cos ψ + y sin ψ = d. To je ekvivalentno s 1 k1 = − .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .5. 2 ako i samo ako je tg ϕ = ∞. tj.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . 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. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. odnosno ako i samo ako je k1 = k2 .48 ˇ POGLAVLJE 2. Zanima nas udaljenost c toˇke P0 od pravca p. 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) = odnosno d(P0 . y0 ) od pravca p je c d(P0 . p) = |Ax0 +By0 +C| √ .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. p) = |x0 cos ψ + y0 sin ψ − d|. −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. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.ˇ 2. onda iz toˇke 2. 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. tj. a2 +b2 x y + = 1. y0 ) od pravca p je c d(P0 . A2 +B 2 Ax0 + By0 + C √ . ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . kanonski. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 .2. odnosno bx + ay − ab = 0. eksplicitni). p) ≥ 0. pravac kroz dvije toˇke. p) = |bx0 +ay0 −ab| √ . a b . p) < 0. udaljenost toˇke P0 = (x0 .1. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 .1 c z c (segmentni. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 .

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

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

2. Vrijedi i obrat.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. . p)|. p) = x0 cos ψ + y0 sin ψ − d.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 . ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) i δ(B. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . onda je A 1 B1 A 2 B2 = 0. 2.52 i ˇ POGLAVLJE 2. Osim udaljenosti. ako su p1 i p2 paralelni. onda su p1 i p2 paralelni. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.2. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. Napomena 2. p) suprotnog predznaka. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .4).11 Ako je A 1 B1 A 2 B2 = 0.

po Teoremu 1. p3 u ravnini u op´em obliku. tj. → n i j → → −2 = A2 − + B2 − .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 .4 vektori → → −1 = A1 − + B1 − . Oznaˇimo c c c ju sa S = (xs . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. β ∈ R takvi da je −3 = α→ + β −2 . s c Neka se sada. p2 . Tada p3 mora prolaziti kroz S. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . onda prema Napomeni c 2.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. p2 . tj. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini.2. A2 B2 A 1 B1 .ˇ 2. p1 i p2 sijeku u jednoj toˇki. . postoje α.2. Dokaˇimo da je i z C3 = αC1 + βC2 . z c s Da bi se p1 . bez smanjenja op´enitosti. tj. jer ako su sve tri jednake nuli. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. ys ).

B2 . C3 ) su linearno zac visni. p2 . 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 . C1 ). pa po svojstvima determinante 4. iz toˇke 1.54 ˇ POGLAVLJE 2. Drugim rijeˇima. β ∈ R. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. A 2 B2 je razliˇita od nule. C2 ). 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. B3 . B1 . i 5. A3 B3 A2 B2 A2 B2 =0 . S. c A1 B1 . p3 po pretpostavci prolaze istom toˇkom.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. ANALITICKA GEOMETRIJA Kako p1 . (A3 . (A2 .

z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . PRAVAC U PROSTORU 55 2. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. → → → a i + b j + c k . Tada imamo P0 P = − − − . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − .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 1.3 2.3.2). z0 + tc). Neka c z s −→ → → − − radij-vektor toˇke P . y.3. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. 2. → − → r r0 s p ts P0 r 0 s r0 Slika 2.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .9: Pravac u prostoru. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y0 + tb.2. y0 . y. z) = (x0 + ta.3. .

Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . c su koeficijenti smjera pravca p.56 Jednadˇbe z ˇ POGLAVLJE 2. vektor smjera pravca p je dan s (a. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . Prema s z Napomeni 1. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. y0 . b. c) odnosno a.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . 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 . b.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 1.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . ANALITICKA GEOMETRIJA x = x0 + ta. z0 ) i 2. z Napomena 2.3. y = y0 + tb. pravac p prolazi toˇkom (x0 . j i k dobivamo kanonske jednadˇbe pravca. . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . z s Napomena 2. z c s 2. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . Kako su vektori baze linearno nezavisni.

− → z definirajmo s P c s − je vektor smjera pravca p. → − → → r r1 r2 r1 . −| |s Dakle koeficijenti smjera a.5 znamo da postoje kosinusi smjera vektora − . Zbog komplec mentarnosti. istog smjera i orijentacije kao i →. Uzmimo sada npr. i njihov omjer daje koeficijent smjera (toˇka 2. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. y2 . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . z Znamo iz toˇke 2. jedan kosinus smjera prelazi u sinus. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. pa odreduje isti pravac.2. Sada imamo da je → = P1 P2 = → − →. odnosno postoje c s0 α. β. z2 ) u prostoru. PRAVAC U PROSTORU 57 → Posebno.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. γ ∈ [0. π] takvi da je a cos α = − .1. c s → Iz toˇke 1.3. b. Odredimo njegovu jednadˇbu. tj. − .1. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. c) je dana s x y z = = . s 2.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). z1 ) i P2 = (x2 . b. pa iz toˇke − − s r2 c s r2 r1 c 2.3. →| |s c cos γ = → . c). onda ima dva kosinusa smjera. y1 .3. b.6). Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. − →| s →| |→| |→| |s |s s s − jediniˇni. c c Tada kroz njh prolazi jedinstveni pravac p.5 i toˇka 2. →| |s b cos β = − .3. 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. onda znamo da je vektor → s a b c 1 → s0 = − − = − .

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

Napomena 2. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z b c .2. PRAVAC U PROSTORU odnosno.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 .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.3.11: Pravac zadan dvjema projekcijama. uz oznake n = b c b i n1 = − c z0 .3.n ) 1 1 Slika 2. z y=nz+n 1 x =mz+m 1 y 0 x (m .3. Tada za svaki izbor a. y0 . + n2 + 1 2. + n2 + 1 cos β = √ m2 n . vrijedi x−m1 m = y−n1 n = z. Dakle. + n2 + 1 cos γ = √ m2 1 . 59 y = nz + n1 .14 Iz toˇke 2. b.

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

pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.4.2. β. Neka je −0 = OP0 c c n p −→ − (tj. → → r n .1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.4 2.4. 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. 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. a vektor z −0 zovemo normala ravnine Π. P0 d r π n0 0 M Slika 2. k iz toˇke 1.13: Normalni oblik jednadˇbe ravnine. Povucimo okomicu iz toˇke O na ravninu Π. onda je p = 0. → n Posebno. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. z redom (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x.3 ). → → radij-vektora r n c P . toˇku O). → 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. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . ako Π prolazi kroz ishodiˇte (tj. j . y.

b. y1 .2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 .62 ˇ POGLAVLJE 2.2. B = (0. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.4. 0). redom. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. c Neka je M = (x1 .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine.2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. 0. c). Nadalje. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π).2. B. neka su toˇke A = (a. z). a c kako M leˇi u Π . n0 − − → → OB · −0 = p.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. C ∈ Π. n − → → OC · −0 = p. Imamo neˇto analogno otklonu iz toˇke 2. kako su A. Kako je d. n . c c Sada.16 Ako toˇka P ∈ E ima koordinate (x. 2. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. r n Napomena 2. y. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. → ako je M s one strane Π na koju pokazuje −0 . iz normalne jednadˇbe ravnine imamo. z1 ) ∈ E proizvoljna. Kao i kod pravca (toˇka 2. z − − → OA · → = p. Napomena 2. toˇke u kojima Π sijeˇe koordinatne osi x. C = c (0. u stvari. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. z. 0. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. udaljenost ravnine Π od ravnine Π . Za toˇke s druge strane bit ´e n c c d < 0. 0). y. jer je duljina okomice do Π jednaka p).

a cos α = p. z 2. Bez smanjenja op´enitosti. 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. Odatle. z Dakle. . neka je C = 0.2. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ).3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A.4. b cos β = p. 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. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). z = − C x − B y − D .14: Segmentni oblik jednadˇbe ravnine. c C C Tada postoji toˇka (x0 . cos γ = . cos β = . p p p cos α = . c cos γ = p. tj. B.4. y0 .

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

4. Ako je D = 0. ravnina prolazi kroz ishodiˇte. tj. Dakle imamo cos α = 65 A . C). z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. R cos γ = C . istog su smjera n n → c n i orijentacije. po c Napomeni 2. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. R cos β = B .2. B. Stoga ´emo i vektor − zvati vektor normale. z1 ) ∈ E. s c A2 +B 2 +C 2 Napomena 2.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. c . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. nepotpune obc z like): c c z 1. 0.17. Π) = |Ax1 +By1 +Cz1 +D| √ . B. Tada je. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. C C C A z Oznaˇimo a1 = − C .4.1). onda je oˇito da O = (0. pa imamo cos γ = 0.20 Neka je dana toˇka M = (x1 . b1 = − B i c1 = − D . pa odreduju istu ravninu. s → 2. y1 . c onda je A B D z =− x− y− . 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. 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. k ). onda su koordinate A. onda normala − = (A. RAVNINA U PROSTORU predznaka od D. 0) nema komponentu u smjeru n − → osi z (tj. Ako je C = 0. R → → Vektor normale −0 je normirani vektor − = (A. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . tj. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine.

ravnina je paralelna s koordinatnom ravninom Oyz. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. ravnina prolazi kroz ishodiˇte s a prema 3. onda prema 1.4. 4. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . odnosno x = − D . c Od ˇetiri parametra. 0) ima komponentu samo u n smjeru osi x. imamo samo tri nezavisna.66 z ˇ POGLAVLJE 2. z c c 2. z → − a vektore − i → vektori smjera. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. Imamo Ax + D = 0. s1 s2 . s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . Varijable u i v zovemo parametri. B. z → 3. A. ravnina je paralelna A s koordinatnom ravninom Oyz.16: Ravnine u posebnim poloˇajima. B. C koji je razliˇit od nule.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. Ako je B = C = D = 0. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. onda normala − = (A. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. C i D. − i − su komplanarni). Ako je B = C = 0. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . 0.

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

P2 . s1 .5. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni.4.16. P3 ne leˇe na istom pravcu. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .4. y2 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. ako i samo ako su P0 P . z1 ). y1 .68 ˇ POGLAVLJE 2. → komplanarni. P2 = (x2 . P1 P3 komplanarni. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. z3 ) u c prostoru takve da ne leˇe na istom pravcu. Po Napomeni 1. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).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 . vektori s1 s2 −→ → − − − → P0 P . 2. Dakle. P2 . Kao i u toˇki 2. P1 P2 . 2. P3 (uzmemo npr. Kako toˇke P1 .4. P2 . P3 = (x3 . s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . z2 ).16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.5 2. − . y3 . ANALITICKA GEOMETRIJA −→ → − − odnosno. Po Napomeni 1.

♣ . odnosno ako → → kolinearni.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . 3. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . B2 . −1 → Napomena 2. B1 . 69 −1 Definicija 2. ako i samo ako je −1 · −2 = 0. Teorem 2.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . 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 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. C2 ). Ravnine se podudaraju. C1 ) n → i −2 = (A2 .2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.5. Ravnine se sijeku u jednom i samo jednom pravcu. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. tj. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. tj. 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.

drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Njene su koordinate c B1 D1   B2 D2 T0 =  . imamo tre´i sluˇaj. tj. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . . onda se one moraju sje´i. Ako je joˇ i A2 = B1 = C1 = D1 . 0 . da je c = 0. Uzmimo. A2 x + B2 y + C2 z + D2 = 0. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. p z 2.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i .70 ˇ POGLAVLJE 2. A3 x + B3 y + C3 z + D3 = 0. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . onda z s A1 B2 C2 D2 se ravnine podudaraju. 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. Konaˇno. B1 = C2 . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. z c c Kako ravnine nisu paralelne.23. 2. C1 = A1 . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. i njihov c presjek je pravac. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi.5. Ako ravnine nisu paralelne. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. odredenosti radi.   → 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.

Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku.5) i koordinate su mu c c ∆x ∆y ∆z ∆. z nepoznanice). s jedna toˇka. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . toˇka 2. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0.5. b. z Definicija 2. paralelne su).2. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. b. onda je presjeciˇte jedinstveno (tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . c) i − = (A.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. tj.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. B. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. 2. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . ∆.4. C). 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. ∆ . y. → → s n .5.

a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. ANALITICKA GEOMETRIJA → → Znaˇi. odnosno ako → − kolinearni.72 ˇ POGLAVLJE 2.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . c) i − = (A. 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. z c c s z0 = − Am1 + Bn1 + D . i ravnina Π s Ax + By + Cz + D = 0. 2. c) i − = (A. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. tj. b. − Anm1 +Bnn1 +Dn + n1 . ako i samo ako je − · − = 0. → Napomena 2. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . B.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. − Am1 +Bn1 +D .5. ako je π − ϕ kut izmedu − = (a. tj. b. tj. B. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. Am+Bn+C Am+Bn+C Am+Bn+C . Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. → → s n Kako je kosinus kuta izmedu − = (a.

z z . y0 . z1 − c Ax1Aa+Bb+Cc+D . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.5. tj. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. Aa + Bb + Cc Napomena 2. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. tj.28 Ako ne postoji takav t koji je konaˇan. 2.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. ako nema konaˇnog z koji je rjeˇenje. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .5. y1 − b Ax1Aa+Bb+Cc+D . Ax1 + By1 + Cz1 + D .2. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y = y1 + bt. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. a druga je uvjet paralelnosti pravca i ravnine. 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 . z = z1 + ct.

8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Definicija 2.5.74 ˇ POGLAVLJE 2. s1 s2 redom. → → 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 . → → s1 s2 p 2 p 1 Slika 2. b1 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . y2 . Pravac i ravnina se ne sijeku. y1 .18: Mimosmjerni pravci.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c2 ). ANALITICKA GEOMETRIJA Teorem 2. Pravac je sadrˇan u ravnini. Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. c 2. c c c 2. 3. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). c1 ) odnosno − = (a2 . b2 . Pravac i ravnina se sijeku u samo jednoj toˇki. z2 ) s vektorima smjera − = (a1 . z1 ) odnosno c → → P2 = (x2 . .

s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.3. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. tj. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.5. → Napomena 2. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. tj. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. 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 .5. z= 1 m−m n−n . To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . tj.2.5). ako i samo ako je → · − = 0. ako i samo ako postoji λ ∈ R takav da je − = λ→. c c z → s1 Napomena 2. 2.

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

z c 4. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. c =0 . z Moˇe se desiti da su oni paralelni. Ako su sva tri redka proporcionalna. 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 . Teorem 2. imamo isti pravac. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0.29. Pravci leˇe u istoj ravnini i ne sijeku se. i 6.6 na gornju determinantu (tj. z 3. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. Prema Napomeni 2. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. ne leˇe u istoj ravnini. Pozabavimo se sluˇajem mimosmjernih pravaca. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. iz toˇke 1. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini.2. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. ˇetvrti sluˇaj. tj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci su mimosmjerni.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z 2. pa nema presjeciˇta.5. Pravci se podudaraju.

Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . c1 ) c s1 − = (a2 . p1 leˇi u ravnini). imamo da Π prolazi z → → kroz P1 = (x1 .5. Iz s1 s2 Napomene 2. c1 ) i − = (a2 . b1 . b2 . z2 ) s pripadaju´im vektorima smjera − = (a1 . a2 b2 c2 Definicija 2. . y1 . b2 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. z1 ) i paralelna je sa − = (a1 . c2 ). b1 .78 ˇ POGLAVLJE 2. . z1 ) → odnosno P2 = (x2 . a2 b2 c2 a2 b2 c2 . y1 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . kako p1 leˇi u Π i Π je paralelna sa p2 . Dakle. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. y2 . c2 ). = 0. ANALITICKA GEOMETRIJA 2. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .22. 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.

− = → n b1 c1 c1 a1 a1 b1 . zovimo je M . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. z2 ). onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. → − Ako su − i → kolinearni. Napomena 2. . d(p1 . prema Napomeni 2. y2 . Tada pogledamo presjek te ravnine i pravca p2 . uzmimo toˇku P2 = (x2 . y1 . c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). ˇto je toˇka. kako konstruirati ravninu kroz toˇku P1 = (x1 .2.5. (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . jasno je da moˇemo uzeti da joj je normala z − . ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . ˇto znamo izraˇunati. pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . → → → n s1 s2 Time smo dobili izraz kao i gore tj. onda su p1 i p2 paralelni. Tada je.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 .20. .

.

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

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

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

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

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

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

Matrica A = λ1 A1 + .. A2 . z Teorem 3. λk razliˇit od c nule. λk .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c .. A2 . ..♣ Iz Teorema 3. .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.. OSNOVE MATRICNOG RACUNA 87 Teorem 3. Ak .. α(βA) = (αβ)A (homogenost). j) imaju z jedinicu. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . Napomena 3. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. A + B = B + A (komutativnost).ˇ ˇ 3. β ∈ R vrijedi: 1.. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. Ak ∈ Mmn matrice i λ1 . A2 .. Njegovi su elementi (”vektori”) matrice tipa m × n... α(A + B) = αA + αB (distributivnost). Dakle je dimenzija c vektorskog prostora Mmn jednaka mn... (A + B) + C = A + (B + C) (asocijativnost). Ak s koeficijentima λ1 . s Definicija 3.. Ak ∈ Mmn . C ∈ Mmn i sve skalare iz α. ˇto slijedi izravno iz Definicije s 3.4.. . 2.. 3. + λk Ak je linearna kombinacija matrica A1 .. a na svim ostalim mjestima nule ˇini bazu u Mmn . onda je i A ∈ Mmn . λk ∈ R skalari.. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. B... 4. .5 Neka su A1 .. razvijena) u linearni spoj po matricama z z A1 . . . A2 .1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . linearna kombinacija i linearni rastav....3 odnosno Definicije 3. .1. Kaˇemo da je A rastavljena (razloˇena..

(αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. Produkt A·B takvih matrica . c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave.. Tako bismo za matrice A = [aij ]. Napomena 3. B ∈ Mmn .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. Dakle imamo tvrdnju.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . AT = −Aa i A = As + Aa . B. n.. 3. nema podlogu u fizici. 2 Oˇito je AT = As . Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. Oˇito je tako definirana matrica C ∈ Mmn . Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.3 i Definicije 3.4.. geometriji. a za Aa vrijedi AT = −Aa .. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). Definicije 3. Iako jednostavna. itd. . MATRICE I LINEARNI SUSTAVI 1.. gdje su elementi od C dani s cij = aij bij za i = 1.1. m i j = 1. ♣ c s a 3. gdje za As vrijedi AT = As . 2. To nam z name´e sljede´u definiciju.88 POGLAVLJE 3. . (AT )T = A za sve A ∈ Mmn . (A + B)T = AT + B T za sve A.. Takoder. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine.

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

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

x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. Sloˇimo li ih u (2 × 2) matricu.6 Neka je  2 3 4 1   A =  −1 2 1 3  .. dobivamo podmatricu z matrice A. 3. 0.. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. 1 0 3 0  Neka je r = s = 2. dobijemo podmatricu z 3 4 0 3 matrice A. .4. Izaberimo dva redka. Sloˇimo li ih u (r ×s) matricu.3.. c drugi i tre´i. 4.♠ Ako su izabrani redci i stupci uzastopni.. bm ]T poznata matrica desnih strana i z x = [x1 . 3. b = [b1 .6. c . prvi i tre´i. 3.5 Podmatrice i blok matrice Neka je A ∈ Mmn . xn ]T nepoznata matrica. Primjer 3. svaka linearna z jednadˇba ide u svoj redak). i dva stupca npr.ˇ ˇ 3. 3.1.1.. npr. ♣ 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 ). Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. .. takvu podmatricu zovemo blok. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.

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

1. U toˇki 3. c 2. postoji broj koji pomnoˇen s a daje 1. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . c Napomena 3. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Dakle postoje ne nul matrice ˇiji je produkt nul matrica. tj. Npr. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . 1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U skupu R vrijedi: ako je a · b = 0.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A.1. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. c.ˇ ˇ 3. Npr. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.1. dakle ne postoji izbor brojeva a. onda je barem jedan od a ili b jednak nuli. c c c Iz svojstva 5. OSNOVE MATRICNOG RACUNA 93 3. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. tj. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Teorema 3.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .6 Regularne matrice. neka je dana matrica c 0 1 1 0 . b.

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. . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Dakle je A · A−1 = A−1 · A = c In . Tada je B jednoznaˇno odredena s A.9 Neka je A ∈ Mn regularna. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 .94 POGLAVLJE 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . c Teorem 3.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . z Napomena 3. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . c 0 1 1 0 · a b c d = c d a b .♣ Znaˇi. Za matricu A koja nije regularna kaˇemo da je singularna. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . tj. z Definicija 3. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B.

. 0n ∈ Gn . . B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .♣ / z Definicija 3.. In ∈ Gn i In = In .... ai2 . . Dakle i matrica AT · A ima iste elemente.. aj2 . + a2 = 1 i1 i2 in za i = j.. j-ti redak od A).. 2.10 Neka je A = [aij ] ∈ Mn ortogonalna.. ain ) · (aj1 . moˇe se dokazati da ˇine ortonormiranu bazu od Rn .ˇ ˇ 3. n.. aj2 .. s z c . ai2 . aj2 . 5.... ain ) · (aj1 .. ajn ) = ai1 aj1 + ai2 aj2 + . ajn ) za j = 1... OSNOVE MATRICNOG RACUNA 1. aj2 . . ain ) za i = 1. .. . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . . ai2 . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . . Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A... aj2 .... + ain ajn = 0 za i = j i (ai1 . ....6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . Kako je po pretpostavci A ortogonalna.. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In .. .... ajn ) = a2 + a2 + .. Zakljuˇujemo da na mjestu (i. + ain ajn . ai2 .. . ai2 . u stvari. Tada je i-ti redak matrice A z (ai1 ... preciznije Gn ⊂ Mn .. U Napomeni 3. Napomena 3.. (To je. ain ) · (aj1 . vrijedi A · AT = AT · A = In .. ajn ) = ai1 aj1 + ai2 aj2 + .. Stoviˇe. ain ) · (aj1 .. Gn = Mn . n. Ako su A. 95 4. −1 3.. . + ain ajn = δij odnosno (ai1 ...1.. ˇtoviˇe vrijedi da je s s (ai1 . ajn ) = ai1 aj1 + ai2 aj2 + . . a j-ti stupac matrice AT je (aj1 .

moˇemo promatrati kao vektore u vektorskom prostoru Rm . . linearne zavisnosti/nezavisnosti.♣ Kako je po Teoremu 3.. . a1 an → → i izravno iz Definicije 3..... Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. − ) = {λ1 − + . a1 an Napomena 3. ..96 POGLAVLJE 3.5).... Oznaˇavamo ga → → → → a1 an a1 an c − . + λn − : λ1 . matrice iz M1n . z Teorem 3.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .... Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. a1 an . . →) ⊆ Rm . − . Iz Napomene 3...5) i neka je L neki podskup od V . − je skup svih linearnih kombinacija vektora − .6 znamo da stupce.. moˇemo promatrati kao vektore u R .1... Definicija 3. iz Definicije 1. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A)..10 slijedi da je L(− . Iskaˇimo sada jedan bitan rezultat. matrice iz Mm1 ..7 Rang matrice. .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. .... − ) podprostor od Rm . .. Sliˇno. i 3.. .11 Neka su − . Podprostor razapet vektorima a1 an − . Definicija 3.5 izravno slijedi da je r(A) = r(AT ). − ). Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. vrijede svojstva 1. λn ∈ R}. MATRICE I LINEARNI SUSTAVI 3. tj. → → Definicija 3..10 Neka je V vektorski prostor (Definicija 1..11 Oˇito je da je c − − L(→. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. → → s L( a1 an → → → → an a1 L(− . 2..5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. − ∈ Rm . njene z c n redke.

c .. Mmn .. . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Neka je R(A) podprostor od Rm razapet stupcima matrice A. ... − razapinju L(− . Napomena 3... Neka je A ∈ Mmn . Dimenziju vektorskog prostora L(− . Tada je oˇito r(In ) = n.. z Teorem 3.. n). Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn ... Tada je r(0) = 0. − ). .6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.. Neka je In ∈ Mn . Stoga vrijedi s − − dim(L(→.ˇ ˇ 3. Neka je L(− .13 imamo da je r(A) ≤ min(m.. − ) podprostor a1 an a1 an m − . . Napomena 3. Neka je 0 ∈ Mmn nul matrica.. − ∈ Rm .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. znamo da je u a1 an a1 an bazi najviˇe n vektora.. i R (A) podprostor Rn razapet redcima od matrice A.♣ Primjer 3. →)) ≤ n. ...14 Uz gornje oznake iz Teorema 3. . 2. → → → → Napomena 3.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A))..12 Neka su − . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. − )).. . − ) → → → → od R razapet sa a1 an a1 an →. − ....1. →}. .15 Iz Napomene 3...8 Vrijedi: − → 1. . a1 an Vratimo se na konkretan vektorski prostor. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. jer je skup { 0 } uvijek linearno zavisan...13 Kako vektori − ...

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

. Ir ∈ Mr .♠ c Definicija 3. c c Napomena 3. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. Kako je r(A) = r(H) = r.... a a . Primijenimo li na H elementarne transformacije obrnutim redom. Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . Matrica H je Hermiteova forma matrice A.n−r . n). Neka je A ∈ Mmn .1.. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti.. Isto tako. → → a a Napomena 3.16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice.r i 03 ∈ Mm−r... sastavi se matrica A = [− 1 . 02 . − n ] (vektori a a a a − 1 .n−r (01 . − n ). gdje je r ≤ min(m. u bazu podprostora razapetog redcima odnosno stupcima od A. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). Dakle. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. tj. . . jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. Dakle dobijemo matricu H. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija. ..17 Ako imamo n vektora − 1 . OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog.ˇ ˇ 3.. matrica M prelazi u jec c diniˇnu. 03 su nul matrice). 01 ∈ Mr. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 . ... ve´ samo njegovu duljinu.. ekvivalentne matrice imaju isti rang. ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). 02 ∈ Mm−r.13 Matrice A. − n ).. tj. . A = 0..

kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . mnoˇenje matrice A s lijeva matricom Qi (λ. R] (tj. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . Te matrice zovemo elementarnim matricama. In ] dobili matricu [In .♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna.. A je singularna. Sliˇno. Q1 · Q2 · · · Qq · In ] = [In . j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. R]. onda c −1 je A = R. zamjena i-tog i j-tog redka matrice A postiˇe se mnoˇenjem matrice z z A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j-tog redka u jediniˇnoj matrici c I. . Ako smo primjenom q elementarnih transformacija nad redcima matrice [A.7). a ako nije.100 POGLAVLJE 3. D] ∈ Mrp . Primjerice. p ≥ r. Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. te ako je.. formiramo matricu [A. Teorem 3. MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. odnosno R = A−1 . ako je A regularna) mi smo zapravo matricu [A. j). gdje je Ir ∈ Mr jediniˇna. Konaˇno.. Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . 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. In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . Qq . In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In . Ako je to mogu´e. R]. Qi (λ) i Qi (λ. R] (Teorem 3.7 Svaka matrica A = [A0 . na´i njen inverz. Dakle imamo [Q1 · Q2 · · · Qq · A. . odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. pa je R · A = In .

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

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

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

. Dakle stupci od A su linearno x x nezavisni. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . Ho´emo pokazati da je λ1 = .20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). s x → → − → Obrnuto. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.) Ako je n = m i A regularna. (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. tj. Iz Napomene 3.104 POGLAVLJE 3. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. . neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . = λn = 0. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. s − → → II. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. dakle ima bar jedno rjeˇenje. Ako je n = m. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. λ = 0 . Neka su sada λ1 . To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A... s c s → − → → − → − → Ako je A− = b . + a − → → → → λn − n = 0 (− 1 .. bilo kojih r z linearno nezavisnih redaka u A.. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . → je A regularna.6 imamo da je r(A) = n). ♣ − → − Napomena 3. λn ∈ R takvi da je λ1 →1 + . A je regularna. MATRICE I LINEARNI SUSTAVI Teorem 3. . pa je sustav konzistentan. odnosno λ1 = . Ako je r = r(A) = r(Ab ). po Teoremu 3..21 Ako sustav A− = b ima dva rjeˇenja.. Iz − → → − b = (λ1 + x1 )− 1 + . tj. onda ih ima beskonaˇno x s c mnogo.. = λn = 0 a a a c (tj. → → − III. Dokaz: .. jer je A(A b ) = b . − n su vektor stupci od A)..8 homogeni sustav je uvijek c rjeˇiv. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. tj. → − x 0 → → − Napomena 3...8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.6). tj.. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi.. da su stupci od A linearno nezavisni.

skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). tj.2 su oˇito zadovoljena.8 i Napomene 3. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . c Svojstva iz Teorema 1. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .♣ s c z s x → Iz Teorema 3.2. c 3. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .3 Homogeni sustavi → Iz Napomene 3. Tada je. Dokaz: Oˇito je N (A) ⊆ Rn . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . → ∈ 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).1 i Teorema 1. A− = b i A− = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). dakle dokaˇimo da za proizvoljne c z − .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . tj. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .3. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. Treba provjeriti da N (A) ima svojstva iz Definicije 1. u v u v − → dakle → + − ∈ N (A). gdje je λ ∈ R proizvoljan.5. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. x x − → Oˇito je 0 ∈ N (A). u u Dakle je N (A) vektorski podprostor od Rn .♣ .2.22 N (A) je podprostor od Rn . c Napomena 3.

9 I. z s . onda po Teoremu 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . s Dokaz: (Dokazujemo samo tvrdnju II.. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . → → → → Ax a y y 2. gdje je − ∈ N (A). N (A) = { 0 }. Kako je iz Teorema 3. rjeˇenje je x s u s jedinstveno. s x → − → → Obrnuto. onda je i njihova linearna kombinacija rjeˇenje tog sustava. svako rjeˇenje je oblika − 0 + 0 . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. Teorem 3.106 POGLAVLJE 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. tj. iz jedinstvenosti zakljuˇujemo da je − = 0 . Tvrdnja Teorema 3. . ut rjeˇenja homogenog sustava c s − = − .8 je matrica A regularna. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. Po Teoremu 3.) − → → − → − Ako je matrica A sustava A− = b regularna.9.. → → → → u u y y − → → II. prema Teoremu 3. Onda.9 II.9 I. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. Tvrdnja Teorema 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . 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)).♣ Napomena 3.22 zakljuˇujemo da ako su u1 . Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). tj.23 Primijetimo: → 1.. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .

m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. imamo sustav − → − x A0 →0 = β (c).3.... LINEARNI SUSTAVI 107 3. iz Teorema 3... + arr xr + arr+1 xr+1 + . . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.6 imamo da je A0 regularna.. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . − ain cn za i = 1. prebacimo ˇlanove s nepoznanicama xr+1 . .. + arr xr = br − arr+1 xr+1 − .8 II.. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. + a1n xn = b1 .... . . + a1r xr + a1r+1 xr+1 + . .. . ar1 x1 + . − arn xn .. Kako je r(A0 ) = r. .2. . .. cn proizvoljni realni parametri. .. Ako su rangovi jednaki (r(A) = r(Ab ) = r).. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. Nadalje. . . − → Prvo treba odrediti rangove matrica A i Ab .. − → Uvedimo novi vektor desnih strana β (c). pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca... xn na desnu stranu i doc bijemo: a11 x1 + .. . − a1n xn . ar1 x1 + . pri ˇemu su cr+1 . c Dakle.8). Iz Teorema 3.. kao βi (c) = bi − air+1 cr+1 − . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.. Ako oni nisu jednaki.2.... + arn xn = br . + a1r xr = b1 − a1r+1 xr+1 − ... r.

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

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

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

1. onda je det A = 0. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Ako je A ∈ Mn trokutasta (gornja ili donja). 2. je razvoj determinante po prvom redku. det(Qij A) = − det A. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. 3. c 4.2. Posebno je c det In = 1. Neka je A ∈ Mn dijagonalna matrica. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . n ≥ 2. onda je det A = a11 a22 · · · ann . Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. onda sc je det A = 0. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . . determinanta mijenja predznak.3. pravilo za c raˇunanje inverza matrice).7. n ≥ 2. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Svojstva determinante su: 1.

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

3.i+1 (naravno. 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. ai+1. ♣ U Teoremu 3. ♣ Napomena 3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. ♣ Iz Teorema 3.♣ Teorem 3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. onda je det A = 0. Dakle oˇito je det A = 0. itd.i+1 = 0). Teorem 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. z Teorem 3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3. LINEARNI SUSTAVI 113 ispod njega.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. tj.2. Dokaz: Iz Teorema 3. Teorem 3. Ako to nije mogu´e. B ∈ Mn vrijedi det(AB) = det A · det B. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.12 Za proizvoljne matrice A.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. ♣ . det A−1 = 0 i vrijedi det A−1 = (det A)−1 .13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .26 Ako je A ∈ Mn regularna.

(−1)k+i det Aki .13 prethodni zbroj jednak det A. ako je i = j. k) stoji kofaktor elementa aki matrice A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . k=1 Oˇito. onda je po Teoremu 3. Promatramo zbroj n (−1)j+k aik det Ajk . det A Dokaz: Ako je det A = 0.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.27 izravno slijedi: Teorem 3. c Napomena 3. ♣ Napomena 3.28 U Napomeni 3.♣ . c c Dokaz: Neka su uzeti i-ti i j-ti redak. Kofaktor matrice A oznaˇavamo s kof (A).15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Vrijedi i obrat. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.♣ Iz Napomene 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki.26 smo vidjeli da ako je A ∈ Mn regularna. Analogno ide dokaz za stupce.114 Veliˇinu c POGLAVLJE 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . onda iz Teorema 3. onda je det A = 0. Definicija 3.16 imamo da je 1 kof (A) · A = In .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Inaˇe je zbroj det A. det A Dakle A je regularna i A−1 = kof (A) det A . tj. tj.

. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. µ ∈ R i sve − . Rjeˇenje je dano s − = A−1 b .8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. − → → Iz Teorema 3. . xn = . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . → x Teorem 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . . → ∈ Rn . µ ∈ R i sve − . za sve λ.26 i Napomene 3.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. ..3. . A je regularna ako i samo ako je det A = 0. 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 .♣ a 3. → ∈ Rn . Definicija 3. n. 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. Rm = R. a Dk . . onda je rjeˇenje z s tog sustava dano s x1 = D1 .3. Takvu x x funkciju zovemo linearni operator. Ako je m = 1.3 3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.3. onda takav linearni x y operator zovemo linearnim funkcionalom. k = 1. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . Ako je matrica A regularna. Stoviˇe. D x2 = D2 Dn .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.. D D pri ˇemu je D = det A.

2. µ ∈ R i sve →. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. − ∈ Rn . Dokaˇimo da vrijede i prva dva. 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 (− ).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. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. x x Napomena 3. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. Iz Definicije 3. − ∈ Rn .1 i Teorema 1. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. MATRICE I LINEARNI SUSTAVI Napomena 3. 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. tvrdnja slijedi.5. dakle zadovoljavaju tre´e svojstvo Definic cije 1.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . µ ∈ R i sve →. tj. Dokaˇimo da je i F + G linearni z operator.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor.♣ .5. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.

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

MATRICE I LINEARNI SUSTAVI Napomena 3.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.10 Pogledajmo sljede´e primjere: c 1. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .2. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Primjer 3. z) = (x. Napomena 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .10 izravno slijedi teorem o rangu i defektu za linearni operator. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. vrijedi dimN (F ) + dimR(F ) = n. Njegova je matrica dana s 1 0 0 0 1 0 . Dakle dimenziju slike linearnog s operatora takoder zovemo rang. y.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Tada je po Teoremu 3. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. iz toˇke 3. Neka je F : Rn −→ Rm proizvoljan linearni operator. Kako su F i F ustvari isti linearni oper− → − → atori. z) = x. Njegova je matrica dana s 1 0 0 . Sada nas zanima kada su ti vektori kolinearni.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. c H =GF . a defekt jedan. tj.32 i Teorema 3. z . Oˇito je rang od p1 jednak jedan (jer je slika x-os).118 POGLAVLJE 3. odnosno dimN (F ) = dimN (F ). Operator F vektoru iz Rn pridruˇuje vektor iz Rn . y. y). Iz Napomene 3.3. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. c 2. F ∈ Mn ). − → → → Nadalje.♠ c 3. tj. a defekt dva.

tj. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . Dokaz: Oˇito je S(λ0 ) podskup od Rn . Nadalje neka su − . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn .33 Primijetimo: → 1. x x x x → Dakle za svaki µ ∈ R.1 i Teorema 1. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. ♣ Napomena 3. − ∈ S(λ0 ). Nadalje.5. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). µ = 0. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). A− 0 = x x − 0 . 2. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . x y x y x y .2 oˇito zadovoljava. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Dokaz: 1. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Izravno iz Definicije 3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. → → 2.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .3.3. da c z s zadovoljava uvjete Definicije 1. c x y tj. Napomena 3. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).17.17 Neka je A ∈ Mn . tj. neka je µ ∈ R µ = 0 proizvoljan. → → Svojstva iz Teorema 1.

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

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

Za dijagonalne matrice. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). c Teorem 3.♠ Dakle iz Primjera 3. da A c nema realnih svojstvenih vrijednosti. svaki vektor kanonske ortonormirane baze od Rn je svojstven. za nul matrice.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. svojstvene vrijednosti od A nisu realni brojevi. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. iterativne metode. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Definicija 3.122 POGLAVLJE 3. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP.19 Neka je A ∈ Mn simetriˇna matrica. tj. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. Medutim.18 Za matrice A.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. . Nadalje. Tako npr. Tada su sve njene svojstvene vrijednosti realne. imamo cos2 ϕ − 1 < 0 tj. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1.2 = cos ϕ ± Kako je ϕ = kπ. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. tj. nul matrice. cos2 ϕ − 1. Stoga se koriste razne pribliˇne metode. za trokutaste. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. c s c z itd. k ∈ Z.

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

. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.. Tada iz Napomene 3.. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.5) znamo da z z KA (λ) ima n nultoˇaka λ1 .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.34 znamo da je skup S(λ0 ) potprostor od Rn . tj. Dakle 0 nije svojstvena vrijednost. c c Teorem 3.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .. λn . ako je λ0 svojstvena vrijednost od A ∈ Mn . a odgovaraju´i se svojstveni vektori podudaraju. λn . λn od KA (λ) zovemo algebarska kratnost od λ0 .♣ c .. λn od KA (λ) pojavljuje barem jednom.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 .♣ Napomena 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.. . tj. c Teorem 3. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . dijagonalna. . ona se u nizu c nultoˇaka λ1 . λ−1 .. .. Obratno. Ipak.... Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ).124 POGLAVLJE 3.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. c Napomena 3. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . iz osnovnog teorema algebre (Teorem 5.. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .. 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. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. s Teorem 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. ♣ Teorem 3. 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. . nultoˇka od KA (λ).21 Neka je A ∈ Mn simetriˇna. c Kako je KA (λ) polinom n-tog stupnja.12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. Sada. A je regularna. Ako je A joˇ simetriˇna onda iz Teorema 3.

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

132 POGLAVLJE 4. . Ako je r ∈ R. konvergira li.♣ an Teorem 4. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. ako je bn = 0 i n−→∞ lim bn = 0. onda je lim an an = n−→∞ . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c s c c c tj. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . c c c Npr. i ako da. ako ne i nemogu´e. r = 0. c Teorem 4.1. proizvoljan i an ≥ 0 za svaki n ∈ N.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. Tada c an −→ 0 ⇔ 1 −→ ∞. Tada vrijedi: 1.5 Neka je (an ) konvergentan niz. te c ∈ R proizvoljan. n−→∞ n−→∞ n−→∞ 2. lim (an bn ) = lim an lim bn . n−→∞ n−→∞ 3. lim (can ) = c lim an .3 Neka je (an ) niz s pozitivnim ˇlanovima. NIZOVI I REDOVI 4.4 Neka su (an ) i (bn ) konvergentni nizovi. n−→∞ n−→∞ n−→∞ 4. prema kojoj vrijednosti.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. lim (an ± bn ) = lim an ± lim bn . pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε).

dakle divergira ili u uˇem.♣ Teorem 4. on moˇe imati najviˇe jedno gomiliˇte. pa je lim an = 0. niz 1. Logaritmiranjem se dobije n log |q| < log ε. q 3 . Pogledajmo prvo sluˇaj |q| < 1. ε). (an ) raste. za svaki n ∈ N. ili u ˇirem smislu. To je ekvivalentno s |q| < ε. n−→∞ Dokaz: Iz toˇke 4. q 3 . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. G > G . U suprotnom.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . Tj. c c . q 2 .3 imamo |q | −→ ∞. niz (an ) s konvergentan. c Napomena 4.. ˇto ne moˇe biti jer je G gomiliˇte.6 je tipiˇni teorem egzistencije.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj.4. q. tj. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Sada. NIZOVI REALNIH BROJEVA 133 Teorem 4. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. no ne c s znamo koliko je i kako to na´i. Imamo log ε n> .6 Monoton. izraˇunati. . . Onda je po Napomeni 4. Tada po Teoremu 4. Kako je (an ) monoton.. ako s z s s (an ) ima barem dva gomiliˇta G i G . jer je log |q| < 0.1. i ako npr. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . znamo da neˇto postoji..5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.2 niz (an ) ima barem jedno c gomiliˇte... dakle divergentan. po Teoremu 4.1. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.♣ c z s Napomena 4. ograniˇen niz je konvergentan. pa prema prethodnom niz n n −→ 0. tj. c c c Prema Teoremu 4. Teorem 4. q 2 . Dakle imamo samo c c s z s jedno gomiliˇte. vrijedi lim inf an = lim sup an ∈ R. dakle ili q −→ ∞. q.4. Tada je n 1 |q| < 1.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .4 dovoljno je promatrati niz s a1 = 1. odrediti. log |q| Dakle svi ˇlanovi niza 1. c Dokaz: Neka je (an ) monoton i ograniˇen. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. 1 |q n | Neka je sada |q| > 1. Za |q| < 1 je lim an = 0.

n−→∞ n−→∞ n 4. tj. Tada vrijedi n−→∞ lim an = 1.♣ Teorem 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1.1. Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = λn . ako je 0 < λ < 1. ako je λ < 0 √ 5. gdje je λ > 0 proizvoljan. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e.7 je najop´enitiji. n−→∞   0. √ 3. ∀r ∈ N). c z 4. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Tada vrijedi   ∞. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. ako je λ > 0  lim an = 1. ako je λ > 1 lim an = n−→∞ 0. teˇe k nuli. n 6. Neka je niz (an ) dan formulom an = nλ . Neka je niz (an ) dan formulom an = |λ| . NIZOVI I REDOVI Teorem 4.7 (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. 1 n . Tada n! vrijedi lim an = 0. . gdje je λ ∈ R proizvoljan. ako je λ = 0. 2. gdje je λ > 0.134 POGLAVLJE 4. Tada vrijedi lim an = 1. gdje je λ ∈ R proizvoljan. λ = 1. proizvoljan. Neka je niz (an ) dan formulom an = n n. Tada vrijedi ∞.

2 4. . zareze zamijenimo plusevima c dobijemo beskonaˇni red. ∞ an je oznaka za n=1 Primjer 4. a3 . n=1 Ako niz parcijalnih suma (Sn ) divergira. c Definicija 4. tj. + an = k=1 ak = Sn . nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). Ako je S = lim Sn < ∞. a oznaka an divergira.2.2.1 Redovi realnih brojeva Pojam reda. a2 .8 Neka je (an ) niz. No. an je oznaka za red.8 Oznaka sumu reda an . kaˇemo da i red z Napomena 4. Dakle. konaˇna suma.4. Red dobiven od niza (an ) oznaˇavamo s c an . (Sn )).. Definicija 4. REDOVI REALNIH BROJEVA 135 4. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. Konvergencija reda Ako u beskonaˇnom nizu (an ). kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. n-ta parcijalna suma. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). a1 . Za svaki konaˇan n z c veliˇina Sn je dobro definirana. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + .. tj. a konaˇna suma postaje red. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak .9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ).. gdje je (Sn ) niz parcijalnih suma niza (an ).8 Pogledajmo sljede´e primjere: c ..

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

2. n 1 (−1)n−1 n uvjetno konvergentan. n−→∞ odnosno n−→∞ lim an+1 = 0.10 Red an apsolutno konvergira ako konvergira red |an |. a red |an | ne konvergira.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. S = lim Sn = n−→∞ n=1 an . c c ako op´i ˇlan niza (an ) konvergira u nulu. Dakle je red Teorem 4. tj. Ako red an konvergira.♣ c Uoˇimo da iz Primjera 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. onda on konvergira i obiˇno. onda op´enito red c c c an ne mora konvergirati. Definicija 4.9 ne slijedi obrat Teorema 4.8 Ako red apsolutno konvergira. c . REDOVI REALNIH BROJEVA za svaki n ∈ N.♣ 1 1 Napomena 4.8. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. an . Nadalje. oˇito vrijedi c Sn+1 = Sn + an+1 .♠ dok red 1 n divergira (Primjer 4. Primjer 4.9 op´enito ne vrijedi.4.♠ 2n n−→∞ ∞ Napomena 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. kaˇemo da red z an konvergira uvjetno.8).10 Iz Primjera 4. tj. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.

Teorem 4. onda je oˇito an = a1 (−1)n−1 . c Ako je q = −1.138 POGLAVLJE 4. NIZOVI I REDOVI 4. pa je Sn = na1 . vrijedi Sn = a1 za svaki n ∈ N. tj. da geometrijski red a1 q konvergira i da je |q| ≥ 1. q ∈ R proizvoljni.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . tj.. Ako je q = 1. onda je oˇito an = a1 ..9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. tj. zovemo geometrijski red s kvocijentom q. Sn = a1 + a1 q + a1 q 2 + . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.. a to divergira za svaki a1 = 0. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. + a1 q n . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . imamo Sn − qSn = a1 (1 − q n ). Nadalje kako je c n−→∞ lim an = 0 . n−→∞ 1 − q 1−q 1 − qn . Pogledajmo n-tu parcijalnu sumu.. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . Pretpostavimo suprotno. = a1 q n−1 . Iz Teorema 4. + a1 q n−1 . gdje su a1 .5 imamo da je lim Sn = a1 lim a1 1 − qn = .2. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. Nadalje. a1 q n−1 = 1−q n=1 Obrnuto.. c Pretpostavimo da je a1 = 0 i |q| < 1..

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

zovemo red potencija. Neka je an = n! .. Dakle. 0 < λ < 1. .3. onda red an konvergira. onda konTeorem 4. za svaki n ∈ N. Neka je an = 1. Dakle imamo an0 +1 ≤ λan0 . Ako red n an x0 divergira.. an za svaki n ≥ n0 . Ako postoji λ ∈ R. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. gdje je x ∈ R proizvoljan. c Teorem 4.18 Neka je 0 < λ < 1. . za svaki n ∈ N.146 POGLAVLJE 4.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. an za svaki n ≥ n0 . za svaki m ∈ N. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. i n0 ∈ N takav da je an+1 ≤ λ. . .♠ 1 xn−1 (n−1)! 4.♣ Primjer 4. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Oˇito je za x = 0 svaki red potencija konvergentan. . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . 1 2. an0 +m ≤ λm an0 .13 1. i suma mu je 1−x . Tada iz Teorema 4. Dokaz: Neka su λ ∈ R.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Red oblika an xn . red an0 + an0 +1 + .

17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. 1 n+1 lim n−→∞ 1 n 2. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.3. ali vrijedi 1 . c 0 < λ < 1. onda red an ≤ λ.8 znamo da on = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. konvergira.19 Neka je an red s pozitivnim ˇlanovima.14 1. Sada iz Napomene 4. divergira za l > 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. n2 Tada iz Primjera 4.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. imamo da red c an konvergira. Neka je dan red vrijedi 1 . a ne moˇemo niˇta z s zakljuˇiti za l = 1. Ako postoji limes c an+1 = l. n−→∞ an lim onda red an konvergira za l < 1.♣ . Ako postoji λ ∈ R.4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.9 konvergira. n Tada iz Primjera 4.3. 4. c Primjer 4.♣ Napomena 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. an konvergira...8 znamo da on konvergira. Neka je dan red divergira.16 imamo da i red an0 + an0 +1 + .3 Cauchyev kriterij Teorem 4.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).20 zovemo radijus konvergencije reda potencija a n xn . a divergira za sve x ∈ R za koje je |x| > ρ. . Ako postoji lim sup n |an | i lim sup n |an | = 0. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. onda red an konvergira za l < 1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.♠ c s Cauchyev kriterij je jaˇi.15 Analogno kao i u Primjeru 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.148 POGLAVLJE 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. NIZOVI I REDOVI Napomena 4.20 Neka je an xn red potencija. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. divergira za l > 1. (an ) niz u R i x ∈ R prozvoljan. a ne moˇemo niˇta z s zakljuˇiti za l = 1. c 1 Primjer 4.1. Ako postoji limes c n−→∞ lim √ n an = l. tj.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. a iz toˇke 4.14 za red odnosno red n znamo da divergira odnosno konvergira. c Teorem 4.

dakle i apsolutno konvergira red (−1)n .3. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Po Teoremu 4. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Neka je dan red potencija lim sup n 1 n x . itd. n Tada je 1 = lim n−→∞ n n 1 = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.3. Ako je x = 1 onda. Teorem 4. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.20 red potencija |x| < 1. a divergira za |x| > 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. a divergira za |x| > ρ (ako lim sup n |an | postoji). n2 1 n x n2 dakle je ρ = 1. tg n. ali smo u Primjeru 4. Neka je dan red potencija lim sup n 149 1 n x . (−1)n . KRITERIJI KONVERGENCIJE Primjer 4.♠ n2 Teoremu 4. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. 4.4. n 1 n x n dakle je ρ = 1. onda iz Primjera 4.20 red potencija |x| < 1. iz Primjera 4. Ako je x = −1. a divergira za |x| > 1. konvergira za Pogledajmo sada ako je |x| = 1. Iz n2 n2 1 Teorema 4. dok za x = 1 red n 1 divergira. Po Teoremu 4. Tada imamo sljede´i kriterij (Leibnic c zov): . n 2.). konvergira za Pogledajmo sada ako je |x| = 1.8 znamo 1 1 da red konvergira. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). c sin n.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.8 imamo da konvergira i red (−1)n . n2 Tada je n 1 = lim n−→∞ n2 1 = 1.16 1.

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

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

.

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

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

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

3 Graf funkcije Funkcije se zorno prikazuju grafovima. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f .1. z Definicija 5. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. no izvediv.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x.1: Koordinate toˇaka na grafu funkcije. Drugim rijeˇima. f (x)). tj. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. 5. U nastavku ´emo se baviti ovim problec mom. x ∈ D(f )} ⊂ R2 . graf funkcije f sadrˇi sve toˇke ravnine (x. c Napomena 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. projekcija grafa na y-os je slika od f ).Na kraju. graf funkcije f dobijemo z c c kad sve parove oblika (x. f (x)). . FUNKCIJE . y) za koje je y = c z c f (x). i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . prikaˇemo u koordinatnom sustavu.156 POGLAVLJE 5. x ∈ D(f ).

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

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

funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. ε > 0. tj. tj. dok u 0 nije ni rastu´a ni c c c padaju´a. Posebno.5.1. 3. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. tj. D(f ) = R. pa i na cijelom R. tj. c Dakle.1 1. 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) = 5 je definirana na cijelom R. Analogno. +∞ i strogo padaju´a na svakom intervalu u −∞. z c Primjer 5. c 4. i slika su joj svi nenegativni realni brojevi. i strogo je monotona na svakom intervalu u R. +∞ . tj. 0]. Posebno. R(f ) = {x ∈ R : x ≥ 0}. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. zovemo c okolina toˇke x0 . OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . c 2.♠ c Svaki interval oblika x0 − ε. pa i na c cijelom R. D(f ) = R. 0 . Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. D(f ) = R. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. i strogo je padaju´a na svakom intervalu u R. i strogo je rastu´a na svakom intervalu c u R. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). pa i na cijelom R. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. i strogo je monotona na svakom intervalu u R. Posebno. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. D(f ) = R. c c strogo padaju´a u svakoj toˇki iz −∞. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. .

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

za svaki x ∈ D(f ). f (x) = x4 . s Primjer 5. b]). Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval. b ili D(f ) = a. b]. 2.5. tj. onda kaˇemo da je funkcija f parna. f (x) = x|x| su neparne. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). Funkcije f (x) = x. f (x) = x3 . Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. onda kaˇemo da je funkcija f neparna.1. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte.♠ 1 . tj. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5.3 1. |x| su . z Ako vrijedi f (−x) = −f (x).6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. Problem nalaˇenja ekstrema je vrlo bitan. Funkcije f (x) = x2 . za svaki x ∈ D(f ) . onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. f (x) = parne fukcije. D(f ) = [a. D(f ) = [a. f (x) = |x|. Ako vrijedi f (−x) = f (x). Uglavnom zahtijeva primjenu diferz encijalnog raˇuna.4: Primjer funkcije s lokalnim ekstremima. z c c Napomena 5.

1] −→ R dana formulom f (x) = 1 − x2 . tj.5 1 2 3 -5 -7.5: Primjer parne (lijevo) i neparne (desno) funkcije. Takav je rub c c regularna toˇka.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. jedan rub je konaˇan a drugi beskonaˇan). Npr. neka c √ je funkcija f : [−1. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). +∞ . tj.♠ 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 -10 Slika 5. postoji i konaˇan je broj f (−1). c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c .162 POGLAVLJE 5. Primjer 5. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. f (x) = 0 za svaki x ∈ R.5 5 2. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. tj. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.5 -1 -3 -2-2.

s c c c c 2. +∞ −→ R dana formulom f (x) = xx . Tada oˇito f strogo raste u +∞. +∞ −→ R dana formulom f (x) = x−1 . (Npr. c c (Npr. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub.5. tj. +∞ ili −∞. i to brˇe od svakog pravca. Ako z je a ∈ R taj rub.1. neka je funkcija f : [0. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. +∞ −→ R dana formulom f (x) = 2x .) c z . Rub prirodnog podruˇja definicije funkcije je beskonaˇan. To znaˇi z c da. 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 +∞. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. neka je z c funkcija f : 0.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu).) z z c) Funkcija nije definirana u rubu prirodnog podruˇja definicije i ima svoc jstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c pribliˇavaju rubu vrijednost funkcije raste ili pada u +∞ ili −∞. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. (Npr. neka je funkcija c 1 c f : 1.

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

pravac). x0 + δ ) ⊆ f (x0 ) − ε. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Definicija 5. 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 ). 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 . f (x0 ) + ε . z Definicija 5. . Kad bi imala dvije asimptote u jednom rubu. Definirajmo sada pojam neprekidnosti funkcije. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. b −→ R. Intuitivno. dok je u svim drugim toˇkama neprekidna.7 Ako funkcija ima asimptotu.1. Odnosno. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. gdje je I ⊆ D(f ). Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.3 kaˇe da je funkcija f : I = a. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. x > 0  sign x = 0. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Primjer 5.3 Realna funkcija realne varijable f : I = a. Dakle nula je toˇka prekida od f . c 165 Napomena 5.5 Neka je dana funkcija sign : R −→ R formulom   1.5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. x = 0   −1 x < 0 Funkcija f ima prekid u 0. c 1 Uzmimo ε = 2 .

gdje je I ⊆ D(f ). je ograniˇena na I ako postoji realan broj M ∈ R.4. Napomena 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. Napomena 5. za svaki x ∈ I.8 Ako u Definiciji 5.10 Ako je funkcija f : I = a. onda je funkcija f ograniˇena na nekoj okolini oko x0 . Analogo se dokaˇe za x0 < 0. b −→ R. za svaki x ∈ I. b −→ R.9 Iz Definicije 5. 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.♠ z Definicija 5. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.8: Funkcija sign(x). gdje je I ⊆ D(f ). takav da je c |f (x)| ≤ M . tj. b −→ R neprekidna u toˇki c x0 ∈ I. c . za svaki x ∈ I. Napomena 5. funkcija je neprekidna u x0 .4 Realna funkcija realne varijable f : I = a. M ∈ R c takvi da je m ≤ f (x) ≤ M. Ako je x0 > 0. M > 0. iz uvjeta m ≤ f (x) ≤ M. tj.4 stavimo M = max{|m|. je ograniˇena ili omedena na I ako postoje realni brojevi m. FUNKCIJE y 1 0 x −1 Slika 5.166 POGLAVLJE 5.

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

skup funkcija {1. dakle beskonaˇni skup {xn . Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. x. c) Ako je c < 0. graf funkcije f + g je isti kao i graf funkcije f . c c Neka su f. 1. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). c c ∈ R. n = 0. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. g : R −→ R. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. c Preciznije. b) Ako je c > 0. x . Napomena 5. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0.. Uoˇimo da je D(g) = R. a) Ako je c = 0. pri ˇemu je f proizvoljna. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). Npr. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. ..168 POGLAVLJE 5. 1. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. tj. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. Tj. z c z Napomena 5.12 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. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. Pogledajmo funkciju f + g u ovisnosti o c ∈ R.. Dakle imamo definirano c c mnoˇenje funkcije skalarom. .5).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. a g dana formulom g(x) = c...3). pa je D(f ± g) = D(f ). onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). .

Pogledajmo funkciju f g u ovisnosti o c ∈ R. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. b) Ako je 0 < c < 1. 2. y 2 f(x) 0 f(x) x Slika 5. a) Ako je c = 0.1. Dakle. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. funkcija f g ima iste nultoˇke kao i funkcija c c f .10: Graf funkcije 2f (x). onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). vrijedi |(f g)(x)| ≤ |f (x)|. Graf funkcije f g je pravac y = 0 ili x os. tj.9: Graf funkcije f (x) + c za c > 0.5. samo je usporen pad i rast c funkcije f . onda je (f g)(x) = 0 za svaki x ∈ D(f ). . Graf funkcije f g je sliˇan grafu funkcije f . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .

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

c c c Za ostale operacije ova tvrdnja ne vrijedi. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. . npr. g f g a) Ako je c = 0. za f. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. c . Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. onda oˇito g funkcija f u njima nije definirana. onda je f (x) = f (x) za svaki x ∈ D f .4). c c c Napomena 5. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. onda je f (x) = 0 za svaki x ∈ D . Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). f). c). Zbroj dviju padaju´ih funkcija je padaju´a funkcija. 0 . 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. g g 1 b) Ako je c = 1. c g) i 3 b).1. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Dakle. Pogledajmo funkciju g f u ovisnosti o c ∈ R. 3. tamo funkcija f pada. gdje funkcija f raste. tj. funkcija g f je jednaka pravcu y = 0 na skupu D g f . Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno.1.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran).5. Ako funkcija f ima nultoˇke. tj. funkcija f u njima ima c c vertikalne asimptote. OSNOVNI POJMOVI 171 predznaka.

dok su funkcije f g i f obje neparne. te funkcije f g i obje parne. Tim se postupkom mogu stvarati nove z funkcije. Matematiˇki se to formalizira pojmom kompozicija funkcija. onda su funkcije f ± g. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). onda je funkcija f ± g neparna. neparna a f parna. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Ako su obje parne.1. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. g : R −→ R funkcije.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)).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. 2. c h f A B g C Slika 5. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Neka su f. .4).12: Kompozicija funkcija. 3. f g i f g f g sve parne. recimo g.172 POGLAVLJE 5. Definicija 5. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. g 5. Ako su obje neparne. Ako je jedna funkcija. 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. op´enito. tj. .♠ x+1 x+1 173 2x . 1 . Dakle imamo f ◦ id = id ◦ f = f. 3x + 1 3x + 1 2x 6x = . moˇemo gledati funkciju f ◦ f . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). tj. z funkciju f komponirati samu sa sobom. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . g ◦ f = f ◦ g. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).5. da je. c Napomena 5.1.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . za tu funkciju vrijedi g ◦ f = f ◦ g = g. za svaku funkciju g : R −→ R. za proizvoljnu funkciju f . Naime. 1 Primjer 5. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu.7 Neka je dana funkcija f (x) formulom f (x) = x . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. Tada je oˇito c D(f ) = R(f ). Napomena 5.6 vidimo da operacija kompozicije funkcija nije komutativna. U takvom sluˇaju piˇemo f 2 = f ◦ f . OSNOVNI POJMOVI Primjer 5.

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

onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije. onda je i kompozicija g ◦ f neprekidna u x0 . 175 a) Ako su funkcije f i g parne. g f N N P P P P g f N P Slika 5. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. OSNOVNI POJMOVI 2. ako je funkcija f neprekidna u x0 . z 3. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). Toˇnije. a funkcija g definirana c i neprekidna u f (x0 ). onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x).1.13: Kompozicija funkcija. Parnost kompozicije u ovisnosti o parnosti komponenata. c) Ako je funkcija f parna a g neparna. d) Ako je funkcija f neparna a g parna.5. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). c . b) Ako su funkcije f i g neparne.

Uspjeli smo rijeˇiti problem. Dakle imamo. c s Pogledajmo sada obratni problem. tj. b : studenti −→ {0. Dakle.. s s Jasno je da ´e nas npr. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.176 POGLAVLJE 5.♠ Primjer 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. Ne c c moˇemo rijeˇiti problem. 1. Nas zanima x(y). Primjer 5. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. . 12}. 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. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. 200x + 500 = 1300. tj. a za z c neke nije. . 10 sati rada stroja koˇtati 2500 kn.♠ z s Definicija 5.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.8 Troˇkovi rada stroja su 200 kn/h. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. moˇe biti viˇe studenata koji su imali nula bodova.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.1. 2. i obrnuto.. To je za neke funkcije mogu´e. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. Drugim rijeˇima. FUNKCIJE 5. i joˇ 500 kn za dovoz i odvoz. Kaˇe se i da z c z f ne lijepi argumente..

Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. x2 ∈ D(f ).14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).♠ Primjer 5. a injektivnost njegovu jedinstvenost. je injekcija za neparan n. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.1. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. za bilo koji c ∈ R. f : D(f ) → R(f ) je uvijek surjekcija.6 c ekvivalentan sljede´em: za x1 . Napomena 5. Definicija 5.11 U Primjeru 5. 1) i (1. 1).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). surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. n ∈ N. c c Definicija 5.5. Injektivnost. 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. tj. Napomena 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. s c Primjer 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .10 Funkcija f (x) = xn . jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.8 izraˇunali smo da je x(1300) = 4.

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

a ona c c je strogo rastu´a funkcija. To je oˇito inverzna funkcija od f . onda je ona oˇito i bijekcija na svoju sliku.20 Ako je funkcija f : R −→ R strogo monotona.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Primjer 5. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. g2 (x) = x.0] √ i f |[0. pa ima i inverznu funkciju.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. a strogo c c padaju´e funkcije strogo padaju´a.5.10). Dakle vrijedi f ◦ g = g ◦ f = id. g1 (x) = − x. kad govorimo o inverzima funkcija f : R −→ R. Tada iz Napomene 5. no njezine restrikcije na −∞. 0] i [0. c c Dokaz: Neka je f : R −→ R strogo rastu´a.1.20 znamo da f c ima inverznu funkciju g. OSNOVNI POJMOVI 179 Napomena 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.+∞ su bijekcije s inverzima g1 : [0. f | −∞. 0]. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. No f ◦ g = id. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). i √ g2 : [0. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Teorem 5. jer je c f ◦ g = g ◦ f = id.♣ z c . Dakle. +∞ −→ −∞. +∞ −→ [0. +∞ jesu. c Primijetimo da ako f nije strogo monotona nego samo monotona. +∞ . Dakle.♠ Napomena 5.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.

Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Tada je njena inverzna funkcija g : [0. +∞ −→ −∞. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. 0] ili [0. Dakle. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. ali nije bijekcija.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. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.2 Inverzna funkcija neparne funkcije je neparna.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Pokuˇajmo sada.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0.180 POGLAVLJE 5. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.2 ne moˇemo izre´i za parne funkcije. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. jer je f (x) c rastu´a.♠ c Analogno kao u Primjeru 5. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Primjer 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).♣ Iz Primjera 5.12 slijedi da tvrdnju Teorema 5. FUNKCIJE Teorem 5. +∞ gdje je bijekcija. praktiˇno izraˇunati. +∞ . z c Napomena 5. f −1 je neparna. 0] odnosno .

8 0. tj. specijalne funkcije kojima se ovdje ne´emo c baviti. Restrikcija te funkcije na interval [−1. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.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 . no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.16: Graf funkcije f (x) = xex . PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2 -0. c Osim elementarnih postoje i tzv. +∞ je bijekcija. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva.6 0. 0. ima inverznu funkciju.5. +∞ dana formulom − n x odnosno n x.2. 5. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.4 0.4 1 2 Slika 5. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. c .2 -3 -2 -1 -0. +∞ −→ [0. Ako je n neparan. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. ˇ Cak i za funkcije koje imaju inverze.

FUNKCIJE 5.Hiperboliˇke c . mnoˇenih nekim koeficijentima. dolazimo do pojma z .Racionalne funkcije .Ciklometrijske .Polinomi .182 POGLAVLJE 5.Logaritamske . za svaki x ∈ R. xk = x · x · · · x .Ostale algebarske funkcije b) Transcendentne .2.Eksponencijalne . Elementarne a) Algebarske . k Po definiciji stavljamo x0 = 1.1 Klasifikacija i podjela realnih funkcija 1. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Area 2.2.Trigonometrijske .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.

. + a2 x2 + a1 x + a0 . Ovdje podrazumijevamo da je an = 0. Dakle je svaki polinom definiran na cijelom skupu R. tj. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. ako su jednaki kao funkcije.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 + . . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. Definicija 5.2. . Definicija 5.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . a a0 je slobodni koeficijent. a0 su koeficijenti polinoma Pn (x).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. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 .11 Dva polinoma P i Q su jednaka. . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). Polinomi su konceptualno najjednostavije funkcije. P.5 5 2. . c 10 7. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Koeficijent an je vode´i. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. . Realne konstante an .a1 .5.5 -3 -2 -1 -2.

3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. c c c s naravno.5 3 Slika 5.14.. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.11..♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .02 4 0.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. n. Broj c k zove se red ili kratnost nultoˇke x0 . c Primjer 5. a ordinata je. .01 -0. Apscisa nultoˇke je nuliˇte. FUNKCIJE n Teorem 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. 0.. za sve i = 0..♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. 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.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.: n m Teorem 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.02 3 2 0.01 1.5 2 2. 1.4 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 . Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. c c . = an = 0.184 POGLAVLJE 5.

za x ≥ 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Otvor joj je okrenut prema gore ako je a > 0.19: Graf linearne funkcije f (x) = x + 75. Tjeme .3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. odnosno strogo padaju´a. dok za x > x0 vrijedi (x − x0 )k > 0. onda iz Teorema 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. a padaju´a ako je a ≤ 0. a = 0. a prema dolje ako je a < 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Ako je k paran. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). dok c u nultoˇkama parnog reda nema promjene predznaka.ako raste u s c nekoj toˇki. onda iz Teorema 6. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .5. Za a = 0 imamo konstantnu funkciju p(x) = b.22 U nultoˇkama neparnog reda polinom mijenja predznak. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. po Teoremu c 6.8). Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Ako je k neparan. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.2. tj. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). je polinom drugog stupnja ili kvadratna funkcija. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. raste na cijelom R.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Ako su ove nejednakosti c c stroge. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. kaˇemo da je linearna funkcija strogo rastu´a.3 Qn−k (x) = 0 na nekoj oklini oko x0 .

parabole ima koordinate (−b/2a.8) graf polinoma mora negdje sje´i x os.♣ c Iz Teorema 5.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. inaˇe velike pozitivne). Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Teorem 5. tj. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. FUNKCIJE 1 2 Slika 5. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. Zbog neprekidnosti c polinoma na R (Teorem 6. −D/4a).2 = √ −b± D . dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Nultoˇke kvadratne funkcije dane su formulom c x1. c Napomena 5. npr. inaˇe velike negativne vrijednosti).5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.♣ c c . 2a i realne su ako je D ≥ 0. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.

♠ c . onda je oˇito funkcija Pn (x) = xn neparna. i = 1. 1. 0). Strogo pada na −∞. Ako je n = 1. c neparna je i ima nultoˇku u (0.. iz Primjera 5. tj. Ako je n paran broj.♠ Dakle. tj. graf c joj je zrcalno simetriˇan s obzirom na y os. onda je oˇito funkcija Pn (x) = xn parna. n − 1. c vrijedi D(Pn ) = R. strogo raste na [0. dakle je bijekcija i ima nultoˇku u (0. tj..15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0). tj.16 Pogledajmo funkciju (polinom) Pn (x) = xn . P1 (x) strogo raste na R.. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. . dakle nije injekcija.2.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. onda je P1 (x) = x linearna funkcija. R(Pn ) = [0. c 2.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R.5. pravac y = x. +∞ i ima nultoˇku u (0. Primjer 5. Pn (x) strogo raste na R. Ako je n neparan broj. 3. dakle je bijekcija. 0). 0]. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . +∞ . Nadalje. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. Oˇito je D(P1 ) = R(P1 ) = R. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. kao funkcija an xn .

n. Za . z Definicija 5.. Po analogiji s racionalnim c brojevima. m. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. n > 1. razlika. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. 5. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). FUNKCIJE Napomena 5. su koeficijenti polinoma Pnm (x). y) = i=0 j=0 aij xi y j . ali c z kvocijent dvaju polinoma op´enito nije polinom..♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. Realne konstante aij . z n Nadalje. problem poniˇtavanja je vrlo kompliciran. itd.188 POGLAVLJE 5. j = 1. kako se polinom Pn (x) = i=0 ai xi .25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. tj.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.. sam sebi je asimptota. 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.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. dijeljenjem polinoma c izlazimo iz te klase funkcija. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. problem s asimptotike je sloˇeniji.. umnoˇak i kompozicija polinoma ponovo polinom... u tom sluˇaju se situacija komplicira. Npr. . Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. .24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.2.3 Racionalne funkcije Oˇito je zbroj. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. Dakle. Napomena 5. i = 1. Naravno.

Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. 5. takve su definirane na cijelom R. tj. Definicija 5. Funkcija j dana formulom j(x) = x−13 je polinom.5. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. U polu racionalna funkcija c nije definirana. nije racionalna funkcija. s c D(f ) = {x ∈ R. Dakle. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Funkcija hR dana formulom h(x) = 4. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. nultoˇkama nazivnika. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. Red pola je red odgovaraju´e nultoˇke nazivnika. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. 6.) Dakle. Funkcija f dana formulom f (x) = 2. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. (Smatramo da je racionalna funkcija ve´ skra´ena. c Primjer 5. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Dakle.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. tj. c c . 3. Qm (x) = 0}. je racionalna funkcija.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Naravno.2.17 Pogledajmo sljede´e primjere: c 1.

Dakle.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 1 x 1 Slika 5.5 1 80 60 40 20 -1 -0. (lijevo) i pola Napomena 5. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 0. bi x i=0 i−m bi x i=0 i xm . racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.26). imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .190 POGLAVLJE 5. Sada tvrdnja izravno slijedi iz Napomene c 5. kao i u toˇkama u c kojima se nazivnik poniˇtava. tj. kad c argument ide u +∞ i −∞.graf racionalne funkcije moˇe imati asimptote: z 1. z c Dokaz: Red pola je red nultoˇke nazivnika. FUNKCIJE 100 75 50 25 -1 -0. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. i to na vanjskim rubovima prirodnog podruˇja definicije. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).26 Ako je pol parnog reda. dok za polove neparnog z c reda.22. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . Osim vertikalnih.5 -25 -50 -75 -100 0. 2.

b) Ako je n = m. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. bm dok prvi pribrojnik. bn . bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. an c) Ako je n > m + 1. tj. imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . c xm ai xi−m i=0 m tj. xm . onda je n − m > 1. Preciznije. se pribliˇava broju z bi x i−m am . 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 . racionalna funkcija nema ni horizontalne ni kose asimptote. tj. i=0 .5. Racionalna funkcija ima horizontalnu c asimptotu y = 0. onda racionalna funkcija ima horizontalnu asimptotu y = c. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. Dakle. bm x an a) Ako je n < m. d) Ako je n = m + 1. izraz bm xn−m raste ili an pada brˇe od pravca bm x. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. onda je n − m = 1.2.

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

f (x)) = 0. y) = x − y n oˇito je P (x. Tada je oˇito P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. 5. c . dakle je svaki polinom algebarska funkcija.2. Tada je oˇito P (x. Pn (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5. dakle je svaka racionalna c √ Primjer 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. y) = Qm (x)y −Pn (x). Definirajmo polinom u dvije varijable s P (x. y) takav da vrijedi P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. jer u suprotnom ne bi bila funkcija.29 Svaki polinom i racionalna funkcija su algebarske funkcije. c Neka je sada f (x) = funkcija i algebarska. f (x)) = 0. Definirajmo polinom u dvije varijable s P (x.18.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.19 1. y) = Pn (x) − y. Napomena 5. f (x)) = 0.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.2. Definicija 5. Dokaz: Neka je dan proizvoljni polinom Pn (x).

z tj. tj. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. c c √ Nadalje. c 1 3. +∞ .1.13). FUNKCIJE 1 2. +∞ i R(f ) = 0. dakle nema vertikalnu asimptotu. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.194 POGLAVLJE 5. pravac y = 0 je horizontalna asimptota funkcije f . Kada se argument sve viˇe pribliˇava c s z broju 1.20 1. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .28. tj. Dakle. je D(f ) = R(f ) = R (Primjer 5. Nadalje. y) = xy n − 1 oˇito je P (x. Funkcija f je inverzna funkcija funkcije g(x) = x3 . z √ 2. f strogo raste na R i neomedena je. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. dok kosu asimptotu ne moˇe imati zbog Napomene 5. ima vertikalnu asimptotu x = 1.4).1.13). 0 je regularna toˇka (toˇka 5. Nadalje.13).♠ 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. koja je bijekcija sa R na R. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.13). Neka je dana algebarska funkcija f formulom f (x) = 3 x. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. u 1 (toˇka 5. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . √ Primjer 5. Dakle. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. +∞ (Primjer 5. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. +∞ . je D(f ) = 1. c c tj. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Dakle.4). dakle nema niti vertikalnu niti horizontalnu asimptotu. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. f (x)) = 0. Neka je dana algebarska funkcija f formulom f (x) = x. z 1 4. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. je D(f ) = R(f ) = [0.

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).

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

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

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

s 2 1 u nuli i 0 u π .32 Lako je vidjeti da je kosinus parna funkcija. To znaˇi R(sin) = R(cos) = [−1. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 -2 5 10 Slika 5. period razliˇit od 2π i ne s c c .5 -1 -1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.5 -2 5 10 -10 -5 2 1. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. tj. dok je sinus neparna.5 -10 -5 -0. zbog periodiˇnosti. Najmanji pozitivni period je 2π i zovemo ga temeljni period. a kosinusa obrnuto.5. itd. 1].5 -0. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. Nadalje. Nadalje. za opis osz c cilacija. Nadalje. Kaˇemo da im je faza nula. za svaki t ∈ R. je period funkcija sin i cos. napona.2.5 1 0. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. 1]. Dakle je z D(sin) = D(cos) = R. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. vidimo da je −1 ≤ cos t ≤ 1. Napomena 5. krvnoga tlaka. Svaki 2kπ.5 -1 -1.5 1 0. tj. π ]. c 2 1. Medutim. k ∈ Z. imaju amplitudu razliˇitu od 1. π ]. npr. tj. c amplitude i faze. plime i oseke. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. −1 ≤ sin t ≤ 1. temperatura kroz godinu. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan.

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

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

4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. a kotangens strogo padaju´a na 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). π x 2 2 i Ctg x = ctg| 0. Npr. π . c dakle niti bijekcije. ni tangens ni kotangens nisu injekcije. a isto vrijedi s / i za ostale trigonometrijske funkcije.π x su bijekcije s tih intervala na R. FUNKCIJE za svaki t ∈ R \ {kπ. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . 2 i kotangens na 0. restringirajmo sinus na [− π . π].2. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. c c Dakle. π ]. Tada prema Napomeni 5.34 Zbog periodiˇnosti. Napomena 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Dakle sinus nema inverznu funkciju. 1]. a c c s nema rjeˇenja za c ∈ [−1. π . kosinus na 2 2 π π [0. tangens na − 2 .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. njihove restrikcije Tg x = tg| − π . k ∈ Z}. na svoju sliku. 5. 2 . Dakle. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. dakle nisu bijekcije.208 POGLAVLJE 5.33 .

5 1 0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . oˇito je c c D(arcsin) = D(arccos) = [−1.5 -1 -0. π].5 3 2.5 1 -1 -1. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. s z 2 2 s z Kako je tg| − π . ]. π π R(arcsin) = [− . π bijekcija. Iz Teorema 5. inverznu funkciji cos |[0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 1. a c 2 2 2 2 cos |[0.5 -1 -0. 1] −→ [− . 2 2 R(arccos) = [0. Nadalje.π strogo padaju´e.33 slijedi da je arcsin strogo rastu´a. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. π ] . i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. Kako je sin |[− π .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).1 i Napomene 5. π].5 -0. π strogo rastu´e. a arccos c strogo padaju´a na [−1. . rjeˇenje jednadˇbe postoji i jedinstveno je. z π π Za x ∈ [−1. 2 ] jednadˇbe sin t = s z s z x.5 1 Slika 5.5 2 1.34 znamo da su funkcije sin |[− π . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 1 0. 1]. rjeˇenje jednadˇbe postoji i jedinstveno je.5 0. ]. koje zovemo arkus funkcije. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.π] . π ] i tg| − π .5. π jednadˇbe tg t = x . 2 2 koja je inverzna funkciji sin |[− π . 1] −→ [0. dakle su i bijekcije. Dakle.π] i ctg| 0. Dakle. 1]. π ] bijekcija.5 0. 2 2 . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.2.

π .5 -4 -2 2 4 Slika 5. -4 2 1.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. . FUNKCIJE arcctg : R −→ 0. π .5 3 2. Dakle. R(arcctg) = 0. Npr.5 -1 -1. inverznu funkciji ctg| 0.5 -2 -0.5 -2 2 4 4 3. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 1 0. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.210 koja je inverzna funkciji tg| − 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 . π ]. R(arctg) = − . z s z sin x = t. π . dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Napomena 5. oˇito je c c π π D(arctg) = D(arcctg) = R.π . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. Iz Teorema 5. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. pri traˇenju rjeˇenja t jednadˇbe.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 1 0. 1]. tako da bi smo dobili arkus funkcije definirane na tim intervalima.5 2 1. Nadalje. 2 odnosno ctg| 0. c .1 i Napomene 5.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. npr.

Dakle th ima dvije horizonzalne s z asimptote. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. sinus hiperboliˇki. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. cth x = th x i zovemo ih redom kosinus hiperboliˇki. 1 . Nadalje.5. 2 e x − e −x sh x = . Iz formule lagano ˇ slijedi da je |th x | < 1 .9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . iako se definiraju u terc minima eksponencijalne funkcije. dakle nije injekcija. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Strogo raste na R. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Primjerice. 2 sh x e x − e −x th x = = x . y = −1 i y = 1. 2. 3. vrijedi ch x = ch2 x − sh2 x = 1 . ch x e + e −x 1 . +∞ i nema asimptote. Lako se vidi da je neparna. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. neograniˇena je. . Napomena 5. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Stoviˇe. 0] i c strogo raste na [0. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. za svaki x ∈ R. i R(th) = −1. th je neparna.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. Lagano se vidi da je ch x > 0 . Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. Zbog neparnosti c c od sh i parnosti od ch. neograniˇena c je pa je R(sh) = R i nema asimptote. strogo raste na R. za svaki x ∈ R. za svaki x ∈ R. tanges hiperc c boliˇki i kotanges hiperboliˇki. strogo pada na −∞.2.2. +∞ . parna je. Dakle je R(ch) = [1.

Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. Dakle cth ima i dvije horizontalne asimptote. c osim funkcije ch. 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. 1].5 -4 -2 -0. Kako th strogo raste na R. Zbog neparnosti od th i cth je neparna. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. kako je |th x | < 1 . restringiramo na −∞. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. imamo da je |cth x | > 1 . 1. z y = −1 i y = 1. Funkcije inverzne hiperboliˇkima zovu se area funkcije. i R(cth) = R \ [−1. 0] ili [0. zbog parnosti. preciznije areakosc inus hiperboliˇki ili Arch. cth strogo pada na R \ {0}. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. za svaki x ∈ R. Nadalje. 4.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). ch postaje bijekcija na svoju sliku.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. to mora i cth x . imamo: . za svaki x ∈ R\{0}. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. Ako ch.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne.5 1 0.5 -1 -1.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. areasinus hiperboliˇki ili Arsh. tj. +∞ .

5 2 2.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.1 c slijedi da Arcth strogo pada. a x = 0 vertikalna asimptota od cth. R(Arth) = R i iz Teorema 5. Kako su y = −1. y = 1 horizontalne. 4. tj.5 3 Slika 5. 1 .5. Oˇito je D(Arth) = −1. vertikalne asimptote od Arth.5 0. pravci x = −1 i x = 1. +∞).5 2 1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5 1 1. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. iz Teorema 5. Iz Teorema 5. c 3. a pravac y = 0 horizontalna asimptota. Oˇito je D(Arcth) = R \ [−1.5 1 0. . R(Arth) = R \ {0} i iz Teorema 5. 3 2 1 -1 -0. 1]. Oˇito je D(Arsh) = R(Arsh) = R. onda je D(Arch) = [1. Kako su y = −1 i y = 1 horizontalne asimptote od th. PREGLED ELEMENTARNIH FUNKCIJA 213 1. Ako smo ch restringirali na [0. tj.2. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch.1 slijedi da Arth strogo raste.1 zakljuˇujemo da Arch strogo raste.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). vertikalne asimptote od Arth. onda su rubovi −1 i 1. pravci x = −1 i x = 1. +∞ i R(Arch) = [0.5 -1 -2 -3 0. onda su rubovi −1 i 1. c 2. +∞ .

.

1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. (Masa m je izraˇena u gramima. 0 ≤ m ≤ 20 3.8. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05(m2 − m1 ). Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.5 + 0. Dakle imamo c(m) = 2. Graf te funkcije prikazan je na slici 6. 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.8 kn.1 6. a visina poˇtarine c u z s kunama).05h (∆c = ˇ 0.05h = 0. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.Poglavlje 6 Uvod u diferencijalni raˇun c 6.5 + 0.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.05∆m). onda je 215 . Naime.1.05(m − 20).05(m − 20) kn. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . m = 20 i m = 30. m > 20.

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

Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). ako je m lijevo od 20 i dovoljno blizu 20. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. koji c je manji od nekog fiksnog strogo pozitivnog broja. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. S druge strane. 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 . |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1.1. Primjer 6.2 Iz Definicije 6. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. Analogno. s c c Napomena 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. ali je ona c neprekidna s lijeva u toj toˇki.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).1.1 ima prekid u toˇki c = 20. 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 .2 Svojstva neprekidnih funkcija Teorem 6.1 Neka su funkcije f.♠ Primjer 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6.ˇ 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. No.2 Funkcija c(m) iz Primjera 6. 6.1. ipak m(c) nije blizu m(20). ako je m > 20 i m blizu 20. Tada su u toˇki x0 neprekidne i funkije: c .

Uzmimo ε = f (c). tj. Tada je |f (xδ ) − f (c)| > f (c) = ε. f ima prekid u toˇki c.♣ z c Teorem 6. 3. x=0 x f (x) = 1. Dakle.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.2 Neka su funkcije f.♣ Teorem 6. tj. f · g. i neka je f (c) > 0 (f (c) < 0). tj. x = 0 svugdje neprekidna osim u nuli. c s Analogno se dokaˇe sluˇaj f (c) < 0. Ako pogledamo funkciju f restringiranu na segment [−1.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. b takav da je f (x0 ) = 0. Dokaz: Pretpostavimo suprotno. f |[−1. 2. g ˇ POGLAVLJE 6. po pretpostavci. c c Primjer 6. ˇto je suprotno pretpostavci. f . onda njezin graf mora negdje sjeˇi x os.♣ c Teorem 6. c + δ . b]. mora imati nultoˇku.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. c + δ). postoji xδ ∈ (c − δ. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. onda je oˇito f (−1)f (1) = −1 < 0. f + g. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. ali oˇito f nema nultoˇku na segmentu c c c [−1.11 znamo da je funkcija f : R −→ R dana formulom 1 .♠ .3 Iz Napomene 5.1] : [−1. 1] (jer je nema na cijelom R). Ako je funkcija f neprekidna u x0 . i neka je f (a)f (b) < 0. 1] −→ R. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. g : R −→ R takve da je definirano (g ◦ f )(x0 ).218 1. za koji je f (xδ ) ≤ 0. tj. |xδ − c| < δ. 1]. c + δ) takav da je f (xδ ) ≤ 0. f − g. Tada za svaki δ > 0.♣ Teorem 6. Tada postoji x0 ∈ a. onda je funkcija g ◦ f neprekidna u x0 . i x0 ∈ D(f ) i f (x0 ) ∈ D(g). 4. i funkcija g neprekidna u f (x0 ).

4 nuˇan. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . b]. π funkcijom tg je R. 1 . Npr. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. c 1 x je Teorem 6. Tvrdnja z Teorema 6.1. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. Tada je funkcija f neprekidna na intervalu I.♣ Teorem 6.♣ c Tvrdnja Teorema 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. M ∈ R takvi da je m ≤ f (x) ≤ M. Teorem 6.5 ne vrijedi za otvorene intervale.3 Neprekidnost elementarnih funkcija Primjer 6. π .ˇ 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . funkcija f (x) = neprekidna na 0. Npr.3 slijedi da je uvjet neprekidnosti iz Teorema 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.1.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.6 ne vrijedi za otvorene intervale. Pitanje je sad.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.♣ 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. za svaki x ∈ I (Definicija 5. . slika otvorenog intervala − π .4) Teorem 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. ali oˇito je neomedena.4 Funkcije f. Nadalje. 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.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. onda je ta funkcija i neprekidna.

7 su neprekidne.1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). logaritamske. i = 0. hiperboliˇkih (osim kosinusa hiperbolnog). Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Teorem 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. takoder iz Teorema 7. . π monotone c 2 2 bijekcije na R. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. c c neprekidne na R..4) i Teorema 6.9 Eksponencijalne.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.♣ Napomena 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). n. c Dokaz: U Primjeru 6...1 sada slijedi da je na R neprekidna i funkcija x2 . Nadalje. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. dakle iz Teorema 6.1. polinom Pn (x) neprekidan na R. n. . i = 0. 1.♠ z Iz Primjera 6. zakljuˇujemo c da je i suma od ai xi . π odnosno 0.7 c i periodiˇnosti.4 dokazali smo da je funkcija f (x) = x neprekidna na R. z 2. Na kraju.1. z c Uzmimo proizvoljni ε > 0. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. logaritamskih.7. n. .220 ˇ POGLAVLJE 6.1.4 i Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.. na R su neprekidne i funkcije ai xi . Na isti naˇin se zakljuˇi da su xi . UVOD U DIFERENCIJALNI RACUN 1. na intervale − π . tj.. Iz Teorema 6. . Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. 1.. trigonometrijske. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. arkus. jer su njihove restrikcije npr. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.1 direktno imamo: n Teorem 6.. slijedi da c moˇemo uzeti δ = ε. jer je svaka racionalna funkcija kvocijent dvaju polinoma. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. i = 0. takoder iz Teorema 6. 1..7 imamo da su neprekidne i funkcije arctg i arcctg. z c Uzmimo proizvoljni ε > 0. Dokaz: Neprekidnost eksponencijalnih. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.

arccos x i Arch x redom na intervalima −1. posebno je 2 2 neprekidna u π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). dakle su po Teoremu 6. arcsin x i Arch x redom neprekidne na [−1. k ∈ Z. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. 1] i [1. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π .ˇ 6. 2 Zbog stroge monotonosti funkcija sin x. Dakle su funkcije arccos x. ♣ . Oˇito je δ > 0. π 2 2 i 0. tj. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. ˇto je ekvivalentno s s arccos x < ε. π 4 2 4 4 kada x varira po intervalu 0. 0. cos x i ch x redom na intervalima − π . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. x−a x+a cos .1. Zbog neparnosti imamo da je sin x neprekidna i u − π . +∞ iz Teorema 6. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Isto tako 2x+π varira po intervalu π . 1]. 1 . [−1. π . 1 i 1. π i 0. k ∈ Z. 3π . π su monotone bijekcije na 2 2 −1. c Analogno se dokazuju i druge jednostrane neprekidnosti. 1 . +∞ . 3π . ali u Napomeni 6.7 imamo da su neprekidne funkcije arcsin x. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. onda 2x−π varira po intervalu − π . Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. Dakle je arccos x neprekidna s lijeva u toˇki 1. +∞ . Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . 3π . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. te da je Arch x neprekidna s desna u 1. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. 2 2 imamo 2x + π 2x − π cos . moˇemo dobiti i δ = 0. Sada imamo da je sin x neprekidna na 0.7 i neprekidne. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. 3π . 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). Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. π . Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. −1.

ali negativnu.222 ˇ POGLAVLJE 6. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. tj.5 nije definirana u toˇki x = 1. dodemo li s x dovoljno blizu c toˇki 1. ali pozitivnu. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. funkcija nije definirana u toˇki 0. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vidimo da su one c c c blizu vrijednosti −1. Ako uzmemo s c toˇku x dovoljno malu. ako uzmemo toˇku c x dovoljno malu. S druge strane. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. funkcija nije definirana u toˇki 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. za vrijednosti od x koje su malo ve´e od 1.4 Graniˇna vrijednost (limes) funkcije c 1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . dovoljno blizu c nule. zakljuˇujemo. Dakle. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. 6. tj. tj. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. c c 2. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. 4. vrijednosti c funkcije su malo ve´e od −1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. za x malo manji od 1. c 3.1. vrijednosti funkcije c su malo manje od −1. Raˇunaju´i te vrijednosti.

osim.5).ˇ 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . 6. ako c ˇelimo promatrati ponaˇanje oko nule. |f (x) − M | < ε). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. pravac y = π je horizontalna asimptota. Dakle. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Ako funkcija ima limes L u toˇki c. tj. 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.2. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. moˇda u samoj toˇki c.♠ Situacije iz Primjera 6. 2 2 5. osim. a ne znamo izraˇunati ni njenu vrijednost za x = 0. onda piˇemo c s L = lim f (x). . moˇda u samoj toˇki c.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.2.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. 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). Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.1. Definicija 6. Neka je dana funkcija f : R −→ R formulom f (x) = xx . x−→c Ako limes postoji on je i jedinstven: Teorem 6. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.

Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε.6 i Napomz ena 4.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.4 Uoˇimo da je definicija limesa (Definicija 6.224 Tada je L = M . naravno ne zaboravljamo. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. Dakle je M = L. ali postoji bitna razlika. . −∞ ∈ R.2) jako sliˇna definiciji neprekidnosti (Definicija 6. i svaki interval oblika (−∞. tj. Dakle imamo |M − L| < |M − L|. |f (x) − M | < ε). +∞) okolina od +∞. 2 po pretpostavci. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. ˇ POGLAVLJE 6. ˇto ne moˇe biti.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε). +∞. Pri tome uzimamo da je svaki otvoreni interval oblika (M.♣ s z c c Napomena 6. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. M ) je okolina od −∞. pri ˇemu. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. Analogno. da je M = L. Tada za taj ε. Uzmimo sada ε = 1 |M − L|. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ).2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. Ali. postoji δ > 0.

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

5 znamo da funkcija   −1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Dakle je x−→0+ lim sign x = sign 0 . onda je jasno iz Definicije 6. Obrnuto. x−→+∞ 6.5 Neprekidnost i limes Primjer 6. lim 2. x−→+∞ 2 5. x > 0 ima prekid u nuli. c osim.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x2 − 3x + 2 = −1. tj. lim 3. ♣ c Primjer 6. x = 0   1. x−→1 x−1 1 = +∞. x−→0 x π 4. x < 0  sign x = 0.226 ˇ POGLAVLJE 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.5.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.7 Iz Primjera 5.1. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x−→0+ lim xx = 1. onda iz Definicije 6. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. ne postoji lim sin x. x −→0 − lim sign x = −1 .6 Opiˇimo sada pomo´u limesa Primjer 6. s c 1. moˇda u samoj toˇki c. UVOD U DIFERENCIJALNI RACUN Teorem 6. lim arctg x = . ako postoje limesi s lijeva i s desna i oni su jednaki L.♠ 6. Dokaz: Ako funkcija f ima limes L u toˇki c. Nadalje je oˇito da je c x−→0+ lim sign x = 1 .

c c Sada direktno iz Napomene 6.♣ Teorem 6. x−→c+ Dokaz: Izravno iz Definicije 6. Nadalje.3.1 i Primjer 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).1.♠ Primjer 6.13 Neka je funkcija g : R −→ R neprekidna. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .12 kaˇe da ako je funkcija neprekidna u toˇki c. i neka postoji limes funkcije f u toˇki c. imamo x−→c lim f (x) = f (c) = f ( lim x). Zaista imamo: c c Teorem 6.♠ x−→2 Primjeri 6. onda limes i funkcija z c ”komutiraju” tj.4) i da limes mora postojati.2 i definicije jednostranog limesa.1 i 6.7 i 6.4). tj.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). Dokaz: Izravno iz Definicije 6.5 U Teoremu 6.12 imamo: Teorem 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.♣ x−→c Analogno kao Teorem 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)). konaˇan je broj.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. x−→c Napomena 6.ˇ 6. oˇito vrijedi c f (2) = lim f (x).♣ .

7. a > 0 −∞. a < 0. To se posebno odnosi na veliˇine +∞ i −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a > 0 +∞. (−∞) · a = 10.♣ 6. (+∞) · (−∞) = −∞.12 i 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (−∞) · (−∞) = +∞. +∞ ± a = +∞. . a +∞ = 0. −∞. (+∞) · (+∞) = +∞. 8. (−∞) + (−∞) = −∞. 6. 3. a ∈ R proizvoljan. 9. −∞ ± a = −∞.14. 6. jer operacije nisu definirane i operandi nisu realni brojevi. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. 5.228 ˇ POGLAVLJE 6. 4. a ∈ R proizvoljan. (+∞) · a = +∞. Kako one nisu realni brojevi. x−→c+ Dokaz: Izravno iz Teorema 6.1. (+∞) + (+∞) = +∞.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). a ∈ R proizvoljan. UVOD U DIFERENCIJALNI RACUN Teorem 6. a < 0.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. 2.11.

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

0 < a < 1. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. +∞. α < 0. n ∈ N proizvoljan. a>1 −∞. n ∈ N paran. 3. . α > 0 0. n ∈ N neparan +∞. 6. a>1 +∞. 0. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. x−→−∞ lim ax = 10. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. α>0 +∞. 5. −∞. 0 < a < 1. UVOD U DIFERENCIJALNI RACUN 6. n ∈ N neparan. lim x−n = +∞. n ∈ N paran. a>1 +∞.230 ˇ POGLAVLJE 6. −∞. lim xn = +∞. lim x−n = −∞. x−→0− 4. x−→0+ x−→0− 7. n ∈ N proizvoljan. 0 < a < 1. α < 0. x−→+∞ lim ax = 9. x−→+∞ x−→+∞ 2. +∞. 0 < a < 1. x−→+∞ lim loga x = 11. 8. a>1 0. +∞.1.7 Raˇunanje limesa c Neki temeljni limesi 1. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→0+ lim xα = 0.

1. 0). Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). jasno je da je dovoljno x x promatrati x ∈ (0. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). 0) u ravnini. svojstva potencija. koji se nalazi unutar trokuta OBB . ortogonalnu projekcija toˇke A na x os. x−→+∞ x sin x = 1. i zbog parnosti od sin x .6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). . neparnost i sliˇno. π ).16 lim i 1 lim (1 + )x . Kako gledamo c limes funkcije sin x kada x −→ 0. koriste´i definicije limesa i jednostranih limesa (toˇka 6. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Iz toˇke 5. parnost. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.2. Dakle. c c eksponencijalnih i logaritamskih funkcija. a ∈ R. sin x). tj. za a > 1. c Osim ovih limesa.9.1. To znaˇi da je c x−→+∞ lim loga x = +∞.ˇ 6. +∞) i da joj c c je slika cijeli R. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.4). 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. i s B = (1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. pad. njihov rast.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. tg x ). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). Oznaˇimo s A = z c c (cos x. Kada s pravca uzmemo x ∈ (0.

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−→0 x sin x = 1. 2 x 2 sin x 1 ≥ ≥ cos x. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. sin x cos x xr .♣ x lim .232 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x .2: Uz izvod osnovnog trigonometrijskog limesa.

x−→0 t−→0 ln(t + 1) x Iz toˇke 5.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. i da je x = ln(t + 1).ˇ 6.10 ex − 1 = 1. a ∈ R. x−→0 x lim a > 0. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Dakle . x Oznaˇimo sada ex − 1 sa t. c Zbog toga je ex − 1 t lim = lim = 1.1. 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.♠ x−→0 t−→0 x ln a ln(t+1) ln a . ♣ Primjer 6. Tada je jasno da t −→ 0 kada x −→ 0.12 i Teorema 6.17 x−→+∞ 233 lim 1+ 1 x x = e. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 x lim i ax − 1 = ln a. Dakle imamo ax − 1 ex ln a − 1 = lim . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x−→0 x Iz Teorema 6.2.

17.13. 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. g : R −→ R.16. 6. x−→c x−→c 2. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). x−→c c 3.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. 6.2.1 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. . c 6. ♣ x−→c Teoremi 6.1.234 ˇ POGLAVLJE 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).18 i temeljni limesi iz toˇke 6. 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). x−→c x−→c 4.2 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. Tada 1.

DERIVACIJA FUNKCIJE 235 Primjer 6. a t vrijeme za koje smo preˇli taj put. Ideja je koristiti ono ˇto znamo. Trenutna brzina. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. Dakle. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. No uvrstimo li ∆t = 0 u gornju formulu. tj. 0 moramo promatrati limes. t gdje je s prijedeni put. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . c .5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. s(t0 + ∆t) − s(t0 ) v= . 15 minuta nakon polaska. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . dobivamo s v= 50 km = 100 . tj. z c zahtijeva podrobnije razmatranje. Dana je formulom c v= s(b) − s(a) . to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . dobivamo neodredeni izraz tipa 0 . b). za razliku od prosjeˇne. 0. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. t0 + ∆t].2.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. b = t0 + ∆t. ∆t ˇ Sto je ∆t manji. Uzmimo a = t0 . s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente.6. Kretanje je promjena poloˇaja u vremenu. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) .

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

∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .♠ 6. f : I −→ R.4: Sekante i tangenta. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. x0 ∈ I.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu. c mjeri brzinu promjene veliˇine c Definicija 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .2. c Primjer 6. tj.2. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.6.

238 ˇ POGLAVLJE 6.♠ ∆x−→0 ∆x 6. ∆x−→0 ∆x Napomena 6. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f u toˇki x0 je broj.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Dakle je c f (x) = lim f (x + ∆x) − f (x) .3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala 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. UVOD U DIFERENCIJALNI RACUN Primjer 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).6 Uoˇimo bitnu razliku. .2. c c koji se oznaˇava sa f (x0 ). Derivacija funkcije f (x) = kx + l je f (x) = k. za proizvoljne k. Dakle brzina promjene linearne funkcije je konstanta. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. c z Primjer 6.15 Pogledajmo sljede´e primjere: c 1. l ∈ R. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.

DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. funkcija f (x) = l je konstanta. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. a c iz gornjeg raˇuna imamo da je c f (x) = 0.2. Derivacija funkcije f (x) = x2 je f (x) = 2x.6. Dakle je promjena brzine konstantne funkcije nula.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim .♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. ˇto smo i oˇekivali.♠ . tj. s c 2. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x.

∆x Lagano se vidi da je M = 1 i L = −1. ne postoji f (0). to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Dakle iz Teorema 6. c c 6. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). Tu funkcija niti raste c niti pada. odnosno da je tangenta pravac koji raste.240 ˇ POGLAVLJE 6. To su npr. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Takve toˇke zovemo stacionarne toˇke. funkcija pada c c na tom intervalu. problem postoc janja limesa. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. problem konaˇnosti c c limesa. problem rubova domene.4) ustvari limes funkcije f (x + ∆x) − f (x) . Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. problem razliˇitih vrijednosti s lijeva i zdesna.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji.. Sliˇno. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . U toˇkama gdje je f (x) = 0.2. M= ∆x−→0− lim . tangenta je paralelna s osi x. tj.17 1. ako je f (x) < 0 na nekom intervalu. Primjer 6.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.

1. c x0 ∈ I ⊆ D(f ).2. ∆x ∆x−→0 .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. √ 3 241 x nije derivabilna u x0 = 0. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.♠ Teorem 6.7 imamo da je c lim √ 3 1 = +∞. 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 . 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 √ . ∆x ∆x−→0 dakle ne postoji f (0). 3. Funkcija f : R −→ R dana formulom f (x) = x0 = 0. DERIVACIJA FUNKCIJE 2. Tada je f i neprekidna u x0 . ∆x−→0 dakle ne postoji f (0).7 imamo da je c lim √ 3 1 ∆x2 = +∞.

12 zakljuˇujemo da je funkcija g neprekidna u x0 . 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 ). g 2 (x) Dokaz: 1.17 su c neprekidne u nuli. f (x) g(x) = f (x)g(x)−f (x)g (x) . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. f · g i f g (tamo gdje je definirana. Sve tri funkcije iz Primjera 6.20 Neka su funkcije f.19 op´enito ne vrijedi. ali vidjeli smo da nisu derivabilne. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).♣ Obrat Teorema 6.242 ˇ POGLAVLJE 6. I ⊆ D(g). ∆x−→0 ∆x ∆x . ∆x = 0 . razlike. Iz Teorema 6. ∆x f (x0 ). i vrijedi 1. 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 ) . produkta i kvocijenta funkcija Teorem 6. Tada su na I derivabilne i funkcije f ± g. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. Nadalje. (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). g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). Derivacija zbroja.12 imamo da je f neprekidna u x0 . (f (x) ± g(x)) = f (x) ± g (x) 2. tj.

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

Dakle. c Primjer 6. f (x) ∈ J ⊆ D(g). iz Teorema 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Primjera 6. f (x) Ovo se.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. moˇe provesti samo ako je f (x) = 0. Izraˇunajmo joˇ i (f ◦ g) . z Teorem 6.244 ˇ POGLAVLJE 6. f (x) = sin x.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. x ∈ I ⊆ D(f ). f (x) ♣ .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. g = f . gdje je g(x) = x2 . Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Dakle imamo f −1 (f (x)) = x. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.15 i Primjera 6.21. f (x) = 0 na I i neka postoji f −1 . c −1 tj. naravno. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. Sada primjenom Teorema 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . odnosno (f −1 ) (f (x)) = 1 . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .

DERIVACIJA FUNKCIJE Primjer 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.20. Osnovne derivacije dajemo u sljede´oj tablici. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.21 i 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. 6. i vrijedi (f ◦ g)(x) = x. . Iz Teorema 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. odnosno g (x) = 2.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. odnosno 1 g (x) = √ . Derivacija funkcije g(x) = √ 1 .21 i 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .10 imamo da je f (x) = lim e∆x − 1 = 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. c Napomena 6. Kako je (f ◦ g)(x) = x iz Teorema 6.19 Pogledajmo sljede´e primjere: c 1 1. Derivacija funkcije g(x) = ln x je g (x) = x . 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . 2 x x je g (x) = Iz Primjera 6.22 i derivacijama iz donje tablice.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.20. 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.2. x 1 √ .6. ∆x−→0 ∆x lim dakle je f (x) = ex .

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

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

5 2 Slika 6. 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 1.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.5 -1 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu.23). dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. dakle je f (0) = cos 0 = 1.248 ˇ POGLAVLJE 6. Iz Primjera 6. Dakle.16 znamo da je f (x) = cos x. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. c Primjer 6. 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”.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.♠ s s c . UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.

2. odnosno f (0) = 1. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. 1 Kako je f (0) = 0. ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G.6.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. gdje je G glavnica. odnosno 2 = (1 + r)t . Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 .♠ c s . Imamo 2G = G(1 + r)t . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . f (r) = 1+r . DERIVACIJA FUNKCIJE 249 Primjer 6.

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

Napomena 6. f (b)) z c postoji toˇka x ∈ a. f (a)) i (b. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b ∈ I.13 Primijetimo: 1.6. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. tj.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.2. b−a onda Teorem 6. f (b)). f (a)) i (b. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. a < b. b−a y f(x) 0 a x0 b x Slika 6.26 kaˇe da za svaku sekantu kroz toˇke (a.25. b u kojoj je tangenta paralelna s tom sekantom. c . b za koju je F (x ) = 0. postoji x ∈ a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). b−a f (b) − f (a) (x − a). Neka je L pravac kroz toˇke (a.♣ f (b) − f (a) . proizvoljne. tj.

26 je bitan. z Iz Teorema 6.258 ˇ POGLAVLJE 6. Kako je f (x) = 3. x ≤ 1 .13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. y f(x) 0 a b x Slika 6. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). UVOD U DIFERENCIJALNI RACUN 2.12. . 2 za koji je f (x ) = 1. x ≤ 1 f (x) = 3 x > 1. b−a ali ne postoji x ∈ 0. pa je. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. oˇito je c x−→1 lim f (x) = 3 = f (1). f neprekidna na R. 0 x>1 oˇito f ima prekid u x = 1. x za koji je f (x) − f (a) = f (x ).26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Ako je dana funkcija f : R −→ R formulom 3x. po Teoremu 6. Uvjet f ∈ C 1 (I) iz Teorema 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).

14 Za n = 0 Teorem 6.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. f (x)). ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. Koliko je ta aproksimcija dobra? Odnosno. tj. no u nekoj toˇki sigurno je.5). Teorem 6. c Usporedimo to s lokalnom linearizacijom (toˇka 6. . imamo c pribliˇni izraz. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .. 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 +. iz Teorema 6.+ (x−x0 )n + (x−x0 )n+1 . f (a)) i (x.2.27 je baˇ Lagrangeov teorem srednje s vrijednosti.. tj. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. 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 . poznavaju´i vric c jednosti viˇih derivacija u x0 . imamo toˇan izraz. i ne znamo ga toˇno. tj. tj.6.2. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.26. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. ali ne znamo za koji x .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).♣ 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. Napomena 6. S druge strane.

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

28 Neka je f ∈ C 1 (I) za neki interval I... Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. (2n)! Napomena 6.2. tj.. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .. dakle nisu jako c dobri za numeriku. Moˇe se pokazati da su funkcije ex .15 Taylorovi redovi obiˇno sporo konvergiraju. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .6.3. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . sin x. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .1). 6. n! ∞ sin x = n=0 (−1)n x2n+1 . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).2. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. odnosno konvergirati nekoj z (x drugoj funkciji. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.

Obratno. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. lim x2 = 0).24 smo vidjeli da.11 imamo da obrat ne vrijedi. 2. Ovaj smjer se dokazuje analogno kao u Teoremu 6.26 postoji x ∈ (x. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). za svaki x ∈ I. pa je f (x) = lim za svaki x ∈ I. onda funkcija strogo raste (pada) na I. x−→0 U Teoremu 6. dakle z funkcija f raste na I. obratna tvrdnja ne mora vrijediti. Iz Napomene 6. Dakle ne vrijedi f (x) > 0 na R.♠ Iz Primjera 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. onda je f (x0 ) = 0. Tada. Dokaz: c 1. ∆x Primjer 6. UVOD U DIFERENCIJALNI RACUN 1. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. po Teoremu 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I.25 zakljuˇujemo da u Teoremu 6. Kako je desna strana gornje jednadˇbe nenegativna. . 2. to je i lijeva strana takva. Jedan smjer bismo mogli dokazati. Dokaz ide na sliˇan naˇin.26. pa je f (x + ∆x) − f (x) ≥ 0. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. ∆x za svaki x ∈ I. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. za svaki x ∈ I. jer se c s c medu njima nalaze potencijalni ekstremi. Medutim. Limes nenegativne funkcije mora i sam biti nenegativan.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0.262 ˇ POGLAVLJE 6.28 primjenom Teorema 6.

6. u stacionarnoj toˇki funkcija moˇe. x2 ∈ I. a s druge pada (raste)). 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).4. c Dakle. da je barem f ∈ C 2 (I)). a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Dokaz: Izravno iz toˇke 5. kaˇemo da je f konkavna na I. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.24. c Kao ˇto smo rekli.♣ c Konveksnost.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.1. . jer konveksnost i konkavnost ovise o predznaku druge derivacije. imati s c z lokalni ekstrem. Definicija 6. DERIVACIJA FUNKCIJE 263 Definicija 6. Teorema 6.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. Ako derivacija s c ne mijenja predznak. ali i ne mora. onda u x0 funkcija f ima lokalni minimum. onda u x0 funkcija f ima lokalni maksimum.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .28.2. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. Teorema 6. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . x2 ∈ I. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . 2 za sve x1 . konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Teorem 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).

funkcija f ima u x0 ∈ I lokalni maksimum. jer c c se nalazi izmedu x0 i x.30 Neka je f : I −→ R klase C 2 (I). Onda ´e i toˇka cx iz Teorema 6. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Dokaz: 1. ali je f (0) = 0. funkcija f ima u x0 ∈ I lokalni minimum. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Dokaz ide na sliˇan naˇin. iz Teorema 6. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). konveksnost i konkavnost su odredene predznakom druge derivacije. Primijenimo li Teorem 6.264 ˇ POGLAVLJE 6. Dakle je f (cx ) > 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. c 1.27 biti iz te okoline. Ako je f (x0 ) > 0. 2.♣ Teorem 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. c . c c Dakle. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. za svaki x ∈ I. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .27 za sluˇaj c n = 1. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 .3). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. a konkavna ako je za sve x1 . za svaki x ∈ I. f (x1 )) i (x2 . c 2.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Npr. f (x2 )). 2. izmedu x1 .6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . x2 ∈ I graf konveksne funkcije je ispod. Teorem 6. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. UVOD U DIFERENCIJALNI RACUN Definicija 6. Ako je f (x0 ) < 0. 1.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Zbog neprekidnosti druge c derivacije.31. Uzmimo x proizvoljan iz te okoline.

c + δ strogo konkavna ili je na c − δ.34 Neka su f i g derivabilne funkcije na I osim. z s c c Teorem 6.24 f (c) = 0. neka je f na c − δ. ∞ .7 Neka je f : I −→ R i c ∈ I. 0 i 0. Ako je c ∈ I toˇka infleksije od f . Dakle je konveksna na −∞. Dakle. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. x ∈ I. c Teorem 6. c strogo konkavna i na c. g (x) onda je i x−→x0 lim f (x) = L. c c Kaˇe se joˇ da je toˇka (c. 0 i f (x) > 0 za x ∈ 0. c strogo konveksna i na c. Neka postoji δ > 0 takav da je funkcija f na c − δ. Onda je c toˇka infleksije od f . DERIVACIJA FUNKCIJE 265 Definicija 6. Tada iz Teorema 6. moˇda. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.32 Neka je f ∈ C 2 (I).♣ Uvjet f (c) = 0 iz Teorema 6. z Neka je lim f (x) = lim g(x) = 0. 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). Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c) i pada na (c. Ako je g (x) = 0 za svaki x = x0 . ∞ .7. onda je c f (c) = 0.♣ Raˇunanje limesa . Dokaz: Bez smanjenja op´enitosti.2.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . pa je po Teoremu 6. f (c)) toˇka infleksije grafa funkcije f . c + δ strogo konveksna. pa x = 0 ne moˇe biti z toˇka infleksije.L’Hospitalovo pravilo c Teorem 6. x ∈ I. c + δ strogo c konkavna za neki δ > 0. u x0 ∈ I. c Dokaz: Izravno iz Definicije 6.30 imamo da funkcija f raste na (c − δ. f ima lokalni maksimum u c. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .6. c strogo konveksna i na c. ali je f (x) > 0 za x ∈ −∞. Iz Teorema 6.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Npr.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.

gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . . .12) i iz Teorema 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. f (n) (x0 ) = 0. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki.266 i ˇ POGLAVLJE 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. tg α2 = f2 (x0 ).12). analogno kao u dokazu Teorema 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.16 Neka su funkcije f. iz Teorema 6. . po g (x0 ) = 0. . c Napomena 6.♣ g (x) f g Na Teorem 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . f (x0 ) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. Tada.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) . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. g (n+1) (x0 ) = 0. g(x0 ) = 0. c Dakle.34. g (n) (x0 ) = 0. . . . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . Znamo da je c tg α1 = f1 (x0 ). 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 ) = .

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

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

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

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

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

.

n = 0. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. v = v(t)? Ili prirast populacije nije konstantan.1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. 2. 2. Dakle je funkcija z 273 . Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja..Poglavlje 7 Uvod u integralni raˇun c 7. Iz z Napomene 6. odgovor je jednostavan . 1.. Npr. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I)... ∞. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina..treba ih samo mnoˇiti c z vremenom. za n godina bit ´e ih za n·100 viˇe nego danas. 1... vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. . c s z Ako su te veliˇine konstantne. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. .1. n = 0.1 7. ∞. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. 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.9 znamo da su skupovi C n (I).

linearan operator koji mu je inverzan. 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).7 izravno slijedi da je operator deriviranja linearan. C ∈ R. itd. . 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.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x).5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. c Primjerice. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.1 Neka je f neprekidna funkcija na I ⊆ R.2. UVOD U INTEGRALNI RACUN deriviranja operator. Stoviˇe.20 i Napomene 6. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. da je x primitivna funkcija funkcije x.274 ˇ POGLAVLJE 7. Teorem 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Iz Teorema 6. a onda pogledajmo kada postoje i koja su im svojstva. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Definicija 7. ako postoji. Uvedimo prvo ime za takve funkcije. jer je derivacija svake konstante jednaka nuli. Zanima nas. Odatle slijedi vaˇno svojstvo primitivnih funkcija.

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

zbog linearnosti derivacije. Neka je F primitivna funkcija funkcije f . c zbog linearnosti derivacije.1 Iz Teorema 7.3 Vrijedi: 1.276 ˇ POGLAVLJE 7. F ± G primitivna funkcija funkcije f ± g. Dokaz: Neka je F primitivna funkcija funkcije f .20 i Napomena 6. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2. Kako je imamo f (x)dx f (x)dx = F (x) + C.2 f (x)dx = f (x).♣ Napomena 7. = (F (x) + C) = F (x) = f (x).1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. z Teorem 7. UVOD U INTEGRALNI RACUN neodredenog integrala. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. cF c primitivna funkcija funkcije cf . Za ostale operacije nema jednostavnih pravila.7). Dokaz: 1. Oˇito je. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Oˇito je. Teorem 7. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. 2. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.♣ . f (x)dx.

Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.4).3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.2) i svojstva iz Teoc c rema 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.2. c c z z to obiˇno nije lako.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.1 Pogledajmo sljede´e primjere: c . Primjer 7.7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. tabliˇne integrale. S druge strane.1. c c koriste´i pravila i tablicu derivacija (toˇka 6. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c 7. Najpoznatiji primjer je e−x dx.1. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Ako se i moˇe integrirati. Tako moˇemo integrirati polinome i jednostavnije racionalne. eksponencijalne i z trigonometrijske funkcije. tzv. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.

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

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

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

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

Imamo produkt u kojem oba faktora znamo lako integrirati. v du + u dv. Polazimo od formule za derivaciju produkta funkcija. a drugi se deriviranjen pojednostavnjuje. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Koji od njih treba odabrati kao v? v du.6 Pogledajmo sljede´e primjere: c 1.♣ u (x)v(x)dx. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. zbog dv = v dx. klase C 1 (I). Napomena 7. tj. .282 ˇ POGLAVLJE 7. v du. (uv) = u v + v u.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Odredimo integral funkcije f (x) = x cos x. du = u dx.

Odredimo integral funkcije f (x) = x2 ex . du = u dx = dx. dv = v dx = cos x dx.♠ Iz Primjera 7. na prvi pogled. c x2 ex dx = (x2 − 2x + 2)ex + C. v = ex . Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. Joˇ nismo izraˇunali polazni integral. i u = x2 . tj. . Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. dobivamo s xex dx = xex − Konaˇno. du = − sin x dx. s Parcijalnom se integracijom moˇemo posluˇiti i kad. tj. 2.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. c 2 dv = v dx = x dx. no sveli smo ga na jednostavniji ins c tegral xex dx. nema proz z dukta u podintegralnoj funkciji. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x.7.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. tj.1. Sada je v = sin x. c ˇto daje du = u dx = 2x dx i v = ex . Dobivamo s x2 ex dx = x2 ex − 2 xex dx. c Primjer 7. NEODREDENI INTEGRAL 283 Stavimo u = x. v = x. Primijenimo li parcijalnu integraciju joˇ jednom. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. Dobili smo integral koji je kompliciraniji od polaznog. v = cos x. Sada je v = x .

ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. x dx x i v = x. i u = arctg x . tj. tj. Stavimo dv = dx. 2. i u = sin x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C .♠ 2 x dx . v = 1. ˇto daje du = u dx = s cos x dx i v = − cos x. v = sin x.284 ˇ POGLAVLJE 7. 1. Stavimo dv = dx. v = 1. ˇto daje du = u dx = s v = x. sin2 x dx. Odredimo integral funkcije f (x) = sin2 x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. Odredimo integral funkcije f (x) = arctg x . Odredimo integral funkcije f (x) = ln x.5 imamo x dx 1 = ln(x2 + 1) + C. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. tj. i u = ln x.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Stavimo dv = sin x dx. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . UVOD U INTEGRALNI RACUN 1.

Odatle je Im = − 1 m−1 sinm−1 x cos x + Im−2 . sinm x dx. tj. c c Sliˇno se raˇunaju i integrali c c cosm x dx. tj. sin−m x dx. Dobivamo Im = sinm x dx = sinm−1 x sin x dx = sinm−2 cos2 x dx = sinm−2 (1 − sin2 x)dx = − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1)Im−2 − (m − 1)Im .♠ . Kako znamo I0 i I1 . pa je I= 1 sin2 x dx = (x − sin x cos x) + C. i u = sinm−1 x. Stavimo dv = sin x dx. nakon konaˇno z c mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za Im .7. 2.1. Oznaˇimo c Im = Sada imamo Im = sinm x dx = sinm−1 x sin x dx. v = sin x. 2 285 sin2 x dx = x−sin x cos x−I. m m Formula za Im je rekurzivna. ˇto daje du = s m−2 u dx = (m − 1) sin x cos x dx i v = − cos x. Parcijalnom integracijom mogu se izvesti i rekurzivne formule. Odredimo integral funkcije f (x) = sinm x. daje nam Im u terminima integrala s niˇom potencijom funkcije sin x. sinm x cosn x dx. NEODREDENI INTEGRAL − sin x cos x+ (1−sin2 x)dx = x−sin x cos x− Odatle je 2I = x − sin x cos x.

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

a u brojnicima konstante ili linearni polinomi. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. onda je to i x0 . onda je x0 = x0 . Uvrstimo u integral. onda je to i x0 .1. onda polinom (x − x0 ) dijeli Pn (x). Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija.♠ 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 od Pn (x). ako je x0 ∈ C oblika a + bi.7. c Metoda se temelji na sljede´im svojstvima polinoma. pa tvrdnja oˇito vrijedi. 2. Qn−1 (x). onda je x0 = a − bi. polinom (x − x0 ) dijeli s c c z polinom Pn (x). i ostatak r(x) koji je polinom stupnja 0. gdje c su a. ako je x0 ∈ C nultoˇka od Pn (x). Tada vrijedi: 1. NEODREDENI INTEGRAL 3. Odredimo integral funkcije f (x) = 1 . Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. c Neka je x0 ∈ C \ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. pa je du = dx. tj. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. x−3 287 Uvedimo supstituciju u = x − 3. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. tj. c Napomena 7. b ∈ R. c 2. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.) Dokaz: 1. tj. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . . konstanta. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). c c 3. Ako je x0 ∈ R. r(x) = C ∈ R.

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

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

q je sloˇenija. x3 −2x2 +x .q =  (b− a )q−1 1 4 + C. Primjer 7. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo. Integracija integrala I2.q se lako izraˇuna supstitucijom u = t2 + 1: c   I1. 2 2 q>1 q = 1. q = 1.q . logaritama z i arkustangensa. q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C. + 1)q Time smo problem sveli na odredivanje integrala I1. Dobiva se z I2. Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija.q = (t2 t dt + 1)q i I2.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 . c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen.290 dobivamo ˇ POGLAVLJE 7.1 . 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C.q = (t2 dt . Imamo 2x2 − 3x + 3 A B D = + + .q = + 2q−3 I2. x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 . + 1)q Integral I1. nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. i kako znamo izraˇunati integral I2.q rekurzivna.) c Kako je formula za I2.q−1 . UVOD U INTEGRALNI RACUN 1 Mx + N a2 aM ) dx = (b − )−q+ 2 (N − 2 + ax + b)q (x 4 2 (t2 dt + + 1)q (b − a2 −q+1 ) M 4 (t2 tdt .

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

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

gdje se zbraja po svim trokutima triangulacije Ti . problem moˇemo s c z smatrati u biti rijeˇenim.2. s P = i P (Ti ). tj. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku.2.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. ploha. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. ODREDENI INTEGRAL 293 7. Kako povrˇinu trokuta znamo raˇunati. Takav lik ˇesto zovemo krivuljnim trapezom. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. c . tj. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. Povrˇina je geometrijska kategorija.7. duˇinama. c z Napomena 7.3: Triangulacija podruˇja u ravnini omedenog duˇinama. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. jer je to uobiˇajenije. Lik se triangulira.1 Odredeni integral Motivacija .2 7. T1 T2 T3 T4 Slika 7.

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

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

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

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

Uoˇimo da za svaku podjelu r segmenta [a. c i = 1. b] je integrabilna.6 Svaka neprekidna funkcija na [a.. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. n. Koje jesu? Neprekidne sigurno jesu. b] je integrabilna. tj. c Dokaz: Ako f raste na [a. x∈Q 0.♠ Napomena 7.5 Svaka monotona funkcija na [a.♣ Napomena 7. b].13 vidimo da nisu sve funkcije na segmentu [a. b]. f (x) = nije integrabilna. c Iz Primjera 7. Koje joˇ? s Teorem 7.. Izraˇunajmo iz definicije c b 1. b]. b] integrabilne. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). . b].3 Ako za funkciju f moˇemo definirati odredeni integral na [a. onda je ona i c ograniˇena.♣ Teorem 7. Primjer 7. nisu integrabilne. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.9 Uoˇimo da ako je f monotona funkcija na [a.. za svaki x ∈ [a. dakle je f ograniˇena funkcija na [a.8 Dirichletova funkcija ima prekid u svakoj toˇki. Dirichletova funkcija nije integrabilna. a . b] z kaˇemo da je f integrabilna na [a. onda je f (a) ≤ f (x) ≤ f (b). b] imamo mi = 0 i Mi = 1.298 ˇ POGLAVLJE 7.13 Dirichletova funkcija. x ∈ R \ Q.♣ Primjer 7. 1 dx. b]. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. z c tj.14 1. b]. b]. UVOD U INTEGRALNI RACUN Definicija 7.

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

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

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

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

2 i Teorema 6. jer npr. b] (skup R(I) nije prazan. . i = 1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Mi = 0. j − 1.13). i Mj = f (c).. onda je c b f (x)dx = 0.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). b] i da je f (c) > 0.. a 4.♣ b b 5. .18.. gdje je c ∈ R proizvoljan. b]). 6.. .. j + 1... ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. Dakle beskonaˇni skup {xn : n = 0. x2 . .. i = 1... Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. n. Oˇito je z c c tada m = 0.18.7. M = f (c) i za svaku podjelu r segmenta [a.. n. x. xj ]. 1. pa je mi = 0.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.2. Stoviˇe. Ako je funkcija f : [a.♣ c Napomena 7. dakle i integrabilna. b] toˇka c pada u toˇno jedan c c [xj−1 . .3). Nadalje. a cf (x)dx = c a f (x)dx. a (f (x) ± g(x))dx = a ili aditivnost integrala. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.} se c nalazi u nekoj bazi od R(I). .. skup c {1. i svaka funkcija iz tog skupa je neprekidna na I. Dakle je s(r) = 0 i S(r) = Mj ∆xj . Beskonaˇnodimenzionalan je.. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. unutra se sigurno nalaze sve neprekidne funkcije na [a.2 i Teorema 6.

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

Neka su f i g neprekidne funkcije na [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. onda je b f (x)dx > 0. Iz pozitivnosti funkcije f na [a. b].♣ 9. x2 ] imamo x2 f (x)dx > 0. b] tada iz Teorema 6. b]. Tada je b b f (x)dx ≤ a a g(x)dx. onda je F (c) = g(c) − f (c) > 0. b] onda vrijedi stroga nejednakost. c F (x) = g(x) − f (x) ≥ 0.3 slijedi da postoji interval I ⊂ [a.2. Ako je f neprekidna i nenegativna funkcija na [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a.8 je dobro definirana funkcija F ∈ C 1 [a. Dakle postoje x1 . b] iz Teorema 6. b] odnosno stroge pozitivnosti na [x1 . Dokaz: Po Teoremu 7. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b] oko toˇke c takav da je f (x) > 0. b]. Ako je f (c) < g(c) za bar jedno c ∈ [a.28 F raste na [a. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. x2 ∈ I takve c da je x1 < c < x2 . tj. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. b] i ako je f (c) > 0 za neki c ∈ [a. i oˇito ima pozitivnu derivaciju.7. b]. za svaki x ∈ I . Odatle slijedi da je F (b) ≥ F (a) = 0. po Teoremu 6. Dakle. Ovo svojstvo se zove svojstvo monotonosti integrala. ODREDENI INTEGRAL 305 8.3 slijedi da postoji interval . Kako je funkcija F = g − f neprekidna na [a.

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

Oˇito je da funkcija f ima prekid u x0 = 0. 1] za koju je f (c) = 0. imamo da je 1 f (x)dx = 0. a Teorem 7.♠ c . Povrˇina ispod s grafa neprekidne funkcije f nad [a... n Za funkcije koje nisu neprekidne Teorem 7. Nadalje.. −1 medutim ne postoji toˇka c ∈ [−1... x < 0.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. an ∈ R je a = c ).7.2. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.7 ne mora vrijediti: Primjer 7. c Napomena 7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. se zove srednja vrijednost funkcije f na segmentu [a. iz svojstva 7. . a2 .+an dine (aritmetiˇka sredina od a1 . kako je f neparna c funkcija. b]. Odatle ime teoremu.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.9: Teorem srednje vrijednosti za odredeni integral. x ≥ 0 −1.

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

Po Teoremu 7. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ.3.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. pa onda i na svakom podsegmentu [x. ∆x−→0 ∆x Funkcija f je neprekidna na [a. NEWTON .11: Funkcija F (x).7.LEIBNIZOVA FORMULA je derivabilna na [a. Ho´emo gledati c ∆F . ∆x odnosno f (ζ1 ) = m ≤ . Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.6). x+∆x]. ∆F ≤ M = f (ζ2 ). b] i vrijedi F (x) = f (x). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. b].

8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . toˇke ζ1 i ζ2 moraju teˇiti prema x. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).♣ x ∆x−→0 ∆F ≤ f (x). f (x) ≤ F (x) ≤ f (x).Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.310 ˇ POGLAVLJE 7. F (x) = f (x). i neodredeni. Sliˇno i za ζ2 −→ x. no dokaz je bitno sloˇeniji. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.2 c dobivamo x b F (a) = a f (a)dζ = 0. b]. b F (b) = a f (ζ)dζ.2. Odatle slijedi c f (x) ≤ lim tj. iz toˇke 7. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). tj. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . b] i F (x) = f (x). ∆x Teorem 7. zbog neprekidnosti funkcije f na [a. a Dokaz: Prema Teoremu 7. Odatle je a f (x)dx = F (b) − F (a).Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. onda.9 (Newton .8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. Dakle je F (x) derivabilna funkcija na cijelom [a.12).♣ Newton . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. z Teorem 7. U njoj se povezuju odredeni integral. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. do kojeg dolazimo preko limesa niza integralnih suma.

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

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. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Iz Primjera 7. u dv = uv a b a − a v du. b i neka je x−→b− lim f (x) = +∞. kao i da je samo poc druˇje integracije konaˇno.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. Primjer 7. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.6 i omedena) na podruˇju integracije. U takvim sluˇajevima govorimo c s c o nepravim integralima.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. 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.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6.10. .♠ 7.312 ˇ POGLAVLJE 7. tj.17 Izraˇunajmo c 0 1 xex dx. c c c Neka je funkcija f neprekidna na [a.

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

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

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

za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Znamo c . Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. Primjer 7. +∞ . −n + 1 −n + 1 za n > 1.2. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. tj. c z z Promatrajmo sada drugi mogu´i izvor problema. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Neka je funkcija f neprekidna na [a. integral dx divergira za n ≥ 1. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a).♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. situaciju kad podruˇje c c integracije nije ograniˇeno.316 ˇ POGLAVLJE 7. iz toˇke 7. divergira za n ≥ 1. b]. Uz svojstvo monotonosti integrala (svojstvo 9.2) npr. Dakle tn b a dx (x − b)n konvergira za n < 1. 0].19 moˇe posluˇiti pri usporedivanju. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.

13: Nepravi integral po neograniˇenom podruˇju integracije. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. −∞ pa i za sluˇaj c +∞ f (x)dx. c c da za svaki x ∈ [a. Izraˇunajmo c +∞ 0 e−x dx. tj. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ Primjer 7. +∞ postoji integral te funkcije u granicama od a do x.20 1. postoji x f (ζ)dζ.4. 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. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. kaˇemo da integral divergira.7. a Ako promatrani limes ne postoji. .

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. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. Izraˇunajmo 1 +∞ dx .♠ c . x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 2. 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. c 3. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Izraˇunajmo c dx . Izraˇunajmo c 1 +∞ dx . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1.

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

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

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

kad max ∆xi+1 −→ 0. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. Iz Primjera 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x.♠ 2 . No taj popreˇni presjek c c 2 je krug. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. i=0 Prijedemo na limes. a njegova povrˇina za zadani x je jednaka f (x)π.322 y ˇ POGLAVLJE 7. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . tj. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. 0). ako taj limes postoji kad n −→ ∞. 0. oznaˇimo s P (xi ). S druge strane. Primjer 7.

b]. f2 : [a. za svaki x ∈ [a. 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.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. c z y R 0 Η x Slika 7. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. Dakle.ˇ 7. c Primjer 7.5. .18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. ako su f1 . z z Po gornjoj formuli. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x).

19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .324 y ˇ POGLAVLJE 7. R > r.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. Primjer 7. y R r 0 x −R Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. f2 (x) = R − √ r 2 − x2 . .

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

Primjer 7. (Teˇiˇte je toˇka u kojoj.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. Uzmemo li ˇkare i izreˇemo taj lik. segmentom [a. Zelimo odrediti teˇiˇte izrezanog lika. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . dobijemo tanko tijelo. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. ono ostaje u ravnoteˇi. b]. zs zs c ako podupremo tijelo. Promatramo lik omeden pravcima x = a. b] na osi x i grafom funkcije f nad [a. b]. yi ). c s c .) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . x = b. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .326 ˇ POGLAVLJE 7.5. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. da mu je gusto´a c ˇ svuda ista. tj. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.♠ 5 7.

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

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

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

za svaki x ∈ [a. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. v) tada su novi momenti jednaki Mx + my i My + mx).330 ˇ POGLAVLJE 7.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u. Tada su. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. − 4 r ). x2 + (y − R)2 = r2 . Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. Dakle teˇiˇte je (0.25. po prvom Guldinovu teoremu i Primjeru 7. i omedenim pravcima x = a i x = b) raˇuna se po formulama c Mx = 1 µ 2 My = µ b a b a 2 f2 (x)dx − 1 µ 2 b a b a 2 f1 (x)dx. R > r. po prvom Guldinovu teoremu. volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 π(2(R + )π) = r2 Rπ 2 + r3 π 2 3π 3 1 4r 4 Vu = r2 π(2(R − )π) = r2 Rπ 2 − r3 π. . 4 π ). Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . b] takvih da je f2 (x) ≥ f1 (x). 3 −r 4r . zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. b]. tj. xf2 (x)dx − µ xf1 (x)dx.♠ ishodiˇtu. 3π r r pa teˇiˇte ima koordinate (0.26 Sada moˇemo. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT .

Dakle mu je apscisa zs s si . b] na n podsegmenata toˇkama a = x0 < x1 < . Podijelimo segment [a. b] omedena s pravcima x = a i x = b. Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja. a to je u srediˇtu valjka. b]) funkcije f oko osi x. na osi x. PRIMJENE INTEGRALNOG RACUNA xT = My . My : c c n My = µπ i=1 si f 2 (si )∆xi . i = 1. n. volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi ..5.13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema.. .. Raˇunamo statiˇki moment s obzirom na os y. zs c z tj. Ovdje smo s dm oznaˇili veliˇinu dm = µπf 2 (x)dx. 0). Uz konstantnu gusto´u µ. Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. Napomena 7. = b a x dm b a dm . M= b a dm. gdje su mi i Mi najmanja i najve´a vrijednost funkcije f c i na [xi−1 . gdje je si ∈ [xi−1 . njenim integriranjen od a c c do b dobije se masa rotacijskog tijela. M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. xi ]. Zbog neprekidnosti od f . b b M= a f2 (x)dx − a f1 (x)dx. masa tog komadi´a je µf 2 (si )π∆xi . Zanima nas njegova apscisa. Zbog simetrije. < xn−1 < xn = b. je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi . . U limesu ∆xi −→ 0 ovo prelazi u odredeni integral My = µπ pa za apscisu teˇiˇta dobivamo zs xT = b 2 a xf (x)dx b 2 a f (x)dx b a xf 2 (x)dx. tj.ˇ 7. M 331 yT = Mx . xi ] i ∆xi = xi − xi−1 .. teˇiˇte ´e leˇati na osi rotacije. Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi ..

za µ = 1. Primjer 7. 4 3 Zbog M = µV = 1 R2 πH. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.♠ 8 π 4 R .27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1.24: Teˇiˇte homogenog stoˇca. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 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 . 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 . 4 Zbog M = µV = 14 3 R π. 23 dobivamo xT = Mx M .♠ z Primjer 7. dobivamo xT = 4 H. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.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.332 ˇ POGLAVLJE 7. y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7. mjereno od osnovice. tj. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .

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

n dobivamo i=1 µa∆yi s2 . za si ∈ [xi . b] osi x. . gdje je M = µab masa pravokutnika. a to. UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7. 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju. xi ] i visinama f (si ). i = 1. n. Sliˇno se dobije da je c I y = 1 M a2 . te grafom (pozitivne i neprekidne na [a.. b]) funkcije f . dobije se s Ix = 1 M b2 .. Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . za ∆yi −→ 0.25: Moment inercije homogenog pravokutnika. xi+1 ]. 3 3 . 12 Iy = 1 M a2 . 12 Promatramo sad homogen ravan lik omeden komadom [a. 3 3 3 tj.334 ˇ POGLAVLJE 7. pravcima x = a i x = b. Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi µf 2 (si ) = µf 3 (si )∆xi . 1 Ix = 3 M b2 ..

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

Oˇito funkcija ϕ : [0.8 imamo 1 Ix = r4 π. c Primjer 7. b] podijeli na male podsegmente [xi−1 .336 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. xi ].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 . i zbroje se momenti inercije malih valjaka polumjera f (si ). i visine ∆xi = xi − xi−1 . i = 1.. . moment inercije cijelog kruga obzirom na y os je Iy = Ix . dakle je 1 I0 = Ix + Iy = M r2 . π] −→ R zadovoljava Teorem 7.♠ 2 Kombinacijom razmatranja iz toˇke 7. Iz ϕ(t) = −r imamo t1 = π. 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. 5 .. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. gdje je si ∈ [xi−1 . 4 4 4 Takoder zbog simetrije.10. Sada iz Primjera 7. Analogno iz ϕ(t) = r imamo t2 = 0.5. 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.. 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. xi ].2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. Prijelazom na limes dobijemo gornju formulu. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .

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

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

♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . ako znamo poloˇaj tijela u trenutku t1 = 0.7 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 . onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. Primjer 7. c ds = 1 + [f (x)]2 dx.♣ s zs 7.. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka.5. Ovdje smo s ds oznaˇili diferencijal luka. 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. . tj.ˇ 7. Teorem 7. i = 1. ploˇtinu sfere polumjera r.31 Izraˇunajmo oploˇje kugle. gdje je si ∈ [xi−1 . .5. 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.. xi ]. 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 . Toˇnije.26). n..

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

Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. b] z z b W = a F (x)dx. 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. onda je b W (h) = a F (x)dx. i nakon toga s . F = −kx. pri ˇemu je g ≈ 9. no nije ni bitna.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. rad) biti kvadratna funkcija pomaka x. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Primjer 7. s Primjer 7. Ako sila nije konstantna. 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. Tada ´e njen integral (tj. tj. Konstanta k nam nije zadana u ovom primjeru.33 Jarak duljine 10 m. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. b]. To je formula dobivena integriranjem konstantne sile mg od 0 do h. 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. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 .ˇ 7.5. Odavde odmah slijedi da je rad sile F (x) na putu [a. ako se masa tijela mijenja.

a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. ˇirina c s 2(1 − x) m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.30: Jarak iz Primjera 7.29: Jarak iz Primjera 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. . U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. s x 0 y h Slika 7.342 ˇ POGLAVLJE 7.33. duljina jarka je 10 m. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.33. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.83 J. a debljina sloja je dx metara). Integriraju´i doprinose svih dubina c od 0 do h = 1 m.

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 = . Uzimaju´i da su mp .5. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . c z s 2 K F (R) = R2 = P .34 Koliki je rad potreban uloˇiti da se tijelo (npr. (Ovdje je mz masa Zemlje. Dakle je K = P R2 i F (x) = PxR . To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. gdje smo s c K oznaˇili K = Gmz mp .♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. s z Primjer 7. z z Primjer 7. 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. 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 . mp masa projektila i G univerzalna gravitacijska konstanta). No ta sila je. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. 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.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. upravo teˇina z K tijela. tj.ˇ 7. po definiciji. c c c smanjenje zbog utroˇka goriva. To se postiˇe integriranjem po dubini sile na z mali element povrˇine.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. mz i G konstante. 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. 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. imamo F (x) = x2 .

344 ˇ POGLAVLJE 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.35.31: Kanal iz Primjera 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.♠ s c .

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

Sign up to vote on this title
UsefulNot useful