Ivan Slapniˇar c

MATEMATIKA 2

http://www.fesb.hr/mat2
ˇ s Sveuciliˇte u Splitu Fakultet elektrotehnike, strojarstva i brodogradnje Split, oˇujak 2008. z

Sadrˇaj z
Popis slika Predgovor 1. NEODREDENI INTEGRAL 1.1 Definicija i osnovna svojstva . . . . . . . . . . . . . . . . . . . 1.1.1 1.2 1.3 Tablica osnovnih integrala . . . . . . . . . . . . . . . . xiii xv 1 2 6 9 12 15 16 20 22 26 28 28 29 30 32 34 39 43 v

Metode supstitucije . . . . . . . . . . . . . . . . . . . . . . . . Metoda parcijalne integracije . . . . . . . . . . . . . . . . . . 1.3.1 Rekurzivne formule . . . . . . . . . . . . . . . . . . . .

1.4

Integriranje racionalnih funkcija . . . . . . . . . . . . . . . . . 1.4.1 Primjer . . . . . . . . . . . . . . . . . . . . . . . . . .

1.5 1.6 1.7

Racionalne funkcije trigonometrijskih funkcija . . . . . . . . . Racionalne funkcije hiperbolnih funkcija . . . . . . . . . . . . Integriranje nekih iracionalnih funkcija . . . . . . . . . . . . . 1.7.1 1.7.2 1.7.3 1.7.4 Racionalna supstitucija . . . . . . . . . . . . . . . . . Trigonometrijske i Eulerove supstitucije . . . . . . . . Metoda neodredenih koeficijenata . . . . . . . . . . . . Binomni integral . . . . . . . . . . . . . . . . . . . . .

1.8 1.9

Integriranje reda funkcija . . . . . . . . . . . . . . . . . . . . Slobodan pad uz otpor zraka . . . . . . . . . . . . . . . . . .

2. ODREDENI INTEGRAL

2.1 2.2 2.3 2.4 2.5

Definicija i osnovna svojstva . . . . . . . . . . . . . . . . . . . Newton-Leibnitzova formula . . . . . . . . . . . . . . . . . . . Supstitucija i parcijalna integracija . . . . . . . . . . . . . . . Teoremi o odredenom integralu . . . . . . . . . . . . . . . . . Nepravi integral . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1 Kriteriji konvergencije . . . . . . . . . . . . . . . . . .

44 48 52 54 57 59 62 62 70 73 76 78 82 84 88 88 90 93 95 97 99 99

2.6

Primjene odredenog integrala . . . . . . . . . . . . . . . . . . 2.6.1 2.6.2 2.6.3 2.6.4 2.6.5 2.6.6 2.6.7 Povrˇina ravninskog lika . . . . . . . . . . . . . . . . . s Duljina luka ravninske krivulje . . . . . . . . . . . . . Volumen rotacionog tijela . . . . . . . . . . . . . . . . Oploˇje rotacionog tijela . . . . . . . . . . . . . . . . . s Sila i rad . . . . . . . . . . . . . . . . . . . . . . . . . Hidrostatski tlak i sila . . . . . . . . . . . . . . . . . . Momenti i teˇiˇte . . . . . . . . . . . . . . . . . . . . . zs

2.7

Numeriˇko integriranje . . . . . . . . . . . . . . . . . . . . . . c 2.7.1 2.7.2 2.7.3 2.7.4 2.7.5 Eliptiˇki integrali . . . . . . . . . . . . . . . . . . . . . c Trapezna formula . . . . . . . . . . . . . . . . . . . . . Simpsonova formula . . . . . . . . . . . . . . . . . . . Richardsonova ekstrapolacija . . . . . . . . . . . . . . Programi . . . . . . . . . . . . . . . . . . . . . . . . .

ˇ 3. FUNKCIJE VISE VARIJABLI 3.1 3.2 3.3 3.4 Definicija . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Limes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Neprekidnost . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Plohe drugog reda . . . . . . . . . . . . . . . . . . . . . . . . 111 3.4.1 3.4.2 3.4.3 3.4.4 Eliptiˇki paraboloid . . . . . . . . . . . . . . . . . . . 112 c Hiperboliˇki paraboloid . . . . . . . . . . . . . . . . . 114 c Hiperboloid . . . . . . . . . . . . . . . . . . . . . . . . 116 Stoˇac . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 z vi

3.4.5 3.4.6 3.4.7 3.5 3.6 3.7 3.8 3.9

Cilindri . . . . . . . . . . . . . . . . . . . . . . . . . . 118 Neke zanimljive plohe . . . . . . . . . . . . . . . . . . 119 Presjek ploha . . . . . . . . . . . . . . . . . . . . . . . 119

Parcijalne derivacije . . . . . . . . . . . . . . . . . . . . . . . 122 Totalni diferencijal . . . . . . . . . . . . . . . . . . . . . . . . 126 Tangencijalna ravnina . . . . . . . . . . . . . . . . . . . . . . 129 Parcijalne derivacije kompozicije funkcija . . . . . . . . . . . 134 Totalni diferencijal viˇeg reda . . . . . . . . . . . . . . . . . . 135 s 3.9.1 Taylorova formula . . . . . . . . . . . . . . . . . . . . 136

3.10 Ekstremi funkcija viˇe varijabla . . . . . . . . . . . . . . . . . 139 s 3.11 Implicitno zadane funkcije . . . . . . . . . . . . . . . . . . . . 148 3.12 Problem vezanog ekstrema . . . . . . . . . . . . . . . . . . . . 159 ˇ 4. VISESTRUKI INTEGRALI 4.1 4.2 169

Definicija i osnovna svojstva . . . . . . . . . . . . . . . . . . . 169 Dvostruki integral . . . . . . . . . . . . . . . . . . . . . . . . 173 4.2.1 4.2.2 4.2.3 Volumen i povrˇina . . . . . . . . . . . . . . . . . . . . 176 s Polarne koordinate . . . . . . . . . . . . . . . . . . . . 177 Nepravi integral . . . . . . . . . . . . . . . . . . . . . 180

4.3

Trostruki integral . . . . . . . . . . . . . . . . . . . . . . . . . 183 4.3.1 Cilindriˇne i sferne koordinate c . . . . . . . . . . . . . 184

4.4 4.5 4.6 4.7

Zamjena varijabli . . . . . . . . . . . . . . . . . . . . . . . . . 188 Momenti i teˇiˇta . . . . . . . . . . . . . . . . . . . . . . . . . 190 zs Integrali ovisni o parametru . . . . . . . . . . . . . . . . . . . 195 Varijacioni raˇun . . . . . . . . . . . . . . . . . . . . . . . . . 200 c 4.7.1 4.7.2 4.7.3 4.7.4 Nuˇni i dovoljni uvjeti ekstrema . . . . . . . . . . . . 203 z Primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . 206 Uvjetni ekstrem . . . . . . . . . . . . . . . . . . . . . 213 . . . . . . . . . . . 218

Eulerova metoda konaˇnih razlika c vii

ˇ 5. DIFERENCIJALNE JEDNADZBE 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9

221

Populacijska i logistiˇka jednadˇba . . . . . . . . . . . . . . . 224 c z Jednadˇbe sa separiranim varijablama . . . . . . . . . . . . . 231 z Polje smjerova . . . . . . . . . . . . . . . . . . . . . . . . . . 234

Eulerova metoda . . . . . . . . . . . . . . . . . . . . . . . . . 235 Ortogonalne i izogonalne trajektorije . . . . . . . . . . . . . . 238 Singularna rjeˇenja i ovojnice . . . . . . . . . . . . . . . . . . 242 s Egzaktne jednadˇbe i integriraju´i faktori . . . . . . . . . . . 245 z c Linearne diferencijalne jednadˇbe prvog reda . . . . . . . . . 249 z Linearne diferencijalne jednadˇbe drugog reda . . . . . . . . . 251 z 5.9.1 5.9.2 5.9.3 5.9.4 Homogene jednadˇbe . . . . . . . . . . . . . . . . . . . 253 z Nehomogene jednadˇbe . . . . . . . . . . . . . . . . . 256 z Jednadˇbe s konstantnim koeficijentima . . . . . . . . 259 z Slobodna, guˇena i prisilna titranja . . . . . . . . . . . 265 s

5.10 Linearne diferencijalne jednadˇbe viˇeg reda . . . . . . . . . . 273 z s 5.11 Sustavi diferencijalnih jednadˇbi . . . . . . . . . . . . . . . . 278 z 6. METODA NAJMANJIH KVADRATA I QR RASTAV 6.1 285

Problem najmanjih kvadrata . . . . . . . . . . . . . . . . . . 285 6.1.1 6.1.2 Linearna regresija . . . . . . . . . . . . . . . . . . . . 286 Metoda najmanjih kvadrata . . . . . . . . . . . . . . . 289

6.2

QR rastav . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295 6.2.1 6.2.2 6.2.3 6.2.4 6.2.5 6.2.6 QR rastav vektora i Householderov reflektor . . . . . . 296 QR rastav matrice . . . . . . . . . . . . . . . . . . . . 298 Numeriˇko raˇunanje QR rastava . . . . . . . . . . . . 299 c c Rjeˇavanje problema najmanjih kvadrata . . . . . . . 300 s Ekonomiˇni QR rastav . . . . . . . . . . . . . . . . . . 302 c QR rastav s pivotiranjem po stupcima . . . . . . . . . 302 303

Indeks

viii

. . . . . . .5 2. . Slobodan pad uz otpor zraka za m = k . . . . . . . . . . . . . . . . . .12 Povrˇina ravninskog lika i element povrˇine . . . . . .13 Povrˇina ravninskog lika I .11 Apsolutna konvergencija nepravog integrala . . . . Gornja suma . . . . .6 2. . . . . . . . .16 Povrˇina ispod jednog luka cikloide . . . . . . . . . . . . . . . . . 2. . . . . . . .8 2. . . . .3 2. . . . . . . . . . . . . . . . . . . . . .1 1. . . . .Popis slika 1. . . . . . . . . . . . . . s 2. .14 Povrˇina ravninskog lika II . . . . . . . . . Primitivna funkcija kao odredjeni integral . . . . . . . . . . .7 2. . . . . . . . . . . . . . . . . . .4 2. . . . . . . Primjena Newton-Leibnitzove formule . .2 2.1 2. . . . . . . . s ix .17 Polarni koordinatni sustav . . . . . . . . . Konvergentna gornja suma nepravog integrala . . s 2. . . .9 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. 2. Donja suma . . . . s 2. . . . . . s s 2. . . . . . s 2. . . . . . . . . . . . . . . . . .18 Element povrˇine u polarnim koordinatama . . s 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Nepravi integral . . . . . . . . . . . .10 Poredbeni kriterij za odredjeni integral . . . . . . . . .15 Povrˇina elipse . . . . . . .2 2. . . . . . .19 Povrˇina kruga u polarnim koordinatama . . . . . . . . . . . . . Dovoljan uvjet integrabilnosti . . 4 39 45 46 47 48 50 53 55 57 58 61 61 63 64 65 66 67 68 69 69 2. . . . . Teorem srednje vrijednosti . . . . Rastav integrala na djelove . . . . . . . . . . . . . .

. . . . . . . .5 i u = 1105 Nivo plohe funkcije u = − x 2 +y 2 Podruˇje definicije funkcije z = ln(x + y − 2) . . . . . . . . . . . . . . . . . . . . .28 Teˇiˇte ravne ploˇe . . . . .23 Oploˇje rotacionog tijela i element oploˇja . z 2. . . . . . 2. . . . . s s 2. . . . . . . . . . . .3 3. . . . . . . . . . . . . . 106 z 3. . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . . . . .24 Hookeov zakon .27 Hidrostatski pritisak na branu . . . . . 103 c z Izobare vremenske prognoze . . . . .33 Simpsonova formula . . . . . . . .4 3. 112 3. . . . 107 3. . . .14 (A) Nivo plohe i (B) presjeci paralelni s yz-ravninom za paraboloid z = x2 /4 + y 2 . . . . . . . . . .5 3. . . .31 Koordinate teˇiˇta ploˇe . . . . . c c 2. . . . . .2. . . 104 c za u = 1 i u = 2 . . . . . . . . . . . . . .12 Elipsoid x2 /36 + y 2 /16 + z 2 /4 = 1 . . . . . . . . . . . . 111 3. . . . . . . .22 Volumen rotacionog tijela i element volumena . . . 100 x2 + y 2 na yz-ravninu za x = 0 i x = 1101 x2 + y 2 na xy-ravninu za z = 1 i z = 2101 x2 + y 2 . . . . . . . . . . . 2. . . .113 3.7 3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 3.26 Zaronjena tanka ploˇa . . . . . . . . . . . . . . . . . . . . . .10 Otvorene kugle za n = 1. . . 104 Nivo-plohe funkcije u = arcsin(x2 + y 2 + z 2 − 2) za u = 0. . .2 3. . . . . . . . . . 2. . . . . . . . . . . . . . . . .20 Arhimedova spirala r = aϕ . . .21 Element duljina luka ravninske krivulje . . .32 Trapezna formula . . zs c 2. . . . 3 . c 2. 113 3.15 Pomaknuti paraboloid z − 5 = (x − 3)2 + 4(y + 2)2 . . . .11 Neprekidna funkcija na zatvorenom skupu . . . . . . . . . zs c 2.9 Projekcija funkcije z = Projekcije funkcije z = Projekcije funkcije z = Kruˇni stoˇac z = z z 70 71 74 77 79 80 82 83 84 84 86 87 90 93 x2 + y 2 na xz-ravninu uz y = 0 . . . . . . . . . . . . . . .13 Paraboloid z = x2 /4 + y 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25 Rezervar s vodom .1 3. . . 2. . . . 114 x . . . . . . . . . . . . 2. . . . . . . . . 2. . . . . . . . . 102 Eliptiˇki stoˇac .6 3. . . . . . . . . . . . . . . .29 Ravnoteˇa poluge . . . . . . . . . . . . . . . 2. 2. . . . . . . . . . . . . . .30 Ploˇa uniformne gusto´e ρ . .

. . . . . . 158 s 3. .25 sin x sin y . . .31 Sedlasta toˇka . . . . . . . . . . . . . . . .33 Implicitno zadana kruˇnica . . . . . . . . . . . . . . . . . 117 3. . . . . . . . .24 (x2 − y 2 )/(x2 + y 2 ) . . . . . . . . . .39 Problem vezanog ekstrema . . . . 1. . 3.32 Lokalni maksimum u nestacionarnoj toˇki . . 153 z 3. . . . . . . . . . . . . . . . . . . . . . . 160 3. .2 Primjer viˇestrukog integrala . . .17 Hiperboliˇki paraboloid z = x2 − y 2 c 3. . . . . . . . . . . . 118 z 3.42 Lokalni vezani minimum . . . .38 Implicitno zadana funkcija xyz = e−xyz . 171 s Podruˇje integracije dvostrukog integrala . . . . . . . . . 150 z 3. . . . . . 121 3. . . −3)132 c 3. . . .41 Lokalni vezani minimum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 z 3. . . . . .26 exp(sin(x/y)) . . . . . . . . . . . . . .35 Implicitno zadana parabola . . . . . . . . . 115 . . 142 c 3. . . 151 3. . . . . . . . . . . . . . . . . . . . . .21 (A) (x + 2)2 + y 2 /4 = 1 i (B) x2 − y 2 = 1. . . . . . . . . . . . . . . . . . . . . . . . . . 167 4. . . . . . . . . . . . . . .1 4. . . . . . . . . . . . . .23 (x2 y)/(x2 + y 2 ) . . . . . . . . . . . . . . . . .20 Stoˇac z 2 = x2 + y 2 . . . . . . .40 Vezani ekstremi . . . . . . . . . . . . . . . . . . . . . . .19 (A) Jednokrilni i (B) dvokrilni hiperboloid za a = b = c = 1. . 158 3. . . . . . . . . . . . . . . . . . . . .18 Nivo plohe za z = x2 − y2. . . . . . . . . . . . . . . . . . . . . . . .37 Sjeciˇte krivulja y = x i y = e−x . . . . .28 Diferencijal funkcije jedne varijable . . . . . . . . 123 3. .29 Tangencijalna ravnina paraboloida z = −2(x − 1)2 − y 2 u toˇki (2. . . . . . . 175 c xi . . . . . . . . . . . . . . . . . 141 3. .22 Paraboliˇki cilindar z = y 2 . . . 122 3. . . . . . . . . . . 121 3. . . 130 3. . . . . 120 3. . . . . . . . . . . . . . . . . 119 3. . . . . . . . . . . . . . . .27 Presjek ploha. . . . . . . . 120 c 3. . . . . . . . . 116 3. . . . . . . . . . . . . . .3. . . . . . . .16 Polegnuti paraboloid −x = y 2 + z 2 . . . . . . . . . . . . . . . . . . .34 Implicitno zadana funkcija izvedena iz kruˇnice . . . . . . . . 115 . . 165 3. 166 3. . . . . . . 143 c 3. .30 Lokalni minimum . . . . . . . .36 Implicitno zadan stoˇac . . . .

. . . . . . . 230 s c z Polje smjerova za jednadˇbe (a) y ′ = x + y i (b) y ′ = x2 + y 2 − 1234 z Polje smjerova logistiˇke jednadˇbe . . 186 4. . . . . .3 5. .15 Problem najkra´eg puta . . . . . . . . 202 c 4.9 Titranje mase objeˇene na oprugu . . . . . . . . . . . . . . . . . . . . . . . . .1 5. . 182 c Projekcija presjeka paraboloida i stoˇca na xz-ravninu . .12 Tangens razlike kutova . . . . . . . . . . . . . 199 4. godine .11 Element volumena u sfernim koordinatama . . . . . . . . . . . . . . . . . . .16 Problem brahistohrone . . . . . . . . . . . . .12 Polukruˇna ploˇa . . . 203 4. . . . . . . . . . . . 226 s Rast svjetskog stanovniˇtva od 1950. . . . . . . . . . . . . .5 5. . . . 193 c 4. . . . . . . . . . . . . . . . . . 184 s Element volumena u cilindriˇnim koordinatama . . . . . . . . .11 Ortogonalne trajektorije x = ky 2 i x2 + y 2 /2 = C . . . . . . . . . . . 209 s c 4. . . . . . 185 c 2 4. . . . . . . 202 4. . . . . . 187 4. . . . . .6 4. . . . 239 5. . . . . . . . .8 4. .4. . . . .2 5. do 2005. . . . 238 5. . . . . . .17 Funkcija y0 i njene varijacije . . . . . . . 181 Kvadrat s upisanom i opisanom ˇetvrtinom kruga . . . . . . . . . . . 222 s Strujni krug . . . . . . godine . . .4 4. . . . . . . 227 s Rjeˇenja logistiˇke jednadˇbe . . . . .10 Ortogonalne trajektorije y = kx i x2 + y 2 = C . . . . . . . . . . . .13 Blokada kotaˇa i projekcija na xz-ravninu . . 225 Rast svjetskog stanovniˇtva od 1750. .3 4. . . . . . . . . . . . . . . . . . . . . . 179 Funkcija y = e−x . . . do 2005. 209 s c 5. . .7 4. . . . . . . . .19 Cikloida kao rjeˇenje problema najkra´eg vremena . . . . . . . . . . . . . 191 z c 4. .6 5. . . . . . 177 c c Element povrˇine u polarnim koordinatama II . . . 178 s Polukrug u prvom kvadrantu . . . . . . . . . . . . . . . . . . . . . . . .18 Cikloida kao rjeˇenje problema najkra´eg vremena . . . . . .5 4. . . . . . . . . . . .4 5. . . . . . . . .9 Podruˇje integracije za raˇunanje volumena . . . . . . .10 Sferne koordinate . . 236 c z Eulerova metoda . . . . . . . . . . .8 5. . . . . . . . . . .14 Gama funkcija . . 241 xii . . . . . . . . 240 5. . . . . . .7 5. . 223 Struja u strujnom krugu . . . . . .

. . . . . . . . 281 c 5. . . . . . . . .19 Neomedjene oscilacije . . .13 Izogonalne trajektorije y = kx i r = Ceϕ . . . . . . 288 s Parabola s najboljom prilagodbom . 245 z 5. . .14 Ovojnice . . . . .16 Titranje mase objeˇene na oprugu uz guˇenje i vanjsku silu . . . . . . . . . . . . 294 xiii . . . . . . . . .22 Polje smjerova za populacije vukova i zeˇeva . . . . 272 5. . . . . . . . . . . . .2 6. . . . . . . .15 Clairautova jednadˇba . . 268 s 5. . . . . . .3 Pet toˇaka u ravnini . . . . . . . . .21 Populacije vukova (V ) i zeˇeva (Z/10) uz V (0) = 30 i Z(0) = 800280 c 5. . . . . 244 5. . . . . . . . . . .5. .18 Guˇeni sustav s prisilnim oscilacijama . . . . . .23 Populacije vukova i zeˇeva uz uvjete V (0) = 30 i Z(0) = 800 . . . . . . . . . . . . . . . . . . . . . . 272 5. . . . . . . . . . . . . . . . . . . 286 c Rjeˇenje problema najmanjih kvadrata . . . . . .1 6. . . . . . . . . . 266 s s 5. . . 282 c 6. . 270 s 5. . . . . . . . . . . . .20 Strujni krug s kondenzatorom. . .17 Guˇeno titranje . . . 242 5. . . . otporom i zavojnicom .

.

U izradi udˇbenika koriˇtena su iskustva i zabiljeˇke bivˇih i sadaˇnjih z s s s s nastavnika FESB-a pa im ovom prilikom iskazujem svoju zahvalnost. Viˇa matematika II. U udˇbeniku je izloˇeno gradivo kolegija ”Matematika z z 2” po sadrˇaju koji se predaje na FESB-u prema bolonjskom programu. P.fesb.B. z Autor xv . 2002. Odredeni integral. a z c u prvom redu studentima Fakulteta elektrotehnike.hr/mat2). Zagreb. Sliˇan sadrˇaj nalazi se u ve´ini c z c istoimenih kolegija na tehniˇkim i prirodoslovnim fakultetima. II. c z Spomenut ´u samo neke od knjiga sliˇnog sadrˇaja. na I-projektu ”Matematika 2 – digitalni udˇbenik s interaktivnim animacijama i interaktivnom provjerom znanja” z (http://www. Tehniˇka c s s c knjiga. oˇujka 2008. strojarstva i brodogradnje u Splitu (FESB). svezak). 1978. Diferencijalne jednadˇbe te. poglavs z lje Metoda najmanjih kvadrata i QR rastav. 1973. Zagreb.P. Element. Ugleˇi´. Svuˇiliˇte u Splitu. strojarstva i brodogradnje. Javor. Zadaci i rijeˇeni primjeri iz viˇe matematike. Split. Tehniˇka knjiga. c . c Budu´i se radi o standardnom sadrˇaju. a koje preporuˇujem i c c z c ˇitatelju: c . 2000. Viˇa matematika. Blanuˇa. obraz zovanja i ˇporta Republike Hrvatske i Sveuˇiliˇta u Splitu. Viˇestruki integrali. i 2. nije citirana posebna literatura. Funkcije viˇe s varijabli. dodatano. . Dio udˇbenika izraden je na osnovi suradnje Ministarstva znanosti. sc s c s . z Obradena su poglavlja Neodredeni integral.D.Predgovor Ovaj udˇbenik namijenjen je studentima tehniˇkih i prirodnih znanosti. s s c Zagreb. Fakulteta elektros c s tehnike. Matematiˇka analiza 2. U Splitu. dio (1.N. Demidovi´.

.

. . .1 1. . . . to je anti-derivacija funkcije cos x jednaka sin x.8 1. . . . . . . . Racionalne funkcije trigonometrijskih funkcija . . . 1. Ovo poglavlje bavi se nalaˇenjem neodredenih integrala (kra´e: intez c grala). . . . . . .7. . . kako c je (sin x)′ = cos x. Racionalne funkcije hiperbolnih funkcija .9 1. . . .6 1. . . . Metode supstitucije . . . .7 Definicija i osnovna svojstva . . . . . . . . . . . . . . . . . 1. . . Medutim. neformalno ´emo opisati osnovnu ideju. . . .2 1.1. . . . .7. . . . . . . Trigonometrijske i Eulerove supstitucije . . . . . . . . . . . . NEODREDENI INTEGRAL 1. . . . .3 1. . . . . . . . . Anti-derivacija zadane funkc cije je funkcija ˇija je derivacija jednaka zadanoj funkciji. . . . . Prije formalne definicije neodredenog integrala. . . .4 Binomni integral . . . . . . . . . . . . . . . .1 1. . . . . . . . . . Integriranje nekih iracionalnih funkcija . . . . . . . . Integral zadane funkcije je skup svih njenih anti-derivacija.1 Rekurzivne formule . . .3. . . . Integriranje reda funkcija . . . . . . . . . Na primjer. . . . . . . . .3 Racionalna supstitucija . Slobodan pad uz otpor zraka . . . . . kako je derivacija konstante jednaka nuli. . . . . .1. to je i funkcija sin x + C takoder anti-derivacija funkcije cos x za svaku konstantu C. . . . .4. . .1 Tablica osnovnih integrala .7. 2 6 9 12 15 16 20 22 26 28 28 29 30 32 34 39 1. . . . . . . . 1. .4 1. . ˇto zapisujemo kao s cos x dx = sin x + C. . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . .1 Primjer . . . . . Metoda parcijalne integracije .7. . . . .5 1. .2 1. . . . . . . . odnosno anti-derivacija. . . . Metoda neodredenih koeficijenata . . Integriranje racionalnih funkcija . . . . . .

dijeljenja i komponiranja osnovnih z elementarnih funkcija [M1. b). Zelimo na´i funkciju F koja derivic rana daje f . §4.8). (−∞. razlike.1 Definicija i osnovna svojstva ˇ Neka je zadana funkcija f : D → R. pri ˇemu je derivacija opet elementarna funkcija. odnosno ne moˇe se prikazati kao pomo´u konaˇne z c c primjene zbrajanja. b]. §5. 1 dx = tg x + C. Neka je a. na primjer. za one x za koje rjeˇenje postoji. te postupke integriranja za nekoliko tipova funkcija (racionalne funkcije. tada je F striktno primitivna funkcija funkcije f na intervalu I. na primjer. +∞). Takoder. Opisat ´emo i postupak integriranja reda funkcija. definicija 1.1 1 Ukoliko je A = ∅.5] zdesna na lijevo. [a. odnosno ˇelimo rijeˇiti jednadˇbu z s z F ′ (x) = f (x). racionalne funkcije trigonometrijskih funkcija i neke iracionalne funkcije). skup je prebrojiv ako je ekvipotentan sa skupom prirodnih brojeva N [M1. integriranje je sloˇeniji postupak od deriviranja. s Za slijede´u definiciju potrebno je ponoviti neke definicije. a < b. [a. cos2 x Medutim. Nadalje. b). Integral ove funkcije moˇe se prikazati z pomo´u reda funkcija (poglavlje 1.15]. dok je svaku elementarnu funkciju lako derivirati jednostavnom primjenom pravila deriviranja. (a. Definicija 1. Primitivna funkcija funkcije c f na intervalu I je svaka neprekidna funkcija F : I → R takva da je F ′ (x) = f (x) za ∀x ∈ I \ A. Naime. Interval I je svaki od skupova [a. . mnoˇenja. c U ovom poglavlju dat ´emo definiciju i osnovna svojstva integrala. neka je I ⊆ D interval i neka je A ⊆ I konaˇan ili prebrojiv podskup. b). ex dx = ex + C. (a. kod integrirac 2 nja to nije sluˇaj.6. Tako je. Tako je. b]. b ∈ c R. +∞). dok recimo ex dx c nije elementarna funkcija. (−∞.1 Neka je zadana funkcija f : D → R. b]. inz tegral elementarne funkcije nije uvijek elementarna funkcija.7]. c 1.1. (a. +∞) ≡ R. opisati c osnovne metode integriranja. (−∞.2 NEODREDENI INTEGRAL Zakljuˇujemo da neke integrale moˇemo dobiti ˇitaju´i tablicu elementarnih c z c c derivacija [M1.

f : R → R. za x ∈ N.1. Primitivna funkcija funkcije f je F (x) = Konstantu −2 u izrazu x2 − 2 smo izabrali tako da se ispuni uvjet neprekidnosti funkcije F na intervalu I = (−2. jer moˇemo uzeti I = R i A = N. x2 2 . pri ˇemu je skup A prebrojiv.1. za x ∈ N. za 2 ≤ x. F1 i F2 su i primitivne funkcije od g(x) = 2x.1 a)). x2 − 2. za x = 1. jer moˇemo uzeti I = R i A = {−1}. . Primjer 1. Naravno. za −2 < x < 2. 3 F1 : R → R0 + i 1 F2 (x) : R → [− . +∞) prema definiciji 1. za x = 1. / 0.1 b)).1.1 Definicija i osnovna svojstva 3 Ova definicija i ˇinjenica da je derivacija konstantne funkcije jednaka nuli c povlaˇe slijede´i teorem. c c Teorem 1. 1 F2 (x) = x2 − . z c d) Neka je f (x) = 2x. b) Prema definiciji 1. Nacrtajte funkcije f i F . za 2 ≤ x. Funkcije F1 (x) = x2 . za −2 < x < 2.1 Ako je F (x) primitivna funkcija funkcije f (x) na intervalu I. +∞) 3 su primitivne funkcije od f na R (slika 1.1 a) Zadana je funkcija f (x) = 2x. x. tada je i F (x) + C primitivna funkcija funkcije f (x) na intervalu I za svaku konstantu C ∈ R. i funkcija F (x) + C je primitivna funkcija funkcije f za svaku konstantu C. 0. odnosno skup A je u ovom sluˇaju z c konaˇan (vidi sliku 1. c c) F1 i F2 su takoder primitivne funkcije funkcije h(x) = 2x.

∀x ∈ I. no prije toga dokazat ´emo joˇ sljede´i teorem. odz c nosno kada se radi o striktno primitivnim funkcijama. C ∈ R. pri ˇemu je F neka primitivna funkcija funkcije f na intervalu I.1: Primitivna funkcija b) Nakon ˇto smo usvojili pojam primitivne funkcije moˇemo definirati s z neodredeni integral.4 NEODREDENI INTEGRAL F2(x) f(x) F1(x) 1 F2(x) g(x) F1(x) 1 -1 1 -1 1 a) Slika 1. pa je (G − F )′ (x) = 0. c s c Teorem 1. Dokaz. Dokaˇimo teorem za najjednostavniji sluˇaj kada je A = ∅. a C je konstanta integracije. odnosno (G − F )(x) = C za neku konstantu C i za svaki x ∈ I. Pretpostavke teorema povlaˇe c G′ (x) = F ′ (x) = f (x). Definicija 1.2 Ako su F i G dvije primitivne funkcije funkcije f na intervalu I. tada postoji konstanta C takva da je G(x) = F (x) + C. . Koristimo oznaku f (x) dx = F (x) + C. x je varic jabla integracije.2 Neodredeni integral funkcije f na intervalu I je skup svih primitivnih funkcija funkcije f na intervalu I. a f je podintegralna funkcija ili integrand.

Naime. odnosno derivacija integrala jednaka je podintegralnoj funkciji. to se i u s c z definiciji neodredenog integrala uzima slabiji uvjet. df (x) = f ′ (x) dx.2].2 Vrijedi dx = x + C. z s ′ (x) = f (x) vrijedi na skupu I \ A. a ne njezinu vrijednost u c toˇki x. a ne na ˇitavom Uvjet da formula F c skupu I. Stoga je i uvjet neprekidnosti primitivne funkcije prirodan.1.1]. 5 ex dx = ex + C. odnosno F (x) oznaˇava funkciju F .1 Dva uvjeta iz definicije 1. brzina je derivacija puta po vremenu [M1. c Primjer 1. dok funkcija kojom je zadana brzina moˇe (u idealnim z uvjetima) imati prekide. No. Napomena 1. . Prisjetimo c se definicije diferencijala funkcije f [M1.3 Neka je f (x) dx = F (x) + C. Tada za svaki x ∈ I \ A vrijedi: (i) ( f (x) dx)′ = f (x). Ovu jednakost takoder interpretiramo kao jednakost medu funkcijama koja vrijedi na skupu I \ A. Slijede´a dva teorema daju nam osnovna svojstva integrala. Teorem 1. §5. c Naime. odredeni c integral u principu daje povrˇinu izmedu podintegralne funkcije i x-osi.1 zasluˇuju dodatno objaˇnjenje. ˇto je slabiji uvjet od onoga ˇto bismo oˇekivali. i nake je funkcija F neprekidna na intervalu I.§5. odnosno F ′ (x) = f (x) za svaki x ∈ I \ A. pa je stoga put integral brzine.1 Definicija i osnovna svojstva 5 Napomenimo da gornju jednakost interpretiramo kao jednakost medu funkcijama. Prvi teorem navodimo bez dokaza. Ovaj uvjet proistiˇe iz fizikalne interpretacije integrala. Drugi uvjet je da se traˇi neprekidnost funkcije F na ˇitavom intervalu I i onda kada funkcija f taj c uvjet ne ispunjava. x4 dx = x5 + C. proizlazi iz ges s c ometrijskog znaˇenja odredenog integrala (poglavlje 2). a s kako povrˇina ne ovisi o vrijednosti funkcije u prebrojivo toˇaka. prijedeni put je uvijek neprekidan.

odnosno fi (x) dx = Fi (x) + Ci . . f1 (x) dx + · · · + αn 1.1 Tablica osnovnih integrala Kao ˇto smo ve´ kazali. i=i i=i zakljuˇujemo da je funkcija α1 F1 (x)+· · ·+αn Fn (x) jedna primitivna funkcija c funkcije α1 f1 (x) + · · · + αn fn (x).1.4 Neodredeni integral je linearan. §5. f1 (x) dx − C1 ) + · · · fn (x) dx − Cn ) + K fn (x) dx + C. odnosno diferenciranje poniˇtava integriranje.6 NEODREDENI INTEGRAL (ii) d ( f (x) dx) = f (x) dx. jednakost α1 F1 (x) + · · · + αn Fn (x))′ = α1 f1 (x) + · · · + αn fn (x) vrijedi za svaki x ∈ I \ n Ai .1. Kako je skup n Ai takoder prebrojiv. pri ˇemu je Ai prebrojiv c c podskup od I. n. Neka je Fi : I → R primitivna funkcija funkcije fi za i = 1. Dakle. odnosno (α1 f1 (x) + · · · + αn fn (x)) dx = α1 f1 (x) dx + · · · + αn fn (x) dx + C.5] zdesna na lijevo. odnosno integriranje poniˇtava diferenciranje do s na konstantu. s (iii) dF (x) = F (x) + C. To znaˇi da je (Fi (x))′ = fi (x) za svaki x ∈ I \ Ai . Dokaz. Stoga vrijedi (α1 f1 (x) + · · · + αn fn (x)) dx = α1 F1 (x) + · · · + αn Fn (x) + K = α1 ( + αn ( = α1 gdje je C = K − α1 C1 − · · · − αn Cn . uz odgovaraju´e c . tablicu osnovnih integrala dobijemo ˇitaju´i tas c c c blicu osnovnih derivacija [M1. Teorem 1. . . .

x = 0. +∞) \ {1}. −x x Formule za derivacije trigonometrijskih funkcija povlaˇe c sin x dx = − cos x + C. r+1 1 x−1 dx = dx = ln |x| + C. dx = xn dx = 1 · dx = x + C. x > 0. r = 1. 1). cos2 x 1 dx = − ctg x + C. dok za x < 0 vrijedi ln |x| = ln(−x) pa je (ln |x|)′ = (ln(−x))′ = Za eksponencijalne funkcije imamo ex dx = ex + C. ax dx = ax + C. Za konstantnu funkciju i potencije vrijedi: 0 · dx = C. 1 1 (−1) = . n x (n − 1) xn−1 xr+1 xr dx = + C.1. x Dokaˇimo zadnju formulu: za x > 0 vrijedi ln |x| = ln x pa je (ln |x|)′ = z (ln x)′ = 1/x.1 Definicija i osnovna svojstva 7 manje prilagodbe. xn+1 + C. . 1 − x2 x ∈ (−1. n ∈ N ∪ {0}. sin2 x a formule za derivacije arkus funkcija povlaˇe c 1 dx = arctg x + C = − arcctg x + C. 1 dx = tg x + C. n+1 1 1 dx = − + C. ln a a ∈ (0. cos x dx = sin x + C. n ∈ N \ {1}. 1 + x2 1 √ dx = arcsin x + C = − arccos x + C.

− arcth x + C. 1 4 cos x + x3 − 3 dx = 4 2 cos x dx + 1 2 x3 dx − 3 dx = 4 sin x + 1 x4 · − 3x + C. 1].8 NEODREDENI INTEGRAL Druge po redu jednakosti u prethodne dvije formule slijede iz jednakosti arcctg x = π − arctg x. sh2 x dok formule za derivacije area funkcija povlaˇe c 1 dx = 1 − x2 = √ arth x + C. ch x dx = sh x + C. 2 arccos x = π − arcsin x. formule za derivacije hiperbolnih funkcija povlaˇe c c sh x dx = ch x + C. 1+x 1 + C. Na primjer. 1 dx = arsh x + C = ln(x + x2 + 1) + C. 1 + x2 1 arch x + C. 2 4 .1 Odredite podruˇja definicije prethodnih integrala. 2 Primijetimo da integrali funkcija tg x i ctg x ne spadaju u tabliˇne integrale. Zadatak 1. za x < −1 x2 − 1 = ln |x + x2 − 1| + C. odnosno c sve vrijednosti x za koje odgovaraju´e formule vrijede. x ∈ R. za x > 1 √ dx = − arch(−x) + C. ln 2 1−x x ∈ R \ [−1. 1 dx = th x + C. c Konaˇno. za |x| < 1 za |x| > 1 x = 1.4 i tablice osnovnih integrala. Ono se sastoji u primjeni teorema 1. ch2 x 1 dx = − cth x + C.3 Neposredno integriranje je najjednostavnija tehnika integriranja. c Primjer 1.

1.2 Metode supstitucije 9 Slijede´i integral rjeˇavamo primjenom osnovnog trigonometrijskog identic s teta: dx = 2 sin x cos2 x = sin2 x + cos2 x dx sin2 x cos2 x dx dx + = tg x − ctg x + C. Bijektivnost funkcije ϕ je nuˇna za vra´anje supstitucije natrag. Neka je I1 neki drugi interval i neka je funkcija ϕ : I1 → I derivabilna bijekcija. One se sastoje u tome da se zadani integral 1) dopustivom zamjenom varijable integracije nekom funkcijom (bijekcijom) ili 2) dopustivom zamjenom nekog analitiˇkog izraza novom varijablom intec gracije svede na tabliˇni integral.5 Neka je zadana funkcija f : I → R. f (x) dx moˇemo rjeˇavati pomo´u supstitucije x = c z s c ϕ(t). 2x cos sin2 x 1. Neka je i inverzna funkcija ϕ−1 : I → I1 takoder derivabilna. odnosno ako je (f ◦ ϕ)(t)ϕ′ (t) dt = ψ(t) + C. c Teorem 1.2 Metode supstitucije Za rjeˇavanje sloˇenijih integrala ˇesto koristimo dvije metode supstitus z c cije. Drugim rijeˇima. pri ˇemu je ϕ bijekcija: c f (x) dx = x = ϕ(t) dx = ϕ′ (t) dt = f (ϕ(t))ϕ′ (t) dt = ψ(t) + C = t = ϕ−1 (x) = ψ(ϕ−1 (x)) + C. x ∈ I. z c . odnosno f (x) dx = ψ(ϕ−1 (x)) + C. tada je F = ψ ◦ ϕ−1 : I → R primitivna funkcija funkcije f na intervalu I. Ako je ψ : I1 → R primitivna funkcija funkcije (f ◦ ϕ)ϕ′ na intervalu I1 .

derivabilna funkcija ϕ : I → I1 i funkcija g : I1 → R za koje vrijedi f (x) = g(ϕ(x))ϕ′ (x). Neka postoje interval I1 . =2 x+ 5 Primijetimo da funkcija ϕ(t) = t6 nije bijekcija za t ∈ R. pa ja za z takve t funkcija t6 bijekcija. Teorem 1. Po pretpostavci teorema.10 NEODREDENI INTEGRAL Dokaz. moˇemo uzeti da t > 0. ∀t ∈ I1 \ A1 . Medutim. c Zbog bijektivnosti funkcije ϕ je i skup A = ϕ(A1 ) ⊂ I takoder konaˇan ili prebrojiv te vrijedi x = ϕ(t) ∈ I \ A Dakle. Nadalje. za x ∈ I \ A vrijedi F ′ (x) = (ψ ◦ ϕ−1 )′ (x) = ψ ′ (ϕ−1 (x))(ϕ−1 )′ (x) = f (x) = f (ϕ(ϕ−1 (x)))ϕ′ (ϕ−1 (x)) · (ϕ−1 )′ (x) ⇐⇒ t = ϕ−1 (x) ∈ I1 \ A1 .6 Neka je dana funkcija f : I → R. pa je F primitivna funkcija funkcije f na intervalu I i teorem je dokazan. ∀x ∈ I. Primjer 1. odnosno G′ (t) = g(t). kako je zadani integral definiran samo za x > 0. . ∀t ∈ I1 \ A1 . funkcija ψ je neprekidna jer je to primitivna funkcija. Neka je G : I1 → R primitivna funkcija funkcije g na intervalu I1 . Funkcija ϕ−1 je neprekidna jer je derivabilna pa je funkcija F = ψ◦ϕ−1 neprekidna na intervalu I. postoji konaˇan ili prebrojiv c skup A1 ⊂ I1 takav da je ψ ′ (t) = f (ϕ(t))ϕ′ (t).4 Vrijedi √ 1+ 3x √ dx = x =6 x = t6 dx = 6t dt t3 +6 5 = 1 + t2 5 6t dt = 6 t3 (t2 + t4 ) dt √ 3 t5 6 5 = t = 6 x = 2x 6 + x 6 + C 3 5 5 √ 6√ 5 6 x + C.

odnosno F je primitivna funkcija funkcije f na intervalu I.5 a) Vrijedi √ 2x + 3 = t 2 dx = dt 1 3 √ 1 1 t2 1√ 3 t +C t dt = · 3 + C = 2 2 2 3 3 2 x + 3 dx = = = (2x + 3)3 + C. Primjer 1. b) Vrijedi 5x = t 5 dx = dt 1 1 1 dt = sin t + C = sin 5x + C. skup A je konaˇan ili prebrojiv pa za c x ∈ I \ A vrijedi ϕ(x) ∈ I1 \ A1 i F ′ (x) = (G ◦ ϕ)′ (x) = G′ (ϕ(x)) · ϕ′ (x) = g(ϕ(x))ϕ′ (x) = f (x). Neka je skup A definiran s c c A = {x ∈ I : ϕ(x) ∈ A1 }.1.2 Metode supstitucije 11 pri ˇemu je A1 ⊂ I1 konaˇan ili prebrojiv skup. a funkcija ϕ je derivabilna i neprekidna na intervalu I. Stoga je funkcija F = G ◦ ϕ neprekidna na intervalu I. x+1=t dx = dt dt = arctg t + C +1 x2 = t2 . Funkcija G je po pretpostavci neprekidna na intervalu I1 . Tada je F = G ◦ ϕ primitivna funkcija funkcije f na intervalu I. odnosno za svaki x ∈ I vrijedi f (x) dx = g(ϕ(x))ϕ′ (x) dx t = ϕ(x) dt = ϕ′ (x) dx = g(t) dt = G(t) + C = G(ϕ(x)) + C = F (x) + C. 5 5 5 cos 5x dx = = cos t c) Vrijedi dx dx = = + 2x + 2 (x + 1)2 + 1 = arctg(x + 1) + C. Dokaz. Nadalje.

12 d) Vrijedi x dx = (1 + x2 )r 1 + x2 = t = NEODREDENI INTEGRAL 1 2 Integrale u primjeru 1. koje su sve bijekcije na skupu R.7 Ako su funkcije u. za r  2 =  1 t−r+1  · + C2 . u(x)v ′ (x) dx = u(x) d(v(x)). v : I → R derivabilne na intervalu I.3 Metoda parcijalne integracije Ova metoda se sastoji od povoljnog rastava zadanog integrala u obliku f (x) dx = i primjene slijede´eg teorema. c Teorem 1. Napomena 1. 2 x = ϕ(t) = 1 t. b) i c) smo formalno mogli rijeˇiti i koriste´i s c teorem 1. 2 −r + 1 dt 1 = r t 2 =1 =1 t−r dt za r = 1 za r = 1 redom.5 a). tada vrijedi formula parcijalne integracije u(x) v ′ (x) dx = u(x) v(x) − v(x) u′ (x) du. za r 2 −r + 1  1  ln(1 + x2 ) + C1 . x ∈ I \ A. odnosno pomo´u supstitucija c x = ϕ(t) = t−3 . s 1.4. .5 c) i d) se kos risti u rjeˇavanju integrala racionalnih funkcija u poglavlju 1.2 Postupak rjeˇavanja integrala u primjeru 1. 2x dx = dt  1  ln |t| + C1 . odnosno F je neprekidna i vrijedi F ′ (x) = u(x) v ′ (x). Dokaz. Neka je F : I → R primitivna funkcija funkcije u(x) v ′ (x) na intervalu I.  2 = 2 −r+1   1 · (1 + x ) + C2 . 5 x = ϕ(t) = t − 1.5.

6 a) Vrijedi   u = x. Tvrdnju teorema 1. v= dv =   v du. xex dx = = xex − ex + C. Dakle.7 moˇemo z zapisati u kra´em obliku: c u dv = u v − Primjer 1.  dv = ex dx. jer je dovoljna jedna konstanta integracije C na kraju zadatka. b) Za funkciju u moˇemo uzeti i ˇitavu podintegralnu funkciju ukoliko se z c ona deriviranjem pojednostavni:    u = ln x. G je primitivna funkcija funkcije u′ v na intervalu I pa je F (x) = u(x) v(x) − G(x) i teorem je dokazan. Zbog derivabilnosti funkcija c c u i v je i funkcija u(x) v(x) neprekidna na intervalu I. ex dx = ex  = xex − ex dx Prilikom rjeˇavanja pomo´nog integrala dv nije potrebno pisati konss c tantu integracije. v = x 1 dx = x ln x−x+C. x = x ln x− ln x dx =   dv = dx. x x .3 Metoda parcijalne integracije 13 pri ˇemu je A ⊂ I konaˇan ili prebrojiv skup.1. Stoga je funkcija G(x) = u(x) v(x) − F (x) neprekidna na intervalu I te za svaki x ∈ I \ A vrijedi G′ (x) = u′ (x) v(x) + u(x) v(x) − F ′ (x) = u′ (x) v(x) + u(x) v ′ (x) − u(x) v ′ (x) = u′ (x) v(x). du = dx. du = 1 dx. Izbor funkcija u i v je stvar iskustva.

v = sin x ex sin x dx.  =  dv = sin x dx. moˇemo rijeˇiti primjenom parcijalne z s integracije n puta za redom. Op´enito. pn (x) cos x dx. du = 2 dx. v = cos x dx = sin x = (x2 + 2x) sin x − sin x(2x + 2) dx    u = 2x + 2. du = (2x + 2) dx. v = sin x dx = − cos x = (x2 + 2x) sin x − (2x + 2)(− cos x) − (− cos x)2 dx = (x2 + 2x) sin x + (2x + 2) cos x − 2 sin x + C. d) Integrale slijede´eg tipa rjeˇavamo tako da nakon dvostruke parcijalne c s integracije dobijemo izraz koji opet sadrˇi polazni integral: z e sin x dx = x u = ex . c . gdje je pn polinom n-tog stupnja. (− cos x)ex dx ex cos x dx du = ex dx. zakljuˇujemo da integrale oblika c c pn (x)ex dx. dv = cos x dx. du = ex dx.14 NEODREDENI INTEGRAL c) Formulu parcijalne integracije moˇemo primijeniti viˇe puta uzastopce: z s   2  u = x + 2x. = −ex cos x + ex sin x − Iz prethodne jednakosti slijedi ex sin x dx = 1 x e (sin x − cos x) + C.  (x2 + 2x) cos x dx =  dv = cos x dx. = ex (− cos x) − = −ex cos x + = u = ex . 2 Primijetimo da smo zbog svojevrsne simetrije zadatak mogli rijeˇiti i s pomo´u rastava u = sin x i dv = ex dx. pn (x) sin x dx. v = − cos x dv = sin x dx.

2 Formalna definicija je sljede´a: neka za niz funkcija c fn : I → R. . In−2 (x). postoje neodredeni integrali In (x) = Formula oblika In (x) = Φ(x. zove se rekurzivna formula za niz integrala In (x).6 d). Primjenu rekurzivnih formula za nalaˇenje integrala ilustrirat ´emo na z c slijede´em vaˇnom primjeru koji je sastavni dio integriranja racionalnih funkc z cija u poglavlju 1.2 a) Izraˇunajte integral c b) Izraˇunajte integral xex sin x dx. (1 + x2 )n = . (1 + x2 )n 1 + x 2 − x2 dx = In−1 − (1 + x2 )n (1. 2 . gdje je pn polinom n-tog stupnja? c) Provjerite rjeˇenja zadatka i primjera 1. . n = 1. . Zadatak 1. du = dx x2 dx = x  dv = (1 + x2 )n dx. 1 + x2 x2 dx.1) v= Jedan oblik rekurzivne formule u kojoj smo integral izrazili pomo´u istog izraza smo c imali u primjeru 1. 3.. . Da li je mogu´e rijeˇiti integral oblika c c s pn (x)ex sin x dx.3 Metoda parcijalne integracije 15 x3 sin x dx..6 deriviranjem. . 2. (1 + x2 )n n ∈ N. Nadimo In = Za n = 1 vrijedi I1 = Za n ≥ 2 vrijedi In = Sada imamo   u = x. . In−k (x)). fn (x) dx. s 1.4.3. k ≤ n − 1.1. dx = arctg x + C. . x dx 2 )n (1 + x   dx .1 Rekurzivne formule Naziv rekurzivna formula op´enito znaˇi da se izraz ovisan o parametru c c n moˇe izraziti pomo´u izraza istog oblika ovisnog o istoj ili nekoj drugoj z c vrijednosti parametra. In−1 (x).

chn x dx.16 NEODREDENI INTEGRAL Rijeˇimo pomo´ni integral postupkom kao u primjeru 1. rastav na parcijalne razlomke i . svodenje na pravu racionalnu funkciju.3 d): s c v= 1 + x2 = t x dx = (1 + x2 )n 2x dx = dt 1 1 = · .1) konaˇno daje rekurzivnu formulu s c In = In−1 − 1 x + In−1 2 )n−1 2(1 − n)(1 + x 2(1 − n) x 2n − 3 = + In−1 .4 Integriranje racionalnih funkcija Racionalnu funkciju je uvijek mogu´e integrirati. 1 dx. odnosno integral takve c funkcije je uvijek elementarna funkcija. 2 )n−1 2(1 − n)(1 + x 2(1 − n) Uvrˇtavanje u formulu (1. 2(1 − n) (1 + x2 )n−1 = 1 2 dt tn = 1 t−n+1 · 2 −n + 1 Dakle. sinn x 1. za n = 3 imamo I3 = dx x 1 x 3 3 x + I1 = + I2 = + 2 )3 2 )2 2 )2 2) (1 + x 4(1 + x 4 4(1 + x 4 2(1 + x 2 3 x 3 x + · + arctg x + C. Na primjer. parcijalna integracija daje dx x x2 dx = − 2 )n 2 )n−1 (1 + x 2(1 − n)(1 + x 2(1 − n)(1 + x2 )n−1 x 1 = − In−1 . Postupak integriranja je sloˇen i sasz toji se od ˇetiri koraka: eliminacija zajedniˇkih nul-toˇaka brojnika i nazivc c c nika. 2 )n−1 2(n − 1)(1 + x 2(n − 1) Uzastopnom primjenom ove formule lako nademo integral In za bilo koji n.3 Nadite rekurzivne formule za integrale: a) b) c) cosn x dx. s Zadatak 1. = 4(1 + x2 )2 8 1 + x2 8 Provjerite ovo rjeˇenje deriviranjem.

tada je p(x) dx = q(x) (x − x0 )p1 (x) dx = (x − x0 )q1 (x) p1 (x) dx. s(x) dx se rjeˇava neposrednim s integriranjem. moˇemo podijeliti polinome. U nastavku izlagac c nja stoga pretpostavljamo da p i q nemaju zajedniˇkih nul-toˇaka.5) kao i integrali nekih iracionalnih funkcija (poglavlje 1. c Postupak moˇemo nastaviti sve dok ne dobijemo racionalnu funkciju u z kojoj brojnik i nazivnik nemaju zajedniˇkih nul-toˇaka. Ukoliko je stupanj brojnika ve´i ili jednak od c stupnja nazivnika. c Neka je zadana racionalna funkcija f (x) = p(x) .4 Integriranje racionalnih funkcija 17 integriranje dobivenih izraza pomo´u neposrednog integriranja. c c Svodenje na pravu racionalnu funkciju Racionalna funkcija je prava racionalna funkcija ako je stupanj brojnika manji od stupnja nazivnika. Naravno. a stupanj c od r je manji od stupnja od q. pa imamo z f (x) = r(x) p(x) = s(x) + . q1 (x) q(x) = (x − x0 )q1 (x). metode supc stitucije ili metode parcijalne integracije. Polinom r je ostatak kod dijeljenja. q(x) gdje su p i q polinomi s realnim koeficijentima. pa moˇemo zakljuˇiti slijede´e: z c c . Integriranje racionalnih funkcija je vaˇno jer se i integrali racionalnih funkcija trigonometrijskih funkcija (poz glavlje 1.1 integral ne mijenja ako se podintegralna funkcija promijeni u prebrojivo mnogo toˇaka. Eliminacija zajedniˇkih nul-toˇaka c c Ako p i q imaju zajedniˇku nul-toˇku x0 . odnosno ako je c c p(x) = (x − x0 )p1 (x). Zadnja jednakost vrijedi jer se prema definiciji 1. q(x) q(x) pri ˇemu su r i s polinomi.5) odgovaraju´im transformacijama svode na integrale racionalnih funkcija.1.

18

NEODREDENI INTEGRAL

Integriranje racionalnih funkcija se svodi na integriranje pravih racionalnih funkcija oblika p(x) , f (x) = q(x) pri ˇemu p i q nemaju zajedniˇkih nul-toˇaka i stupanj od p je manji od c c c stupnja od q. Primjer 1.7 Dijeljenje polinoma daje x3 + x 2x =x+ 2 , x2 − 1 x −1 pa je x3 + x dx = x2 − 1 = = x+ 2x x2 − 1 dx = = x2 + 2 x dx + 2x dx x2 − 1

x2 − 1 = t, x2 2

2x dx = dt

dt x2 = + ln |t| + C t 2

+ ln |x2 − 1| + C.

Rastav na parcijalne razlomke Nakon ˇto smo integral zadane racionalne funkcije sveli na integral prave s racionalne funkcije, tu funkciju treba rastaviti na parcijalne razlomke. Kao posljedica osnovnog teorema algebra [M1, $ 4.6.8], polinom q stupnja n moˇemo rastaviti na faktore u obliku z q(x) = q0 + q1 x + q2 x2 + · · · qn xn = qn (x − x1 ) · · · (x − xn ). Ovdje su x1 , . . . , xn realne ili kompleksne nul-toˇke, kompleksne nul-toˇke se c c uvijek javljaju u kompleksno-konjugiranim parovima, a nul-toˇke mogu biti c i viˇestruke. Stoga moˇemo pisati s z q(x) = qn (x − x1 )r1 · · · (x − xk )rk (x2 + a1 x + b1 )s1 · · · (x2 + al x + bl )sl , c c pri ˇemu su xi medusobno razliˇite realne nul-toˇke, kvadratni polinomi c nemaju realnih nul-toˇaka, a nul-toˇke su im medusobno razliˇite, ri , si ∈ N c c c i vrijedi
k l

ri + 2
i=1 i=1

si = n.

1.4

Integriranje racionalnih funkcija

19

Nakon rastava nazivnika q na faktore, slijedi rastav na parcijalne razlomke. Taj rastav glasi A1 Ar1 B1 Br k p(x) + = + ··· + + ··· + + ··· + q(x) x − x1 (x − x1 )r1 x − xk (x − xk )rk C1 x + D1 Cs x + Ds1 + 2 + ··· + 2 1 + ··· x + a1 x + b1 (x + a1 x + b1 )s1 Es x + Dsl E1 x + F1 + ··· + 2 l . (1.2) + 2 x + al x + bl (x + al x + bl )sl Koeficijente Ai , Bi , Ci , Di , Ei , Fi odredimo tako da jednakost pomnoˇimo s z q(x), izjednaˇimo koeficijente uz iste potencije, a zatim rijeˇimo dobiveni c s sustav linearnih jednadˇbi [M1, §2.4]. Moˇe se pokazati da dobiveni sustav z z uvijek ima jedinstveno rjeˇenje i to upravo zbog svojstava funkcije f = p/q. s

Integriranje rastava na parcijalne razlomke Iz op´eg oblika rastava na parcijalne razlomke, vidimo da se postupak inc tegriranja racionalne funkcije svodi na rjeˇavanje slijede´ih tipova integrala: s c 1) Integral oblika dx = (x − a)n svodi se na tabliˇni integral. c 2) Integral oblika x 1 dx = (x2 + ax + b)n 2 1 = 2 2x + a − a dx = (x2 + ax + b)n dt a − tn 2 x2 + ax + b = t, x − a = t, = dt = ··· tn

dx = dt

(2x + a) dx = dt dx = ··· (x2 + ax + b)n

svodi se na jedan tabliˇni integral i na integral koji se dalje rjeˇava posc s tupkom opisanim u toˇki 3). c 3) Slijede´i tip integrala prvo svedemo na puni kvadrat, zatim primijenimo c odgovaraju´u supstituciju, te dobiveni integral rijeˇimo pomo´u rekurc s c

20 zivne formule iz poglavlja 1.3.1: (x2 dx = + ax + b)n dx (x + x+ = = b− 1 (b −
a 2 a2 4 a 2 2)

NEODREDENI INTEGRAL

+b−

a2 n 4

=

1 (b −
a2 n 4 )

dx (x + b−
a 2 2) a2 4 n

+1

= t,

dx b−
a2 4

= dt

a2 n− 1 2 4 )

dt = ··· (1 + t2 )n

Vaˇno je uoˇiti da je izraz b − a2 /4 dobro definiran. Naime, polinom z c 2 + ax + b nema realnih nul-toˇaka, pa vrijedi a2 − 4b < 0, odnosno izraz x c pod korijenom je ve´i od nule. c

1.4.1

Primjer

Kao ilustraciju postupka integriranja racionalnih funkcija rijeˇit ´emo s c jedan sloˇeniji zadatak. Neka je z I= x3 + 2x2 + 3x − 6 dx. (x + 1)(x2 + 2x + 3)2

Prvo provjerimo da li brojnik i nazivnik imaju zajedniˇkih nul-toˇaka. Nulc c toˇke nazivnika su c √ −2 ± −8 . x1 = −1, x2,3 = 2 Broj x4 = 1 je oˇito jedna nul-toˇka brojnika. Iz c c (x3 + 2x2 + 3x − 6) : (x − 1) = x2 + 3x + 6

√ slijedi da su preostale dvije nul-toˇke brojnika jednake x5,6 = (−3± −15)/2. c Dakle, brojnik i nazivnik nemaju zajedniˇkih nul-toˇaka. Nadalje, kako je c c stupanj brojnika jednak 3, a stupanj nazivnika jednak 5, radi se pravoj racionalnoj funkciji. Stoga moˇemo pristupiti traˇenju rastava na parcijalne z z razlomke. Po formuli (1.2), rastav na parcijalne razlomke glasi A Bx + C Dx + E x3 + 2x2 + 3x − 6 = + + . (x + 1)(x2 + 2x + 3)2 x + 1 x2 + 2x + 3 (x2 + 2x + 3)2

1.4

Integriranje racionalnih funkcija

21

Mnoˇenje ove jednakost s nazivnikom daje z x3 + 2x2 + 3x − 6 = A(x2 + 2x + 3)2 + (Bx + C)(x + 1)(x2 + 2x + 3) + (Dx + E)(x + 1). Sredivanje desne strane po potencijama od x daje x3 + 2x2 + 3x − 6 = x4 (A + B) + x3 (4A + 3B + C) + x2 (10A + 5B + 3C + D) + x(12A + 3B + 5 + D + E) + 9A + 3C + E. Izjednaˇavanje koeficijenata uz potencije od x na lijevoj i desnoj strani daje c nam sustav linearnih jednadˇbi petog reda: z A 4A 10A 12A 9A + B = 0 + 3B + C = 1 + 5B + 3C + D = 2 + 3B + 5C + D + E = 3 + 3C + E = −6

Proˇirena matrica sustava glasi s  1 1  4 3   10 5   12 3 9 0 A = −2, B = 2,

0 1 3 5 3

0 0 1 1 0

0 0 0 1 1

0 1 2 3 −6

      E = 3.

Nakon Gaussove eliminacije [M1, §2.4] dobijemo rjeˇenje sustava koje glasi s C = 3, D = 3,

Napomenimo da je u ovom sluˇaju Gaussovu eliminaciju najbolje zapoˇeti c c odozdo poniˇtavaju´i redom elemente iznad dijagonale. s c Dakle, zadani integral jednak je I = −2 dx 2x + 3 + dx + 3 2 + 2x + 3 x+1 x = −2I1 + I2 + 3I3 . (x2 x+1 dx + 2x + 3)2 (1.3)

Dalje imamo I1 = dx = x+1 x+1=t dx = dt = dt = ln |t| + C1 = ln |x + 1| + C1 . t

22 Zatim, I2 = 2x + 3 dx = 2 + 2x + 3 x x2 + 2x + 3 = t

NEODREDENI INTEGRAL

(2x + 2) dx = dt √ (x + 1)/ 2 = s 1 dx = ln |t| + = √ (x+1)2 2 dx/ 2 = ds +1 2 1 x+1 = ln |x2 + 2x + 3| + √ arctg √ + C2 . 2 2

=

dt + t

dx (x + 1)2 + 2

1 ds = ln |t| + √ 2 2s +1

Uoˇimo da je x2 + 2x + 3 > 0 za svaki x, pa ne moramo pisati apsolutnu c vrijednost. Sliˇno, c I3 = x+1 dx = 2 + 2x + 3)2 (x 1 1 =− · 2 + C3 . 2 x + 2x + 3 x2 + 2x + 3 = t (2x + 2) dx = dt = 1 2 dt 1 = − + C3 2 t 2t

Konaˇno, uvrˇtavanje integrala I1 , I2 i I3 u formulu (1.3) daje rjeˇenje c s s 1 1 x+1 3 I = −2 ln |x + 1| + ln(x2 + 2x + 3) + √ arctg √ − · 2 + C. 2 x + 2x + 3 2 2 Zadatak 1.4 a) Provjerite prethodno rjeˇenje deriviranjem. s b) Provjerite prethodno rjeˇenje pomo´u programa The Integrator koji se s c nalazi na adresi http://www.integrals.com. c) Zadajte sami nekoliko integrala racionalnih funkcija, rijeˇite ih, te rezultat s provjerite deriviranjem i pomo´u programa The Integrator. c

1.5

Racionalne funkcije trigonometrijskih funkcija

Integrali ove klase funkcija su takoder uvijek elementarne funkcije. Ukratko, integral racionalne funkcije trigonometrijskih funkcija se odgovaraju´om supc stitucijom svede na integral racionalne funkcije koji se onda rijeˇi postupkom s opisanim u poglavlju 1.4. Definicija 1.3 Neka su f1 , . . . , fn elementarne funkcije. Racionalna funkcija od funkcija f1 , . . . , fn je svaka funkcija f koju dobijemo konaˇnim brojem c

1.5

Racionalne funkcije trigonometrijskih funkcija

23

zbrajanja, oduzimanja, mnoˇenja i dijeljenja funkcija f1 , . . . , fn . Za funkciju z f koristimo oznake f = R(f1 , . . . , fn ) ili Integral oblika R(sin x, cos x) dx svodi se supstitucijom na integral racionalne funkcije. Primijetimo da u prethodnom izrazu nema potrebe navoditi funkcije tg x i ctg x jer su one ve´ c racionalne funkcije funkcija sin x i cos x. Za svodenje na integral racionalne funkcije koristimo univerzalnu trigonometrijsku supstituciju, a u nekim posebnim sluˇajevima moˇemo koristiti i neke jednostavnije supstitucije. c z Univerzalna trigonometrijska supstitucija Univerzalna trigonometrijska supstitucija x t = tg 2 vrijedi za x/2 ∈ (−π/2, π/2) odnosno za x ∈ (−π, π). Dakle, x = 2 arctg t pa je dx = Adicioni teorem [M1, §4.6.5] daje sin x = 2 sin 2 dt. 1 + t2 f (x) = R(f1 (x), . . . , fn (x)).

(1.4)

sin x x x x 2 x 2 cos = 2 = 2 t cos2 , x cos 2 2 cos 2 2 2 sin2 x x 2 1+ 2 cos2 x 2 cos2 1 x = . 2 1 + t2

a osnovni trigonometrijski identitet daje cos2 odnosno Dakle, 2t , 1 + t2 x 1 − t2 x x x 1 − tg2 = . cos x = cos2 − sin2 = cos2 2 2 2 2 1 + t2 sin x = = 1,

izjednaˇavanje koeficijenata uz poz c tencije od t i rjeˇavanje tako dobivenog sustava linearnih jednadˇbi daje s z 1 A= . 3 C = 0. sin x cos x. 3 Dakle. Primjer 1. ctg x) dx . Potreba za takvim modifikacijama s c se ˇesto javlja kod odredenog integrala. u kojem granice integracije odreduju c podruˇje na kojem supstitucija mora vrijediti. Rastav na parcijalne razlomke glasi 1 + t2 A Bt+C = + . tg x. Sliˇna napomena vrijedi i za c c ostale trigonometrijske supstitucije. I= 3 + t2 = u 1 dt 2 t dt + = 3 t 3 3 + t2 2 t dt = du x 1 1 x 1 1 + ln 3 + tg2 + C.8 Vrijedi x dx = t = tg = (2 + cos x) sin x 2 1 + t2 dt (3 + t2 ) t 2 dt 1 + t2 1 − t2 2t 2+ 1 + t2 1 + t2 I= = Brojnik i nazivnik nemaju zajedniˇkih nul-toˇaka.24 NEODREDENI INTEGRAL Opisana supstitucija vrijedi za x ∈ (−π. z Integral oblika R(sin2 x. = ln |t| + ln |u| + C = ln tg 3 3 3 2 3 2 2 B= . a za ostala podruˇja je potrebno c izvrˇiti odgovaraju´e prilagodbe formula. a stupanj brojnika je mac c nji od stupnja nazivnika. π). cos2 x. 2 )t (3 + t t 3 + t2 Mnoˇenje ove jednakosti s nazivnikom. Jednostavnije supstitucije U nekim sluˇajevima integral racionalne funkcije trigonometrijskih funkc cija moˇe se raˇunati pomo´u jednostavnijih supstitucije koje vode na intez c c gral racionalne funkcije niˇeg reda ili pak na jednostavniji integral.

1. Za x ∈ (−π/2.3 Koriˇtenjem razliˇitih supstitucija kao u primjerima 1. t (1. =− R(t) dt.5 Racionalne funkcije trigonometrijskih funkcija 25 rjeˇavamo pomo´u supstitucije s c t = tg x. 1 + t2 1 ctg x = . 1 + t2 1 cos2 x = .5 a) Dokaˇite formule (1. Vrijedi s c I= = =− dx = (2 + cos x) sin x sin x dx (2 + cos x) sin2 x cos x = t − sin x dx = dt sin x dx = (2 + cos x)(1 − cos2 x) dt =− (2 + t)(1 − t2 ) dt . z . dx = 1 dt. z s Zadatak 1.5) Primjer 1.9 Rijeˇimo integral iz primjera 1.1 z c s nam kaˇe da se ova rjeˇenja razlikuju samo za konstantu. sin x cos x = 1 + t2 sin2 x = Takoder moˇemo koristiti i supstitucije z R(sin x) cos x dx = R(cos x) sin x dx = sin x = t cos x dx = dt cos x = t − sin x dx = dt = R(t) dt.5).8 na drugi naˇin.8 i s c 1. Medutim. π/2) vrijedi x = arctg t t2 . 1 + t2 t .9 moˇemo dobiti naizgled potpuno razliˇita rjeˇenja. teorem 1. (2 + t)(1 − t)(1 + t) Rastav na parcijalne razlomke daje I= 1 1 1 dt dt dt − − 3 2+t 6 1−t 2 1+t 1 1 1 = ln(2 + cos x) + ln |1 − cos x| − ln |1 + cos x| + C. 3 6 2 Napomena 1.

8 i 1.9 pomo´u programa The Integrator. sin2 x + sin x 2 tg x + 3 dx. §4. 1 − t2 t ∈ (−1. 1). 2 . s c t = th za koju vrijedi x = 2 arth t.8 i 1.9 razlikuju za konsz s tantu. 2 sin x + 2 cos2 x 1.26 NEODREDENI INTEGRAL b) Dokaˇite da se rjeˇenja integrala u primjerima 1. Integral racionalne funkcije hiperbolnih funkcija oblika R(sh x. dx = 2 dt.) c) Izraˇunajte integral iz primjera 1.4] svedite izraze na jedan logaritam. (Uputa: koriste´i svojstva logaritama (L3).6 Racionalne funkcije hiperbolnih funkcija Integrali ove klase funkcija rjeˇavaju se sliˇno kao i integrali racionalnih s c funkcija trigonometrijskih funkcija iz prethodnog poglavlja. x 2 (1. c §4. s c e) Izraˇunajte integrale: c 1 dx. a onda primijenite odgovaraju´e c veze izmedu trigonometrijskih funkcija. 4 sin x + 3 cos x + 5 1 dx.6. ch 2 2 ch x 2 2 2 sh2 x 1− 2 2 ch x 2 x 2 = ch2 x · (1 − t2 ).9] daju sh x = 2 sh 1 = ch2 sh x 2 x x x x 2 ch = 2 = 2 t ch2 . (L4) i (L5) [M1.6. c c d) Nacrtajte sva tri rjeˇenja pomo´u programa NetPlot.6) Osnovne veze izmedu hiperbolnih funkcija [M1. sin x(2 + cos x − 2 sin x) cos3 x dx. ch x) dx rjeˇavamo koriste´i univerzalnu hiperbolnu supstituciju.

1 − t2 t . sh x ch x = 1 − t2 dx = 1 dt. 1 − t2 x 1 + t2 x x x 1 + th2 = ch x = ch2 + sh2 = ch2 . 2 sh x + 2 ch2 x + 3 th x sh x = t ch x dx = dt ch x = t sh x dx = dt = = R(t) dt. (2 + ch x)(3 + sh x) dx . 1 − t2 1 cth x = . Integral oblika c R(sh2 x.6 Racionalne funkcije hiperbolnih funkcija 27 pa imamo 2t .6 Izraˇunajte integrale c 1 + sh x dx. 1 + t2 sh x = Kao i kod trigonometrijskih funkcija. R(t) dt. th x. pri ˇemu vrijedi c x = arth t sh2 x = t2 . t t ∈ (−1.1. 1) Takoder moˇemo koristiti i supstitucije z R(sh x) ch x dx = R(ch x) sh x dx = Zadatak 1. ch2 x. i ovdje su u nekim sluˇajevima c mogu´e jednostavnije supstitucije. . 1 − t2 1 ch2 x = . 2 2 2 2 1 − t2 2t th x = . sh x ch x. cth x) dx rjeˇavamo pomo´u supstitucije s c t = th x.

1 (x − 1)3 (x + 2)5 . . k. ax + b cx + d m1 n1 . c odnosno kaˇemo da iracionalna funkcija op´enito nije elementarno integraz c bilna.10 Vrijedi 8− 3 I= 64 x − 1 x 64 x − 1 x 2 dx = = 64 x − 1 1 6 t5 = t6 ⇒ 64 x − 1 = x t6 ⇒ x = ⇒ dx = dt 6 x 64 − t (64 − t6 )2 t 6 t5 8 − t3 · dt = 6 dt. te ga na taj naˇin rijeˇiti. 2+x dx... .. mi .7 Izraˇunajte integrale c 2 (2 − x)2 4 3 2−x dx.. ni ∈ N.7. Zadatak 1. U nekim posebnim sluˇajevima integral iracionalne funkcije je mogu´e c c svesti na integral racionalne funkcije. c s Primjer 1.7 Integriranje nekih iracionalnih funkcija Integral iracionalne funkcije op´enito ne mora biti elementarna funkcija. . c s 1. .4. . ax + b cx + d mk nk dx.1 Racionalna supstitucija Integral oblika R x. . 4 6 )2 3 )(8 + t3 )2 t (64 − t (8 − t Zadani integral smo sveli na integral racionalne funkcije pa ga moˇemo rijeˇiti z s prema pravilima iz poglavlja 1. i = 1. cx + d gdje je n najmanji zajedniˇki viˇekratnik od n1 .28 NEODREDENI INTEGRAL 1. nk . . rjeˇavamo racionalnom supstitucijom s ax + b = tn . .

∞) pri ˇemu je c x1 = −b − ∆ . 1 − t2 ) dt = t = sin z t2 − 1) dt = t = 1 sin z ili ili ili 1 − t2 = z(1 − t) .7 Integriranje nekih iracionalnih funkcija 29 1.1. Integral oblika R(x. x2 ] pri ˇemu su x1 i x2 zadani c kao i u sluˇaju (i).vidi primjer. 1 + t2 = t + z . 2a (ii) kada je a < 0 i ∆ > 0.11 Vrijedi I= = 3 dx = x+ + 6 x + 10 dt √ . 1 + t2 ) dt = t = tg z Primjer 1. tada je D = R.3 Za rjeˇavanje tih integrala s koristimo ili trigonometrijske ili Eulerove supstitucije: R(t. R(t. 2a x2 = −b + ∆ . se pomo´u supstitucije c t= 2ax + b |4ac − b2 | ax2 + bx + c) dx svodi na jedan od tri jednostavnija integrala. t − 3 + 1 + t2 √ x2 dx x+ (x + 3)2 +1 = x+3=t dx = dt Radi se o svodenju izraza pod korijenom na puni kvadrat . . c (iii) kada je a > 0 i ∆ ≤ 0. tada je D = (−∞. t2 − 1 = t + z . x1 ] ∪ [x2 .7.2 Trigonometrijske i Eulerove supstitucije Funkciju ϕ(x) = ax2 + bx + c : D → R ima smisla promatrati samo u sljede´im sluˇajevima (uvedimo oznaku ∆ = c c 2 − 4ac): b (i) kada je a > 0 i ∆ > 0. tada je D = [x1 . R(t.

c b) Izraˇunajte integrale: c . 1 − x2 dx 1.8 a) Dovrˇite raˇunanje integrala iz primjera 1. Zadatak 1.11.4) c svede na integral racionalne funkcije koji se rijeˇi prema pravilima iz poglavs lja 1.7) + bx + c ax2 . (5 + 2x + x2 )3 dx √ .7.4.3 Metoda neodredenih koeficijenata Vrijedi formula √ pn (x) dx = qn−1 (x) ax2 + bx + c ax2 + bx + c + α √ dx .30 Eulerova supstitucija daje I= NEODREDENI INTEGRAL 1 + t2 = t + z ⇒ 1 + t2 = t2 + 2 t z + z 2 ⇒ t = 1 + z2 dz 2 z2 = 1 − z2 1 − z2 −3+ +z 2z 2z − 1 1 + z2 · dz. Res c zultate provjerite pomo´u programa The Integrator. (1.10 i 1. cos z (sin z − 3 cos z + 1) Ovaj integral se dalje pomo´u univerzalne trigonometrijske supstitucije (1. 2 z (3 z − 1) 1 − z2 1 + z2 ⇒ dt = − dz 2z 2 z2 = Dobiveni integral racionalne funkcije se sada rijeˇi prema pravilima iz pos glavlja 1. Trigonometrijska supstitucija daje I= t = tg z ⇒ dt = 1 dz cosz 1 dz ⇒ cosz = t2 + 1 = 1 1 = 2z cos cos z za cos x > 0 = 1 sin z −3+ cos z cos z dz . x + x2 + x + 1 x2 √ dx.4.

Izjednaˇavanje koeficijenata uz iste potencije od x na lijevoj i desnoj strani. Taj integral se svodenjem na puni kvadrat i odgovaraju´om supstitucijom svodi na tabliˇni integral. ako je red polinoma pn velik. √ c s (ii) pomnoˇimo dobivenu jednakost s ax2 + bx + c (na taj naˇin viˇe z nema izraza pod korijenom). 2+9 4x 4 x2 + 9 x2 (4 x2 + 9) = (3 A x2 + 2 B x + C)(4 x2 + 9) + (A x3 + B x2 + C x + D)4 x + E.1. 4 x2 + 9 = (A x3 + B x2 + C x + D) 4 x2 + 9 + E Deriviranje daje x2 4 x2 + 9 = (3 A x2 + 2 B x + C) 4 x2 + 9 + (A x3 + B x2 + C x + D) √ Mnoˇenje ove jednakosti s z √ 4 x2 + 9 daje 4x 1 +E √ .12 Slijede´i integral prvo pomo´u malog trika svedemo na oblik c c (1.7 Integriranje nekih iracionalnih funkcija 31 gdje su pn (x) i qn−1 (x) polinomi stupnja n i n − 1. c s Integrali ovog tipa se takoder mogu rjeˇavati trigonometrijskim i Eulerovim supstitucijama. c rjeˇavanje dobivenog sustava linearnih jednadˇbi. Medutim. Koeficijente polinoma qn−1 i konstantu α odredimo na slijede´i c naˇin: c (i) deriviramo obje strane jednakosti (1. z pa je metoda neodredenih koeficijenata jednostavnija. Primjer 1. z Nakon ovog postupka preostaje izraˇunati integral na desnoj strani formule c c (1. redom.7).7): I= x2 4 x2 + 9 dx = x2 (4 x2 + 9) √ dx 4 x2 + 9 dx √ .7). te rjeˇavanje preostalog s z s integrala daje 9 1 x) I = ( x3 + 4 32 4 x2 + 9 − 81 1 2 · arsh x + C. a α je realna konstanta. tada trigonometrijske i Eulerove supstitucije vode na sloˇeni integral racionalne funkcije. z c . (iii) izjednaˇimo koeficijente uz potencije od x i rijeˇimo dobiveni sustav c s linearnih jednadˇbi. 32 2 3 Izvedite za vjeˇbu sve preskoˇene detalje.

 xm (x + bxn )p dx = 1   dx = 1 t n −1 dt n 1 m 1 = t n (a + bt)p t n −1 dt n 1 a + bt p m+1 +p−1 = t n dt. n n cijeli broj. b ∈ R. c . z s Teorem 1. Dokaˇimo dovoljnost. Slijede´i s c teorem daje nam nuˇne i dovoljne uvjete rjeˇivosti binomnog integrala.8 Binomni integral je elementarno rjeˇiv ako i samo ako je jedan s od brojeva m+1 m+1 . ali je zato oblik podintegralne funkcije neˇto jednostavniji.7). 1.32 Zadatak 1. Vidimo da se u binomnom integralu mogu pojaviti i drugi korijeni osim kvadratnog.4 Binomni integral Binomni integral je integral oblika xm (a + bxn )p dx. gdje je k najmanji nazivnik nakon kra´enja od (m + 1)/n. x2 + x + 1 dx √ x2 + x + 1 se supstitucijom x − α = 1/t svode na oblik (1. p ∈ Q. m. a.9 Rijeˇite integral s (x − Uputa: integrali oblika (x − α)n 1)4 NEODREDENI INTEGRAL dx √ . Vrijedi z   n  x = t. Dokaz. +p p. n t Razlikujemo tri sluˇaja: c (i) ako je p ∈ Z.7. tada koristimo supstituciju t = z k . x = t1/n . n.

I= 3 x(3 − x2 ) dx = x 3 (3 − x2 ) 3 dx. s c z Primjer 1. n = 2 i p = 1/3. t = .7 Integriranje nekih iracionalnih funkcija 33 (ii) ako je (m + 1)/n cijeli broj.13 Kod rjeˇavanja integrala s I= 3 3x − x3 dx 1 1 treba prvo prepoznati da se radi o binomnom integralu. Vrijedi 2 m+1 m+1 = ∈ Z. pa se radi o binomnom integralu uz m = 1/3. gdje je k nazivnik od p. tada koristimo supstituciju (a + bt)/t = z k . / 3−t 3 dt t 3−t 3 = = z3.10 Izraˇunajte integrale: c x−11 (1 + x4 )−1/2 dx. x = t. √ 1+ 3 x √ dx. z s Zadatak 1.8. s c Dokaz nuˇnosti. / + p = 1 ∈ Z. Svaka od tri navedene supstitucije vodi na integral racionalne funkcije koji se rjeˇava pomo´u postupaka iz poglavlja 1. odnosno dokaz da binomni integral nije elementarno z rjeˇiv kada nisu ispunjeni sluˇajevi (i)–(iii) je sloˇen pa ga izostavljamo.8: √ 1 1 1 1 dt I = x2 = t.1. dx = √ = t 6 (3 − t) 3 t− 2 dt 2 2 t p ∈ Z. t 1 + z3 z3 9 dz. Zaista.4. a (iii) ako je (m + 1)/n + p cijeli broj. n 3 n pa je integral elementarno rjeˇiv po teoremu 1. =− 2 (1 + z 3 )2 1 = 2 Za vjeˇbu rijeˇite integral do kraja. tada koristimo supstituciju a + bt = z k . gdje je k nazivnik od p. 3 x2 1 dt = − 9z 2 dz (1 + z 3 )2 . S ovim smo dokazali dovoljnost. Integral rjeˇavamo postups s kom danim u dokazu teorema 1.

odnosno rjeˇenje nije elementarna funkcija i ne s s moˇe se prikazati konaˇnim brojem zbrajanja. . U slijede´em teoremu koriste se pojmovi uniformne konvergencije reda c funkcija (vidi [M1.4.14 a) Integral I= e−x dx 2 nije elementarno rjeˇiv. mnoˇenja. fn (x) dx. §6. an (x − x0 ) n dx = ∞ n=0 an (x − x0 )n+1 + C n+1 − x0 )n . na intervalu konvergencije reda ∞ n=0 an (x Pokaˇimo kako pomo´u teorema 1.9 Neka red neprekidnih funkcija ∞ fn (x) konvergira unifori=1 mno prema funkciji s(x)na intervalu I. oduzimanja.4. za red potencija vrijedi ∞ n=0 ∞ i=1 ∞ i=1 fn (x). §6. z c z dijeljenja i komponiranja elementarnih funkcija. odnosno s(x) = Tada za svaki x ∈ I vrijedi s(x) dx = Posebno.34 NEODREDENI INTEGRAL 1. §6. Druga primjena je razvijanje u red potencija onih funkcija kod kojih se to ne moˇe direktno napraviti pomo´u z c Taylorove formule [M1. ∀x ∈ I. z c c c Najvaˇnija primjena integriranja reda funkcija je raˇunanje integrala funkz c cija koje nisu elementarno integrabilne. §6. uz odredene uvjete. Ovaj integral je od velike vaˇnosti u teoriji vjerojatnosti i statistici jer funkcija vjerojatnosti z 2 Gaussove ili normalne razdiobe ima oblik funkcije f (x) = e−x . konvergentan red funkcija moˇe derivirati ˇlan po ˇlan.8 Integriranje reda funkcija U [M1.5].3] pokazali smo kako se.9 moˇemo izraˇunati razvoj u red poz c z c tencija integrala koji nisu elementarno rjeˇivi. s Primjer 1.4]) i reda potencija (vidi [M1. Teorem 1.2]). Sliˇna je situacija i s integriranjem.

099667667].1 0. kako je red alterniran. 1 3 2 5 ˇ Cetvrti ˇlan reda (za n = 3) jednak je c 1 0.3809 · 10−9 . za svaki x ∈ R vrijedi e−x = 1 − 2 x2 x4 x6 + − + ··· = 2! 2! 3! ∞ n=0 (−1)n x2n .3809 · 10−9 . tako da ne vrijedi formula za ostatak.3809 · 10−9 . 2) je I(0.099667664.17 − · = −2. n! pri ˇemu je konvergencija uniformna. Pomo´u ovog reda moˇemo izraˇunati vrijednost funkcije c z c I = I(x) u bilo kojoj toˇki x sa ˇeljenom toˇnoˇ´u.9 daje c I= e −x2 dx = ∞ n=0 (−1)n n! x 2n dx = ∞ n=0 (−1)n x2n+1 · + C. b) Integral I= sin x dx x . Zamijenimo li x s −x2 .15 0.5] Maclaurinov razvoj funkcije ex glasi ex = 1 + x2 x3 x4 x + + + + ··· = 1! 2! 3! 4! ∞ n=0 xn . 6 7 pa zakljuˇujemo da pogreˇka nije ve´a od 2. 0. 0. zakljuˇujemo da pogreˇka prilikom aproksimacije konaˇnom c s c parcijalnom sumom nije ve´a od prvog zanemarenog ˇlana. Pri tome je konvergencija uniformna po [M1. Medutim.1 uz C = 0 izraˇunata s prva tri ˇlana c c c reda (za n = 0.0996676 − 2.16]. c c vrijednost integrala I u toˇki x = 0.8 Integriranje reda funkcija 35 Prema [M1. n! 2n + 1 Dakle.1) = 1 0.0996676] = [0. Na primjer. naˇli smo razvoj traˇenog integrala u uniformno konvergentan s z red potencija. teorem 6.1) ∈ [0. n! ∀x ∈ R. §6. Dobiveni red nije c z c sc Taylorov red. odnosno c s c ˙ ˙ I(0.1.0996676. 1.13 ˙ − + · = 0. ˇto je relativna pogreˇka manja od tri stota dijela tisu´itog dijela jednog s s c promila. Teorem 1.

14 a) u toˇkama x = 0.36 NEODREDENI INTEGRAL takoder nije elementarno rjeˇiv. pri ˇemu je konvergencija uniformna po [M1.1 oni imaju istu primitivnu funkciju. for n=1:k I=I+(-1)^(n-1)*x^(2*n-1)/((2*n-1)*prod(1:n-1)).5] MacLaurinov razvoj s funkcije sin x glasi x2n+1 x3 x5 x7 x (−1)n + − + ··· = . po definiciji 1. Sada moˇemo primijeniti teorem 1.9: z I= sin x dx = x ∞ n=0 (−1)n (2n + 1)! x 2n dx = ∞ n=0 x2n+1 (−1)n · + C. No. (2n + 1)! 2n + 1 Zadatak 1. x=0. c pa tako i isti integral. kako se oni razlikuju c samo u jednoj toˇki. teorem 6.16].14 a) u toˇki x uz C = 0 c moˇemo izraˇunati pomo´u sljede´eg Matlab programa: z c c c format long k=3. dok zadana funkcija nije definirana u toˇki x = 0. §6.1. sin x = − 1! 3! 5! 7! (2n + 1)! n=0 ∞ ∀x ∈ R. I=0.2 i c c x = 1 uz C = 0 koriste´i prva tri ˇlana reda i ocijenite pogreˇku.11 a) Pomo´u razvoja u red potencija izraˇunajte integral c c e−x dx. end I pogreska=(-1)^k*x^(2*k+1)/((2*k+1)*prod(1:k)) relativna_pogreska=abs(pogreska/I) . x b) Izraˇunajte vrijednosti integrala iz primjera 1. (2n + 1)! Primijetimo da je red na desnoj strani definiran za svaki x ∈ R. c c s c) k-tu parcijalnu sumu reda I iz primjera 1. Prema [M1. Za x = 0 c vrijedi x2 x4 x6 sin x =1− + − + ··· = x 3! 5! 7! ∞ (−1)n n=0 x2n .

. z c §6. Zato ´emo koristiti geometrijski red [M1. . (arctg x)′′ = · 2x.1.5].14 b). za x ∈ (−1.^2)) Nacrtajte funkciju na razliˇitim intervalima koriste´i program Octave On-line. te izraˇunajte vrijednosti integrala i odgovac raju´e pogreˇke u raznim toˇkama x za razne vrijednosti k. 1−x ∀x ∈ (−1. 1) vrijedi 1 − x 2 + x 4 − x6 + · · · = Teorem 1.01:4.8 Integriranje reda funkcija 37 Izraˇunajte aproksimacije vrijednosti integrala I u razliˇitim toˇkama x c c c s razliˇitim parcijalnim sumama (za razliˇite vrijednosti k). 1). te odgovac c raju´e pogreˇke. c s c z Naredba format long je potrebna da bi se prikazalo svih 16 znamenki koje program raˇuna. . sukcesivno deriviranje daje −1 1 . 4] pomo´u sljede´eg Matlab programa: x=-4:0.9 daje arctg x = ∞ ∞ (−1)n x2n = n=0 1 1 = = (arctg x)′ . c s c z c c e) Funkciju e−x moˇemo nacrtati na intervalu [−4. 2 Zamijenimo li x s −x2 . (arctg x)′ = 2 1+x (1 + x2 )2 pa derivacije postaju vrlo sloˇene. 2n + 1 . z Primjer 1. 2) 1 − (−x 1 + x2 (−1) n x 2n dx = ∞ (−1)n n=0 n=0 x2n+1 + C.4] za koji vrijedi 1 + x + x 2 + x3 + x 4 + · · · = 1 . Za raˇunanje moˇete koristiti program Octave On-line.15 Funkciju arctg x ne moˇemo razviti u red potencija direktz nom primjenom Taylorove formule [M1. plot(x.exp(-x. Naime. §6.9 takoder moˇemo iskoristiti za raˇunanje razvoja u red potencija onih funkcija kod kojih to ne moˇemo direktno napraviti. c c z c Teorem 1. c d) Preradite prethodni program tako da raˇuna k-tu parcijalnu sumu intec grala I iz primjera 1.

a(2:2:k)=-1.4]. U toˇki x = −1 red glasi c ∞ n=0 1 1 (−1)3n+1 = −1 + − + · · · . i usporedite c c s pravom vrijednoˇ´u.2. (1.) Na primjer. zakljuˇujemo da red konverc gira prema arctg(−1) = −π/4. a=ones(k. Naime. Iz uvjeta arctg 0 = 0 slijedi C = 0. c ∞ . a(i)=a(i)/(2*i-1). (Sliˇno smo ve´ zakljuˇili u primjeru 1.38 NEODREDENI INTEGRAL No. medutim konvergenz c cija je vrlo spora.12 k-tu parcijalnu sumu prethodnog reda I i odgovaraju´u aprokc simaciju broja π moˇemo izraˇunati pomo´u sljede´eg Matlab programa: z c c c format long k=1000. for i=1:k. Sliˇno razmatranje za toˇku x = −1 daje c c (−1)n 1 1 π = 1 − + − ··· = .8) Ispitajmo konvergenciju reda na desnoj strani u rubovima intervala.8).1). konstanta s C ne moˇe biti proizvoljna. 2n + 1 ∀x ∈ (−1. zbog neprekidnosti lijeve i desne u jednakosti (1. red je alterniran. nadalje.14 a). ˇto c s s znaˇi da smo izraˇunali tek prve tri decimale broja π. end p=4*sum(a) pi Izraˇunajte aproksimacije broja π za razliˇite vrijednosti k. c c c c kada zbrojimo prvih 1000 ˇlanova reda. 100. z arctg x = ∞ (−1)n n=0 x2n+1 . pogreˇka je manja od −1/(2001). 2n + 1 3 5 4 n=0 Gornji red moˇemo koristiti za raˇunanje broja π. 2n + 1 3 5 Ovaj red konvergira po Leibnitzovom kriteriju [M1. Dakle. zbog toga ˇto se na lijevoj strani nalazi konkretna funkcija. c c Zadatak 1. pa zakljuˇujemo da pogreˇka c s prilikom aproksimacije konaˇnom parcijalnom sumom nije ve´a od prvog zac c nemarenog ˇlana. 1000? sc c Za raˇunanje koristite program Octave On-line. 1). Koliko se toˇnih decimala dobije za n = 10. §6.

9) Kako je ubrzanje derivacija brzine po vremenu. U ovom poglavlju s c iskoristit ´emo do sada nauˇeno za rjeˇavanje problema slobodnog pada. sqrt ( 9.81*( 1-exp(-2*s) ) ) 1 1 Slika 1.2: Slobodan pad uz otpor zraka za m = k Iz Newtonove formule slijedi a= k mg − v2 . pri ˇemu je m masa tijela koje pada. c c s Pretpostavimo da je prilikom slobodnog para otpor zraka proporcionalan kvadratu brzine. dt dt ds ds dt ds . m k (1.9 Slobodan pad uz otpor zraka Koriˇtenjem integralnog raˇuna iz ove glave i diferencijalnog raˇuna iz s c c [M1. ˇto je i svrha integralnog i diferencijalnog raˇuna. Tada prema drugom Newtonovom zakonu vrijedi ma = mg − kv 2 . v(s) c (vidi Sliku 1. g gravitacija.1.9 Slobodan pad uz otpor zraka 39 1. Izvest ´emo formulu za brzinu v u ovisnosti o prijedenom putu s. a brzina derivacija puta po vremenu.2 za m = k). moˇemo rjeˇavati razne probleme u fizici i tehnici. moˇemo pisati z a= dv ds dv ds dv dv = · = · =v . a ubrzanje. §5]. ili op´enito z s c prirodi. k koeficijent c trenja i v brzina.

6. k Isto smo mogli zakljuˇiti i direktno iz formule (1. sc . 2 Dakle.40 NEODREDENI INTEGRAL Kombiniraju´i dvije prethodne formule uz oznaku α = mg/k imamo c k v dv = ds. Vidimo kako se brzina ne moˇe beskonaˇno pove´avati jer jer z c c v∞ = lim k mg 1 − e−2 m s k s→∞ = mg . pa uvrˇtavanje u prethodnu formulu daje s 1 C = − ln α. §4. konaˇno daje c v(s) = k mg 1 − e−2 m s . Dalje.9) i ˇinjenice da je ubrzanje pozitivno slijedi α − v 2 > 0. potrebno je odrediti konstantu C. m Integral na lijevoj strani rijeˇimo supstitucijom α − v 2 = u. c odnosno ln |α − v 2 | = ln(α − v 2 ). α m k α − v2 = e−2 m s . Pretpostavili smo da gibanje kre´e iz ishodiˇta koordinatnog sustava (Slika c s 1. 2 α−v m Integriranje obaju strana daje v k dv = 2 α−v m ds = k s + C. pa je s k 1 − ln |α − v 2 | = s + C. α Rjeˇavanje ove jednadˇbe po v. m Svojstvo logaritma (L4) iz [M1.4] daje ln(α − v 2 ) = −2 ln pa eksponenciranje daje k α − v2 = −2 s. odnosno v(0) = 0.2). k s + ln α. k s ≥ 0. koriste´i pri tome definiciju od α i ˇinjenicu s z c c da je v ≥ 0.9) jer za tu vrijednost brzine c ubrzanje iˇˇezava. 2 m Iz formule (1.

vk=0 (s) = s neprekidnih funkcija [M1.9 Slobodan pad uz otpor zraka 41 Pogledajmo joˇ ˇto se dogodi kada nema otpora zraka. gk/m. α α ln(ch 0) + C = ln 1 + C = C. odnosno za k = ss (1 − 1)/0. gdje je α = brzine: mg/k i β = t ≥ 0. β β . teorem 4. Integralni raˇun se takoder koristiti i kod izvodenja formule za put u c ovisnosti o vremenu. Uvrˇtavanje daje neodredeni oblik. Drugaˇijim pristupom. §5.5. c c 0= Dakle.3] daju poznatu formulu vk=0 (s) = lim = = k→0 k mg 1 − e−2 m s k = k→0 lim k mg 1 − e−2 m s k k s mg 0 − e−2 m s ( − 2 k→0 1 m lim 2gs. t ≥ 0. ˇiji izvod preskaˇemo. Svojstvo 0.7 (ii)] (u ovom sluˇaju drugi korijen) i c L’Hospitalovo pravilo [M1. dobije se c c c formula za brzinu kao funkciju vremena v(t) = α th(β t). s(t) = α m ln(ch(β t)) = ln β k ch kg t m . Konstantu C odredimo iz poˇetnog uvjeta s(0) = 0. Put kao funkcija vremena je integral sh t dt = ch t ch(β t) = u β ch(β t) = du s(t) = = α β α th(β t) dt = α α α du = ln |u| = ln(ch(β t)) + C. u β β U zadnjoj jednakosti koristili smo ˇinjenicu da je kosinus hiperbolni uvijek c ve´i ili jednak jedan.1.

42 NEODREDENI INTEGRAL .

. .1 2. .6.5 Simpsonova formula .7. . . . . . . . . . . s Sila i rad .2 Duljina luka ravninske krivulje . . . . . . . . . . . 2. . . .7 Volumen rotacionog tijela . . . neodredeni i odredeni integral dva razliˇita matematiˇka objekta. . Taj broj je dobiven iz podintegralne funkcije i intervala na kojem tu funkciju promatramo. . . . . . . . . . . . . . . .5. . c 2. . . . . 2. . Programi . . . Za razliku od neodredenog integrala koji je skup funkcija (definicija 1. . . . . . . . . . . . . .3 2. . . .2. . . . . . . .7 Numeriˇko integriranje .1 Kriteriji konvergencije . . . . . Newton-Leibnitzova formula . .4 2. . . s 2. . . . . . . . Hidrostatski tlak i sila . . . . . . . . . . . . . . . . .3 2. .6. . . . . . . .2 Trapezna formula . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . 2. . . . . . .6 2. . . . . . . . . . . . . . . . . . . . . . . . . . . Teoremi o odredenom integralu . . . . . .6. . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . kao c c i njegove primjene. . . . . . .7. Nepravi integral . . . . . . . . . . . . . . . .1 Eliptiˇki integrali . . . . . . . . . Momenti i teˇiˇte . . . Oploˇje rotacionog tijela . . . . . . . . tema su ovog poglavlja. . . Supstitucija i parcijalna integracija . . ODREDENI INTEGRAL 2. . . . . . . .7. . . .5 2. . . a naˇin na koji se raˇuna. . c 2. . . Richardsonova ekstrapolacija . . . . . . . . zs 44 48 52 54 57 59 62 62 70 73 76 78 82 84 88 88 90 93 95 97 2. . .7. . . . . . . . . 2.2. . .4 2. . .2 2. . . . . . .6. .5 2. . odredeni integral je realan broj. . . . . dakle. . . . . . . . . . . . . . . . Primjene odredenog integrala . medu njima postoji c c jaka veza.4 2. . . .6. . . . . .7. .6 Definicija i osnovna svojstva .1 Povrˇina ravninskog lika . . .3 2. . Premda su.

c Neka je f : [a. . Riemannov integral ili odredeni integral funkcije f od a do b je broj I = I∗ = I ∗ . c . xi ]}. Donja integralna suma je broj (slika 2. gdje je mi = inf{f (x) : x ∈ [xi−1 . gornji i donji integral. D) : D ∈ D}. te konaˇno odredeni integral. . D) = i=1 Mi (xi − xi−1 ).1) n g(f. a donji (Riemannov) integral je broj I∗ = sup{d(f.1 Definicija i osnovna svojstva U ovom poglavlju definirat ´emo prvo rastav segmenta. Funkcija f je (Riemann) integrabilna na segmentu [a. Gornji (Riemannov) integral je broj I ∗ = inf{g(f.1 Rastav ili dekompozicija segmenta [a. Skup svih dekompozicija segmenta [a. gdje je Mi = sup{f (x) : x ∈ [xi−1 . Gornja integralna suma je broj (slika 2.2) n d(f. D) = i=1 mi (xi − xi−1 ). pri ˇemu I ∗ i I∗ sigurno postoje zbog omedenosti funkcije f .44 ODREDENI INTEGRAL 2. xi ]}. Poc tom ´emo dati osnovna svojstva odredenog integrala i navesti dovoljan uvjet c integrabilnosti. x1 . . gornju i donju c integralnu sumu. xn } takav da je c a = x0 ≤ x1 ≤ x2 ≤ · · · ≤ xn−1 ≤ xn = b. b] ⊂ R je svaki konaˇan c skup toˇaka {x0 . . b] oznaˇavamo s D. b] → R omedena funkcija. D) : D ∈ D}. Definicija 2. b] ako je I ∗ = I∗ .

b]. D).1 i 2. D) = i=1 Iz definicije 2.1: Gornja suma c Odredeni integral oznaˇavamo s b I= a f (x) dx. O2. tada je integral I jednak povrˇini s izmedu krivulje y = f (x) i x-osi od a do b. I ≥ d(f. Naime.1 slijede osnovna svojstva i geometrijsko znaˇenje odredenog c integrala: O1. f (xi )(xi − xi−1 ). Napomena 2. D).1 Definicija i osnovna svojstva 45 a=x 0 x 1 x2 x 3 b=x 4 Slika 2. s . Ako je f (x) ≥ 0 za svaki x ∈ [a.2 vidimo da usitnjavanjem rastava D gornje i donje sume sve bolje aproksimiraju tu povrˇinu. D) = i=1 n f (xi−1 )(xi − xi−1 ). Za svaki rastav D ∈ D vrijedi I ≤ g(f. na slikama 2. r(f.2.1 U literaturi se odredeni integral ˇesto definira i pomo´u c c lijevih i desnih integralnih suma. n l(f.

Iz ovog svojstva.2: Donja suma O3. slijedi da je c 2π sin x dx = 0. O6.46 ODREDENI INTEGRAL a=x 0 x 1 x2 x 3 b=x 4 Slika 2. tada smatramo da je prirast dx negativan. Oˇito vrijedi c a f (x) dx = 0. za dio funkcije koji se nalazi ispod x-osi su veliˇine Mi i mi negativne. Za a ≤ b definiramo a b f (x) dx = − b f (x) dx. c z c ukoliko svi navedeni integrali postoje. . na primjer. tada je prirast dx pozitivan. a kada x ide od b prema a. a O4. 0 O5. tada je b c b f (x) dx = a a f (x) dx + c f (x) dx. Naime. Podruˇje integracije moˇemo rastaviti na konaˇno dijelova. Na primjer. a b Smisao ove definicije je slijede´i: kada u c a f (x) dx varijabla x ide od a do b. Dijelovi povrˇine koji se nalaze ispod x-osi pribrajaju se s negativs nim predznakom.

b] → R omedena i neprekidna na skupu [a.P2 b c Slika 2. Teorem 2.d] iI∗[c. c c s za funkciju prikazanu na Slici 2. .d] konaˇni i jednaki za svaki c pod-segment [c. zbog svojstva O5. d] ⊆ [a. jednakost vrijedi i kada je c ≤ a ≤ b ili a ≤ b ≤ c (slika 2. gornji i donji integrali.3). c Slijede´i primjer pokazuje ˇto se moˇe dogoditi kada je skup A iz teorema c s z 2. b] \ A. c s No. b] najviˇe prebrojiv. Funkcija f je takoder integrabilna na svakom pod-segmentu [c. Sliˇno vrijedi c c i za prebrojivo mnogo toˇaka. I ∗ i I∗ . Naime. Slijede´i vaˇan teorem dam daje dovoljan uvjet integrabilnosti funkcije c z f .3: Rastav integrala na djelove O7. b].4 vrijedi 2 1 2 f (x) dx = 0 0 f (x) dx + 1 f (x) dx = 1 1 + 2 + = 3. Na primjer. tada je f c c s integrabilna na [a. d].1 Definicija i osnovna svojstva 47 Ako je a ≤ c ≤ b tada je jednakost oˇita jer se radi o zbrajanju povrˇina. mogu biti konaˇni i jednaki c ∗ samo ako su gornji i donji integrali I[c.1 neprebrojiv. b].1 Ako je funkcija f : [a. pri ˇemu je skup toˇaka A ⊂ [a.2. Teorem navodimo bez dokaza. P1 P2 P1 P2 a P= P1 + P2 c b a P1= P . kako vrijednost funkcije u jednoj toˇki ne utjeˇe na povrˇinu. 2 2 bez obzira na definiranost ili vrijednost funkcije u toˇki x = 2.

.2]. 2. Stoga za svaki rastav D za svaki i vrijedi mi = 0 i Mi = 1. I∗ = 0 = 1 = I ∗ . x ∈ Q 0.4. pa je n n d(f. Funkcija f je oˇito omedena. odnosno ima neprebroc jivo mnogo prekida. funkcija f ima prekid u svakoj toˇki segmenta [0. D) = i=1 0 · (xi − xi−1 ) = 0.2 Newton-Leibnitzova formula U ovom poglavlju dokazat ´emo osnovni teorem integralnog raˇuna koji c c daje vezu izmedu neodredenog i odredenog integrala. D) = i=1 1 · (xi − xi−1 ) = 1. 1} definiranu s f (x) = 1. kako su skupovi Q i R gusti jedan u drugom (vidi [M1. 1]. x ∈ R \ Q Ovu funkciju smo ve´ promatrali u [M1.48 ODREDENI INTEGRAL 3 2 P=5/2 1 P=1/2 1 2 Slika 2.7]). 1] → {0.4: Dovoljan uvjet integrabilnosti Primjer 2. §4. c c Medutim. Dakle.1 Promotrimo funkciju f : [0. §1. pa funkcije f nije integrabilna. g(f.

2. Za svaki i = 1. . Dokaz. Prema Lagrangeovom teoremu srednje vrijednosti [M1. Tada vrijedi Newton-Leibnitzova formula: b a f (x) dx = F (b) − F (a). b).2 Neka je funkcija f : [a. d(f. Neka je D proizvoljni rastav segmenta [a. . b] → R takva da je F ′ (x) = f (x) za svaki x ∈ (a. n funkcija F je neprekidna na intervalu [xi−1 .1. n. D). Integrabilnost funkcije f povlaˇi c I∗ = I ∗ = pa je konaˇno c b b f (x) dx a a f (x) dx = F (b) − F (a) . 2. Zbrajaju´i ove nejednakosti dobivamo c n i = 1. S druge strane vrijedi inf{f (x) : x ∈ [xi−1 . Ove nejednakosti vrijede za proizvoljni rastav D segmenta [a. xi ] i derivabilna na intervalu (xi−1 . xi ).2 Newton-Leibnitzova formula 49 Teorem 2. xi ]} ˇto povlaˇi s c mi (xi − xi−1 ) ≤ F (xi ) − F (xi−1 ) ≤ Mi (xi − xi−1 ). xi ) za koju vrijedi c F (xi ) − F (xi−1 ) = F ′ (ξi )(xi − xi−1 ) = f (ξi )(xi − xi−1 ). . D). xi ]} = mi ≤ f (ξi ) ≤ Mi = sup{f (x) : x ∈ [xi−1 . teorem 5. b] kao u definiciji 2. D) ≤ odnosno i=1 [F (xi ) − F (xi−1 )] ≤ g(f. . b] i neka za nju postoji primitivna funkcija F : [a. .2. D) ≤ F (b) − F (a) ≤ g(f. b] → R integrabilna na [a. . . b] iz ˇega slijedi c I∗ ≤ F (b) − F (a) ≤ I ∗ .9] postoji toˇka ξi ∈ (xi−1 . d(f. .

c s sljede´i teorem daje i neˇto jaˇu verziju teorema 2. odnosno c c kazuje kako se primitivna funkcija moˇe dobiti pomo´u odredenog integrala. z c to jest pomo´u povrˇine izmedu podintegralne funkcije i x-osi.5: Primjena Newton-Leibnitzove formule U teoremu 2. a onda uvrste granice. ODREDENI INTEGRAL Iz teorema zakljuˇujemo da se odredeni integral moˇe rijeˇiti tako da c z s se nade neodredeni integral podintegralne funkcija. Takoder.50 i teorem j dokazan. .2 bez uvjeta na derivabilc s c nost funkcije F za svaki x ∈ (a. Primjer 2. 3 3 Povrˇine su prikazane na Slici 2.2 smo pokazali kako se odredeni integral moˇe izraˇunati z c pomo´u primitivne funkcije.2 Povrˇina izmedu funkcije y = sin x i x-osi od 0 do π jednaka s je π π 0 sin x dx = − cos x 0 = − cos π − (− cos 0) = −(−1) + 1 = 2. b). Newton-Leibnitzovu formulu joˇ zapisujemo kao s b b f (x) dx = F (x) a a . s P=2 pi P=1/3 1 Slika 2. Sliˇno. Slijede´i teorem daje obrnutu vezu.5. povrˇina izmedu kvadratne parabole y = x2 i x-osi od 0 do 1 jednaka c s je 1 x2 dx = 0 x3 3 1 = 0 1 1 −0= .

tada je Φ primitivna funkcija funkc cije f na intervalu [a. c (ii) Za proizvoljan x vrijedi x+∆x Φ(x + ∆x) − Φ(x) = pa omedenost funkcije f .6): b (i) Φ(a) = 0. odnosno δx→0 lim Φ(x + ∆x) = Φ(x). b]. b].2 Newton-Leibnitzova formula 51 Teorem 2. b] te za bilo koju primitivnu funkciju F funkcije f na intervalu [a. (i) Oˇito. |f (t)| ≤ M. b] → R integrabilna na intervalu [a. b] \ A. b] i neka je A ⊂ [a. b] \ A i Φ′ (x) = f (x). (iii) funkcija Φ je derivabilna na [a. Tada za funkciju c funkcija Φ definiranu s x Φ(x) = a f (t) dt. povlaˇi c f (t) dt x ∀t ∈ [a. (ii) funkcija Φ je neprekidna na intervalu [a. (iv) ako je skup A konaˇan ili prebojiv. Φ(b) = a f (x) dx.2. x ∈ [a. b] |Φ(x + ∆x) − Φ(x)| ≤ M |∆x|. Dokaz. vrijedi (vidi sliku 2. b] skup svih toˇaka prekida funkcije f . b] vrijedi Newton-Leibnitzova formula b a f (x) dx = F (b) − F (a). ∀x ∈ [a. .3 Neka je funkcija f : [a.

.x] Ako je funkcija f neprekidna u toˇki x. c onda izraz na desnoj strani teˇi k nuli kada ∆x → 0 pa je Φ′ (x) = f (x). b] \ A. a 2. ako je x ∈ [a. b] vrijedi F (x) = Φ(x) + C. Promotrimo integral 9 I= 4 √ dx . ∆x t∈[x.3 Supstitucija i parcijalna integracija Svaki odredeni integral moˇemo rijeˇiti tako da prvo rijeˇimo pripadni z s s neodredeni integral. x−1 Prvo pomo´u supstitucije rijeˇimo neodredeni integral c s √ dx = x−1 x = t2 = 2 t dt = 2 t + 2 ln |t − 1| t−1 dx = 2 t dt √ √ = 2 x + 2 ln | x − 1|.2 za bilo koju primitivnu funkciju F funkcije f na intervalu [a. odnosno. tada je Φ i primitivna funkcija c funkcije f na intervalu [a.x+∆x] ili t∈[x+∆x. b]. pa iz toˇke (i) slijedi c b ∀x ∈ [a. Prema teoremu 1.52 (iii) Za proizvoljan x vrijedi 1 Φ(x + ∆x) − Φ(x) − f (x) = ∆x ∆x pa sliˇne ocjene kao u toˇki (ii) daju c c ODREDENI INTEGRAL x+∆x x [f (t) − f (x)] dt. a potom uvrstimo granice prema Newton-Leibnitzovoj formulu. b] F (b) − F (a) = Φ(b) + C − Φ(a) − C = Φ(b) = f (x) dx. z (iv) Ako je skup A konaˇan ili prebrojiv. Φ(x + ∆x) − Φ(x) − f (x) ≤ sup |f (t) − f (x)|.

odredeni integral rjeˇavamo na slijede´i naˇin: 9 4 dx √ = x−1 =2 x = t2 dx = 2 t dt 3 3 x 4 9 t 2 3 3 = 2 2 t dt t−1 3 2 dt + 2 2 2 3 dt = 2 t + 2 ln |t − 1| t−1 2 = 2(3 − 2) + 2(ln 2 − ln 1) = 2 + 2 ln 2. √ Tako u ovom primjeru supstitucija x = t2 zapravo znaˇi t = x. √ √ x + 2 ln | x − 1| 9 4 I=2 = 2 (3 + ln 2) − 2 (2 + ln 1) = 2 + 2 ln 2. c c . Ako prilikom zamjene varijabli ujedno izvrˇimo i odgovaraju´u zamjenu s c s c c granica. Kod zamjene granica trebamo uvijek paziti da ona bude dobro definirana.2.3 Supstitucija i parcijalna integracija 53 P=Φ(x) a x Slika 2. Takoder primijetimo da kod rjeˇavanja neodredenog integrala ne treba pisati konstantu s integracije C. jer nam ona ne treba u Newton-Leibnitzovoj formuli. pa smo c prema tome i odabrali nove granice. Posebno oprezan treba biti kod zamjene granica u sluˇaju periodiˇkih (trigonometrijskih) funkcija. Dakle.6: Primitivna funkcija kao odredjeni integral Primijetimo da je supstitucija dobro definirana jer je x ≥ 0.

c s U [M1.2] dokazali smo Cauchyjev i Lagrangeov teorem srednje vrijednosti za derivaciju. tada postoji toˇka c ∈ (a. redom. g : [a.4 (Teorem srednje vrijednosti) Ako su funkcije f. to su F i G derivabilne na (a. c Teorem 2. Slijede´i teorem je analogija tih teorema za odredeni c integral. funkcije F i G ispunjavaju uvjete Cauchyjevog teorema. b] → R neprekidne i g(x) = 0. a Dokaz. du = 1 dx.4 Teoremi o odredenom integralu U ovom poglavlju dokazat ´emo joˇ neka svojstva odredenog integrala. Druga tvrdnja slijedi iz prve ako uzmemo g(x) ≡ 1. §5. . b). 2. b) takva da je c b f (c) = g(c) Posebno (uz g(x) ≡ 1) vrijedi f (x) dx a b .54 ODREDENI INTEGRAL Formula za parcijalnu integraciju takoder vrijedi u odredenom integralu:   2 2 2  u = ln x. v = x 1 1 2 1 = 2 ln 2 − 1 ln 1 − x = 2 ln 2 − 1. g(x) dx a 1 f (c) = b−a b f (x) dx.5. b]. 1 x ln x dx = = x ln x − x dx   x 1 dv = dx. G′ (x) = g(x) = 0. a dokazuje se pomo´u Cauchyjevog teorema. pa postoji toˇka c ∈ (a. Dakle. b) takva da je c b F (b) − F (a) f (c) = ′ = = g(c) G (c) G(b) − G(a) F ′ (c) f (x) dx a b g(x) dx a i prva tvrdnja teorema je dokazana. Neka su F i G primitivne funkcije funkcija f i g na segmentu [a. Kako su f i g neprekidne. Pored toga.

Teorem 2. s time ˇto povrˇina i visina mogu biti i negativne (slika 2. b]. (ii) odredeni integral je monoton. 1]. s s Vrijednost f (c) je srednja vrijednost funkcije f na intervalu [a. g : [a.7: Teorem srednje vrijednosti Zadatak 2. f(c) a c b Slika 2. . b]. tada je b b a f (x) dx ≤ g(x) dx.4 Teoremi o odredenom integralu 55 Grafiˇka interpretacija druge tvrdnje teorema je slijede´a: povrˇina izmedu c c s funkcija f (x) i x-osi od a do b jednaka je povrˇini pravokutnika s bazom b−a s i visinom f (c).5 Neka su funkcije f.7).2. b]. a (iii) odredeni integral zadovoljava nejednakost trokuta: b b a f (x) dx ≤ a |f (x)| dx. b] → R integrabilne na [a. Tada vrijedi: (i) odredeni integral je linearan: b b b (αf (x) + βg(x)) dx = α a a f (x) dx + β a g(x) dx. odnosno ako je f (x) ≤ g(x) za svaki x ∈ [a.1 Izraˇunajte srednju vrijednost funkcije f (x) = x2 na intervalu c [0.

2] povlaˇi c −|f (x)| ≤ f (x) ≤ |f (x)|. a b a g(x) dx ≥ sup d(f. pa isto svojstvo apsolutne vrijednosti (primijenjeno u obratnom smjeru) daje tvrdnju. D) ≤ d(g. a (iii) Svojstvo apsolutne vrijednosti realnog broja iz [M1. b] odgovaraju´e donje sume zadovoljavaju nejednakosti c b d(f. Kako je (αF (x) + βG(x))′ = αf (x) + βg(x).7. . (ii) Zbog f (x) ≤ g(x).56 Dokaz. zakljuˇujemo da je funkcija αF + βG primic tivna funkcija funkcije αf + βg. Newton-Leibnitzova formula daje b b (αf (x) + βg(x)) dx = αF (x) + βG(x) a a = αF (b) + βG(b) − (αF (a) + βG(a)) = α(F (b) − F (a)) + β(G(b) − G(a)) b b =α a f (x) dx + β a f (x) dx. ODREDENI INTEGRAL (i) Neka su F i G primitivne funkcije od f i g. redom. §1. za svaku dekompoziciju D segmenta [a. D) ≤ Dakle b g(x) dx. Druga tvrdnja teorema povlaˇi c b b b − a |f (x)| dx ≤ a f (x) dx ≤ a |f (x)| dx. D) = D∈D f (x) dx.

2.2.2]). a divergira za p ≤ 1 (vidi [M1.8: Nepravi integral Lako se moˇemo uvjeriti da je traˇena povrˇina konaˇna. ima vertikalnu asimptotu). Ako je nepravi integral konaˇan. a→+∞ Slijede´i nepravi integral ponaˇa se kao red brojeva c s gira za p > 1. ∞ i Mi = e−(n−1) . na primjer.5 Nepravi integral 57 2. c exp(-x) 1 1 2 3 4 5 Slika 2. a ta je pak jednaka sumi s c geometrijskog reda1 ∞ 1 e−(n−1) = < ∞. 1. ili kada funkcija unutar podruˇja c c integracije nije omedena (na primjer. traˇena povrˇina je manja od s c z c z s sume povrˇina pravokutnika oznaˇenih na slici 2. 1 1/np koji konver- Ovdje se radi o gornjoj integralnoj sumi za xi = i. . i = 0. kaˇemo s c c z da je konvergentan ili da konvergira. 1 n=1 1− e Povrˇinu raˇunamo pomo´u nepravog integrala: s c c +∞ a −x a e 0 dx = lim a→+∞ 0 e−x dx = lim (−e−x ) a→+∞ 0 = lim −e−a + e0 = 1. §6.8). u protivnom je divergentan odnosno divergira.5 Nepravi integral Nepravi integral je poop´enje odredenog integrala kada podruˇje integrac c cije ima barem jednu beskonaˇnu granicu. odrediti povrˇinu izmedu krivulje y = e−x i x-osi od s nula do beskonaˇno (slika 2. Neprave integrale rjeˇavamo pomo´u limesa. ˇ Zelimo. unatoˇ tome z z s c c ˇto se podruˇje proteˇe u beskonaˇno.9. Naime.

Kao primjer nepravog integrala koji u rubu podruˇja integracije ima verc tikalnu asimptotu. a→+∞ 1 − p 1−p Za p < 1 je 1 − p > 0. odnosno integral konvergira. odnosno integral divergira. a→+∞ pa integral divergira. Za p > 1 je 1 − p < 0. xp Prelaskom na limes imamo a I = lim a→+∞ 1 x−p dx. pa je I = 1/(p − 1). uzet ´emo istu podintegralnu funkciju kao u prethodnom c primjeru. Ponaˇanje integrala u odnosu vrijednost parametra p je obrnuto s nego u prethodnom primjeru. . pa je I = +∞.58 ODREDENI INTEGRAL 1 1 2 3 4 5 Slika 2. p < 1 i p > 1 ´emo analizirati posebno Za p = 1 vrijedi c c a I = lim ln |x| a→+∞ 1 = lim ln a − ln 1 = +∞. Sluˇajeve p = 1.9: Konvergentna gornja suma nepravog integrala Primjer 2. Za p = 1 vrijedi I = lim 1 x−p+1 a→+∞ −p + 1 a 1 = lim 1 1 a1−p − .3 Izraˇunajmo integral c +∞ I= 1 1 dx.

Sluˇajeve p = 1. p < 1 i p > 1 ´emo analizirati posebno Za p = 1 vrijedi c c 1 I = lim ln |x| ε→0+ ε = lim ln 1 − ln ε = −(−∞) = ∞. 1−p 1−p Za p < 1 je 1 − p > 0.1 Kriteriji konvergencije Sliˇno kao kod redova brojeva [M1. integral rastavljamo na viˇe dijelova. teorem 6. Za p = 1 vrijedi I = lim 1 x−p+1 −p + 1 1 ε→0+ = lim ε ε→0+ 1 1 1−p − ε . odnosno integral divergira.5. s z 2. x ln2 x Zadatak 2.2 Rijeˇite prethodni integral i pokaˇite da divergira u +∞. pa je I = 1/(1 − p). pri ˇemu su a i b granice nepravog c integrala.2.5 Nepravi integral 59 Primjer 2. ε→0+ pa integral divergira. z c c Poredbeni kriterij za nepravi integral glasi (usporedi [M1.4 Izraˇunajmo integral c 1 I= 0 1 dx. s +∞ 0 1 dx = x ln2 x 1 0 1 dx + x ln2 x 1−δ +∞ 1 1 dx x ln2 x a = lim ε→0+ δ→0+ ε 1 dx + lim γ→0+ x ln2 x a→+∞ 1+γ 1 dx. tada vrijedi slijede´e: c .3]. i kod nepravog c integrala moˇemo zakljuˇiti da li konvergira bez raˇunanja samog integrala. pa je I = +∞.2. U sluˇaju kada u nepravom integralu imamo i beskonaˇne granice i toˇke c c c prekida.2 i §6. odnosno integral konvergira.10]): ako je 0 ≤ f (x) ≤ g(x) za svaki x ∈ (a. xp Prelaskom na limes imamo 1 I = lim ε→0+ ε x−p dx. Na primjer. Za p > 1 je 1 − p < 0. §6.2. b).

11) +∞ sin x e−x dx. ˇinjenica da za 0 ≤ x ≤ 1 vrijedi 0 ≤ e−x ≤ 1. Primjer 2. po poredbenom kriteriju za+∞ kljuˇujemo da c 0 konvergira po teoremu o apsolutnoj konvergenciji. c Kako je podintegralna funkcija parna. koji ima vaˇnu primjenu u teoriji vjerojatnosti.60 b ODREDENI INTEGRAL b (i) konvergencija integrala a b g(x) dx povlaˇi konvergenciju integrala c a b f (x) dx. No. i poredbenog kriterija. (ii) divergencija integrala a f (x) dx povlaˇi divergenciju integrala c a Teorem o apsolutnoj konvergenciji za nepravi integral glasi (usporedi b [M1.10) c +∞ +∞ −x2 e −∞ dx = 2 0 e−x dx.5 Integral +∞ e−x dx = −∞ 2 √ π.10. 0 Kako za x ≥ 0 vrijedi | sin x e−x | ≤ e−x . g(x) dx. oˇito vrijedi (slika 2. teorem 6. dok za x > 1 c 2 vrijedi 0 < e−x < e−x .11]): konvergencija integrala b a |f (x)| dx povlaˇi konvergenc ciju integrala a f (x) dx. | sin x e−x | dx konvergira. 2 2 Iz slike 2. tada i zadani integral . slijedi +∞ 1 −x2 +∞ +∞ −x2 e 0 dx = 0 e −x2 dx + 1 e dx ≤ 1 + e−x dx < 2. nije elementarno rjeˇiv. z s Medutim. 1 pa promatrani integral konvergira. koriste´i poredbeni kriterij lako vidimo da taj integral konvergira. Kao ilustraciju apsolutne konvergencije promotrimo integral (vidi sliku 2.

5 Nepravi integral 61 exp(-x**2) exp(-x) 1 -4 -3 -2 -1 1 2 3 4 Slika 2.11: Apsolutna konvergencija nepravog integrala .10: Poredbeni kriterij za odredjeni integral 1 sin(x)*exp(-x) exp(-x) 1 2 3 4 Slika 2.2.

Navedeni problemi su u osnovi jednodimenzionalni. c zs 2.6. Za svaku od ovih primjena izvest ´emo formule i dati c primjere za sluˇajeve kada su funkcije zadane u Kartezijevim koordinatama. Obradit ´emo i neke primjene odredenog integrala u fizici i to: c – raˇunanje rada (integral sile po putu). 3 . odnosno ovise samo o jednoj varijabli. √ 1 0 (2. c parametarski i u polarnim koordinatama.6 Povrˇina izmedu krivulja y = x2 i y = s 2. c – raˇunanje volumena (obujma) tijela koja nastaju rotacijom ravninskih c krivulja oko zadane osi. ˇto ukupno daje 12 razliˇitih pris c mjena.6 Primjene odredenog integrala Osnovne geometrijske primjene odredenog integrala su: – raˇunanje povrˇine ravninskih likova. Elementi povrˇine su beskonaˇno mali pravokutnici s s s c bazom dx i visinom f (x) − g(x).12).1 Povrˇina ravninskog lika s Povrˇinu izmedu krivulja y = f (x) i y = g(x) od toˇke a do toˇke b s c c raˇunamo kao beskonaˇnu (integralnu) sumu beskonaˇno malih elemenata c c c povrˇine (slika 2.b] dP = a (f (x) − g(x)) dx. c – raˇunanje hidrostatskog tlaka i c – raˇunanje momenata i teˇiˇta.62 ODREDENI INTEGRAL 2. Povrˇina se raˇuna formulom s c b P = [a. c s – raˇunanje duljine luka ravninskih krivulja.13) 1 x dana je s (vidi sliku P = 0 √ 2 x3 ( x − x2 ) dx = x3/2 − 3 3 1 = .1) Primjer 2. – raˇunanje oploˇja tijela koja nastaju rotacijom ravninskih krivulja oko c s zadane osi.

Izjednaˇavanje daje y c c M = (1. gornja funkcija dana je s f (y) = y + 2. 2 z Pomo´u odredenog integrala moˇemo izvesti dobro poznate formule za c povrˇinu elipse i kruˇnice. s Primjer 2.14).12: Povrˇina ravninskog lika i element povrˇine s s Kod raˇunanja povrˇina kao varijablu integracije moˇemo uzeti x ili y. 2 Ako za varijablu integracije odaberemo x.7 Izraˇunajmo povrˇinu omedenu krivuljama y = x2 i y = x − 2 c s (slika 2. U tom sluˇaju vrijedi c 1 P = 0 √ √ ( x − (− x)) dx + 4 1 √ 9 ( x − (x − 2)) dx = · · · = . c s z ovisno o tome ˇto je povoljnije.6 Primjene odredenog integrala 63 y=f(x) dP=(f(x)−g(x)) dx a x x+dx b y=g(x) Slika 2. odnosno krivulje se sijeku u toˇkama krivulja. 2 P = −1 ((y + 2) − y 2 ) dy = y2 y3 + 2y − 2 3 2 −1 9 = . Ako za varijablu integracije odaberemo y. s z . Dakle. tada je y ∈ [−1. a donja funkcija dana je s g(y) = y 2 . Da bi odredili granice integracije prvo moramo na´i sjeciˇta c s 2 = y+2. −1) i N = (4.2. 2). tada integral moramo rastaviti na dva dijela. 2].

y0 ).8 Neka je zadana elipsa (x−0 )2 (y − y0 )2 + = 1. a2 g(x) = y0 − b 1− (x − x0 )2 . a2 Povrˇina elipse dana je s s x0 +a P = x0 −a x0 +a y0 + b 1− (x − x0 )2 − y0 − b a2 1− (x − x0 )2 a2 dx = x0 −a 2b 1− (x − x0 )2 dx. Oˇito je x ∈ [x0 − a.2) Zadana elipsa ima srediˇte u toˇki S = (x0 .64 ODREDENI INTEGRAL sqrt(x) x**2 1 1 Slika 2.13: Povrˇina ravninskog lika I s Primjer 2.15). a2 b2 (2. x0 + a]. a polu-osi su joj duge a i b s c (slika 2. a gornja i donja funkcija dane su s c f (x) = y0 + b 1− (x − x0 )2 . a2 .

2. Zadatak 2.8 integriraju´i po varijabli y. s c .3 a) Rijeˇite Primjer 2.14: Povrˇina ravninskog lika II s Trigonometrijska supstitucija iz poglavlja 1. t = arcsin .8 pomo´u supstitucije (x−x0 )/a = cos t.2) prelazi u jednadˇbu kruˇnice radijusa r s z z centrom u toˇki S = (x0 .6 Primjene odredenog integrala 65 2 sqrt(x) -sqrt(x) x-2 1 1 -1 2 4 -2 Slika 2. c ˇija je povrˇina jednaka P = r 2 π. Kako je na promatranom intervalu cos t ≥ 0. s c b) Rijeˇite Primjer 2. π/2 π/2 = 2ab −π/2 1 − sin t cos t dt = 2 a b −π/2 2 | cos t| cos t dt. y0 ). x x0 − a x 0 + a a a P = t −π/2 π/2 dx = a cos t dt.7 daje x − x0 x − x0 = sin t. c s (x − x0 )2 + (y − y0 )2 = r 2 . koriste´i poznatu vezu izmedu c 2 t i cos 2t imamo funkcija cos π/2 π/2 P = 2ab −π/2 cos t dt = 2 a b −π/2 2 1 1 (1 + cos 2t) dt = a b t + sin 2t 2 2 π/2 −π/2 = a b π. Za a = b = r formula (2.

66

ODREDENI INTEGRAL

y0

x 0-a

x0

x 0+a

Slika 2.15: Povrˇina elipse s

Parametarski zadana krivulja Kod parametarski zadane krivulje x = ϕ(t), y = ψ(t), t ∈ [t1 , t2 ],

raˇunamo povrˇinu izmedu te krivulje i pravca x = c, c ∈ R. Pri tome treba c s voditi raˇuna o tome je li x = ϕ(t) rastu´a ili padaju´a funkcija i ovisno c c c o tome postaviti integral, odnosno odabrati granice integriranje tako da je prirast dx = ϕ dt nenegativan. ˙ Primjer 2.9 Izraˇunajmo povrˇinu ispod jednog luka cikloide (slika 2.16), c s x = a(t − sin t), y = a(1 − cos t), a > 0, t ∈ [0, 2 π].

Traˇena povrˇina jednaka je z s
2π 2π

P =
0

[a(1 − cos t) − 0] · a(1 − cos t) dt = a2

0

(1 − cos t)2 dt = 3a2 π.

Formulu za povrˇinu elipse iz Primjera 2.8 moˇemo joˇ jednostavnije s z s izvesti pomo´u parametarski zadane funkcije. c Primjer 2.10 Elipsa iz Primjera 2.8 je parametarski zadana s x = x0 + a cos t, y = y0 + b sin t, t ∈ [0, 2π].

2.6

Primjene odredenog integrala

67

a

2*a*pi

Slika 2.16: Povrˇina ispod jednog luka cikloide s

Kada usporedimo ove formule s formulom (2.2) i slikom 2.15, vidimo da za t od 0 do π prirast dx pada. Medutim, da bi mogli ispravno primijeniti formulu (2.1) dx mora rasti. Problem ´emo rijeˇit tako ˇto ´emo izraˇunati c s s c c povrˇinu donje polovice elipse, u kojem sluˇaju dx raste kada t ide od π do s c 2π. Dakle,
2π 2π

P =2
π

[y0 − (y0 + b sin t)] · a(− sin t) dt = 2 a b

sin2 t dt
π

= 2ab
π

1 (1 − cos 2t) dt = a b π. 2

Krivulja zadana u polarnim koordinatama U polarnom koordinatnom sustavu toˇka T = (x, y) zadaje se pomo´u c c kuta ϕ kojeg polu-pravac koji izlazi iz ishodiˇta i prolazi toˇkom T zatvara s c s x-osi i udaljenoˇ´u r toˇke T od ishodiˇta (slika 2.17). sc c s Transformacije iz polarnog u Kartezijev koordinatni sustav vrˇe se prema s formulama x = r cos ϕ, y = r sin ϕ. (2.3) Transformacije iz Kartezijevog u polarni koordinatni sustav vrˇe se prema s formulama x2 + y 2 , y ϕ = arctg , x r=

68

ODREDENI INTEGRAL

y r ϕ x

Slika 2.17: Polarni koordinatni sustav

pri ˇemu se kvadrant u kojem se nalazi kut ϕ odredi sa slike ili iz kombinacije c predznaka od x i y. Vidimo da je polarni koordinatni sustav, kao i gornje formule, identiˇne formulama za trigonometrijski oblik kompleksnog broja c iz [M1, §1.8.1]. Traˇenje povrˇine likova zadanih u polarnom koordinatnom sustavu priz s kazano je na Slici 2.18. U polarnom koordinatnom sustavu krivulju zadajemo formulom r = f (ϕ), ϕ ∈ D ⊆ R. Zbog prirode samog sustava obiˇno traˇimo povrˇinu izmedu krivulje r = c z s f (ϕ) i zraka ϕ = ϕ1 i ϕ = ϕ2 . Shodno tome, element povrˇine u polarnom s koordinatnom sustavu je kruˇni isjeˇak radijusa r s kutom dϕ, odnosno z c dP = 1 2 r dϕ. 2

Kao i Kartezijevim koordinatama, povrˇina je jednaka beskonaˇnoj (intes c gralnoj) sumi beskonaˇno malih elemenata povrˇine, odnosno c s 1 dP = 2
[ϕ1 ,ϕ2 ] ϕ2

P =

ϕ1

1 r dϕ = 2
2

ϕ2

f 2 (ϕ) dϕ.
ϕ1

U polarnom koordinatnom sustavu vrlo je jednostavno izvesti formulu za povrˇinu kruga. s Primjer 2.11 Neka je zadana kruˇnica radijusa R s centrom u toˇki T = z c (x0 , y0 ), (x − x0 )2 + (y − y0 )2 = R2 .

2.6

Primjene odredenog integrala

69

ϕ+dϕ r ϕ2 dϕ ϕ ϕ1 r=f( ϕ )

Slika 2.18: Element povrˇine u polarnim koordinatama s

Ako ishodiˇte polarnog koordinatnog sustava postavimo u srediˇte kruˇnice s s z (slika 2.19), tada kruˇnica ima jednadˇbu r = R (konstantna funkcija!), pa z z je 1 P = 2

R2 dϕ =
0

1 2 R ϕ 2

= R2 π.
0

R y
0

x0

Slika 2.19: Povrˇina kruga u polarnim koordinatama s Linearne funkcije u polarnim koordinatama su spirale.

70

ODREDENI INTEGRAL

Primjer 2.12 Izraˇunajmo povrˇinu odredenu prvim zavojem Arhimedove c s spirale (slika 2.20), r = a ϕ, Vrijedi 1 P = 2

a > 0,

ϕ ≥ 0.

(a ϕ)2 dϕ =
0

1 2 ϕ3 a 2 3

=
0

4 2 3 a π . 3

Primijetimo da je traˇena povrˇina jednaka tre´ini povrˇine kruˇnice radijusa z s c s z 2 a π.

Slika 2.20: Arhimedova spirala r = aϕ

2.6.2

Duljina luka ravninske krivulje

Postupak raˇunanja duljine luka ravninske krivulje joˇ se naziva rektic s fikacija krivulje. Sliˇno kao i kod raˇunanja povrˇine, duljinu luka krivulja c c s y = f (x) od toˇke x = a do toˇke x = b raˇunamo kao beskonaˇnu (intec c c c gralnu) sumu beskonaˇno malih elemenata duljine ds. Formula za element c duljine slijedi iz Pitagorinog pouˇka i ˇinjenice da se funkcija u okolini neke c c toˇke moˇe aproksimirati njenom tangentom (slika 2.21), c z ds = dx2 + dy 2 = 1+ dy dx
2

dx =

1 + y ′2 dx.

(2.4)

2.6

Primjene odredenog integrala

71

Ovdje po dogovoru uzimamo da je duljina luka pozitivna ako x raste, odnosno ako je dx pozitivan. Dakle, duljina luka krivulje y = f (x) od toˇke c x = a do toˇke x = b raˇuna se formulom c c
b

S=
[a,b]

ds =
a

1 + y ′2 dx.

ds dy dx

a

x

x+dx

b

Slika 2.21: Element duljina luka ravninske krivulje

Primjer 2.13 Izraˇunajmo duljinu luka kvadratne parabole y = x2 od 0 do c √ c 1. Na Slici 2.5 vidimo da za traˇenu duljinu S vrijedi 2 < S < 2. Koriste´i, z na primjer, metodu neodredenih koeficijenata iz poglavlja 1.7.3, imamo
1

S=
0

1 1 + 4 x2 dx = x 2

1 + 4 x2 +

1 ln |2 x + 4

1

1 + 4 x2 |

0

=

√ 5 1 + ln(2 + 5) ≈ 1.4789. 2 4

Parametarski zadana krivulja Kod parametarski zadane krivulje x = ϕ(t), element duljine je dan s dS = dx2 + dy 2 = dx dt
2

y = ψ(t),

t ∈ D ⊆ R, dy dt
2

+

dt =

x2 + y 2 dt, ˙ ˙

imamo c 2π S = 2a 0 sin t t dt = −4 a cos 2 2 2π = 8 a. Primjer 2. t ∈ [0. odnosno kada t raste. b) Duljina jednog luka cikloide iz primjera 2. ˙ ˙ Iz ove formule slijedi da je duljina luka pozitivna kada je dt nenegativan. r = r(ϕ). y = r sin ϕ = r(ϕ) sin ϕ.9 (slika 2.14 a) Opseg kruˇnice radijusa r. Koriste´i poznatu vezu izmedu trigonometrijskih funkcija. S= 0 (r(− sin t))2 + (r cos t)2 dt 0 r dt = r t 0 = 2 r π. jednak je 2π 2π 2π y = r sin t. ϕ ∈ [ϕ1 . 1 − cos t = c 2 sin2 (t/2). 2π].16) jednaka je 2π 2π S= 0 [a(1 − cos t)]2 + (a sin t)2 dt =a 0 √ 2 − 2 cos t dt. (2. 2π].5) . z x = r cos t. i ˇinjenicu da je sin(t/2) ≥ 0 za t ∈ [0. 0 Krivulja zadana u polarnim koordinatama Krivulju zadanu u polarnim koordinatama. prvo pomo´u transformacija (2. c x = r cos ϕ = r(ϕ) cos ϕ.72 pa se duljina luka raˇuna formulom c t2 ODREDENI INTEGRAL S= t1 x2 + y 2 dt.3) prebacimo u parametarski oblik. ϕ2 ].

odnosno dV = πf 2 (x) dx. Promotrimo sluˇaj kada rotaciono tijelo nastaje rotacijom krivulje c y = f (x) oko x-osi.6. pa se volumen rotacionog tijela raˇuna formulom c b V = [a.22).256 a.6) pri ˇemu je dx nenegativan. 2.2. duljinu luka krivulje u polarnim koordinatama raˇunamo formulom c ϕ2 S= ϕ1 r ′2 + r 2 dϕ.6 Primjene odredenog integrala 73 Sada je x = r ′ (ϕ) cos ϕ + r(ϕ)(− sin ϕ). Element volumena dV je volumen c cilindra visine dx i radijusa baze r = f (x) (slika 2.12 i sliku 2.b] dV = π a y 2 dx.22). ˙ odnosno x2 + y 2 = ˙ ˙ = + (r ′ (ϕ))2 sin2 ϕ + r 2 (ϕ) cos2 ϕ + 2r ′ (ϕ)r(ϕ) sin ϕ cos ϕ (r ′ (ϕ))2 + r 2 (ϕ). Primjer 2. ˙ Dakle.15 Duljina luka prvog zavoja Arhimedove spirale (vidi primjer 2.3 Volumen rotacionog tijela Rotaciona ploha je ploha koja nastaje rotacijom neke krivulje oko zadane osi. Rotaciono tijelo je tijelo omedeno tom plohom i bazama (vidi sliku slika 2. (2. (r ′ (ϕ))2 cos2 ϕ + r 2 (ϕ) sin2 ϕ − 2r ′ (ϕ)r(ϕ) sin ϕ cos ϕ y = r ′ (ϕ) sin ϕ + r(ϕ) cos ϕ. U tom sluˇaju volumen (obujam) nastalog tijela od c toˇke x = a do toˇke x = b raˇunamo kao beskonaˇnu (integralnu) sumu c c c c beskonaˇno malih elemenata volumena. c .20) jednaka je 2π 2π S= 0 a2 + (a ϕ)2 dϕ = a 0 1 + ϕ2 dϕ = · · · 2π =a 1 1 ϕ 1 + ϕ2 + ln |ϕ + 2 2 1 + ϕ2 | 0 ≈ 21.

Takav s r stoˇac nastaje.7) . pa je njegov volumen jednak dobro poznatoj formuli h V =π 0 r x h 2 r 2 x3 dx = π 2 · h 3 h 0 1 = π r 2 h. 3 Za parametarski zadanu krivulju x = ϕ(t). y = ψ(t). moˇemo dobiti s z √ 2 − x2 oko x-osi.16 a) Kuglu radijusa r s centrom u ishodiˇtu. ˙ (2. 3 b) Izvedimo formulu za volumen stoˇca visine h i radijusa baze r. t2 uvrˇtavanje u formulu (2.6) daje s t2 V =π t1 ψ (t) ϕ (t) dt = π t1 2 ′ y 2 x dt. t ∈ D ⊆ R. na primjer. Stoga je volumen kugle rotiraju´i polukruˇnicu y = r c z jednak r V =π −r x3 (r + x ) dx = π r x − 3 2 2 2 r = −r 4 3 r π.22: Volumen rotacionog tijela i element volumena Primjer 2. rotacijom pravca y = h x oko x-osi za x ∈ z [0.74 ODREDENI INTEGRAL y=f(x) a x x+dx b dx Slika 2. h].

2π 0 cos2n−1 t dt = 0 za svaki n ∈ N.17 Volumen tijela koje nastaje rotacijom jednog luka cikloide iz primjera 2. x = 1).9 (slika 2. 2π Zadnja jednakost slijedi iz ˇinjenice da je c Dakle.2. i sliˇno. prvo prebacimo u parametarski oblik (2. odnosno zamijeniti granice integracije. zadana krivulja c moˇe rotirati i oko y-osi. Krivulju zadanu u polarnim koordinatama. oko vertiz kalne asimptote (u kojem sluˇaju se dobije nepravi integral). y = r sin t. 0 Napomena 2. na primjer t = x − 1. ϕ2 ]. r = r(ϕ).4 Izraˇunajte volumen kugle nastale rotacijom polukruˇnice x = c z r cos t.16) oko x-osi jednak je 2π V =π 0 a2 (1 − cos t)2 a (1 − cos t) dt 2π =a π 3 0 2π (1 − 3 cos t + 3 cos2 t − cos3 t) dt = a3 π 0 (1 + 3 cos2 t) dt. Uputa: u formuli (2. z Primjer 2. .6 Primjene odredenog integrala 75 Ova formula vrijedi ukoliko je dx = x dt nenegativan – u protivnom treba ˙ integral pomnoˇiti s −1. pa uvrˇtavanje u formulu (2. π/2] oko y-osi.5).2 Kod raˇunanja volumena rotacionih tijela. oko pomaknute osi (na primjer. t ∈ [−π/2.7) s daje ϕ2 V =π ϕ1 r 2 (ϕ) sin2 ϕ[r ′ (ϕ) cos ϕ − r(ϕ) sin ϕ] dϕ. 2π V =a π 0 3 3 1 + (1 + cos 2 t) dt = a3 π 2 5 3 t + sin 2 t 2 4 = 5 a3 π 2 . U tom c c sluˇaju se izvrˇi odgovaraju´a zamjena varijabli.7) treba zamijeniti uloge varijabli x i y. c s c Zadatak 2. ϕ ∈ [ϕ1 .

2 dy ds π. radijus druge baze jeds c nak y + dy = f (x) + f ′ (x) dx. Dakle. odnosno zamijeniti granice z integracije.2. Zapravo. pa je konaˇno element oploˇja dan z c s s (formalan dokaz izostavljamo) dO = 2 |y| dS π. Kako je drugi pribrojnik. 3 2.4) . Volumen kugle jednak je π π V = −π = R sin ϕ(−R sin ϕ) dϕ = R π 0 −1 1 0 2 2 3 (1 − cos2 ϕ) sin ϕ dϕ cos ϕ = t = −R3 π (1 − t2 ) dt = 4 3 R π. moˇemo ga zanemariti. Povrˇina plaˇta krnjeg stoˇca baznih radijusa r1 i r2 i izvodnice s jednaka s s s je P = s (r1 + r2 ) π.23). a duljina izvodnice jednaka ds = dx2 + dy 2 (slika 2.18 Kugla radijusa R s centrom u ishodiˇtu nastaje rotacijom s krivulje r = R.4 Oploˇje rotacionog tijela s Postupak raˇunanja oploˇja (povrˇine plaˇta) rotacionog tijela joˇ se nac s s s s ziva komplanacija plohe. Povrˇinu plaˇta rotacionog tijela od toˇke x = a s s c do toˇke x = b raˇunamo kao beskonaˇnu (integralnu) sumu beskonaˇno c c c c malih elemenata oploˇja. u ovom sluˇaju duljinu luka krivulje u okolini toˇke x c c aproksimiramo elementom duljine luka ds kao ˇto smo to uˇinili u poglavlju s c 2. oko x-osi. ϕ ∈ [0. jer se radi o radijusima koji ne mogu biti negativni.6.6. infinitezimalno manji od prvog. π]. Element oploˇja dO je povrˇina plaˇta krnjeg s s s s stoˇca ˇiji je radijus jedne baze jednak y = f (x). U Kartezijevim koordinatama element duljine luka dS dan je izrazom (2. Primjer 2.76 ODREDENI INTEGRAL Ova formula vrijedi ukoliko je dx = [r ′ (ϕ) cos ϕ − r(ϕ) sin ϕ] dϕ nenegativan – u protivnom treba integral pomnoˇiti s −1. U ovoj formuli smo uzeli apsolutne vrijednosti. u naˇem sluˇaju vrijedi s c dO = ds(|y| + |y + dy|) π = 2 |y| ds π ± 2 dy ds π.

ϕ2 ].23: Oploˇje rotacionog tijela i element oploˇja s s pa se oploˇje rotacionog tijela raˇuna formulom s c b O= [a. t ∈ D ⊆ R. r 2 (ϕ) + r ′2 (ϕ) dϕ.b] dO = 2 π a |y| 1 + y ′2 dx.8) i (2.9) |r(ϕ) sin ϕ| Zadatak 2. imamo O = 2π ϕ1 ϕ2 ϕ ∈ [ϕ1 . (2.8) |y(t)| x(t)2 + y(t)2 dt.2. (2. Za parametarski zadanu krivulju x = ϕ(t).9). O = 4r . b) Izvedite formulu za oploˇje kugle radijusa r na sva tri naˇina. imamo O = 2π t1 t2 y = ψ(t). ˙ ˙ a za krivulju zadanu u polarnim koordinatama.6 Primjene odredenog integrala 77 f(x) y y+dy a x x+dx b ds Slika 2. r = r(ϕ).5 a) Izvedite formule (2. Rjeˇenje: s c s 2 π.

78

ODREDENI INTEGRAL

2.6.5

Sila i rad

Prema Newtonovom drugom zakonu gibanja ako se tijelo kre´e po pravcu c i ako je gibanje tijela dano funkcijom s(t), tada je sila F koje djeluje na tijelo u smjeru kretanja jednaka umnoˇku mase tijela i njegove akceleracije: s F =m d2 s . dt2

s U sluˇaju konstantnog ubrzanja, sila F je takoder konstantna i izvrˇeni rad c definiramo kao umnoˇak sile F i prijedenog puta d: z W = F d. U sluˇaju kada sila nije konstantna, postupamo na slijede´i naˇin: neka c c c se tijelo giba uzduˇ x-osi od toˇke x = a do toˇke x = b i neka u toˇki z c c c x na tijelo djeluje sila f (x). Neka je {x0 , x1 , . . . , xn } rastav segmenta [a, b] (vidi definiciju 2.1) takav da su svi podintervali jednake duljine, xi − xi−1 = ∆x, i = 1, . . . , n. U podintervalu [xi−1 , xi ] odaberimo toˇku ξi . Kako je c za veliki n duljina intervala ∆x mala, a funkcija f je neprekidna, moˇemo z pretpostaviti da je f gotovo konstantna na intervalu [xi−1 , xi ]. Stoga je rad koji se izvrˇi prilikom pomicanja tijela od toˇke x = xi−1 do toˇke x = xi s c c pribliˇno jednak z Wi ≈ f (ξi ) ∆x pa je cjelokupni rad pribliˇno jednak z
n n

W ≈

Wi =
i=1 i=1

f (ξi ) ∆x.

Intuitivno je jasno da ova aproksimacija postaje sve bolja ˇto je n ve´i. Kako s c je izraz na desnoj strani jedan oblik integralne sume, rad izvrˇen prilikom s pomicanja tijela od toˇke x = a do toˇke x = b definiramo kao c c
n b

W = lim

n→∞

f (ξi ) ∆x =
i=1 a

f (x) dx.

U metriˇkom sustavu masa se mjeri u kilogramima (kg), pomak u mec trima (m) vrijeme u sekundama (s) i sila u njutnima (newton, N = kg · m/s2 ). Dakle, sila od 1 N koja djeluje na masu od 1 kg proizvodi ubrzanje od 1 m/s2 . Sila se mjeri u njutn-metrima ili dˇulima (joule, J = N · m). z

2.6

Primjene odredenog integrala

79

Primjer 2.19 Ako na tijelo koje se nalazi x metara od ishodiˇta djeluje sila s od x2 + x njutna, rad koji se izvrˇi kada se tijelo pomakne od toˇke x = 1 m s c do toˇke x = 4 m jednak je c
4

W =
1

(x2 + x) dx =

x3 x2 + 3 2

4

= 28.5 J.
1

Primjer 2.20 Prema Hookeovom zakonu, sila potrebna za odrˇavanje opruge z rastegnutom x jedinica udaljenosti od njene prirodne duˇine proporcionalna z je s x: f (x) = kx, pri ˇemu je k pozitivna konstanta (konstanta opruge). Hookeov zakon vrijedi c ako rastezanje x nije preveliko (vidi sliku 2.24).

x 0

a) Prirodni poloˇaj opruge z

f(x)=kx

x 0 x

b) Rastegnuta opruga Slika 2.24: Hookeov zakon Neka je, na primjer, sila od 30 N potrebna da bi se drˇala opruga z koje je od svoje prirodne duljine od 10 cm rastegnuta na duljinu od 15 cm. Izraˇunajmo rad potreban da bi se opruga dalje rastegla na duljinu od 18 cm. c Prvo je potrebno odrediti konstantu opruge k: prema zadanim podacima

80 vrijedi

ODREDENI INTEGRAL

30 = 600 N/m. 0.05 Dakle, f (x) = 600 x pa je izvrˇeni rad jednak s 30 N = 0.05 k, k=
0.08

W =
0.05

600 x dx = 600

x2 2

0.08 0.05

= 300 (0.082 − 0.052 ) = 1.17 J.

Primjer 2.21 Rezervar oblika invertiranog stoˇca visine h = 10 m i radijusa s baze r = 3 m napunjen je vodom do visine 8 m (vidi sliku 2.25). Izraˇunajmo c rad koji je potreban za praˇnjenje rezervara i to tako da se voda ispumpa z preko gornjeg ruba.
3m

2m x
i

∆x r

10m

i

x

Slika 2.25: Rezervar s vodom U ovom sluˇaju prvo treba postaviti integral. Uvedimo koordinatni susc tav kao na slici 2.25. Voda se nalazi od dubine 2 m do dubine 10 m. Neka je {x0 , x1 , . . . , xn } rastav intervala [2, 10] takav da su svi podintervali jednake duljine, xi − xi−1 = ∆x, i = 1, . . . , n. Na taj naˇin smo i vodu u rezervaru c podijelili na n dijelova pri ˇemu je i-ti dio pribliˇno jednak cilindru visine c z ∆x i radijusa baze ri . Iz sliˇnosti trokuta slijedi c 3 ri = , 10 − xi 10 ri = 3 (10 − xi ). 10

Volumen i-tog dijela vode je stoga pribliˇno jednak z
2 Vi ≈ ri ∆x π =

9 (10 − xi )2 ∆x π, 100

2.6

Primjene odredenog integrala

81

pa je masa i-tog dijela vode pribliˇno jednaka (masa je umnoˇak gusto´e i z z c volumena, a gusto´a vode je 1000 kg/m3 ) c mi ≈ 90 (10 − xi )2 ∆x π. Sila potrebna za podizanje i-tog dijela vode mora nadi´i silu teˇu pa je c z Fi = mi g ≈ 9.81 · 90 (10 − xi )2 ∆x π ≈ 2774 (10 − xi )2 ∆x. Svaka ˇestica u i-tom dijelu vode mora prije´i put koji je pribliˇno jednak c c z xi . Stoga je rad potreban za ispumpavanje i-tog dijela vode pribliˇno jednak z Wi ≈ Fi xi ≈ 2774 (10 − xi )2 xi ∆x. Ukupni rad potreban za ispumpavanje ˇitavog rezervara dobit ´emo zbrajac c njem doprinosa svih n dijelova i prelaskom na limes kada n → ∞:
n

W ≈ lim

n→∞

i=1 10 2

2774 (10 − xi )2 xi ∆x (10 − x2 )x dx x3 x4 + 3 4
10 2

= 2774

= 2774 50 x2 − 20 ≈ 1.90 × 10 J.
6

Zadatak 2.6 Neka je za rastezanje opruge od njene prirodne duljine koja iznosi 32 cm do duljine 40 cm potreban rad od 2 J. a) Koliki je rad potreban za rastezanje opruge od 35 cm do 42 cm? b) Na kolikoj rastegnutosti od prirodne duljine ´e oprugu drˇati sila od 20 N? c z Zadatak 2.7 Kabel duˇine 40 m i teˇine 60 kg visi s vrha nebodera. Koliki z z je rad potreban za povlaˇenje 10 m kabela na vrh nebodera? c Zadatak 2.8 Horizontalno poloˇen cilindriˇni rezervar (cisterna) duljine z c 10 m i radijusa baze 1.5 m napunjen je do polovice benzinom gusto´e 760 kg/m3 . c a) Koliki je rad potreban da bi se gorivo ispumpalo kroz otvor koji se nalazi na vrhu rezervara? b) Ako se pumpa pokvari nakon rada od 106 J, kolika je visina, kolika teˇina, z a koliki volumen goriva koje je preostalo u rezervaru?

82

ODREDENI INTEGRAL

2.6.6

Hidrostatski tlak i sila

Poznato je da se prilikom ronjenja tlak vode pove´ava s dubinom zarona c i to stoga ˇto se teˇina vode iznad ronioca pove´ava. Neka je, na primjer, s z c tanka horizontalna ploˇa povrˇine A zaronjena u teku´inu gusto´e ρ kg/m3 c s c c na dubinu od d metara ispod povrˇine teku´ine (slika 2.26). s c

d A

Slika 2.26: Zaronjena tanka ploˇa c Teku´ina koja se nalazi direktno iznad ploˇe ima volumen V = Ad pa je c c njena masa jednaka m = ρV = ρAd. Sila kojom ta koliˇina vode djeluje na c ploˇu jednaka je c F = mg = ρgAd, pri ˇemu je g ubrzanje sile teˇe. Tlak (pritisak) P definira se kao sila po c z jedinici povrˇine: s F P = = ρgd. A Jedinica za mjerenje tlaka je paskal odnosno njutn po metru kvadratnom (pascal, Pa = N/m2 ). Kako je paskal jako mala jedinica, u praksi se ˇesto c koriste kilopaskali (kPa). Na primjer, tlak na dnu bazena dubine dva metra jednak je P = ρgd = 1000 kg/m3 × 9, 81 m/s2 × 2 m = 19620 Pa = 19.62 kPa. c Eksperimentalno je utvrdeno da je na svakom mjestu u teku´ini pritisak jednak u svim smjerovima. Za bolje razumijevanje hidrostatskog pritiska, izraˇunajmo pritisak vode c na branu prikazanu na slici 2.27. Brana ima oblik trapeza, visoka je 40 m, ˇiroka je na vrhu 100 m, a na dnu s 60 m. Zrcalo vode se nalazi 5 m ispod vrha brane. Ako postavimo koordinatnu x-os tako da se ishodiˇte nalazi na povrˇini vode, dubina vode je 35 m. s s Neka je {x0 , x1 , . . . , xn } rastav intervala [0, 35] takav da su svi podintervali jednake duljine, xi − xi−1 = ∆x, i = 1, . . . , n. Sada je i-ti podjeljak brane

2.6

Primjene odredenog integrala

83

30m 0 x

20m

i

30

a ∆x

40m

35 30m x

Slika 2.27: Hidrostatski pritisak na branu pribliˇno jednak pravokutniku visine ∆x i ˇirine ωi . Iz sliˇnosti trokuta z s c slijedi a 20 35 − xi = , a= , 35 − xi 40 2 pa je 35 − xi ωi = 2 (30 + a) = 2 30 + = 95 − xi . 2 Povrˇina i-tog podjeljka brane je s Ai = ωi ∆x = (95 − xi ) ∆x. Kako je ∆x mali, moˇemo pretpostaviti da je tlak na i-tom podjeljku brane z gotovo konstantan i jednak Pi = ρgd = 1000 · 9.81 · xi . Hidrostatska sila koja djeluje na i-ti podjeljak brane jednaka je umnoˇku s tlaka i povrˇine: s Fi = Pi Ai = 1000 · 9.81 · xi (95 − xi ) ∆x. Zbrajanjem ovih sila i uzimanjem limesa kada n → ∞ dobili smo ukupnu hidrostatsku silu koja djeluje na branu:
n

F ≈ lim

n→∞

i=1 35 0

9810 xi (95 − xi ) ∆x x(95 − x) dx x2 x3 − 2 3
35 0

= 9810 = 9810 95

≈ 4.31 × 108 N.

c z z P T Slika 2. mn . odnosno c ¯ ¯ x= ¯ m1 x1 + m2 x2 m1 + m2 x x2 m2 x 0 x1 m1 Slika 2.6. Sliˇno.9 Bazen za plivanje dug je 15 m. 2.28). c) jednu od boˇnih stranica bazena c c i d) dno bazena. . teˇiˇte s c zs sustava od n ˇestica s masama m1 . b) dublji kraj bazena.29) c ¯ c z m1 (¯ − x1 ) = m2 (x2 − x). dok mu je dno s ravna ploˇa dubine 1 m na pli´em kraju i 2 m na dubljem kraju. . Ako je c c bazen do vrha pun vode izraˇunajte hidrostatsku silu koja djeluje na: a) c pli´i kraj bazena. koje se nalaze u toˇkama c c . ´e biti u ravnoteˇi ako je (slika 2. a ˇirok je 7 m.28: Teˇiˇte ravne ploˇe zs c Izvod formule za teˇiˇte zapoˇet ´emo poznatim Arhimedovim Zakonom zs c c poluge: poluga kojoj se na kraju x1 nalazi masa m1 . a na kraju x2 nalazi masa m2 te koje je poduprta u toˇki x. m2 . . .7 Momenti i teˇiˇte zs Teˇiˇte ravne ploˇe P zadanog oblika je toˇka T sa svojstvom da se ploˇa zs c c c poduprta u toj toˇki nalazi u poloˇaju ravnoteˇe (slika 2.29: Ravnoteˇa poluge z Broj mi xi je moment mase mi u odnosu na ishodiˇte.84 ODREDENI INTEGRAL Zadatak 2. x ¯ iz ˇega slijedi m1 x + m2 x = m1 x1 + m2 x2 .

. i = 1. y1 ). y2 ). m2 . xn } rastav intervala [a. b] (vidi sliku 2. c c koje se nalaze u toˇkama s koordinatama (x1 . 0) i C = (3. m Zadatak 2. . x2 . teˇiˇte pravokutnika Pi se c c zs nalazi u toˇki c f (¯i ) + g(¯i ) x x .2. Ti = xi . x1 . m i=1 pri ˇemu je m = mi ukupna masa sustava. .6 Primjene odredenog integrala 85 x1 . moment sustava oko x-osi jednak je n Mx = i=1 mi y i . . . . . (x2 . . n. pri ˇemu je zs c x ¯ c x= ¯ My . Moment sustava oko y-osi jednak je n My = i=1 mi xi . Iz jednakosti m¯ = M zakljuˇujemo sljede´e: ako bi s x c c se ˇestica mase m nalazila u toˇki x njen moment bi bio isti kao i moment c c ¯ zadanog sustava.30. nalazi se u toˇki c n m i xi x= ¯ i=1 n = mi M . U i-tom intervalu odaberimo srediˇnju toˇku xi = (xi−1 + xi )/2. 1). b] takav da su svi podintervali jednake duljine. a M = mi xi moment sustava c u odnosu na ishodiˇte. . Zbog uniformne gusto´e ploˇe. c Promotrimo sada ravnu ploˇu P uniformne gusto´e ρ omedenu s x-osi. 2). c c pravcima x = a i x = b i neprekidnim funkcijama y = f (x) i y = g(x). yn ) u xyc ravnini. pri ˇemu je g(x) ≤ f (x) za x ∈ [a. c Neka je {x0 . . . 3 i 5 koje se nalaze u toˇkama A = (−2. Poop´imo sada razmatranje na sustav od n ˇestica s masama m1 . . m y= ¯ Mx . . (xn . xn na x-osi. . xi − xi−1 = ∆x. ¯ 2 . mn . Za dovoljno mali ∆x dio ploˇe P od s c ¯ c toˇke x = xi−1 do toˇke x = xi moˇemo aproksimirati pravokutnikom Pi c c z kao na slici 2. . a teˇiˇte sustava je u toˇki T = (¯.10 Izraˇunajte momente i teˇiˇte sustava od tri ˇestice s mac zs c sama 2. . B = (2. . . . y ).30). .

30: Ploˇa uniformne gusto´e ρ c c Masa pravokutnika Pi je mi = ρ [f (¯i ) − g(¯i )]∆x. c s c s b m=ρ a [f (x) − g(x)] dx. x x Moment pravokutnika Pi jednak je umnoˇku mase i udaljenosti teˇiˇta Ti od s zs y-osi. Sliˇno. odnosno My (Pi ) = ρ [f (¯i ) − g(¯i )] ∆x xi . x x ¯ Zbrajanjem ovih momenta i uzimanje limesa kada n → ∞ daje ukupni moment ploˇe P oko y-osi: c n b My = lim n→∞ i=1 ρ xi [f (¯i ) − g(¯i )] ∆x = ρ ¯ x x a x [f (x) − g(x)] dx. 2 Ukupna masa ploˇe jednaka je umnoˇku gusto´e i povrˇine. . moment pravokutnika Pi oko x-osi jednak je c Mx (Pi ) = ρ [f (¯i ) − g(¯i )] ∆x x x f (¯i ) + g(¯i ) x x 2 pa je ukupni moment ploˇe P oko x-osi jednak: c n Mx = lim n→∞ ρ i=1 1 [f (¯i )2 − g(¯i )2 ]∆x = ρ x x 2 b a 1 [f (x)2 − g(x)2 ] dx.86 ODREDENI INTEGRAL y f(x i) P i f(x) Ti P g(x) a xi−1 xi xi b x Slika 2.

5 y = 0.2. dok koordinate teˇiˇta tijela zs zs raˇunamo pomo´u trostrukog integrala (vidi poglavlje 4). Ukoliko ravna ploˇa nema uniformnu gusto´u. ¯ T a x Slika 2. vrijedi x = My /m i y = Mx /m.31: Koordinate teˇiˇta ploˇe zs c zs z c Zadatak 2. c c Primjer 2.22 Koordinate teˇiˇta ploˇe omedene parabolom y 2 = ax i pravzs c cem x = a su (vidi sliku 2. odnosno c ¯ ¯ b b ρ x= ¯ ρ a b a x [f (x) − g(x)] dx b = a x [f (x) − g(x)] dx b a . ρ [f (x) − g(x)] dx [f (x) − g(x)] dx Napomena 2. kao i kod sustava od n zs c c x ¯ c ˇestica. . [f (x) − g(x)] dx 1 [f (x)2 − g(x)2 ] dx 2 b a [f (x) − g(x)] dx b ρ y= ¯ a = a 1 [f (x)2 − g(x)2 ] dx 2 b a . pri ˇemu. tada za raˇunanje c c c c koordinata teˇiˇta koristimo dvostruke integrale.3 Zbog uniformne gusto´e ploˇe koordinate teˇiˇta ne ovise c c zs o gusto´i.31): a x= ¯ 0 a 0 √ √ x [ ax − (− ax)] dx √ √ [ ax − (− ax)] dx y 2=ax = 3 a. y ).11 Nadite teˇiˇte polukruˇne ploˇe radijusa r.6 Primjene odredenog integrala 87 Teˇiˇte ploˇe nalazi se u toˇki T = (¯.

dakle. S druge stane. c – integriranje razvoja podintegralne funkcije u red potencija. samo ˇto na kraju uvrstimo granice i nademo sumu tako dobivenog reda. .1 Eliptiˇki integrali c Eliptiˇki integrali su vaˇna klasa integrala koji nisu elementarno rjeˇivi. z c s Integrali ovisni o parametru opisani su u poglavlju 4. jednu od tih metoda moramo koristiti c ˇelimo li izraˇunati integral koji nije elementarno rjeˇiv. ostale naˇini raˇunanja odredenih integrala su c c – numeriˇko integriranje.6. uz uvjet da se granice nalaze unutar podruˇja konvergencije promatranog reda potencija. Postupak integriranja reda funkcija ve´ smo opisali u poglavlju 1.7. Op´enito. c U ovom poglavlju detaljnije ´emo opisati dvije osnovne metode numeriˇke c c integracije – trapeznu i Simpsonovu formulu. 1 − k2 cos2 x a eliptiˇki integrali drugog tipa su integrali oblika c π/2 π/2 0 1 − k2 sin2 x dx = 0 1 − k2 cos2 x dx. c c s Kao ilustraciju pokazat ´emo primjenu tih metoda na rjeˇavanje eliptiˇkih inc s c c c tegrala. Obje formule se temelje na raˇunanju jedne integralne sume uz odgovaraju´e formule za procjenu greˇke. Na kraju ´emo dati Matlab programe za trapeznu i Simpsonovu formulu. a c z s na koji se svode mnoge tehniˇke primjene. 2. Takoder ´emo dati formulu za Richardsonovu ekstrapolaciju pomo´u s c c koje se odreduje pogreˇka nastala numeriˇkim integriranjem. Kod rjeˇavanja c s s odredenog integrala postupak je isti. eliptiˇki integrali prvog c c c tipa su integrali oblika π/2 π/2 1 0 1 − k2 sin2 x dx = 0 1 √ dx.7 Numeriˇko integriranje c Pored rjeˇavanja elementarno rjeˇivih integrala koriste´i pravila opisana s s c u poglavljima 1 i 2. i onih koji su elementarno rjeˇivi. i – koriˇtenje integrala ovisnih o parametru (vidi poglavlje 4. s Prve dvije metode se mogu koristiti za rjeˇavanje svih odredenih intes grala.88 ODREDENI INTEGRAL 2.8. ukoliko je rjeˇenje jednostavs s nije i dovoljno toˇno.6).

pa je opseg zadane elipse pribliˇno jednak S ≈ 9. radi se o eliptiˇkom integralu drugog tipa. Dokaˇimo jednakosti u gornjim formulama: c z π/2 π/2 0 1 √ dx = 1 − k2 cos2 x = 1 0 1 − k2 sin2 (x + π/2) dx t = x + π/2.10) Eliptiˇki integrali se zbog svoje vaˇnosti nalaze u mnogim matematiˇkim c z c tablicama.2 jednak π/2 π/2 π/2 S=4 0 (−2 sin2 t)2 + cos2 t dt = 4 0 4 − 3 cos2 t dt = 8 0 1− 3 cos2 t dt. Opseg te elipse je prema poglavlju 2. 2π]. t ∈ [0.6888. Tu vidimo i veliku razc z c s like izmedu elipse i kruˇnice – dok je podjednako lako izraˇunati povrˇine. odnosno tako z c ˇto ´ete podintegralne funkcije nacrtati pomo´u programa NetPlot. pri ˇemu zadnja jednakost vrijedi zbog parnosti podintegralne funkcije. y = sin t. Tako iz tablice u poznatom Matematiˇkom priruˇniku Bronˇtejna c c s i Semandjajeva moˇemo oˇitati vrijednost z c I ≈ 1.2111. c z c z Uvedimo oznaku π/2 I= 0 1− 3 cos2 t dt. dt = dx. U c jednakost gornjih integrala se lako moˇete uvjeriti i grafiˇki. z . 0 x 0 π/2 t π/2 0 π/2 = −π/2 1 1 − k2 sin2 t dt = 0 1 1 − k2 sin2 t dt.7 Numeriˇko integriranje c 89 pri ˇemu je k2 < 1. raˇunanje opsega elipse je bitno sloˇenije od raˇunanja opsega kruˇnice. 4 Dakle. 4 (2. s c c Promotrimo parametarski zadanu elipsu x = 2 cos t.2.6.

n Zadanu krivulju y = f (x) aproksimiramo izlomljenom crtom koja nastaje ∆x = xi − xi−1 = b pa je prirast jednak spajanjem toˇaka (xi−1 . b = xn }. b−a .32).11) . yi ). + y1 + y2 + · · · + yn−1 + = ∆x 2 2 odnosno. b] na n jednakih dijelova. D = {a = x0 . . .90 ODREDENI INTEGRAL 2. s pa odatle i ime trapezna formula. yi−1 ) i (xi . f(x) a x 0 x 1 x 2 x 3 b x n-2 x n-1 x n Slika 2. a integral c a f (x) dx aproksimiramo s tako dobivenom integralnom sumom Jn (vidi sliku 2.2 Trapezna formula Kod trapezne formule odaberemo dekompoziciju D koja dijeli interval [a. (2. x1 . . xn−1 .7. . Poznata formula za povrˇinu trapeza daje s yi − yi−1 yi−1 + yi ∆x yi−1 + ∆x Jn = = ∆x 2 2 i=1 i=1 yn y0 .32: Trapezna formula Vidimo da je integralna suma zapravo suma povrˇina dobivenih trapeza. trapezna formula glasi Jn = ∆x y0 + 2 n−1 n n yi + i=1 yn 2 .

Vrijedi h R (h) − R (0) = odnosno R′ (h) = 0 h ′ ′ R′′ (t) dt.7 Numeriˇko integriranje c 91 Pogreˇku trapezne formule daje slijede´i teorem. s c Teorem 2. x∈[a. b].6 Ako je druga derivacija f ′′ (x) neprekidna i omedena na intervalu [a. a pri ˇemu je Jn dan formulom (2. 2 Koriste´i pravilo o deriviranju sloˇene funkcije imamo c z h 1 [f (xi−1 ) + f (xi−1 + h)] − f ′ (xi−1 + h) 2 2 1 h ′ = [f (xi−1 + h) − f (xi−1 )] − f (xi−1 + h).11). Poc greˇka trapezne formule na i-tom intervalu jednaka je s xi Ri = xi−1 f (x) dx − h (yi−1 + yi ). 12 M = max |f ′′ (x)|. 2 2 1 ′ 1 ′ h ′′ Ri (h) = f (xi−1 + h) − f (xi−1 + h) − f ′′ (xi−1 + h) 2 2 2 h ′′ = − f (xi−1 + h). Radi jednostavnijeg oznaˇavanja uvedimo oznaku h ≡ ∆x.2. 2 . 2 ′ Ri (h) = f (xi−1 + h) − ′ Primijetimo da je Ri (0) = 0 i Ri (0) = 0. 0 1 − t f ′′ (xi−1 + t) dt.b] Dokaz. 2 Promotrimo Ri = Ri (h) kao funkciju prirasta h: xi−1 +h Ri (h) = xi−1 f (x) dx − h [f (xi−1 ) + f (xi−1 + h)]. tada vrijedi b f (x) dx = Jn + R. dok za ostatak R vrijedi ocjena c |R| ≤ M b−a ∆x2 .

No.94348 4 π/2 1 Dakle.211051.7.5 1 π/8 0.79057 3 3π/8 0. xi ). c |R| ≤ i teorem je dokazan.23 Izraˇunajmo integral (2. xi ).92 ODREDENI INTEGRAL Teorem o srednjoj vrijednosti 2. Ri = − Konaˇno.4). z s z Raˇunanjem druge derivacije zadane funkcije moˇe se pokazati da je M ≤ 1 c z pa formula za ocjena pogreˇke iz teorema 2. 12 (∆x)3 ′′ f (ξi ). umjesto s c toga pogreˇku moˇemo jednostavnije ocijeniti Richardsonovom ekstrapolas z cijom (poglavlje 2. π y0 y4 + y1 + y2 + y3 + = 1. (b − a)(∆x)2 max |f ′′ (ξ)| 12 ξ∈(a. 4 R(h) − R(0) = pa je 1 R(h) = − f ′′ (ξi ) 4 Dakle. 8 2 2 Traˇenje broja M u gornjoj formulu za ocjenu ostatka (pogreˇke) je sloˇeno. c Vrijednosti xi i yi dane su su slijede´oj tablici: c i xi yi 0 0 0.10) trapeznom formulom za n = 4. J4 = .59986 2 π/4 0. 12 |Ri | ≤ ξi ∈ (xi−1 . n i=1 h R′ (t) dt 0 0 t2 dt = − h3 ′′ f (ξi ).02.6 povlaˇi |R| ≤ 0.4 primijenjen na funkcije (−1/2) t f ′′ (xi−1 +t) i t povlaˇi c 1 R′ (h) = − f ′′ (ξi ) 2 za neki ξi ∈ (xi−1 .b) Primjer 2. Sada imamo h h 0 t dt = − h2 ′′ f (ξi ).

33) c (x2i−2 . zadani interval [a. k aproksimiramo kvadratnom parabolom p(x) = ax2 + bx + c koja prolazi kroz tri susjedne toˇke (slika 2. b] podic jelimo na paran broj toˇaka n = 2k. tada je c x2i−2 = −∆x.7 Numeriˇko integriranje c 93 2. (x2i . (x2i−1 .7. Preciznije. postavimo li pomo´ni koordinatni sustav tako da mu je ishodiˇte u c s toˇki x2i−1 . . f(x) p(x) x 2i-2 x 2i-1 x 2i Slika 2. .2. 3 (2. n a zadanu funkciju f (x) na intervalu [x2i−2 . . x2i ]. y2i−1 ). uzmemo ∆x = b−a .12) Zaista. x2i−1 = 0. y2i−2 ). x2i ] jednak je x2i (ax2 + bx + c) dx = x2i−2 ∆x (y2i−2 + 4 y2i−1 + y2i ). . x2i = ∆x.33: Simpsonova formula Odredeni integral parabole p(x) na intervalu [x2i−2 . y2i ).3 Simpsonova formula Simpsonovu formulu dobijemo kada umjesto linearnih koristimo kvadratne aproksimacije zadane funkcije. i = 1. .

pa ´emo z s z c umjesto toga u slijede´em poglavlju pogreˇku ocijeniti Richardsonovom ekc s strapolacijom.24 Izraˇunajmo integral (2. 2 . 3 8 Traˇenje broja M u gornjoj formulu za ocjenu pogreˇke je sloˇeno. a pri ˇemu za ostatak R vrijedi ocjena c |R| ≤ M b−a ∆x4 .14) 3 Pogreˇku Simpsonove formule daje slijede´i teorem2 : ako je ˇetvrta des c c rivacija f IV (x) neprekidna i omedena na intervalu [a. y2i = a ∆x + b ∆x + c.13) Integral (2.12) jednak je.6 s time ˇto funkciju c s Ri (h) treba derivirati tri puta nakon ˇega treba primijeniti teorem srednje vrijednosti i c dva puta integrirati. Konaˇno. 2 (2. tada vrijedi b f (x) dx = Jn + R. Koriste´i vrijednosti dane u tablici iz primjera 2.10) Simpsonovom formulom za n = c 4. x∈[a. 3 No.b] Primjer 2.23 imamo c J4 = 1 π · (y0 + 2y2 + 4(y1 + y3 ) + y4 ) ≈ 1.94 pa uvjeti da p(x) prolazi zadanim toˇkama glase c y2i−1 = c. formule (2. Teorem navodimo bez dokaza. . . ODREDENI INTEGRAL y2i−2 = a ∆x2 − b ∆x + c. b].12) dokazana.12) za i = 1. k. integralu ∆x (ax2 + bx + c) dx = a −∆x x2 x3 +b + cx 3 2 ∆x = −∆x ∆x (2 a ∆x2 + 6c). 180 M = max |f IV (x)|. nakon sredivanja c dobijemo Simpsonovu formulu Jn = ∆x (y0 + 2 (y2 + y4 + · · · + yn−2 ) + 4 (y1 + y3 + · · · + yn−1 ) + yn ). Dokaz je sliˇan dokazu teorema 2. .13) povlaˇe c 2 a ∆x2 + 6c = y2i−2 + 4y2i−1 + y2i pa je formula (2. dakle. (2.211415. zbrajanjem integrala (2. .

(2n)m − nm Drugim rijeˇima. Na primjer. ako je E > 0 tada je pribliˇno c z b a f (x) dx ∈ [J2n .2. Kod nuc z c z c c meriˇkog raˇunanja integrala. Ova pretpostavka nije uvijek toˇno ispunjena. Rn = ω(∆x)m (R) za svaki ∆x. =ω 2n .7 Numeriˇko integriranje c 95 2. tada je pribliˇno z b a f (x) dx ∈ [J2n + E. a ako je E ≤ 0. no u velikom c broju sluˇajeva moˇemo smatrati da ona vrijedi.7. Koriste´i pretpostavku z c c imamo Rn = I − In = ω (∆x)m = ω R2n = I − I2n = ω (∆x/2)m Dakle. n b−a m . J2n ]. kod trapezne c z formule je M (b − a)/12 (teorem 2. tada je pogreˇka kod raˇunanja c s c J2n pribliˇno manja od broja z E= nm (J2n − Jn ). Kod dokazivanja ovih formula pretpostavljamo da postoji broj ω takav da je In = I + Rn . J2n + E]. Richardsonova ekstrapolacija je izuzetno jedc c nostavan naˇin za ocjenu pogreˇke. c s Najjednostavniji oblik metode se sastoji u slijede´em: ako smo numeriˇki c c izraˇunali integral Jn i integral J2n koriste´i svostruko viˇe toˇaka te ako se u c c s c pripadnoj ocjeni ostatka javlja ˇlan (∆x)m .6) pa pretpostavka (R) znaˇi da moˇemo c z uzeti (pribliˇno) isti ω za razliˇite vrijednosti od ∆x. I2n − In = ω (b − a)m 1 1 − nm (2n)m b−a m .4 Richardsonova ekstrapolacija Pojam Richardsonova ekstrapolacija oznaˇava klasu metoda kojima se c pomo´u pribliˇnog raˇuna s manje koraka postiˇe ve´a toˇnost.

211415 − 1.209960.12 Izraˇunajte c 0 c e−x dx pomo´u trapezne i Simpsonove for- 2 mule za n = 8.000363666.210803. (b − a)m (2n)m − nm nm (J2n − Jn ). 4 − 24 4 15 1 π · (y0 + 4y2 + y4 ) ≈ 1.24.220581.96 pa je ω= ˇto konaˇno daje s c R2n ≈ E = ODREDENI INTEGRAL nm (2n)m I2n − In .211415 − 0.000611066.000363666] = [1. Trapezna formula (2.211051 + 0. b) Ocijenimo pogreˇku u integralu J4 iz primjera 2.209960) ≈ 0.211051.14) za n = 2 daje J2 = pa je E= 24 1 (J4 − J2 ) = (1.211051 − 1. a pogreˇke ocijenite Richardsonovom ekstrapolacijom. 1. pri ˇemu moˇemo c z koristiti istu tablicu. 3 4 Dakle. 2 − 22 4 3 π y0 y4 + y2 + ≈ 1.211415]. 4 Zadatak 2.10) vrijedi I ∈ [1. Da s bi primijenili Richardsonovu formulu. Simpsonova formula (2. 1.25 a) Ocijenimo pogreˇku u integralu J4 iz primjera 2.23. s .10) vrijedi I ∈ [1.11) za n = 2 daje J2 = pa je E= 1 22 (J4 − J2 ) = (1. Koriste´i tablicu iz s c primjera 2. za integral (2. (2n)m − nm Primjer 2. za zadani integral (2.000611066.23. 1.211414].211415] = [1.211051. treba nam J2 . 1.220581) = −0. 4 2 2 Dakle.

75*cos(x).y) Program za Simpsonovu formulu glasi %%% SIMPSONOVA FORMULA format long e %%% Interval [a. mogu se vrlo jednostavno programirati u programskom jeziku Matlab.5 Programi Trapezna i Simpsonova formula.7. Program za trapeznu formulu glasi %%% TRAPEZNA FORMULA format long e %%% Interval [a.2.7 Numeriˇko integriranje c 97 2.14). (2.11) i (2.^2) %%% Trapezna formula J=dX*(y(1)/2+y(n+1)/2+sum(y(2:n))) %%% Priprema za Richardsonovu ekstrapolaciju n1=n/2 y1=y(1:2:n+1) %%% Integral s n/2 tocaka integracije J1=2*dX*(y1(1)/2+y1(n1+1)/2+sum(y1(2:n1))) %%% Richardsonova ocjena E=n1^2/(n^2-n1^2)*(J-J1) %%% Graf podintegralne funkcije plot(x.b] i broj tocaka integracije k (djeljiv s 4) a=0 b=pi/2 n=4 dX=(b-a)/n %%% Vektor x x=a:dX:b %%% Podintegralna funkcija i vektor y .b] i broj toˇaka integracije n (paran) c a=0 b=pi/2 n=4 dX=(b-a)/n %%% Vektor x x=a:dX:b %%% Podintegralna funkcija i vektor y y=sqrt(1-0.

Za koje (najmanje) vrijednosti od n je pogreˇka s E jednaka nuli? 100 b) Modificirajte programe tako da raˇunaju c 0 e−x dx. . c za razne vrijednosti od n. Koliko dobiveni rezultati odstupaju +∞ √ 2 e−x dx = π/2? od 0 3 http://lavica.75*cos(x).hr/octave/octave-on-line.fesb.13 a) Izvedite ove programe pomo´u programa Octave On-line3 . Izvedite pro- 2 grame za n = 100. 200.y) Zadatak 2.98 ODREDENI INTEGRAL y=sqrt(1-0. 800.php. 400.^2) %%% Simpsonova formula J=(dX/3)*(y(1)+y(n+1)+2*sum(y(3:2:n-1))+4*sum(y(2:2:n))) %%% Priprema za Richardsonovu ekstrapolaciju n1=n/2 y1=y(1:2:n+1) %%% Integral s n/2 tocaka integracije J1=(2*dX/3)*(y1(1)+y1(n1+1)+2*sum(y1(3:2:n1-1))+4*sum(y1(2:2:n1))) %%% Richardsonova ocjena E=n1^4/(n^4-n1^4)*(J-J1) %%% Graf podintegralne funkcije plot(x.

. . . . . . . . c 3. . 3. . . Plohe drugog reda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . 99 106 109 111 112 114 116 116 118 119 119 122 126 129 134 135 136 139 148 159 3.4. 3. . . . . . . . . .7 Presjek ploha . . . . . . . . . .2 Hiperboliˇki paraboloid .1 3. . . . .4 Definicija . . . . odnosno Rn = {(x1 . . . . .8 Parcijalne derivacije kompozicije funkcija 3. . . . . . . . . 3. . . . . · · · .3. . . . . . . 3. . s 3. . . . . . . .4. .1 Skup Rn = R × · · · × R (n-terostruki Kartezijev produkt skupa realnih brojeva sa samim sobom). . . ˇ FUNKCIJE VISE VARIJABLI 3. c 3. . . . . . . . . . . .5 Parcijalne derivacije .4 Stoˇac . . . . . . . . . . . . . . . . . . . . . . . . · · · . . . . .4. . . .4.11 Implicitno zadane funkcije .1 Taylorova formula . . . . . . . . . . . . . . .1 Eliptiˇki paraboloid . . .12 Problem vezanog ekstrema . . . 3. . . . . . . . . . . . . . . . . . . . .4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 3. . . . . . . . . . . . . . . . . .6 Neke zanimljive plohe . .3 3. xn )|xi ∈ R i = 1. . . . . . . . . . . . . . . 3. . . . .9. . . s 3. . .3 Hiperboloid . z 3. . . . . . . . 3. . . . . . . . . . . . . .1 Definicija Definicija 3. . . . . . . . . . . . . . . .6 Totalni diferencijal .4. . . . . . . . . . . . . . . . . . . . . . Limes . 3. .9 Totalni diferencijal viˇeg reda . . . . . x2 . . . . . . . . . . . . .7 Tangencijalna ravnina . . . 3. Neprekidnost . . . . . n} . . . . . . . . . . . . . . . . . . . .10 Ekstremi funkcija viˇe varijabla . . . . . . . . . .4. . . .5 Cilindri . . . . . . . . . . . . . . . . . . . . .

x2 . z 1 -1 1 x Slika 3. · · · . Koristimo oznaku T → f (T ). z = x2 + y 2 odredena je jednadˇba z = x2 = |x| z projekcije na xz-ravninu (vidi sliku 3. y2 Napokon. Da bi ’vidjeli’ grafiˇki tu funkciju koristimo projekcije na koordinatne ravc √ nine. z = x2 + y 2 odredena je 2 s jednadˇba x2 + y 2 = z0 ˇto pokazuje da je presjek grafa zadane funkcije sa z ravninom z = z0 jedna kruˇnica polumjera z0 (vidi sliku 3. D ⊆ Rn koje svakoj toˇki c c iz podruˇja definicije D pridruˇuje realan broj zovemo realna funkcija od n c z realnih varijabla. · · · . · · · . (x1 .3) z .100 ˇ FUNKCIJE VISE VARIJABLI zovemo n-dimenzionalni Euklidski prostor. xn ) → f (x1 . sustavom x = 0. xn ) su toˇke tog prostora. Preslikavanje f : D → R. y) ∈ R2 |x2 + y 2 ≥ 0} ≡ R2 . z = c = |y| projekcije na yz-ravninu. Takve funkcije moˇemo kao i u jednodimenzionalnom sluˇaju zadavati z c eksplicitnim analitiˇkim izrazom. za zadani z0 > 0 sustavom z = z0 . eksplicitnom formulom z = x2 + y 2 definirana je jedna realna funkcija dviju varijabla ˇije prirodno podruˇje definicije je c c D = {(x. grafiˇki (u sluˇaju n = 2). T ∈ D ili (x1 .1). c Primjer 3.2). x2 . · · · . tablicom (u sluˇaju diskretnog podruˇja c c c definicije). x2 . a dok za x = 1 jednadˇba projekcije z glasi z = 1 + y 2 (vidi sliku 3.1: Projekcija funkcije z = x2 + y 2 na xz-ravninu uz y = 0 x2 + y 2 odredena je jednadˇba z = z Sliˇno. Sustavom y = 0. parametarskim jednadˇbama i implic c z citnim analitiˇkim izrazom. xn ) ∈ D Za razliku od realne funkcije jedne realne varijable (sluˇaj n = 1) kad c god imamo funkciju od n varijabla sa n > 1 govorimo o funkciji viˇe varijas bla. a uredene n-torke (x1 . x2 .1 Na primjer. xn ).

2: Projekcije funkcije z = x2 + y 2 na yz-ravninu za x = 0 i x = 1 y 1 x Slika 3.3: Projekcije funkcije z = x2 + y 2 na xy-ravninu za z = 1 i z = 2 .1 Definicija 101 z 1 -1 1 y Slika 3.3.

z) = (u. . 1. (x. . z) = (2 cos u. 1 + u2 ). y.5 prikazan je eliptiˇki stoˇac c z z−3= 1 1 (x + 1)2 + (y − 2)2 . y. dobit ´emo sliku 3. −1. y. z) = (u. odnosno crtamo √ krivulje (x. z 3 2 1 0 -3 -2 -1 0 x 0 1 2 y 3 1 2 3 -3 -2 -1 Slika 3. u. z) = (u. z) = (cos u. 3 sin u. (x. (x. y0 . |u|). z) √ (−1. c z z s a Oz-os os simetrije. (x. a presijek tog stoˇca s ravninom c z c s z = c (c > z0 ) je elipsa (x − x0 )2 c−z0 2 a + (y − y0 )2 c−z0 2 b =1 Na primjer. (x. odredene z su takozvane nivo plohe koje sluˇe za lakˇe predoˇavanje grafa funkcije. . u. . sin u. c s Projekcije crtamo kao parametarski zadane√krivulje u prostoru. = √ (x. z) = (3 cos u. (x. y.4: Kruˇni stoˇac z = z z x2 + y 2 Op´enito c z − z0 = a2 (x − x0 )2 + b2 (y − y0 )2 je eliptiˇki stoˇac s vrhom u toˇki (x0 . 1 + u2 ). 2 sin u.102 ˇ FUNKCIJE VISE VARIJABLI Nacrtamo li sustavno prethodne projekcije. y. z0 ). z) = (1. |u|). 0. 1). z) = (0. y. y. 2) i (x. U z s c sluˇaju n = 2 nivo plohe joˇ zovemo nivo krivulje i crtamo ih u istoj ravnini. 3). y. na slici 3. 1 + u2 ). y.1 Jednadˇbama f (x1 . 0) vrh. xn ) = c. 1 . u.41 Zac kljuˇujemo da je graf funkcije kruˇni stoˇac kojemu je ishodiˇte (0. 4 9 Napomena 3. 1 + u2 ). 0. gdje je c konstanta.

z) ∈ R3 \ {(x. Presjek sa ravninom x = 0 je parabola z = −y 2 . izos hipse (krivulje na zemljopisnim kartama koje povezuju toˇke iste nadmorske c visine ili morske dubine) ili izobare (krivulje na meteoroloˇkim kartama koje s povezuju toˇke jednakog atmosferskog pritiska). Na primjer za u = 1 z 2 +y 2 ).3 vidimo nekoliko nivo krivulja funkcije z = x2 + y 2 .2 a) Funkcija z = ln (x + y − 2) definirana je na podruˇju D ⊆ c 2 odredenom nejednakoˇ´u x + y − 2 > 0 (vidi sliku 3. Nivo plohe su nacrtane s koriste´i parametarski prikaz funkcije tri varijable.1 Definicija 103 z 3+sqrt((x+1)**2/4+(y-2)**2/9) 6 5 4 7 5 3 0 2 4 y -4 -2 x 0 2 4 -4 -2 Slika 3. na primjer. Joˇ su zanimljivije. y) ∈ R2 }.7).5 nacrtane su nivo krivulje u xy-ravnini. z s Primjer 3. Na slici 3. 0) | (x. Nivo plohe su kruˇni paraboloidi (bez tjemena). c c) Funkcija triju varijabla u = − x 2 +y 2 z definirana je za (x.3.5: Eliptiˇki stoˇac c z Na slici 3.8). y. z) ∈ R3 | 1 ≤ x2 + y 2 + z 2 ≤ 3} Nivo plohe su plaˇtevi kugli (vidi sliku 3. Primjer izobara na slici 3.6 c preuzet je sa web stranica Drˇavnog hidrometeoroloˇkog zavoda. dobijamo z = −(x . y. y. R sc b) Formulom u = arcsin(x2 + y 2 + z 2 − 2) zadana je jedna funkcija triju varijabla definirana na podruˇju D ⊆ R3 koje je odredeno nejednakostima c 2 + y 2 + z 2 − 2 ≤ 1 odnosno −1 ≤ x D = {(x.

104 ˇ FUNKCIJE VISE VARIJABLI Slika 3.6: Izobare vremenske prognoze 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 y 2 2 x Slika 3.7: Podruˇje definicije funkcije z = ln(x + y − 2) c .

8 i 3. xn = x0 .hr/netplot . ∀T ∈ D. 1 i−1 i+1 n onda moˇemo definirati funkciju jedne varijable fi : Di → R. recimo xi .2 Funkcija f je omedena ako postoji M > 0 takav da je |f (T )| ≤ M. · · · . z −z0 = a2 (x−x0 )2 +b2 (y −y0 )2 je prema gore okrenut eliptiˇki c c 2 (x−x )2 −b2 (y−y )2 paraboloid s vrhom u toˇki (x0 . c c Zadatak 3.9. · · · . z Op´enito. x.5*sin(u)*sin(v). i−1 i+1 n 1 2 http://lavica. y0 . cos(u) 0. · · · . 3. 0.5 -0. xi+1 = x0 . x0 . · · · . z0 ).fesb. x0 .5*sin(u)*cos(v).8: Nivo-plohe funkcije u = arcsin(x2 + y 2 + z 2 − 2) za u = 0. a presjek sa ravninom z = −1 je kruˇnica x2 +y 2 = 1. pridruˇimo konkretne vrijednosti z x1 = x0 .3 Neka je zadana funkcija f : D → R. xi−1 = x0 .4. 0.9 pomo´u programa NetPlot2 .5*cos(u) z 1 0 0.1 Nacrtajte slike 3.5 x 0 0 0. Nivo ploha u = 1 prikazana je na slici 3. a z−z0 = −a c 0 0 je prema dolje okrenut eliptiˇki paraboloid s vrhom u toˇki (x0 . Ako svim varijablama osim jedne.3.5 i u = 1 presjek sa ravninom y = 0 je parabola z = −x2 .1 Definicija 105 sin(u)*cos(v). Di ⊆ R formuz lom fi (x) = f (x0 . Definicija 3. c Definicija 3. z0 ).5 y Slika 3. sin(u)*sin(v). y0 . x0 ).5 -0.

dok je c funkcija f2 (y) = f (1. xn = 1 i−1 i+1 x0 ako je funkcija fi takva. xi+1 = x0 . xi−1 = x0 . · · · . Njihovu udaljenost definiramo kao c d(T1 . strogo padaju´a) s z c c c c obzirom na varijablu xi za x1 = x0 . xn ) i T2 = (y1 . Tada je funkcija f1 (x) = f (x.3 Neka je z = f (x.9: Nivo plohe funkcije u = − x 2 +y 2 z za u = 1 i u = 2 Kaˇemo da je funkcija f rastu´a (strogo rastu´a. x2 . · · · . 2). · · · . 2) = 2 x3 − 4 strogo rastu´a. δ) = {S ∈ Rn | d(T. y2 . T2 ) = Skup K(T. y) = 2 x3 − y 2 i neka je zadana toˇka T = c (1. yn ) dvije toˇke iz Rn . y) = 2 − y 2 strogo rastu´a za y ≤ 0 i strogo padaju´a c c za y > 0.106 ˇ FUNKCIJE VISE VARIJABLI -(x**2+y**2) -(x**2+y**2)/2 z 0 -2 -4 -1 0 x 1 -1 0 1 y Slika 3.4 Neka su T1 = (x1 . 3. S) < δ} (x1 − y1 )2 + (x2 − y2 )2 + · · · + (xn − yn )2 .2 Limes U ovom poglavlju definirat ´emo limes funkcije viˇe varijabli i dati osc s novna svojstva limesa. · · · . padaju´a. n Primjer 3. . Definicija 3.

y)→(0. Za n = 1 K(T.4 Pokaˇimo da je z x2 y = 0. δ) ∩ D \ {T0 } = ∅.23) (x. R2 i R3 ). Piˇemo s T →T0 lim f (T ) = a. Primjer 3.2 Gornja formula za udaljenost je direktno poop´enje forc mula za udaljenost u R. a za n = 3 c c to je kugla oko toˇke T (bez plaˇta) radijusa δ (vidi sliku 3.10: Otvorene kugle za n = 1. 2 + y2 x (x. δ) je otvoreni interval oko toˇke T .y)→(0.5 Neka su zadane funkcija f : D → R i toˇka T0 ∈ D takva da c svaku δ-okolinu od T0 vrijedi K(T0 . 2. δ) \ {T0 } ⇒ |f (T ) − a| < ε.0) lim x2 y x x2 y = lim = lim = 0.0) 2 .2 Limes 107 nazivamo otvorena kugla radijusa δ oko toˇke T ili δ-okolina toˇke T .10) c s n=1 ( T−δ | T ) T+ δ n=2 δ T n=3 T δ Slika 3.0) 2xy (x.0) x2 + y 2 lim Zbog x2 + y 2 ≥ 2|xy| imamo (vidi sliku 3. (x.3.y)→(0. Kaˇemo da je a ∈ R graniˇna vrijednost ili limes funkcije f u toˇki T0 ako z c c (∀ε > 0)(∃δ > 0) T ∈ K(T0 . c c Napomena 3. za n = 2 to je krug oko toˇke T (bez oboda) radijusa δ.y)→(0. 3 Definicija 3.

y)→(x0 .5 Pokaˇimo da funkcija z f (x. . k ∈ N). Primjer 3. 1/n) = (1/n)2 − (1/n)2 → 0. 1/n). ali za pripadaju´e c nizove funkcijskih vrijednosti imamo f (1/n.108 ˇ FUNKCIJE VISE VARIJABLI Odredivanje limesa funkcije viˇe varijabla teˇe je nego odredivanje limesa s z funkcije jedne varijable jer se toˇka T moˇe pribliˇavati toˇki T0 po neprec z z c brojivo mnogo razliˇitih putova a limes po svim tim putovima mora biti c isti. n ∈ N) i c c ((1/n. koji konvergira prema toˇki c c T0 . (1/n)2 + 0 x2 − y 2 ne postoji (vidi sliku (x.1 Slijede´e tvrdnje su ekvivalentne: c (i) lim f (T ) = a.y)→(0.24). 0). y). y) = x2 − y 2 x2 + y 2 nema limes u toˇki (0. (1/n)2 + (1/n)2 (1/n)2 − 0 f (1/n. Teorem 3. 0). Uzmemo li nizove toˇaka ((1/n.0) x2 + y 2 lim Koriste´i teorem 3. n ∈ N) vidimo da oba konvergiraju k (0.2 Neka je L= (x. T →T0 (ii) za svaki niz toˇaka (Tk ∈ D \ {T0 }.y0 ) lim f (x. 0) = → 1. 0). Citirajmo ovdje i teorem o uzastopnim limesima za funkciju dviju varijabla: Teorem 3. k ∈ N) konvergira c prema broju a. Ceˇ´e ga koristimo u sluˇaju kad ˇelimo pokazati da neki limes ne c z postoji (dovoljno je prona´i jedan ili dva niza koji upu´uju na nepostojanje c c limesa). pripadaju´i niz funkcijskih vrijednosti (f (Tk ). Gornji teorem nepogodan je za primjenu u sluˇaju kada moramo pokazati c da neki limes postoji (potrebno je provjeriti beskonaˇno mnogo razliˇitih c c ˇ sc nizova).1 zakljuˇujemo da c c 3.

z . Ako je f neprekidna u svakoj toˇki T ∈ A ⊆ D kaˇemo da je f neprekidna c z na skupu A. L1 = L2 sigurno c povlaˇi nepostojanje limesa L. Medutim. a ako je A = D kaˇemo da je f neprekidna funkcija.6 a) Za funkciju iz primjera 3. ˇto ne osigurava postojanje limesa L. y0 ) znaˇi samo c c postojanje graniˇne vrijednosti za dva od beskonaˇno mnogo putova pric c bliˇavanja toˇki (x0 .6 Funkcija f je neprekidna u toˇki T0 ∈ D ako je c T →T0 lim f (T ) = f (T0 ). z c s postojanje uzastopnih limesa L1 i L2 koji su razliˇiti tj. . c Primjer 3. Jasno je da obratna tvrdnja od ove u gornjem teoremu ne vrijedi tj. y0 ). y i L2 = lim lim f (x. y→0 y = lim x→0 y→0 lim 3.4 vrijedi lim x2 y + y2 x2 y lim 2 x→0 x + y 2 y→0 x2 x→0 lim = lim 0 = 0.3 Neprekidnost 109 Ako postoje uzastopni limesi L1 = lim lim f (x..5 vrijedi lim x2 − y 2 y→0 x2 + y 2 x2 − y 2 lim 2 x→0 x + y 2 lim x2 = 1.) Definicija 3.3. y x→x0 y→y0 y→y0 x→x0 onda je L1 = L = L2 ..3 Neprekidnost Definicija neprekidnost funkcije viˇe varijabli jednaka je definiciji nepres kidnosti funkcije jedne varijable (M1. x→0 x2 −y 2 = lim 2 = −1. y→0 b) Za funkciju iz primjera 3. x→0 y→0 lim = lim 0 = 0. postojanje i jednakost uzastopnih limesa L1 i L2 u toˇki (x0 .

u = f (T ). D ⊆ Rn . Drugim rijeˇima.. 2. T ∈A f (T2 ) = max f (T ) T ∈A (vidi sliku 3. (ii) Neka je funkcija f neprekidna i neka je A ⊆ D zatvoren i omeden podskup domene D. δ) ⇒ f (T ) > 0 (< 0). x0 ). · · · .6 slijedi da je f neprekidna u c toˇki T0 ako i samo ako je lim [f (T ) − f (T0 )] = 0 ili ekvivalentno c T →T0 ∆x1 →0. xn ).∆xn →0 lim ∆u = 0. Tada postoji okolina toˇke T0 za koju vrijedi c T ∈ K(T0 . n.11). Veliˇina c ∆xi = xi − x0 . (iii) Ako su funkcije f. z Svojstva neprekidnih funkcija viˇe varijabli su sliˇna svojstvima nepres c kidnih funkcija jedne varijable. je prirast varijable xi u toˇki T0 . . odnosno. u0 = F (T0 ). neprekidne.. T2 ∈ A takve da je c T ∈ A ⇒ f (T1 ) ≤ f (T ) ≤ f (T2 ). tada su zbroj f + g.110 Neka je T = (x1 . x2 . x0 . 1 2 n i = 1. je prirast funkcije f u toˇki T0 .. Tada funkcija f na skupu A dostiˇe svoju najmanju z i svoju najve´u vrijednost u nekim toˇkama.. Veliˇina c c ∆u = u − u0 . · · · . i ˇ FUNKCIJE VISE VARIJABLI T0 = (x0 . Iz definicije 3. Navedimo neka od tih svojstava: (i) Neka je funkcija f neprekidna i neka je f (T0 ) > 0 (< 0) u nekoj toˇki c T0 ∈ D. postoje c c c toˇke T1 . ako i samo ako prirast funkcije f u toˇki T0 teˇi k nuli ˇim prirasti c z c svih varijabli xi istovremeno teˇe k nuli. odnosno f (T1 ) = min f (T ). produkt f g i kvocijent f /g (uz uvjet g = 0) takoder neprekidne funkcije. razlika f − g. g : D → R. · · · .

y) = z0 − r 2 − (x − x0 )2 − (y − y0 )2 i r 2 − (x − x0 )2 − (y − y0 )2 .i yz-ravninama su kruˇnice.3. y0 . E i F razliˇit od nule. Nivo-plohe sfere (presjeci s ravninama paralelnim s xy-ravninom) i presjeci s ravninama paralelnim s xz.ili yzravninom jednaka toˇki koju moˇemo interpretirati kao degeneriranu kruˇnicu s radijusom c z z 0.4 z Nadalje. Na pric mjer. C. b i c redom (slika 3. jednadˇba sfere (kugline plohe) radijusa r s centrom u toˇki (x0 . S ovom formulom su zapravo zadane dvije funkcije dvije varijable: z = f1 (x. B. U rubovima je nivo–ploha ili pak presjek s ravninom koja je paralelna s xz. y i z.4 Plohe drugog reda f(x) f(A) max f(A) min A x A min max 111 Slika 3.12).11: Neprekidna funkcija na zatvorenom skupu 3. pri ˇemu je barem jedan od koeficijenata3 A.4 Plohe drugog reda Ploha drugog reda je skup svih toˇaka trodimenzionalnog prostora koje c zadovoljavaju jednadˇbu drugog stupnja (ili reda): z Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + K = 0. (x − x0 )2 (y − y0 )2 (z − z0 )2 + + =1 a2 b2 c2 je jednadˇba elipsoida ˇije su glavne osi paralne s koordinatnim osima x. 4 3 . u formuli postoji barem jedan netrivijalni nelinerani ˇlan. D. Svi koeficijenti su realni brojevi. z0 ) z c dana je s: (x − x0 )2 + (y − y0 )2 + (z − z0 )2 = r 2 . z c a duljine poluosi su a. c c odnosno. y) = z0 + z = f2 (x.

a2 b Nivo plohe eliptiˇkog paraboloida su elipse. 2π}. Elipsoid na slici moˇemo definirati i parametarski kao skup toˇaka: z c E = {(x. u ≥ 0}. π/2}}. t ∈ {0.112 ˇ FUNKCIJE VISE VARIJABLI 2 1 0 z -1 -2 -4 -2 0 y 2 5 4 2. y = u sin t. c 3. Paraboloid na slici moˇemo prikazati i parametarski kao skup z √ √ P = {(x.1 Eliptiˇki paraboloid c Op´a formula eliptiˇkog paraboloida je (vidi sliku 3. z = 2 sin u. Elipsoid na slici 3.12 nacrtajte nivo-plohu za z = −1 i presjek s ravninama x = 4 i x = 7.12 nacrtan je upravo koriste´i parametarski prikaz. y. Zadatak 3. z = u. .12: Elipsoid x2 /36 + y 2 /16 + z 2 /4 = 1 Nivo-plohe elipsoida kao i presjeci s ravninama paralelnim s xz.4.13): c c z= x2 y 2 + 2. t ∈ {0. z) : x = 2 u cos t.2 Za elipsoid iz slike 3.5 0 x -5 -2. a presjeci s ravninama koje c su paralelne s xz-ravninom i yz ravninom su parabole (vidi sliku 3. 2π}. u ∈ {−π/2.i yzravninama su elipse.14).5 Slika 3. z) : x = 6 cos t cos u. y = 4 sin t cos u. y.

4 Plohe drugog reda 113 x -5 0 5 10 z 5 0 -2 0 y 2 Slika 3.14: (A) Nivo plohe i (B) presjeci paralelni s yz-ravninom za paraboloid z = x2 /4 + y 2 . .13: Paraboloid z = x2 /4 + y 2 z 8 6 4 x=3 3 2 1 0 -1 -2 -3 -6 -4 -2 0 2 4 6 x=0 2 x=1 3 y -3 -2 -1 1 2 (A) (B) Slika 3.3.

15: Pomaknuti paraboloid z − 5 = (x − 3)2 + 4(y + 2)2 Zamjenom varijabli dobijemo eliptiˇki paraboloid uzduˇ neke druge osi. a2 b Hiperboliˇki paraboloid ima oblik sedla. z − z0 = a2 b2 x y -2 -4 15 0 0 2 4 6 12. 3.16). a presjeci s ravninama koje su paralelne s xz-ravninom i yz ravninom su parabole.2 Hiperboliˇki paraboloid c Op´a formula hiperboliˇkog paraboloida je (vidi sliku 3. .4.114 ˇ FUNKCIJE VISE VARIJABLI Eliptiˇki paraboloid s vrhom u toˇki (x0 . Nivo plohe su hiperbole (slika c 3.5 z 10 7. c z a pomo´u predznaka nezavisne varijable odredujemo na koju stranu je pac raboloid otvoren (slika 3. z0 ) zadan je s formulom (slika c c 3. y0 .18).5 5 Slika 3.17): c c z= x2 y 2 − 2.15): (x − x0 )2 (y − y0 )2 + .

4 Plohe drugog reda 115 2 0 z -2 -8 -6 -4 x -2 2 0 0 y -2 Slika 3.17: Hiperboliˇki paraboloid z = x2 − y 2 c .3.16: Polegnuti paraboloid −x = y 2 + z 2 y 0 -2 -4 2 x -2 0 2 4 5 0 z -5 Slika 3.

pomo´u transformacije c x → x − x0 pomiˇemo srediˇte hiperboloida.4 Prikaˇite hiperboloide sa slike 3. a cikliˇkom zamjenom varijabli c s c nastaju hiperboloidi koji se proteˇu u smjeru ostalih koordinatnih osi. 3 i presjeke s yz-ravninom za x = 4 za z − 2 = x2 − (y − 2)2 /4. Kao i kod ostalih ploha.3 Nacrtajte nivo-plohe za z = 0. 3.18: Nivo plohe za z = x2 − y 2 .19): x2 y 2 z 2 + 2 − 2 = 1.19): − x2 y 2 z 2 − 2 + 2 = 1. z Uputa: treba koristiti hiperbolne funkcije sinh i cosh. z Zadatak 3.19 u parametarskom obliku. a2 b c Nivo-plohe hiperboloida su elipse. Zadatak 3.20): z (z − z0 )2 = (x − x0 )2 (y − y0 )2 + . 3.4. 2.4 Stoˇac z Stoˇac ili konus je zadan s formulom (vidi sliku 3.116 3 2 1 0 -1 -2 -3 -4 -2 0 ˇ FUNKCIJE VISE VARIJABLI 2 4 Slika 3.3 Hiperboloid Jednokrilni hiperboloid zadan je s formulom (slika 3.4. a2 b c Dvokrilni hiperboloid zadan je s formulom (slika 3. a presjeci s ravninama koje su paralelne s z-osi su hiperbole. a2 b2 .

4 Plohe drugog reda 117 x -2 -1 2 y -1 -2 1 0 0 1 2 2 2 z 0 1 0 z -1 -2 -2 0 y 2 2 0 x -2 -2 (A) (B) Slika 3.3. .19: (A) Jednokrilni i (B) dvokrilni hiperboloid za a = b = c = 1.

5 0 -5 -2. a2 b z = y2. Tako su.5 5 5 2.5 ˇ FUNKCIJE VISE VARIJABLI y 0 2.5 0 z -2. x2 y 2 + 2 = 1. na primjer.4. a2 b2 3.5 -5 Slika 3.20: Stoˇac z 2 = x2 + y 2 z S ovim izrazom su zapravo zadane dvije funkcije od dvije varijable: z = z0 + (x − x0 )2 (y − y0 )2 + a2 b2 i z = z0 − (x − x0 )2 (y − y0 )2 + .5 -5 -2.5 Cilindri Cilindriˇna ploha ili cilindar nastaje kada jednadˇbu krivulje u ravnini c z interpretiramo u trodimenzionalnom prostoru. a2 b x2 y 2 − 2 = 1.118 x 5 2. .

5 -2 -1 1 y -1 -2 0 y 0. y.7 Presjek ploha Kod rjeˇavanja dvostrukih integrala vaˇno je znati predoˇiti presjek razs z c nih ploha.22). Neka je skup D zadan s D = {(x.4 Plohe drugog reda 119 jednadˇbe eliptiˇkog.4. hiperboliˇkog i paraboliˇkog cilindra redom (vidi slike z c c c 3.5 -1 2 x 1 -1 0 1 2 1 z 0 z 0 -1 -2 -2 (A) (B) Slika 3. a ploha K sa (gornja polukugla) s K = {(x.4.6 Neke zanimljive plohe Slijede grafovi i nivo-plohe nekih zanimljivih funkcija dvije varijable: 3. z) : x2 + y 2 + z 2 = 1. z ≥ 0}.5 -1. . y) : (x − 1/2)2 + y 2 ≤ 1/4. x -3 2 -2.21 i 3. 3.3. y ≤ 0}.21: (A) (x + 2)2 + y 2 /4 = 1 i (B) x2 − y 2 = 1.5 0 -0.

5 z 1 0.23: (x2 y)/(x2 + y 2 ) .5 0 -1 0 1 x 2 Slika 3.22: Paraboliˇki cilindar z = y 2 c 3 2 1 0 1 0 2 -1 0 -2 0 -2 2 -3 -3 -2 -1 0 1 2 3 -2 -1 Slika 3.120 ˇ FUNKCIJE VISE VARIJABLI y 0 -1 1 2 1.

5 -1 -2 -1 0 1 2 -2 -1 1 2 0 -1 0 -2 -2 -1 0 1 2 Slika 3.5 0 -0.5 0 -0.5 -1 0 -2 0 -2 2 2 0 -1 -2 -3 -3 -2 -1 0 1 2 3 Slika 3.4 Plohe drugog reda 121 3 2 1 1 0.25: sin x sin y .24: (x2 − y 2 )/(x2 + y 2 ) 2 1 1 0.3.

4 pomo´u programa NetPlot. Zadatak 3.26: exp(sin(x/y)) Tada dvostruki integral 1 0 I= 0 − √ 1 − x2 − y 2 dx 1/4−(x−1/2)2 daje volumen tijela s bazom D od xy ravnine do plaˇta kugle.7 Parcijalna derivacija funkcije f : D → R. sa strane s plaˇtom stoˇca ˇije 2 + y 2 = 1 za y ≤ 0.122 2 ˇ FUNKCIJE VISE VARIJABLI 1 0 2 1 0 -2 -1 0 1 2 -2 -1 -2 -2 -1 0 1 2 1 0 -1 2 Slika 3. x0 ) je derivacija funkcije jedne varijable c n 1 2 . i odozgo su stranice x-os i polukruˇnica (x − 1/2) z s plaˇtom kugle (vidi sliku 3.27). ϕ) : ϕ ∈ 2π cos ϕ 3 π.5 Parcijalne derivacije Definicija 3.5 Nacrtajte sve slike iz poglavlja 3. cos ϕ] . c 3. odnosno s s s c tijela koje je odozdo omedeno xy-ravninom. 2π . r ∈ [0. D ⊆ Rn . 2 0 1 − r 2 r dr dϕ. po varijabli xi u toˇki T0 = (x0 . x0 . · · · . Ovaj integral se rjeˇava prelaskom na s s polarne koordinate: D= I= 3 π 2 (r.

∂xi ′ Ako za funkciju f u toˇki T0 postoje parcijalne derivacije fxi (T0 ) po svim c varijablama xi onda kaˇemo da je funkcija f derivabilna u toˇki T0 .2 -0.3. c i ∂f (T0 ) fi (x) − fi (x0 ) i . · · · . Di ⊆ R definirane sa fi (x) = f (x0 .5 0. (3. = fi′ (x0 ) = lim i ∂xi x − x0 x→x0 i i Za parcijalne derivacije joˇ koristimo i sljede´e oznake: s c ∂f (T0 ) ′ ≡ fxi (T0 ) ≡ fxi (T0 ). fi : Di → R. Funkciju fxi : A → R zovemo parcijalna derivacija funkcije f po varijabli xi . x0 .5 0. x ∈ Di .75 z 0.5 0.27: Presjek ploha.5 0 1 0. To je opet jedna funkcija od n varijabli koja moˇe imati svoje parcijalne derivacije.75 1 0.5 z 0.75 1 1 x 123 0. x.25 0.5 0 x 0. ∂xi ∂xj .5 1 -1 -0. 1 i−1 i+1 n u toˇki x0 .4 00 0. Parcijalnu derivaciju z ′ po varijabli xj funkcije fxi zovemo parcijalna derivacija drugog reda funkcije f po varijablama xi . x0 ).8 Neka je A ⊆ D skup svih toˇaka T ∈ D u kojima postoji c ′ ′ parcijalna derivacija fxi (T ) po varijabli xi .1) Definicija 3. xj i oznaˇavamo sa c ∂2f ′′ ≡ f xi xj ≡ f xi xj . x0 .25 0 -1 -0.5 Parcijalne derivacije y -0. · · · . Ako je z c funkcija f derivabilna u svakoj toˇki T ∈ D onda kaˇemo da je f derivabilna c z funkcija.25 y 0 Slika 3. Dakle.

xk . y) ′′ fyy (x. ∂3f ′′′ ≡ f xi xj xk ≡ f xi xj xk . xim . ∂x ∂[sin(x + y 2 )] ′ = 2y cos(x + y 2 ). y) = sin(x + y 2 ) dobro je definirana na D = R2 te ima parcijalne derivacije svakog reda.3 (Schwartz) Pretpostavimo da funkcija f : D → R. ∂xi ∂xj ∂xk Indukcijom definiramo parcijalnu derivaciju m-tog reda funkcije f po varijablama xi1 . y) = ∂y ∂[cos(x + y 2 )] = − sin(x + y 2 ). · · · . y) c tretiramo kao konstantu. ∂xi1 ∂xi2 · · · ∂xin gdje je i1 . To nije sluˇajnost ve´ pravilo. ∂y ′′ ′′ U gornjem primjeru vidimo da su funkcije fxy i fyx jednake.7 Funkcija f (x. i2 . Na pric c s mjer. a kad raˇunamo fy (x. y) = ∂y ′ ∂ fy (x. y) = ′ ∂ [fx (x. ∂x ∂[cos(x + y 2 )] = = −2y sin(x + y 2 ). parcijalne derivacije drugog reda su ′′ fxx (x. y)] ′′ fxy (x. ∂y = = ∂[2y cos(x + y 2 )] = −2y sin(x + y 2 ). Postupak deriviranja je jednosta′ van: kad raˇunamo fx (x.124 ˇ FUNKCIJE VISE VARIJABLI Analogno definiramo parcijalnu derivaciju tre´eg reda funkcije f po varijac blama xi . y) = ∂[sin(x + y 2 )] = cos(x + y 2 ). xj . fy (x. y) = ∂x ′ ∂ fy (x. · · · . Dakle ′ fx (x. y) onda varijablu x u izrazu za f (x. y) = ∂y Sliˇno postupamo kod raˇunanja parcijalnih derivacija viˇeg reda. y) ′′ fyx (x. δ) toˇke T0 ∈ D ima neprekidne sve parcijalne derivacije c do ukljuˇivo (r − 1)-vog reda i da u toj okolini od T0 postoje sve parcijalne c . D ⊆ Rn . im ∈ {1. y)] ∂x ′ ∂ [fx (x. · · · . y) tretiramo kao c ′ konstantu. u nekoj okolini K(T0 . ∂x ∂[2y cos(x + y 2 )] = = 2 cos(x + y 2 ) − 4y 2 sin(x + y 2 ). n} i m ∈ N. 2. Naime vrijedi slijede´i vaˇan teorem kojega navodimo c c c z bez dokaza: Teorem 3. ∂mf (m) ≡ fxi1 xi2 ···xim ≡ fxi1 xi2 ···xim . xi2 . y) varijablu y u izrazu za f (x. Primjer 3.

∂y∂y∂y Medutim. ∂y 3 Op´enitije. ∂x∂x∂x ∂3f . Koliko ih ima stvarno razliˇitih? triju varijabla u = ln(x c b) Koliko ima stvarno razliˇitih parcijalnih derivacija r-tog reda funkcije od c m varijabla? . c Prvu od funkcija u gornjem nizu oznaˇavamo kra´e s c c ∂3f . To su redom c ∂3f . ∂x∂x∂y ∂x∂y∂x ∂3f ∂3f . Primjer 3.8 Za funkciju dviju varijabla formalno moˇemo promatrati ukupno z 23 = 8 parcijalnih derivacija tre´eg reda. . . tre´a i ˇetvrta su jednake i oznaˇavamo ih kra´e sa c c c c ∂3f . koriste´i teorem 3.3 stvarno promatramo samo 4 parcijalne dec rivacije tre´eg reda (uz razumljivu pretpostavku o njihovoj neprekidnosti). ∂x∂y∂y ∂3f ∂3f . ali ih razliˇitih ima stvarno samo (r + 1) i oznaˇavamo ih s c c ∂r f . ∂x∂y 2 a osmu oznaˇavamo kra´e sa c c ∂3f . r. ∂y∂x∂x ∂3f . · · · .6 a) Izraˇunaj sve parcijalne derivacije tre´eg reda za funkciju c c 2 + y + z). ∂x3 druga. Ako su parcijalne derivacije r-tog reda od f neprekidne u toˇki T0 onda njihove vrijednosti u toj toˇki ne zavise od redoslijeda c c deriviranja po pojedinim varijablama. ∂xi ∂y r−i i = 0. za bilo koji r ∈ N formalno postoji 2r parcijalnih derivacija r-tog c reda. 1. Zadatak 3. ˇesta i sedma u nizu su jednake i oznaˇavamo ih s s c ∂3f . ∂y∂y∂x ∂y∂x∂y ∂3f . ∂x2 ∂y peta.3.5 Parcijalne derivacije 125 derivacije r-tog reda.

c z c Primjer 3. T = (x1 . 2 1+c 1 + c2 S druge strane u toˇki (x. derivabilnost funkcije viˇe varijabla u nekoj toˇki ne s c povlaˇi nuˇno neprekidnost funkcije u toj toˇki. 0) je c ′ fx (0. y) = (0. u0 = f (T0 ).9 Funkcija f (x. n n = c c → . (x2 + y 2 )2 (x + y 2 )2 y(x2 − y 2 ) x(x2 + y 2 ) − xy(2y) ′ fy (x. + y2 0. 0) = lim = lim = 0. nizovi toˇaka c c {(1/n. · · · . y) = (0. 0). . 0). x→0 x x f (0. a c pripadaju´i nizovi funkcijskih vrijednost imaju razliˇite limese za razliˇite c c c vrijednosti od c jer f 1 c . c/n). 0) 0−0 ′ fy (0. 0). y) = x2 xy .126 ˇ FUNKCIJE VISE VARIJABLI Za razliku od funkcije jedne varijable koja je neprekidna u svakoj toˇki c u kojoj je derivabilna. n ∈ N} za razliˇite vrijednosti od c svi konvergiraju k nuli. y→0 y→0 y y x→0 Dakle f je derivabilna u toˇki (0. y) = (0. · · · . x0 . je definirana na D = R2 i ima prekid u toˇki (0. za (x. y) = y(y 2 − x2 ) y(x2 + y 2 ) − xy(2x) = 2 . Naime. 0) = lim 0−0 f (x. x0 ) ∈ D. y) − f (0. ∆u = u − u0 . y) = = 2 . x2 . 0) imamo c ′ fx (x. 0) − f (0. za (x. 0).6 Totalni diferencijal Neka je zadana funkcija f i toˇke c T0 = (x0 . c c 3. xn ) ∈ D. 0) = lim = 0. (x2 + y 2 )2 (x + y 2 )2 a u toˇki (0. 1 2 n Uvedimo oznake u = f (T ). ali nije neprekidna u toj toˇki.

onda i samo onda kad ρ = d(T0 .i=1. gdje je α : (0. c Napomena 3. n.i=1.3.m ∆xi →0.3 (1) Iz definicije 3.··· . dok obratno ne mora vrijediti. T ) = Ako je ′ ′ ∆u = fx1 (T0 )∆x1 + · · · + fxn (T0 )∆xn + ρα(ρ) (∆xi )2 + · · · + (∆xn )2 . doˇim funkcija f koja je diferencijabilna u to´ki c c T0 nuˇno mora biti neprekidna u toj toˇki. n. . odnosno. Zato imamo T →T0 lim ∆u = = ∆xi →0. prirast ∆u moˇemo aproksimirati diferencijalom z df (T0 ). tada je funkcija f diferencijabilna u toˇki T0 . ∂xi Definicija 3. · · · . Ako je f c c diferencijabilna u svakoj toˇki T ∈ D tada je f diferencijabilna funkcija. Naime. ∞) → R funkcija za koju vrijedi ρ→0 lim α(ρ) = 0.6 Totalni diferencijal 127 Prirast ∆xi = xi − x0 joˇ nazivamo i diferencijalom nezavisne varijable xi i s i oznaˇavamo s dxi . T ) → 0.9 vidimo da za malene vrijednosti prirasta ∆xi .m lim ∆u ′ ′ fx1 (T0 )∆x1 + · · · + fxm (T0 )∆xm + lim ρα(ρ) ρ→0 lim = 0.··· . c Parcijalni diferencijal funkcije f u toˇki T0 s obzirom na varijablu xi c definiramo kao diferencijal funkcije jedne varijable fi definirane relacijom (3. (3) Funkcija f moˇe biti derivabilna u toˇki T0 a da u toj toˇki nije neprez c c kidna (vidi primjer 3.9 Neka je funkcija f derivabilna u toˇki T0 i neka je c ρ = d(T0 . · · · .9). i = 1. T → T0 onda i samo z c onda kad ∆xi → 0 za sve i = 1. a izraz c ′ ′ df (T0 ) = fx1 (T0 )dx1 + · · · + fxn (T0 )dxn je totalni diferencijal (ili kra´e diferencijal) funkcije f u toˇki T0 .1): ′ dxi f (T0 ) ≡ dxi (u0 ) = dfi (x0 ) = fi′ (x0 )dxi = fxi (T0 )dxi = i i ∂f (T0 ) dxi . (2) Iz same definicije diferencijabilnosti slijedi da je diferencijabilnost jaˇe c svojstvo od derivabilnosti: ako je funkcija f diferencijabilna onda je f i derivabilna.

Takoder. 0). y) − f (0. Medutim f nije diferencijabilna s c c u toˇki (0. 0) 0−0 ′ fy (0. 0) za sve c ∈ R c imamo 1 ·c c c n2 n = lim 3 . y) = (0. 0) = lim = 0. c/n). 3 = lim n→∞ (1 + c2 ) 3 n→∞ 2 (1 + c2 ) 2 1 c2 2 + n2 n2 ˇto je zavisno od c pa zakljuˇujemo da lim α(ρ) ne postoji i zato f nije s c ρ→0 diferencijabilna u toˇki (0. 0) − [fx (0. s neprekidnoˇ´u funkcije f u toˇki T0 . 0). 0). y→0 y→0 y y ˇto znaˇi da je f derivabilna u toˇki (0. sc c Primjer 3. ′ fx (0. y → 0. 0) = lim 0−0 f (x.   T →T0 lim f (T ) = f (T0 ). 0). 0)dy] ρ→0 ρ f (x. za (x. (∆x)2 + (∆y)2 = x2 + y 2 lim α(ρ) = lim ′ ′ ∆f (0. 0) − f (0. y) = x2 + y 2  0. 0) = lim = lim = 0. za (x. Naime. n ∈ N) koji konvergiraju u (0. y) = (0. c . ρ= Zato je ρ→0 ∆y = y − 0 = y.y→0 (x2 + y 2 ) 2 Za nizove toˇaka ((1/n.128 Medutim. 0).10 Funkcija x2 y . y) − f (0.23). 0) = lim ρ→0 ρ x2 y = lim 3 x→0. → 0 ⇔ x → 0. je neprekidna na D = R2 (vidi primjer 3. f (x. 0)dx + fy (0. je ekvivalentno s T →T0 ˇ FUNKCIJE VISE VARIJABLI lim ∆u = 0 odnosno. x→0 x→0 x x f (0. odnosno. vrijedi c ∆x = x − 0 = x.4 i sliku 3.

te ako su sve parcijalne derivacije fxi . y0 ). c ⇒ f je neprekidna u (ii) f je derivabilna (diferencijabilna) u toˇki x c toˇki x. i = 1.4 Ako postoji okolina K(T. c doˇim za funkciju f od n > 1 varijabla vrijede slijede´e implikacije: c c (i) f je diferencijabilna u toˇki T c ⇒ f je derivabilna u toˇki T . c ⇒ f je diferencijabilna u toˇki c (ii) f je neprekidno derivabilna u toˇki T c T. onda je funkcija f diferencijabilna u toˇki T . · · · . za funkciju jedne varijable s vrijedi (i) f je derivabilna u toˇki x c ⇔ f je diferencijabilna u toˇki x. y0 = f (x0 ) tangenta krivulje y = f (x) u toˇki (x0 . . c 3. c c Iz svega dosad reˇenog vidimo da postoji bitna razlika izmedu funkcija c jedne varijable i funkcija viˇe varijabla. onda postoje c . n neprekidne u toˇki T . Diferencijal df (x0 ) = f ′ (x0 )dx c moˇemo interpretirati kao prirast te tangente u promatranoj toˇki koji odz c govara prirastu dx ≡ ∆x nezavisne varijable (vidi sliku 3. . δ) toˇke T takva da je f derivabilna c ′ na K(T. 0).28). Naime. D ⊆ R2 . y0 ). derivabilna (dakle diferencijabilna) u toˇki x0 . To potvrduje i c slijede´i teorem kojega dajemo bez dokaza: c Teorem 3.7 Tangencijalna ravnina 129 Razlog radi kojeg funkcija f iz prethodnog primjera nije diferencijabilna u toˇki (0.3. D ⊆ R. premda je u toj toˇki i neprekidna i derivabilna.7 Tangencijalna ravnina Ako je funkcija jedne varijable f : D → R. Sliˇno moˇemo postupiti kad imamo funkciju dviju varijabla. Ako je f diferencijabilna u toˇki (x0 . (iii) f je diferencijabilna u toˇki T c ⇒ f je neprekidna u toˇki T . δ). Neka je c z f : D → R. onda je pravac t zadan jednadˇbom c z t . je taj ˇto c c s ′ ′ parcijalne derivacije fx i fy nisu neprekidne u toˇki (0. 0). y − y0 = f ′ (x0 )(x − x0 ).

z − z0 = fx (x0 . y0 ) = −fx (x0 . y0 . z0 ) (sve se nalazi c u ravnini y − y0 = 0 kao ˇto se vidi na Slici 3. pravac tx moˇemo interpretirati kao tanz gentu na krivulju z = f (x. y0 ). y0 ) i fy (x0 . y0 . y) u toˇki (x0 . y0 ) i − fy (x0 . te moˇemo definirati dva pravca tx i ty u prostoru koji prolaze toˇkom (x0 . Sliˇno. y0 ). . 0 1 fy (x0 . y0 )dx + fy (x0 . Ravnina Rt je tangencijalna ravnina na plohu z = f (x. y0 ) Kad gledamo dvodimenzionalno. z0 ) i ima vektor normale i j k ′ ′ ′ n = sx × sy = 1 0 fx (x0 . y0 )(y − y0 ). y0 )(x − x0 ) + fy (x0 . z0 = f (x0 . z0 ) (sve se nalazi u ravnini x − x0 = 0). . y0 ) k.28: Diferencijal funkcije jedne varijable ′ ′ z parcijalne derivacije fx (x0 .29). ′ 0 1 fy (x0 . y0 ) k. y0 )dy . y0 ) Prema tome. c Diferencijal ′ ′ df (x0 . y)) u toˇki s koordinatama c (y0 . y0 . jednadˇba ravnine Rt glasi z ′ ′ Rt .130 ˇ FUNKCIJE VISE VARIJABLI y+ ∆ y=f(x+∆ x) y+dy y=f(x) dy=f’(x)∆ x x x+ ∆ x Slika 3. y0 ) x − x0 y − y0 z − z0 ty · · · = = ′ . z0 ). c c te odreduju toˇno jednu ravninu Rt koja prolazi toˇkom (x0 . y0 ) u toˇki s koordinatama (x0 . ′ sy = j + fy (x0 . pravac ty moˇemo s c z interpretirati kao tangentu na krivulju z = f (x0 . gdje je z0 = f (x0 . y0 ): c tx · · · y − y0 z − z0 x − x0 = = ′ . z0 ). y0 ) = fx (x0 . 1 0 fx (x0 . Pravci tx i ty imaju vektore smjerova ′ sx = i + fx (x0 . y0 ) j + k.

u zadanoj toˇki normala je jednaka c i j k n = 1 0 −2 = 2 i − 1 j + k. z = − − 2 (x − ) + 1 (y + ). y) u toˇki (x0 . y0 ) + cfy (x0 .3. y0 + c(x − x0 )) (sve se dakako nalazi u ravnini y − y0 = c(x − x0 )). c . z0 ) samo onda kad je f diferencijabilna u toˇki (x0 . u toˇki (x0 . y0 ) jer tada svaki c pravac u ravnini Rt kroz toˇku (x0 . Primjer 3. −1/2) imamo z0 = −3/4.7 Tangencijalna ravnina 131 moˇemo interpretirati kao prirast varijable z u tangencijalnoj ravnini odgoz vara prirastima dx i dy nezavisnih varijabli. y0 . y0 .4 Iz prethodnog izlaganja je jasno da ravninu Rt moˇemo z definirati ˇim je funkcija f derivabilna u toˇki (x0 . y0 ). c c tx · · · y + 1/2 z + 3/4 x − 3/2 = = . y0 ) = (3/2. te da je tangenta c na krivulju z = gc (x) u x0 upravo pravac tc . bilo c koji pravac u ravnini Rt kroz toˇku (x0 . y0 ) + cfy (x0 . 0 1 1 Dakle. y0 .11 Za paraboloid z = −2(x − 1)2 − y 2 . 4 2 2 Napomena 3. . y) u toˇki (x0 . y0 ) S druge strane. gdje je c ∈ R dana konstanta. moˇemo c z promatrati kao tangentu na plohu z = f (x. y0 . y) i ravnine y−y0 = c(x−x0 ) moˇemo z promatrati kao graf funkcije jedne varijable x → z = gc (x) = f (x. Taj pravac ima jednadˇbu z tc · · · y − y0 z − z0 x − x0 = = ′ . z0 ). z0 ) razliˇit od tx moˇe se dobiti c c z kao presjek ravnine Rt i ravnine paralelne sa Oz osi y − y0 = c(x − x0 ). y) u toˇki c (x0 . ravninu c c Rt ima smisla zvati tangencijalnom ravninom plohe z = f (x. 1 0 −2 x − 3/2 y + 1/2 z + 3/4 ty · · · = = . Nije teˇko vidjeti da s je zbog diferencijabilnosti funkcije f u toˇki (x0 .29) z 3 1 3 Rt . y0 ) funkcija gc derivabilna c ′ ′ ′ u toˇki x0 s derivacijom gc (x0 ) = fx (x0 . z0 ). . 0 1 1 a jednadˇba tangencijalne ravnine glasi (vidi sliku 3. Medutim. ′ 1 c fx (x0 . a ne samo pravce tx i ty . y0 . y0 ). z0 ). U ovom smislu onda pravac tc promatramo i kao tangentu na plohu z = f (x. presijek plohe z = f (x. koji je diferencijabilan u svakoj toˇki. Naime.

5)+1*(y+0. 1.75-2*(x-1.5)+1*(y+0. −3) .5) 0 -2 -4 1 y 0 -1 1 -1 0 x -2*(x-1)**2-y**2 -0.29: Tangencijalna ravnina paraboloida z = −2(x − 1)2 − y 2 u toˇki c (2.75-2*(x-1.132 ˇ FUNKCIJE VISE VARIJABLI z -2*(x-1)**2-y**2 -0.5) z 0 -2 -4 1 0 -1 y -1 0 1 x Slika 3.

. ty . za dani c ∈ R c pravac tc u ravnini Rt ima jednadˇbu z tc · · · a za funkciju gc dobijamo gc (x) = i oˇito je za c = 0 c ′ gc (0) = cx . 0) ako je f funkcija iz primjera 3. z = 0. Naime. osim pravaca tx i ty . derivabilnost i diferencijabilnost funkcije f (x. y) = (0. ty i c ravnina Rt imaju jednadˇbe z tx . y) = (0. c b) Ispitaj neprekidnost. . 0 1 0 Rt . 0). 0) (vidi Sliku 3.3. y) u toˇki (0. 0) pravci tx . 1 c 0 0. y) z u toˇki (0. 1+c2 x y z = = . c x+y 1 + xy √ xy x2 +y 2 .7. y z x = = . za (x. . . y) = u toˇki (0. 0) = 0. 0) 0. . nije tangenta plohe z = f (x. 1 + c2 Zadatak 3.7 a) Odredi jednadˇbu tangencijalne ravnine na plohu z = f (x.12 Za funkciju f iz primjera 3. .10 u toˇki (0. 0). 0). c c) Odredi jednadˇbu tangencijalne ravnine na plohu z z = arctg u toˇki (0. za x = 0 c ′ ′ = fx (0. za x = 0.23). za (x. 1 0 0 y z x = = .7 Tangencijalna ravnina 133 Primjer 3. 0) + cfy (0. ali nijedan drugi pravac u ravnini z = 0. .

Primjer 3. · · · . · · · . · · · . d]. (x. y. (x1 . f : X → R. ψ : D → [c. a njene parcijalne derivacije su dane formulom ∂F = ∂xi k j=1 D ⊆ Rn . y. Ako su funkcije ϕ1 . b]. xn ) = f (ϕ1 (x1 . ϕk : D → R. z) ∈ D. · · · . z)). y. z . y. pri ˇemu je c ϕ1 [D] × · · · × ϕk [D] ⊆ X. y. · · · . Kad imamo funkcije viˇe varijabla tada za raˇunanje parcijalnih derivacija s c sloˇene funkcije (kompozicije funkcija) vrijedi analogno pravilo. Tada moˇemo definirati kompoziciju F = f ◦(ϕ1 . ϕk i f diferencijabilne. dakako uz z neˇto kompliciraniji zapis. j = 1. b] × [c. onda je i funkcija F takoder diferencijabilna. xn )). ϕk ) : D → R formulom z F (x1 . y ′ ′ ′ ′ Fz = fu · ϕ′ + fv · ψz . gdje je uj = ϕj (x1 . x ′ ′ ′ ′ Fy = fu · ϕ′ + fv · ψy . f : [a. ∂f ∂ϕj · . xn ). z) = f (ϕ(x. · · · . s Teorem 3. z) i v = ψ(x. · · · .8 Parcijalne derivacije kompozicije funkcija Prisjetimo se formule za derivaciju kompozicije funkcija jedne varijable [g(f (x))]′ = g′ (f (x))f ′ (x). y. D ⊆ R3 . · · · .5 Neka su zadane funkcije ϕ1 . n. ϕk (x1 . · · · .134 ˇ FUNKCIJE VISE VARIJABLI 3. X ⊆ Rk . z). k.13 Neka su zadane diferencijabilne funkcije ϕ : D → [a. z) onda prema prethodnom teoremu imamo ′ ′ ′ ′ Fx = fu · ϕ′ + fv · ψx . xn ) ∈ D. xn ). Uvedemo li oznake u = ϕ(x. ∂uj ∂xi i = 1. · · · . ψ(x. d] → R i neka je F (x. · · · .

Zadatak 3. y. · · · . y)(dy)2 . 3.5.10 Neka funkcija f ima u nekoj okolini K(T δ) ⊆ D sve parcijalne derivacije do ukljuˇivo (r−1)-vog reda. onda je njen diferencijal jednak m dF (x1 . uk ) · ′ fuj (u1 .8 Neka su.9 Totalni diferencijal viˇeg reda s 135 Napomena 3.5 Ako je funkcija F zadana kao u teoremu 3. xm )dxi x = j=1 = df (u1 . z ′ c a) Izraˇunjte Fx direktno i pomo´u formula iz primjera 3.14 Neka je f funkcija dviju varijabla. · · · . uk )duj (ϕj )′ i (x1 . ϕ(x.9 Totalni diferencijal viˇeg reda s Definicija 3. · · · . xm ) dxi x m i=1  = j=1 k ′ fuj (u1 . z) = xyz i ψ(x.5. y) ima neprekidne sve parcijalne derivacije r-tog c reda. xm )dxi   k j=1 ′ fuj (u1 . za r = 2 imamo z c ′′ ′′ d2 f (x. · · · . uk ). y)dxdy + fyy (x. y. · · · . · · · . · · · . uz oznake kao u primjeru 3. y)dydx + fyy (x.13. uvaˇavaju´i Schwarzov teorem. v) = y u2 v. uk ) · (ϕj )′ i (x1 . onda totalni diferencijal c r-tog reda funkcije f u toˇki T definiramo kao c n n n dr f (T ) = i1 =1 i2 =1 ··· ir =1 ∂ r f (T ) dxi1 dxi2 · · · dxir . y)dxdy ′′ ′′ + fyx (x.13. y) = fxx (x. . Ako su sve parcijalne derivacije c (r−1)-vog reda funkcije f diferencijabilne u toˇki T . y)(dx)2 + 2fxy (x. xm ) = = i=1 m i=1 k ′ Fxi (x1 . ∂xi1 ∂xi2 · · · ∂xir Primjer 3. Pod pretpostavkom da f u nekoj okolini toˇke (x. c b) Provjerite za ovu funkciju formule iz napomene 3. zadane funkcije f (u. z) = x + cos . · · · . y)dydy ′′ ′′ ′′ = fxx (x. y)dxdx + fxy (x.3.

y) = ∂ ∂ dx + dy ∂x ∂y r f (x. 0) za funkciju c f (x. i pri ˇemu ostatak R1 (T ) ima svojstvo da teˇi k nuli kad T teˇi k T0 i to brˇe c z z z nego T teˇi k T0 . Nije teˇko dokazati (na primjer indukcijom) da za bilo koji r vrijedi s r dr f (x.14 odredi dr f (0. odnosno z lim R1 (T ) = 0. 3.136 a za r = 3 imamo ˇ FUNKCIJE VISE VARIJABLI ′′′ ′′′ d3 f (x. y) (dx)r−i (dy)i . y) = i=0 r ∂ r f (x. y) = ex−2y . y)dydydx + fyyy (x. y)dydxdx + fyxy (x. Zadatak 3.9 a) Odredi d2 f (0. ρ ρ = d(T.7. y)dxdxdx + fxxy (x. x0 . i . xn ). y)dxdydx + fxyy (x. y) = fxxx (x. y)dxdxdy ′′′ ′′′ + fxyx (x. 1 2 n T = (x1 . y)(dx)2 dy ′′′ ′′′ + 3fxyy (x. x0 ).9. 0) ako je f funkcija iz primjera 3. i toˇke c T0 = (x0 . Cinjenicu da je f diferencijabilna u toˇki T0 moˇemo reinterpretirati c z na slijedeˇi naˇin: za svaku toˇku T ∈ K(T0 . ˇ iz D. y)dydxdy ′′′ ′′′ + fyyx (x. x2 . y)dx(dy)2 + fyyy (x. · · · . y)dxdydy ′′′ ′′′ + fyxx (x.1 Taylorova formula Promatrimo funkciju f : D → R. T0 ) = n i=1 T →T0 (xi − x0 )2 . y)dydydy ′′′ ′′′ = fxxx (x. · · · . y)(dy)3 . i ∂xr−i ∂y i Zbog oˇigledne analogije sa binomnom formulom gornji izraz ˇesto skra´eno c c c zapisujemo kao dr f (x. δ) ⊆ D vrijedi c c c n f (T ) = f (T0 ) + i=1 ′ fxi (T0 )(xi − x0 ) + R1 (T ). y). D ⊆ Rn . y)(dx)3 + 3fxxy (x. b) Koriste´i formulu iz primjera 3.

x0 + θ(xn − x0 )) 1 1 n n koja se nalazi izmedu toˇaka T0 i T .6 je takozvani Schl¨mlichov oblik ostatka. m ∈ N ∪ {0}. a 0 < θ < 1 zavisi od toˇke T i odreduje c toˇku c Tθ = (x0 + θ(x1 − x0 ). Za p = 1 dobivamo Cauchyjev o oblik ostatka. onda za c svaku toˇku T ∈ K(T0 . ρm ρ = d(T.3. δ) vrijedi Taylorova formula c m f (T ) = f (T0 ) + r=1 1 r! n i=1 (xi − x0 ) i ∂ ∂xi r f (T0 ) + Rm (T ). · · · . i . Ovdje je (1 − θ)m+1−p Rm (T ) = m! · p n i=1 (xi − x0 ) i ∂ ∂xi m+1 f (Tθ ) za neki unaprijed zadani p ∈ N.6 Ako funkcija f ima u nekoj okolini K(T0 .6 1) Izraz kojim je dan ostatak Rn (T ) u iskazu teorema 3. i Desnu stranu u gornjoj pribliˇnoj jednakosti je jednostavno raˇunati ako z c ′ (T ).9 Totalni diferencijal viˇeg reda s 137 Praktiˇna korist od gornje interpretacije je slijede´i zakljuˇak: ako je toˇka T c c c c blizu toˇki T0 tj. Taj rezultat ovdje iskazujemo bez dokaza: s Teorem 3. · · · . ako je ρ malen onda je veliˇina R1 (T ) zanemarivo malena c c pa se vrijednost funkcije f u toˇki T moˇe raˇunati koriˇtenjem pribliˇne c z c s z jednakosti n f (T ) ≈ f (T0 ) + i=1 ′ fxi (T0 )(xi − x0 ). δ) ⊆ D neprekidne parcijalne derivacije do ukljuˇivo (m + 1)-vog reda. n. i = 1. T0 ) = n i=1 T →T0 (xi − x0 )2 . Ako ˇelimo imati priz su poznate vrijednosti f (T0 ) i fxi 0 bliˇnu jednakost sa ve´im stupnjem toˇnosti onda u raˇun moramo ubaciti i z c c c vrijednosti parcijalnih derivacija viˇih redova funkcije f u toˇki T0 . Takoder nije teˇko pokazati da c sc s s vrijedi lim Rm (T ) = 0. a za p = m + 1 dobivamo Lagrangeov oblik ostatka koji je najjednostavniji i najˇeˇ´e koriˇten. s c Koriste´i Taylorovu formulu za realne funkcije jedne varijable te formulu c za deriviranje kompozicije funkcija viˇe varijabla lako se dobije Taylorova s formula za funkcije viˇe varijabla. c Napomena 3.

dk f (1.6 ispunjeni za svako m ∈ N ∪ {0} i ako je m→∞ lim Rm (T ) = 0. onda graniˇnim prijelazom iz Taylorove formule dobivamo razvoj funkcije c u Taylorov red oko toˇke T0 koji glasi c f (T ) = f (T0 ) + ∞ r=1 1 r! n i=1 (xi − x0 ) i ∂ ∂xi r f (T0 ). c 2) Ako su uvjeti teorema 3. U sluˇaju kad je T0 = (0. ∀T ∈ K(T0 . · · · . y) → 0 u svakoj toˇki (x. 0) Taylorova formula (red) zove se Maclac urinova formula (red). −1). −1) k−i i dx dy i ∂xk−i ∂y i k 1 dxk−i dy i = (dx + dy)k i = i=0 = [(x − 1) + (y + 1)]k = (x + y)k . Sve te derivacije su jednake polaznoj funkciji pa su ujedno i neprekidne. Ukoliko pokaˇemo da Rk (x. y) ∈ R2 . Zadana c funkcija ima u svakoj toˇki ravnine R2 parcijalne derivacije proizvoljno vic sokog reda. k! (3.15 U ovom jednostavnom primjeru izraˇunat ´emo razvoj funkc c cije f (x.6 svodi se praktiˇno na uvodnu interpretaciju diferencijabilc nosti funkcije f u toˇki T0 .2) . y) = ex+y u Taylorov red u okolini toˇke T0 = (1. −1) k ∂ k f (1. tada razvoj u z c Taylorov red zadane funkcije glasi ex+y = ∞ k=0 (x + y)k . −1) = = i=0 k ∂ ∂ dx + dy ∂x ∂y k k f (1. δ). Dakle.138 ˇ FUNKCIJE VISE VARIJABLI ˇto se u literaturi (naroˇito u numeriˇkoj analizi) simboliˇki zapisuje kao s c c c Rm (T ) = O(ρm ) (ovakav zapis zovemo Peannov oblik ostatka). Primjer 3. Posebno za m = 0 tvrdnja u teoremu 3.

11 Funkcija f ima u toˇki T0 lokalni minimum (maksimum) c ako postoji okolina K(T0 .2) vrijedi za svaki (x. ukoliko je funkcija f viˇe varijabla neprekidna te s barem dvaput derivabilna u nekoj okolini promatrane toˇke T0 .10 Ekstremi funkcija viˇe varijabla s 139 Zaista.7 (Nuˇan uvjet ekstrema) Neka funkcija f ima lokalni eksz trem u toˇki T0 .10 Ekstremi funkcija viˇe varijabla s Definicija 3.3. U ovom sluˇaju smo red (3. · · · . x0 . δ) ⊆ D takva da za sve T ∈ K(T0 . Dokaz. c 3. x. Ti su c c uvjeti analogni onima za funkcije jedne varijable. · · · . x0 . x0 . y)| = 0 (vidi Matematiku 1) i formula (3. x0 ) ∈ D}. x. x0 . δ) \ {T0 } vrijedi f (T ) > f (T0 ) (f (T ) < f (T0 )). Ako funkcija f ima lokalni ekstrem u toˇki T0 .2) mogli dobiti i direktno iz Maclaurinovog c xn koji konvergira za svaki x ∈ R razvoja funkcije jedne varijable ex = ∞ n=0 n! pomo´u formalne zamjene x → x + y. Toˇke lokalnih minimuma i toˇke lokalnih maksimuma funkcije f zac c jedniˇkim imenom zovemo toˇkama lokalnih ekstrema funkcije f . ali dakako neˇto sloˇenije s z izraˇeni. y) ∈ R2 . za Lagrangeov oblik ostatka imamo |Rk (x. 1 i−1 i+1 n x ∈ Di . onda za fiksirani i i c funkcija jedne varijable fi : Di → R definirana s fi (x) = f (x0 . · · · . (k + 1)! pa je limk→∞ |Rk (x. Ako postoji parcijalna derivacija od f po varijabli xi u toˇki c c T0 . y)| ≤ 1 |x + y|k+1 . · · · . ima u toˇki x0 n 1 i i−1 i+1 lokalni ekstrem. c gdje je Di = {x ∈ R | (x0 . onda je nuˇno z ′ fxi (T0 ) = 0. x0 ). Ako za neki indeks i postoji parcijalna derivacija od f po varijabli xi u toˇki T0 onda je u stvari c ′ fxi (T0 ) = fi′ (x0 ). Kao i kod c c funkcija jedne varijable. z Teorem 3. i . moˇemo c z dati nuˇne i dovoljne uvjete da bi f imala lokalni ekstrem u T0 izraˇene z z pomo´u vrijednosti parcijalnih derivacija od f u promatranoj toˇki.

2) = 0 i fy (−1. c ′ ∀i = 1. Ako je f diferencijabilna u toˇki T0 onda se nuˇan uvjet da bi f imala lokalni ekstrem c z u toˇki T0 . n. fxi (T0 ) = 0. · · · .30). 2) je i toˇka c c c 2 ) za ovu lokalnog minimuma (u stvari toˇka globalnog minimuma na R c funkciju jer je f (x. 2). ∀(x. 2) je stacionarna toˇka funkcije c c f (x. y) = x2 + 2x + y 2 − 4y + 3. ovaj uvjet je nuˇan ali ne i dovoljan. Kao ˇto ´emo vidjeti. y) ∈ R2 . U sluˇaju funkcije dviju varijabla (n = 2) c c stacionarnu toˇku (x0 .140 ˇ FUNKCIJE VISE VARIJABLI Kako nuˇan uvjet ekstrema za funkcije jedne varijable povlaˇi fi′ (x0 ) = 0. moˇe ekvivalentno iskazati koriˇtenjem diferencijala kao z s df (T0 ) = 0. y) = xy.7) u stacionarnoj toˇki (x0 . Jednadˇba tangencijalne ravnine na plohu z = x2 + 2x + y 2 − 4y + 3 u z toˇki (−1. (x. y) = (x + 1)2 + (y − 2)2 − 2 > −2 = f (−1. y0 ) funkcije f geometrijski moˇemo interpretirati kao c z toˇku u kojoj je tangencijalna ravnina na plohu z = f (x.7 Neka je funkcija f kao u iskazu teorema 3. y) paralelna sa c xOy koordinatnom ravninom. c b) Funkcija f (x. 2) glasi z = −2 (vidi sliku 3. Nadalje toˇka (−1. 2) = 0.16 a) Toˇka (−1. ′ fy (x. jednadˇba tangencijalne ravnine (vidi z poglavlje 3. z0 = f (x0 .7. Primjer 3. (x. y) = 2y − 4 ′ ′ i oˇito je fx (−1. ako je s c z c funkcija f diferencijabilna u toˇki T0 i pri tom je df (T0 ) = 0 onda kaˇemo da c z je T0 stacionarna toˇka funkcije f . y) = 2x + 2. y) ∈ R2 jer je ta funkcija beskonaˇno puta diferencijabilna s parcijalnim derivacic jama prvog reda ′ fx (x. Inaˇe. y0 ) glasi c z = z0 . c Napomena 3. 2). Naime. y0 ). y) = (−1. z c i ′ zakljuˇujemo da mora biti fxi (T0 ) = 0.

c) Funkcija f (x. 2). pa je toˇka (0. u svakoj okolini toˇke (0. ∀(x. y) = (−1. 0) nije ni toˇka lokalnog maksimuma ni toˇka c c c lokalnog minimuma.30: Lokalni minimum je beskonaˇno puta diferencijabilna. Naime. ali isto tako i toˇke oblika (t. t = 0. 2). t = 0 u kojima je c f (t. c c Jednadˇba tangencijalne ravnine na plohu z = xy u toˇki (0. Stoga zakljuˇujemo da (0. 0).31).10 Ekstremi funkcija viˇe varijabla s 141 z x**2+2*x+y**2-4*y+3 10 5 0 4 2 0 -2 4 -2 x 2 0 2 0 y Slika 3. 0) glasi z = 0 z c (vidi sliku 3. Toˇku (0. c c u kojima je f (t. −t). t). . y) = 1 − x2 − 2x − |y − 2|. a parcijalne derivacije prvog reda su c joj ′ ′ fx (x.3. (x. 0) = 0 i fy (0. ′ ′ c c Oˇito je fx (0. 0) postoje toˇke oblika (t. 0) zovemo sedlastom toˇkom plohe z = xy. 2) lokalni maksimum (u stvari globalni maksimum na c D) jer je f (x. 0) nije toˇka lokalnog ekstrema funkcije c c f . y) = 2 − (x + 1)2 − |y − 2| < 2 = f (−1. −t) = −t2 < 0 = f (0. y) ∈ D = R2 ima u toˇki (−1. 0) stacionarna toˇka za c ovu funkciju. t) = t2 > 0 = f (0. y) = x. Medutim toˇka (0. 0) = 0. fy (x. y) = y. 0).

uz pretpostavku da je f funkcija od n varijabla koja u nekoj okolini K(T0 .6 i to sa n = 1 (ˇto znaˇi koriˇtenje parcijalnih derivacija od f do ukljuˇivo s c s c drugog reda) koja se dodatno pojednostavnjuje uvaˇavanjem nuˇnog uvjeta z z df (T0 ) = 0. c koristiti derivacije viˇih redova. 2) = 0 ali i da fy (−1. Da bi mogli dati c c primjenjive dovoljne uvjete moramo. primjenom Taylorove formule c s Lagrangeovim oblikom ostatka R1 (T ) dobivamo da za svaku toˇku T = c . Kako smo vidjeli u gornjem primjeru stacionarnost neke toˇke nije doc voljan uvjet da bi ta toˇka bila toˇka lokalnog ekstrema.7 jer f nije diferencijabilna u toj toˇki. Za ocjenu predznaka te c razlike najprikladnije je upotrijebiti Taylorovu formulu danu u teoremu 3.11 je vidljivo da je T0 toˇka s c lokalnog ekstrema funkcije f ako i samo ako je razlika f (T ) − f (T0 ) stalnog predznaka u nekoj okolini K(T0 . Prema tome. kao i u sluˇaju funkcija jedne varijable. Dakle. x0 ) ima neprekidne c n 1 parcijalne derivacije do ukljuˇivo drugog reda. tangencijalna ravnina na plohu z = 1 − x2 − 2x − |y − 2| u toˇki (−1. δ) ⊆ D stacionarne toˇke T0 = (x0 .142 ˇ FUNKCIJE VISE VARIJABLI z x*y 0 2 0 -2 2 0 -2 x 0 2 -2 y Slika 3. 2) ne moˇemo nazvati stacionarnom toˇkom od f u smislu napomene 3.32). Naime.31: Sedlasta toˇka c c z c Medutim toˇku (−1. 2) c ne postoji (vidi sliku 3. lako c ′ ′ se vidi da je fx (−1. · · · . δ) toˇke T0 . Iz definicije 3. 2) ne postoji.

10 Ekstremi funkcija viˇe varijabla s 143 z 2 0 -2 1-x**2-2*x-abs(y-2) 1. ˇim je c c c c d(T0 . · · · . ostatak 1 R1 (T ) = 2 i veliˇina c 1 ˜ R1 (T ) = 2 n i=1 (xi − x0 ) i ∂ ∂xi 2 f (Tθ ) n i=1 (xi − x0 ) i ∂ ∂xi 2 f (T0 ) vrlo malo razlikuju ˇim je toˇka T dovoljno blizu toˇki T0 . Posljedica toga su slijede´a ˇetiri zakljuˇka: c c c ˜ a) Ako je R1 (T ) > 0 za sve T ∈ K(T0 .32: Lokalni maksimum u nestacionarnoj toˇki c (x1 . ˜ b) Ako je R1 (T ) < 0 za sve T ∈ K(T0 . odnosno. δ)\{T0 } onda f u toˇki T0 ima lokalni c maksimum.5 1 0 -2 4 x 0 2 2 0 y Slika 3. T ) dovoljno maleno. xn ) ∈ K(T0 . zbog pretpostavljene neprekidnosti c c svih parcijalnih derivacija drugog reda funkcije f . . δ)\{T0 } onda f u toˇki T0 ima lokalni c minimum.3. U daljnjoj analizi kljuˇno je uoˇiti da se. δ) vrijedi 1 f (T ) − f (T0 ) = 2 n i=1 (xi − x0 ) i ∂ ∂xi 2 f (Tθ ).

δ) \ {T0 }.. 2. onda f u toˇki T0 ima lokalni maksimum. c b) ako je ∆r < 0 za sve neparne indekse r i ∆r > 0 za sve parne indekse r. c ˜ d) Ako je R1 (T ) ≥ 0 za sve T ∈ K(T0 . c c) ako je ∆r < 0 za barem jedan paran indeks r ili ako postoje dva neparna c indeksa r i r ′ takva da je ∆r > 0 i ∆r′ < 0. δ) \ {T0 } i R c c T ∈ K(T0 . . Uvedimo oznake c ′′ Aij = fxi xj (T0 ). δ)\{T0 }. n formulama c ∆1 = A11 . δ) \ {T0 } i ako postoji toˇka T = T0 c ˜ 1 (T ) = 0. n. . ∆r = . . j = 1. d) ako je ∆r ≥ 0 za sve indekse r i ∆r = 0 za barem jedan indeks r ili ako je ∆r ≤ 0 za sve indekse r i ∆r = 0 za barem jedan indeks r. Ar1 · · · A1r . onda f u toˇki T0 nema lokalni ekstrem (kaˇemo da c z je T0 sedlasta toˇka od f ). Interesantno je da nastupanje bilo kojeg od gore navedenih ˇetiriju sluˇajeva c c zavisi iskljuˇivo o vrijednostima parcijalnih derivacija drugog reda funkcije c f u promatranoj toˇki T0 . . odnosno ako je R1 (T ) > 0 ˜ 1 (T ) < 0 u nekim toˇkama u nekim toˇkama T ∈ K(T0 . . . onda f moˇe ali i ne mora imati lokalni ekstrem u toˇki T0 . Tada vrijedi: a) ako je ∆r > 0 za sve indekse r. onda f u toˇki T0 nema lokalni ekstrem. A11 · · · . r = 1. · · · . Arr r = 2. · · · . δ) ⊆ D stacionarne toˇke T0 ima neprekidne parcijalne derivacije c do ukljuˇivo drugog reda. · · · . δ) \ {T0 } i ˜ u kojoj je R ˜ postoji toˇka T = T0 u kojoj je R1 (T ) = 0.144 ˇ FUNKCIJE VISE VARIJABLI ˜ ˜ c) Ako R1 (T ) mijenja predznak na K(T0 .8 (Dovoljni uvjeti ekstrema) Neka funkcija f u nekoj okolini K(T0 . onda ne moˇemo bez daljnje c z analize odgovoriti da li je toˇka T0 toˇka lokalnog ekstrema funkcije f ili c c nije. Naime vrijedi slijede´i teorem: c c Teorem 3. ili ako je R1 (T ) ≤ 0 za sve T ∈ K(T0 . n i definirajmo veliˇine ∆r . 2. z c . i. onda f u toˇki T0 ima lokalni minimum.

2) ima lokalni c c minimum.10 Ekstremi funkcija viˇe varijabla s 145 Napomena 3. . y0 ) nema lokalni ekstrem. Dokaz samog teorema osniva se na na nuˇnim i dovoljnim c z uvjetima uz koje je kvadratna forma definirana simetriˇnom matricom c A pozitivno ili negativno definitna (semidefinitna) ili indefinitna te ga izostavljamo. y) ∈ R2 jedina stacionarna toˇka je (−1. odnosno da je matrica A = (Aij ) simetriˇna.8 a) Treba uoˇiti da za brojeve Aij iz iskaza teorema 3. δ) ⊆ D stacionarne toˇke T0 = (x0 . Parcijalne derivacije drugog reda od c f su konstantne funkcije. y) = 2. y0 ). (2) ako je ∆1 < 0 i ∆2 > 0. ′′ A12 = A21 = fxy (x0 . y0 ) i ∆1 = A11 .8 a) zakljuˇujemo da funkcija f u toˇki (−1. y0 ) ima lokalni c minimum.17 a) Za funkciju iz primjera 3. y) = 0. ∆2 = A11 A22 − A2 . y0 ) ima neprekidne parcijalne c derivacije do ukljuˇivo drugog reda imamo: c ′′ A11 = fxx (x0 . ′′ fxx (x. 12 Tvrdnje teorema 3. y0 ) ima lokalni c maksimum. (3) ako je ∆2 < 0. ′′ ′′ fxy (x. y) = fyx (x. y0 ). ′′ A22 = fyy (x0 . b) U posebnom sluˇaju za funkciju dviju varijabla koja u nekoj okolini c K(T0 .16 a) f (x. 0 2 Po teoremu 3. ′′ fyy (x. Primjer 3. y0 ) moˇe ali i ne mora imati lokalni c z ekstrem. ∆2 = 2 0 = 4 > 0. 2) imamo c ∆1 = 2 > 0. pa u toˇki (−1. 2). onda funkcija f u toˇki (x0 . onda f u toˇki (x0 .3. c (4) ako je ∆2 = 0 onda f u toˇki (x0 .8 c vrijedi Aji = Aij (Schwarzov teorem). onda funkcija f u toˇki (x0 . (x. y) = x2 + 2x + y 2 − 4y + 3.8 svode se na slijede´a ˇetiri sluˇaja: c c c (1) ako je ∆1 > 0 i ∆2 > 0. y) = 2.

a parcijalne derivacije prvog reda su c joj fx (x. pa u toˇki (0.8 jer f ne udovoljava pretpostavkama tog teorema (nema neprekidne sve parcijalne derivacije drugog reda). Oˇito je (0.16 b) f (x. (x. y) = 0. 1 0 Po teoremu 3.146 b) Za funkciju iz primjera 3. 0. c) Funkcija iz primjera 3. y) = 1 − x2 − 2x − |y − 2|. 2) lokalni maksimum.8 c) zakljuˇujemo da funkcija f u toˇki (0. ′′ fyy (x. (x. y) = xy. 0 0 −6 ∆3 = . y. 0) imamo c ∆1 = −4 < 0. 0) jedina stacionarna toˇka funkcije f . y) ∈ R2 jedina stacionarna toˇka je (0. ˇ FUNKCIJE VISE VARIJABLI (x. y) = fyx (x. z) = −2y. 0. ∆2 = −4 0 = 8 > 0. ali taj zakljuˇak ne moˇemo dobiti c c z primjenom teorema 3. d) Funkcija triju varijabla f (x. pa u toˇki (0. 0) imamo c ∆1 = 0. z) = −6z. y. z) = −2x2 − y 2 − 3z 2 . y. ′′ ′′ fxy = fxz = 0. ′′ fzz = −6. y) = 0. ∆2 = 0 1 = −1 < 0. z) ∈ R3 je beskonaˇno puta diferencijabilna. ′′ fyz = 0. Parcijalne derivacije drugog reda od f c su konstantne funkcije ′′ fxx (x.16 c) f (x. 0). 0) nema lokalni c c ekstrem. ′′ ′′ fxy (x. ′ fz (x. y. ′′ fyy = −2. y. 0 −2 −4 0 0 0 −2 0 = −48 < 0. y) ∈ R2 ima u toˇki (−1. Parcijalne derivacije c c drugog reda funkcije f su konstantne (po Schwarzovom teoremu dovoljno ih i gledati samo ˇest) s ′′ fxx = −4. ′ fy (x. y) = 1. z) = −4x.

0) nije toˇka lokalnog ekstrema funkcije g ˇto odmah c c s slijedi iz slijede´ih dviju nejednakosti c g(0. z) = x2 + y 2 + z 4 > 0 = f (0. 0. (x. 0. 0. y. ′′ fyz = 0. 0. z) = 4x. 0). 0 0 −6 pa po teoremu 3. Opet je (0. ∀t > 0. 0). z) ∈ R3 . ∀(x. ′ fy (x. 0. 0) nema c c lokalni ekstrem. 0). a parcijalne derivacije c drugog reda su sada ′′ fxx = 4. y. y. t) = t3 > 0 = g(0. y. ′ fz (x. g(x. z) = 2x2 + y 2 − 3z 2 . 0) imamo c ∆1 = 4 > 0. Nadalje toˇka (0. funkcija triju varijabla c f (x. ′′ fzz = −6. 0. 0) jedina stacionarna toˇka od f . 0. y. Toˇka (0. . ′′ fyy = 2. 4 0 = 8 > 0. 0) lokalni c c maksimum. 0. z) = 2y. 0) je toˇka lokalnog minimuma funkcije f jer je oˇito c c c f (x. 0.10 Ekstremi funkcija viˇe varijabla s 147 Po teoremu 3. y. z) ∈ R3 je beskonaˇno puta diferencijabilna. e) Sliˇno kao u prethodnom primjeru. (x. 0 2 ∆2 = 4 0 0 ∆3 = 0 2 0 = −48 < 0. 0. U toˇki (0. 0).3. y. z) = (0. z) = x2 + y 2 + z 3 . 0. z) = x2 + y 2 + z 4 . f) Da bi ilustrirali zakljuˇak d) iz teorema 3. y. g(0. z) = −6z.8 b) zakljuˇujemo da funkcija f ima u toˇki (0. y. 0. y.8 c) zakljuˇujemo da funkcija f u toˇki (0. −t) = −t3 < 0 = g(0. a parcijalne derivacije prvog reda su c joj fx (x.8 pogledajmo slijede´e dvije c c funkcije triju varijabla f (x. ′′ ′′ fxy = fxz = 0.

∆2 = 0 2 2 0 0 ∆3 = 0 2 0 = 0. y) ∈ D | F (x. I ′ ⊆ I od f implicitno zadana istom tom jednadˇbom. odnosno z Γf = {(x. y) = 0 prirodno pridruˇujemo skup S ⊆ R2 definiran s z z S = {(x. gdje je F : D → R.9 Ako je funkciju f : I → R I ⊆ R implicitno zadana jednadˇbom F (x.8 c 3.12 Za funkciju jedne varijable f : I → R. c z z Definicija 3. moˇemo interz pretirati i kao jednadˇbu kojom je implicitno zadana neka funkcija jedne z varijable y = f (x). Jednostavnim raˇunom parcijalnih derivacija drugog s c reda u toˇki(0. f (x)) = 0. c c ˇto se lako provjeri. ∀x ∈ I kaˇemo da je implicitno zadana jednadˇbom F (x. 0 0 0 odnosno radi se o sluˇaju d) iz teorema 3. za koju vrijedi c F (x. 0. gdje je I ⊆ R (obiˇno je I interval ili unija intervala u R). Jednadˇbi F (x. 0.12 i svaka restrikcija z ′ → R. Ova definicija zahtijeva dva komentara koja dajemo u slijede´e dvije c napomene. Dakle. f :I z . Ovo iskazujemo i z z ekvivalentnim zahtjevom da je graf Γf funkcije f sadrˇan u skupu S. 2 0 = 4 > 0. neka funkcija dviju varijabla. f (x)) | x ∈ I} ⊆ S.148 ˇ FUNKCIJE VISE VARIJABLI S druge strane toˇka (0. y) = 0. 0) je jedina stacionarna toˇka i od f i od g. y) = 0} i u pravilu ga poistovje´ujemo sa samom jednadˇbom kojoj je pridruˇen. D ⊆ R2 . zajedno s jednostavnim primjerima Napomena 3. 0) za obje funkcije dobivamo c ∆1 = 2 > 0. y) = 0.11 Implicitno zadane funkcije U Matematici 1 smo ve´ govorili o tome kako jednadˇbu oblika c z F (x. y) = 0 onda je prema Definiciji 3. x ∈ I ⊆ R.

f + (x) = 1 − x2 . x ∈ I = [−1.5. y) ≡ y − f (x) = 0. 0. onda je moˇemo shvatiti i kao funkciju koja je implicitno zadana jedz nadˇbom z F (x. za x ∈ [0. jednadˇbu x2 + c z y 2 − 1 = 0 obiˇno interpretiramo kao jednadˇbu kojom su implicitno c z zadane slijede´e dvije osnovne funkcije (vidi Sliku 3. y) = x2 + y 2 − 1 definirana na D = R2 . 1] z takoder implicitno zadana jednadˇbom x2 + y 2 − 1 = 0.33) c f − (x) = − 1 − x2 . pri ˇemu je domena od F skup D = I × R. U stvari. y) ravnine koje su od ishodiˇta z c s (0. 1].3.5) f (x) = − 1 − x2 . a dijelovi od S su grafovi tih c s funkcija.11 Implicitno zadane funkcije 149 F (x. Zakljuˇujemo da ne postoji jedna c c osnovna funkcija f ˇiji se graf podudara sa S. c Primjer 3. od interesa je sluˇaj kada postoji toˇno jedna osnovna c c funkcija f koja je implicitno zadana tom jednadˇbom i ˇiji se graf podudara z c sa ˇitavim skupom S. a c pridruˇeni skup S sastoji se od toˇaka (x.18 a) Ako je funkcija f zadana eksplicitno formulom y = f (x). .34) √ 2 √1 − x . x ∈ I ⊆ R. y) = 0 u pravilu promatramo kao jednadˇbo kojom je implicitno zaz dana ne jedna ve´ viˇe funkcija jedne varijable. jednadˇbu z x2 + y 2 − 1 = 0 obiˇno zovemo implicitnom jednadˇbom kruˇnice sa srediˇtem u ishodiˇtu c z z s s (0. za x ∈ [−1. U ovom sluˇaju je F (x. 0) udaljene za 1. Naravno. odnosno y nije jednoznaˇno odreden. b) Kako je dobro poznato. Γf = S. y) = 0 kojom je implicitno zadana neka funkcija jedne varijable x. 0) i polumjerom 1. Jasno je da je moˇemo shvatiti i kao jednadˇbu z z oblika F (x. Jasno je da je na primjer i funkcija (vidi Sliku 3. Kad tu jednadˇbu razrijeˇimo po varijabli y kao z s nepoznanici dobivamo y = ± 1 − x2 . a skup S je upravo graf Γf c zadane funkcije f . Takvu funkciju f dakako nije uvijek mogu´e c c na´i.

34: Implicitno zadana funkcija izvedena iz kruˇnice z .33: Implicitno zadana kruˇnica z y 1 x Slika 3.150 ˇ FUNKCIJE VISE VARIJABLI y sqrt(1-x**2) -sqrt(1-x**2) 1 x Slika 3.

y ∈ I = R.35: Implicitno zadana parabola . 0]. y) ∈ R kao nezavisnu. jednadˇbu F (x. x ∈ I = (−∞. (x. u kojoj varijablu y tretiramo F (x. b) Jednadˇbu z x + y2 = 0 obiˇno nazivamo implicitnom jednadˇbom parabole. Stoga je tom jednadˇbom implicitno zadana konstantna z funkcija x = f (y) = −2. To z z su funkcije √ y = f − (x) = − −x. pri ˇemu varijablu x tretiramo kao nezavisnu. y) = 0 interprez c tiramo kao implicitnu vezu izmedu varijabla x i y. Medutim tu jednadˇbu moˇemo interpretirati kao jednadˇbu oblika 2 .12. y = f + (x) = √ −x. y) = x + c z y 2 definirana na D = R2 . a varijablu y kao zavisnu. y) = 0 sa F (x. Jasno je da u toj jednadˇbi z varijablu y ne moˇemo tretirati kao zavisnu jer se ona u njoj ne pojavz z z z ljuje.3. sqrt(-x) -sqrt(-x) x Slika 3. y) = x + 2.35). Naravno da je ponekad zgodno zamijeniti takve uloge varijabla x i y. Primjer 3.10 Prema definiciji 3.19 a) Jednadˇbu z x+2=0 ˇesto interpretiramo kao jednadˇbu pravca u ravnini koji prolazi toˇkom c z c (−2. Tu je F (x.11 Implicitno zadane funkcije 151 Napomena 3. 0) na osi Ox i paralelan je sa osi Oy. Ako u toj jednadˇbi varijablu x interpretiramo z kao nezavisnu onda su njom implicitno zadane dvije osnovne funkcije ˇiji c grafovi su dijelovi skupa S pridruˇenog jednadˇbi (vidi Sliku 3.

xn .11 Primjedbe sliˇne onima u napomeni 3. xn . xn+1 kao c nezavisne. · · · . Za bilo koju funkciju f : D → R od n varijabla koja je definirana na D ⊆ Rn i za koju vrijedi F (x1 . · · · . xi+1 . jednadˇbu z F (x1 . · · · . bilo koju od varijabla. · · · . c ∀(x1 . Dakle. · · · . c z z Definiciju 3. xn+1 ) = 0. xn .13. x2 i x3 koristimo uobiˇajene oznake x.152 ˇ FUNKCIJE VISE VARIJABLI S druge strane zgodnije je varijablu y interpretirati kao nezavisnu jer se onda x + y 2 = 0 moˇe interpretirati kao jednadˇba kojom je implicitno z z zadana jedna osnovne funkcija x = f (y) = −y 2 . Takoder. xn . y ∈ I = R. · · · . xn ) ∈ D} ⊆ S. · · · . · · · . f (x1 . xn )) | (x1 . xn . y i z. Jasno je da i ovdje po potrebi moˇemo z zamijeniti uloge varijabla tj. xn+1 ) ∈ X | F (x1 . kaˇemo da je implicitno zadana jednadˇbom z z F (x1 . xn . xn )) = 0. · · · . tretirati kao zavisnu a preostale varijable x1 . xi−1 . recimo varijablu xi .12 na prirodan naˇin poop´avamo na sluˇaj implicitne veze c c c (n + 1)-ne varijable (n ≥ 1): Definicija 3. ˇiji graf se podudara sa skupom S pridruˇenim toj jednadˇbi.13 Neka je F : X → R funkcija od (n + 1)-ne varijable definirana na X ⊆ Rn+1 i neka je skup S ⊆ Rn+1 definiran kao S = {(x1 . xn+1 ) = 0}. · · · . Ovo iskazujemo i ekvivalentnim zahtjevom da je graf Γf funkcije f sadrˇan z u skupu S: Γf = {(x1 . xn kao nezavisne varijable.9 mogu se dati i uz c Definiciju 3. · · · . u sluˇaju veze triju varijabla (n = 2) umjesto x1 . xn ) ∈ D . · · · . Napomena 3. f (x1 . · · · . xn+1 ) = 0 uvijek promatramo kao jednadˇbu kojom moˇe biti implicitno zadano viˇe z z s funkcija od n varijabla pri ˇemu varijablu xn+1 tretiramo kao zavisnu a c x1 .

a drugomu pozitivna Oz poluos (vidi sliku 3.20). ovdje je F (x. z 2 − x2 . y. z s s jednom je os simetrije negativna Oz poluos. y) = x2 + y 2 . z) ∈ D = {(x. oba s vrhom u ishodiˇtu (0. y) = − x2 + y 2 . z) ∈ R2 | |z| ≤ |x|}. z) = x2 + y 2 − z 2 definirana na X = R3 . -sqrt(v**2-u**2). v u. y) ∈ R2 . z z u. (x. Ako bi na primjer u gornjoj jednadˇbi varijablu y tretirali kao zavisnu z onda su tom jednadˇbom implicitno zadane slijede´e dvije osnovne funkz c cije dviju nezavisnih varijabla x i z y = f − (x. z) ∈ R2 | |z| ≤ |x|} Kako izgledaju grafovi ovih funkcija moˇemo vidjeti na slici 3. Naime. 0). z) = z 2 − x2 .36. (x. z) = − i y = f + (x. z) ∈ D = {(x. 0.20 a) Jednadˇbom z x2 + y 2 − z 2 = 0 implicitno su zadana dva kruˇna stoˇca. sqrt(v**2-u**2). pa ako varijablu z tretiramo kao zavisnu onda su gornjom jednadˇbom implicitno z zadane dvije osnovne funkcije dviju nezavisnih varijabla x i y: z = f − (x.36: Implicitno zadan stoˇac z . z = f + (x. (x. v 3 0 -3 -4 -2 x 0 2 4 -4 -2 0 2 y 4 Slika 3.11 Implicitno zadane funkcije 153 Primjer 3.3.

xn )) = 0. · · · . neka je T0 = (x0 . · · · . f (x1 . ∀(x1 . xm . ′ Fxn+1 (x0 . x0 ) n+1 1 n i F (x1 . Najjednostavnije je varijablu x tretirati kao zavisnu jer je u tom sluˇaju ovom jednadˇbom c z implicitno zadana toˇno jedna osnovna funkcija dviju nezavisnih varijabla c yiz x = f (y. Kako smo u prethodnom izlaganju vidjeli. xn ) s postojala. y. 0) okrenutog u smjeru negativne Ox poluosi (parboloid je sliˇan c onome na slici 3. U stvari se ova jednadˇba moˇe ekvivalentno zapisati kao z z x − 1 = −(y + 1)2 − z 2 iz ˇega se vidi da je to jednadˇba kruˇnog paraboloida s vrhom u toˇki c z z c (1.154 b) U jednadˇbi z ˇ FUNKCIJE VISE VARIJABLI x + y 2 + 2y + z 2 = 0 je F (x. x0 ) i samo jedna funkcija f : c n 1 D → R za koju vrijedi x0 = f (x0 . Odgovore na ta pitanja daje slijede´i teorem: z c Teorem 3. i = 1. xn . · · · . na primjer xn+1 . x0 ) ∈ X toˇka iz c n n+1 1 X za koju vrijedi F (x0 . · · · . x0 . x0 ) = 0. Takoder nismo rekli niˇta o svojstvima funkcije f implicitno zadane gornjom jednadˇbom. 1 n n+1 Tada vrijedi: (i) Postoji okolina D ⊆ Rn toˇke (x0 . (y. xn ) ∈ D. 1 n n+1 . z) = x + y 2 + 2y + z 2 definirana na X = R3 .16 uz pomaknuti vrh).9 Neka je F : X → R funkcija od (n + 1)-ne varijable definirana ′ na otvorenom skupu X ⊆ Rn+1 koja ima neprekidne parcijalne derivacije Fxi na X po svim varijablama xi . x0 . −1. Dalje. x0 ) = 0. Medutim nismo rekli niˇta o tome koji su dovoljni uvjeti da bi takva eksplicitna veza xn+1 = f (x1 . moˇe biti zadana kao funkcija preostalih n z s varijabla. · · · . · · · . F je diferencijabilna c u svim toˇkama iz X). n + 1 (dakle. · · · . · · · . x0 . · · · . · · · . z) ∈ R2 . xm+1 ) = 0 interpretiramo kao implicitnu vezu izmedu (n + 1)-ne varijable kojom jedna od varijabla. z) = −y 2 − 2y − z 2 . jednadˇbu oblika z F (x1 . · · · .

12 a) Kad imamo implicitnu vezu dviju varijabla F (x. b) U sluˇaju implicitne veze triju varijabla c F (x. y) F (x. z) .3. xn ). z) ′ .9 kaˇe da ´e za svaku toˇku (x0 . z) F (x. · · · . z) ′ Fy (x. ′ fx (x. · · · . y0 . xn+1 ) i = 1. xn ) = − ′ Fxi (x1 . · · · . y. Vrijednosti parcijalnih derivacija fx (x. z) = 0. xn+1 ) . y0 . n. y) = 0. z) = 0 definirane pomo´u funkcije F : X → R koja na X ⊆ R3 ima neprekidne c ′ ′ ′ z c c parcijalne derivacije Fx . y) u bilo kojoj toˇki (x. teorem 3. · · · . z0 ) ∈ X u kojoj je F (x0 . y0 ) i samo jedna funkcija f : D → R c koja je implicitno zadana sa F (x. y) = 0 definiranu pomo´u funkcije F : X → R koja na X ⊆ R2 ima neprec ′ ′ z c c kidne parcijalne derivacije Fx i Fy . Napomena 3. y) = 0 i koja je neprekidno derivabilna na D. Fy i Fz . ′ Fz (x. gdje je xn+1 = f (x1 . y. y) = − . xn . xn . z0 ) = 0 postojati okolina D ⊆ R2 toˇke (x0 . y. ′ Fxn+1 (x1 . te u svakoj toˇki (x1 . · · · . y) i ′ (x. · · · . ′ Fz (x0 .11 Implicitno zadane funkcije 155 ′ (ii) Funkcija f ima neprekidne parcijalne derivacije fxi na D po svim varijablama xi . Derivacija f ′ (x) u bilo kojoj toˇki x ∈ D je odredena s c f ′ (x) = − ′ Fx (x. y) . y. i = 1. z) = 0 i koja ima neprekidne parci′ ′ ′ jalne derivacije fx i fy na D. y0 ) = 0. y0 ) ∈ X u kojoj vrijedi F (x0 . fy (x. y0 . · · · . xn ) ∈ D vrijede c formule ′ fxi (x1 . y. teorem 3.9 kaˇe da ´e za svaku toˇku (x0 . y) ∈ D su odredene s c fy ′ Fx (x. n. y) = − ′ Fz (x. y. ′ Fy (x. y. z0 ) = 0. ′ Fy (x0 . y0 ) = 0 postojati okolina D ⊆ R od x0 i samo jedna funkcija f : D → R koja je implicitno zadana sa F (x.

Oˇito.21 a) U primjeru 3. y) = x + y 2 definirana i neprekidno derivabilna na X = R2 te su joj parcijalne derivacije dane formulama ′ Fx (x. y = f − (x) = − −x. z c tu funkciju ne moˇemo gledati na ˇitavom I = (−∞. Ovdje je F (x. Zbog oˇite simetrije svejedno je koju c varijablu tretiramo kao zavisnu pa uzmimo da je to varijabla z. 0) = 0. 0). y) = 2y. Dakle pretpostavke teorema 3. 0) = 0. −2) Fy −4 4 U ovom sluˇaju gornji raˇun moˇemo provjeriti koriste´i eksplicitni izraz c c z c 1 f ′ (x) = √ . Medutim. ali teorem 3. z) ∈ X = R3 . −2) = 0. 0) zadovoljava F (0. jer u toˇki 0 nije derivabilna. Imamo F (x. c b) Promotrimo jednadˇbu z xyz − e−xyz = 0 kao implicitnu vezu triju varijabla. to je funkcija f − . ′ Fy (x. 0] ve´ samo na z c c podskupu D = (−∞. −2) = 1. ′ Fy (−4. z) = xyz − e−xyz . 0). =− ′ (−4. Dakle c √ x ∈ D = (−∞. Jasno je da op´enito takvu provjeru ne´emo mo´i napraviti jer ne´emo c c c c imati funkciju f eksplicitno zadanu ve´ ´emo samo znati da postoji!.19 b) smo vidjeli da su jednadˇbom z x + y2 = 0 implicitno zadane dvije osnovne funkcije nezavisne varijable x √ √ x ∈ I = (−∞. 0]. y. f (x) = − −x. −2) 1 1 f ′ (−4) = − x = .9 su ispunjene i zato mora postojati okolina D ⊆ R od −4 i samo jedna derivabilna funkcija f : D → R implicitno zadana jednadˇbom x + y 2 = 0.156 ˇ FUNKCIJE VISE VARIJABLI Primjer 3. ′ Fx (−4. y) = 1. 0). y. (x. y = f + (x) = −x.9 u toj c s c ′ toˇki nije primjenjiv jer je Fy (0. −2) imamo c F (−4. c c Uoˇimo joˇ da i toˇka (0. Da bi izraˇunali na primjer f ′ (−4) ne treba nam eksplicitni izraz za f ′ (x) c ve´ imamo c F ′ (−4. 2 −x x ∈ D = (−∞. U toˇki (−4. −2) = −4.

y. za konkretno zadane vrijednosti x = 0 i y = 0 pripadaju´a c c z vrijednost varijable z je jednoznaˇno odredena poˇetnom jednadˇbom i c ne moˇemo je egzaktno izraziti pomo´u elementarnih funkcija varijabla z c x i y.11 Implicitno zadane funkcije 157 i u svim toˇkama (x. z) = 1 + e−xyz xy. y) = − z F ′ x(x. 1) kako se vidi na Slici 3. ⇔ x = 0 ∨ y = 0. z) ∈ X u z c kojoj je zadovoljena poˇetna jednadˇba i za koju je x = 0 i y = 0.37. ′ z(x. F z(x. Medutim i u ovom primjeru moˇemo gornje formule za parcijalne z derivacije provjerit neposrednim deriviranjem sliˇno kao u prethodnom c primjeru. t = xyz. y. y. z) = 1 + e−xyz yz. y. Stoga jednadˇba t = e−t ima toˇno jedno rjeˇenje t = c. Zakljuˇujemo da je poˇetna jednadˇba c c z ekvivalentna sa jednadˇbom z xyz = c Krivulja y = e−x i pravac y = x sijeku se toˇno u jednoj toˇki s apscisom c c c ∈ (0.9 moˇemo primijeniti u svakoj toˇki (x. teorem 3. . ′ Fy (x. z) = 1 + e−xyz xy = 0 ∀(x. uvodenjem pomo´ne varijable t = xyz poˇetnu jedc c nadˇbu moˇemo napisati kao z z t = e−t . y. y. z) F x ′ x(x. Veliˇinu c ne z c s c moˇemo egzaktno izraziti koriste´i elementarne funkcije jedne varijable z c ve´ samo moˇemo upotrijebiti neku od elementarnih numeriˇkih metoda c z c (na primjer metodu bisekcije) da bi dobili po volji toˇnu pribliˇnu vric z jednost za c (vrijedi c ≈ 0. z) =− . Kako je 1 + e−xyz > 1.3. y) = − ′ =− . y. Prema tome. c z za svaku takvu toˇku postojat ´e okolina D ⊆ R2 i samo jedna funkcija f c c nezavisnih varijabla x i y koja je implicitno zadana poˇetnom jednadˇbom c z i neprekidno derivabilna na D. Dakle. z) F z ′ fy (x. z) = 1 + e−xyz xz.56). y. y. ′ Fz (x. z) ∈ X. imamo ′ Fz (x. Za parcijalne derivacije funkcije f vrijedit ´e c ′ fx (x. z) y Naravno. Naime. y. y. z) ∈ X vrijedi c ′ Fx (x.

56/(x*y) 0 4 0 -4 -2 x 0 2 -2 2 0 y Slika 3. y) = . x2 y x ′ fy (x. c z = f (x. x = 0 ∧ y = 0. y) = − c z =− .38).38: Implicitno zadana funkcija xyz = e−xyz . xy 2 y z 0. y) = − c z =− .37: Sjeciˇte krivulja y = x i y = e−x s iz koje dobivamo eksplicitno varijablu z kao funkciju varijabla x i y (visi sliku 3.158 ˇ FUNKCIJE VISE VARIJABLI x exp(-x) 4 2 y 0 -2 0 x 2 Slika 3. xy Sada neposrednim deriviranjem dobijamo ′ fx (x.

y0 ) bila rjeˇenje tog problema. ∀(x. Funkciji ϕ pridruˇimo implicitnu jednadˇbu z z ϕ(x. Neka je toˇka (x0 . y) → min. y0 ). y) ima vezane lokalne ekstreme uz uvjet ϕ(x. y) < f (x0 . ∀(x. Zajedniˇkim imenom toˇke vezanih lokalnih minimuma c c ili maksimuma zovemo toˇkama vezanih (uvjetnih) lokalnih ekstrema .39). y) ˇije prve dvije c c c z koordinate odreduju toˇku iz skupa S traˇimo one u kojima je vrijednost tre´e koordinate z lokalno najmanja (najve´a) (vidi Sliku 3. y0 ) ∈ S takva da je c c ϕ′ (x0 . Ako je f (x. y) ∈ S ∩ K(T0 . y) = 0 kra´e zapisujemo c z = f (x. c c Ukoliko su funkcije f i ϕ kojima je zadan problem vezanog ekstrema dovoljno lijepe (na primjer neprekidno derivabilne) mogu se dati nuˇni i z dovoljni uvjeti da bi toˇka (x0 . y0 ).12 Problem vezanog ekstrema Pretpostavimo da su zadane dvije funkcije dviju varijabla f. ϕ : D → R definirane na skupu D ⊆ R2 . y .3. y) = 0 Taj problem moˇemo geometrijski interpretirati na slijede´i naˇin: medu z c c toˇkama (x. c c Problem odredivanja toˇaka u kojima funkcija z = f (x. y) > f (x0 . y) = 0. max ϕ(x. δ) \ {T0 } onda kaˇemo da funkcija f u toˇki T0 ima vezani (uvjetni) lokalni minimum z c uz uvjet ϕ(x. δ) \ {T0 } onda kaˇemo da funkcija f u toˇki T0 ima vezani (uvjetni) lokalni maksimum z c uz uvjet ϕ(x. y) = 0 i pripadaju´i skup S ⊆ D definiran tom jednadˇbom c z S = {(x.12 Problem vezanog ekstrema 159 3. c s Promatramo dakle gore opisani problem vezanog ekstrema i pretpostavljamo da funkcije f i ϕ imaju neprekidne sve parcijalne derivacije do ukljuˇivo drugog reda. y. y) ∈ S ∩ K(T0 . y) = 0. z) plohe zadane eksplicitno sa z = f (x. y0 ) ∈ S postoji okolina K(T0 . δ) ⊆ c D tako da je f (x. y) = 0} Definicija 3. y) ∈ D | ϕ(x. y0 ) = 0.14 Ako za toˇku T0 = (x0 .

y0 ) ima lokalni c c c ˜ vezani minimum (maksimum) ako i samo ako funkcija f u toˇki x0 ima c lokalni minimum (maksimum).9 zakljuˇujemo da mora postojati otvoreni c c interval I ⊆ R sa x0 ∈ I i toˇno jedna funkcija y = g(x). zakljuˇujemo da g na I ima neprekidnu i drugu derivaciju. y)g′ (x) ϕ′ (x. y) x . y) ∈ S z moˇemo lokalno u nekoj okolini promatrane toˇke (x0 . y) y (A1) U stvari zbog pretpostavke da ϕ ima neprekidne i parcijalne derivacije drugog reda.39: Problem vezanog ekstrema Koriste´i tvrdnju (i) iz teorema 3.160 ˇ FUNKCIJE VISE VARIJABLI z 4 0 -x**2-y**2 x-y-2 uvjet max o min o -4 funkcija 0 -2 y 0 2 2 -2 x Slika 3. y0 ) interpretirati kao z c funkciju samo jedne varijable x. x∈I Oˇigledno vrijedi slijede´a tvrdnja: Funkcija f u toˇki (x0 . y). x ∈ I implicitno c zadana jednadˇbom ϕ(x. y) + ϕ′′ (x.9 znamo da je funkcija g neprekidno derivabilna na I i derivacija joj zadovoljava g′ (x) = − ϕ′ (x. y)g′ (x) yy yx x y xy xx . y) + ϕ′′ (x. Prema tvrdnji (ii) teorema 3. Iz c formule (A1) koriste´i formulu za derivaciju kompozicije funkcija viˇe varic s jabla dobivamo da je g′′ (x) jednako − ϕ′′ (x. Zbog toga funkciju z = f (x. ϕ′ (x. (x. g(x)). y) − ϕ′ (x. y) = 0. ˜ z = f (x) = f (x. y)2 y . y) ϕ′′ (x. ϕ′ (x.

y0 ) = 0. y0 ) ima lokalni vezani ekstrem uz uvjet ϕ(x. y)g′ (x) + ϕ′′ (x. ˇto se nakon sredivanja i uvrˇtavanja izraza za g′′ (x) danog formulom (A2) s s moˇe zapisati kao z ′′ ′′ ′′ ˜ f ′′ (x) = fxx (x. y0 ) ∈ D u kojoj je ϕ′ (x0 . imaju na D neprekidne sve parcijalne derivacije do ukljuˇivo drugog reda. y)g′′ (x). D ⊆ R2 . λ0 ) vrijedi  ′ fx (x0 . odnosno maksimum ako je f ′′ (x0 ) < 0. y0 . y) + 2ϕ′′ (x. y0 ) + λ0 ϕ′ (x0 . y) + fyy (x. onda funkcija f u toˇki c c (x0 . y0 ) + λ0 ϕ′ (x0 . λ0 ) c zadovoljava uvjet (C) i ako je . x  ′ (C) fy (x0 . y) + 2ϕ′′ (x. y)g′ (x) g′ (x) + fy (x.10 ( Nuˇan i dovoljan uvjet vezanog ekstrema) Neka funkz cije f. y) + fxy (x. (B1) ˜ Iz ove formule joˇ jednim deriviranjem dobivamo da je f ′′ (x) jednako s ′′ ′′ ′′ ′′ ′ fxx (x. ϕ : D → R. y) = 0 i to minimum ˜ ˜ ako je f ′′ (x0 ) > 0. y) y ϕ′′ (x. y) + 2fxy (x. y)g′ (x)2 ′ fy (x. y0 ) = 0 ima lokalni c y vezani ekstrem uz uvjet ϕ(x. y0 ) = 0. Teorem 3. Koriste´i opet formulu za deriviranje kompozicije funkcija c viˇe varijabla. ˜ pri ˇemu je f ′′ (x) definirano formulom (B2).3. y   ϕ(x0 . ˜ f ′′ (x0 ) = 0. y0 ) = 0. y)g′ (x)2 . y)g′ (x)2 xy yy ϕ′ (x.12 Problem vezanog ekstrema 161 ˇto se sredivanjem i joˇ jednom upotrebom formule (A1) moˇe zapisati kao s s z g′′ (x) = − 1 ϕ′ (x. dobivamo da za sve x ∈ I vrijedi s ′ ′ ˜ f ′ (x) = fx (x. y)g′ (x) + ϕ′′ (x. y) uz uvjet ϕ(x. xx xy yy (A2) Nadalje zbog pretpostavke da funkcija f ima neprekidne parcijalne deri˜ vacije drugog reda zakljuˇujemo da i funkcija f ima na I neprekidnu prvu i c drugu derivaciju. onda mora postojati realan broj λ0 takav da za trojku (x0 . y) = 0. c (i) Ako funkcija f u toˇki (x0 . y)g′ (x). y) = 0. y) + fy (x. (ii) Ako su toˇka (x0 . y0 ) ∈ D i realan broj λ0 takvi da trojka (x0 . y0 . y)g′ (x) + fyy (x. y) ′′ ϕ (x. y)g′ (x) + fyx (x. y) xx y − (B2) Sad moˇemo na jednostavan naˇin dobiti nuˇne i dovoljne uvjete lokalnih z c z vezanih ekstrema funkcije z = f (x.

λ0 = − ′ ϕy (x0 . y i λ: L(x. y). y0 ) y ϕ′ (x0 . y) = 0 ponekad rjeˇavamo uvodenjem Lagrangeove funkcije (Lagrangeijana) L(x. −fx x Problem vezanog ekstrema z = f (x. y) zamijenjen faktorom y x y ′ (x. a faktor −fy (x. Pri tome bi c ′′ (y) bilo definirano desnom stranom od (B2) u kojoj je g ′ (x) zamijenjeno sa ˜ f ′ g′ (y) = −ϕ′ (x. y0 ) ϕ′ (x0 . y0 ) + fy (x0 . . y. Istinitost drugog dijela teorema slijedi neposredno primjenom dovoljnih ˜ uvjeta za obiˇan ekstrem funkcije f jedne varijable x i uvaˇavanjem razmac z tranja koja su prethodila teoremu. y. y0 ) + − ′ fy (x0 . y) → min. To znaˇi da smo umjesto od pretpostavke da je ϕ′ (x0 . ˇto c c z s zbog (B1) daje jednakost ′ ′ fx (x0 . y0 ) = c y 0 u promatranoj toˇki mogli krenuti od pretpostavke da je ϕ′ (x0 . dok bi se dovoljan uvjet iskazao pomo´u vrijednosti f ′′ (y0 ). c x Zbog simetrije po x i y nuˇan uvjet (C) lokalnog vezanog ekstrema ostao bi z ˜ isti. y0 ) koja je oˇito ekvivalentna drugoj jednakosti u (C). y) + λϕ(x. y0 ) = 0. y) ∈ D. moˇemo zapisati u obliku z c z ′ fx (x0 . Zbog c c z pretpostavke da je ϕ′ (x0 . y0 )g′ (x0 ) = 0. y0 ) ima lokalni vezani ekstrem uz uvjet c ˜ ϕ(x.13 Jasno je da zbog ravnopravnosti varijabla x i y sve ˇto s smo do sada rekli o problemu vezanog ekstrema vrijedi i ako zamijenimo uloge varijabla. y). y0 ) = 0. λ ∈ R. y) = 0 ekvivalentna pretpostavci da funkcija f jedne varijable x ima ˜ obiˇan lokalni ekstrem u toˇki x0 . Napomena 3. x Ovo je upravo prva jednakost u (C) ako definiramo realan broj λ0 s jednakoˇ´u sc ′ fy (x0 . Tre´a jednakost u (C) je oˇito nuˇna po Definiciji 3. λ) = f (x. max ϕ(x. λ) s triju nezavisnih varijabla x.14. y0 ) = 0 vrijede sva prethodna razmatranja pa y je pretpostavka da f u toˇki (x0 .162 ˇ FUNKCIJE VISE VARIJABLI Dokaz. uvaˇavaju´i formulu (A1). y0 ) . y). Zato je nuˇno da bude f ′ (x0 ) = 0. y)/ϕ′ (x. Ovu jednakost. y)/ϕ′ (x. y)/ϕ′ (x. (x. Time je prvi dio teorema c dokazan.

λ0 ) L′′ (x0 . λ ) Lxy 0 0 0 L′′ (x0 . c a ako je ∆ > 0 onda f u toˇki (x0 . . λ0 ) > 0. y0 . y0 . y0 ) ϕ′ (x0 . y0 ) x ′′ (x . y. λ0 ) zadovoljava uvjet (C) i neka je 0 ∆= ϕ′ (x0 . λ ) x ϕy (x0 . onda je sigurno ∆ > 0 pa f u toˇki c xx (x0 . y0 ) L′′ (x0 . λ ) ϕx 0 0 xy 0 0 0 . y0 ) podudara s nuˇnim uvjetom obiˇnog ekstrema Lagrangeove funkz c ˇ cije L(x. onda c xx je sigurno ∆ < 0 pa funkcija f u toˇki (x0 . y0 ) y ϕ′ (x0 . y0 . λ0 ). y0 ) x y 1 ′ (x . s c c c Nalaˇenje vezanog ekstrema ilustrirat ´emo s tri primjera. f ′′ (x0 ) = − ′ xy xx ϕy (x0 . s izmjenjenim ulogama varijabla x i y imali bi ˜ f ′′ (y0 ) = − 0 ϕ′ (x0 . y . λ0 ) yy . moˇemo promatrati i samo z vrijednost L′′ (x . y0 ) x y 1 ˜ ϕ′ (x0 . y0 ) L′′ (x0 . λ0 ) y xy yy Naravno. λ0 ) . y0 . nije teˇko c c s ˜ neposrednim raˇunom provjeriti da se vrijednost f ′′ (x0 ) moˇe izraziti kao c z 0 ϕ′ (x0 . Oˇito je da se nuˇan uvjet c z (C) lokalnog vezanog ekstrema funkcije f (x. xx 0 0 0 ϕ′ (x0 . y0 ) y ′′ (x . y .3. λ0 ) xy yy Interesantno je da vrijedi slijede´e: ako je δ > 0 i L′′ (x0 . λ0 ) < 0. δ = xx 0 0 0 L′′ (x0 . y0 ) ima lokalni vezani minimum. y . y . Ako je ∆ < 0 onda funkcija f u toˇki (x0 . y0 ) ϕ′ (x0 . y0 . y0 . y0 ) ima lokalni vezani maksimum.22 Neka je zadan problem vezanog ekstrema z = xy → min. λ ) Lxx 0 0 0 L′′ (x0 . λ0 ) xy ϕ′ (x0 . y0 . y0 . y0 ) ima lokalni vezani maksimum. y0 )2 ′ ′′ (x . y. λ) = xy + λ(x2 + y 2 − 2). λ ) L′′ (x . y0 ) ima lokalni vezani minimum. Sto se tiˇe dovoljnih uvjeta. y . λ0 ) L′′ (x0 . y) uz uvjet ϕ(x. y0 ) x ϕ′ (x0 . λ0 ) L′′ (x0 . Medutim. y . c a ako je δ > 0 i L′′ (x0 . y0 . λ0 ) zadovoljava uvjet (C). y0 . λ ) L′′ (x . z c Primjer 3. λ0 ) xy . y0 . y0 . y ) L′′ (x . y0 . λ ) L′′ (x0 . λ) u toˇki (x0 .12 Problem vezanog ekstrema 163 Parametar λ zove se Lagrangeov multiplikator. y . y) = 0 u toˇki c (x0 . c Ako trojka (x0 . y0 )2 x ϕ′ (x0 . y0 ) Lxy 0 0 0 yy 0 0 0 To nas navodi na slijede´u jednostavniju formulaciju dovoljnih uvjeta: c neka trojka (x0 . ako je δ ≤ 0 ne moˇemo z niˇta zakljuˇiti ve´ moramo izraˇunati ∆. max x2 + y 2 − 2 = 0 Pridruˇena Lagrangeova funkcija je z L(x. y0 .

xy 2y 1 2λ ϕ′ L′′ L′′ y xy yy Uvrˇtavanjem odgovaraju´ih vrijednosti od x. 1 . −1). y i λ za pojedine toˇke dobis c c vamo: u toˇkama T1 i T2 je ∆ = −16 < 0. T3 = (−1. a u toˇkama T3 i T4 je ∆ = 16 > 0. 2 Uvrˇtavanje u tre´u jednadˇbu daje s c z x2 + (±x)2 − 2 = 0 x y =− . 2 1 λ4 = − . y L′ = x2 + y 2 − 2 = 0.164 pa je nuˇan uvjet ekstrema z ˇ FUNKCIJE VISE VARIJABLI L′ = y + 2λx = 0. ′′ = 1 ′′ 2λ Lxy Lyy uvrˇtavanjem odgovaraju´e vrijednosti od λ za sve ˇetiri toˇke dobivamo s c c c δ = 0 pa ne moˇemo donijeti zakljuˇak ve´ moramo raˇunati z c c c ϕ′ 0 ϕ′ 0 2x 2y y x ′ ′′ ∆ = ϕx Lxx L′′ = 2x 2λ 1 . c c Zakljuˇujemo da funkcija z = xy ima u toˇkama T1 i T2 lokalni vezani mic c nimum uz dani uvjet x2 + y 2 − 2 = 0. 1). . 2 1 λ2 = . 2 1 λ3 = − . T4 = (1. x L′ = x + 2λy = 0. a u toˇkamaT3 i T4 lokalni vezani c maksimum (vidi Sliku 3. Kako je δ= λ1 = L′′ L′′ 2λ 1 xy xx = 4λ2 − 1. −1). λ Iz prve dvije jednadˇbe dobivamo z λ=− odakle slijedi y 2 = x2 ⇒ y = ±x. 1). ⇒ x = ±1. T2 = (1.40). 2x 2y Zakljuˇujemo da postoje ˇetiri toˇke koje zadovoljavaju nuˇan uvjet: c c c z T1 = (−1.

v u. x L′ = 2y + λ = 0. Zakljuˇujemo da postoji samo jedna toˇka koja zadovoljava nuˇan uvjet: c c z λ0 = −2.23 Za problem vezanog ekstrema z = x2 + y 2 → min. u*v u. λ) = x2 + y 2 + λ(x + y − 2). v 2 -2 x 0 0 2 -2 y Slika 3. 1). y L′ = x + y − 2 = 0. max x+y−2=0 imamo Lagrangeovu funkciju L(x. Nuˇan uvjet ekstrema glasi z L′ = 2x + λ = 0. -sqrt(-u**2+2). v. λ Iz prve dvije jednadˇbe dobivamo z λ = −2x = −2y x+x−2=0 T0 = (1.12 Problem vezanog ekstrema 165 z 4 0 -4 u.40: Vezani ekstremi Primjer 3. .3. sqrt(-u**2+2). ⇒ ⇒ y = x. pa uvrˇtavanjem u tre´u jednadˇbu dobijamo s c z x = 1. y.

1. λ) = xy + λ(y − x). v.41). pa je nuˇan uvjet ekstrema z L′ = y − λ = 0.41: Lokalni vezani minimum Primjer 3.166 Kako je δ= ˇ FUNKCIJE VISE VARIJABLI L′′ L′′ 2 0 xy xx =4 = 0 2 L′′ L′′ xy yy vidimo da u toˇki T0 vrijedi L′′ (1. u**2+v**2 u. y . v+4 4 0 -2 x 0 2 -2 0 2 y Slika 3. Dakle ne c xx moramo raˇunati vrijednost ∆ ve´ smijemo zakljuˇiti da funkcija z = x2 +y 2 c c c u toˇki T0 ima lokalni vezani minimum uz dani uvjet x + y − 2 = 0 (vidi c sliku 3. y. −2) = 2 > 0 i δ = 4 > 0. -u+2. x L′ = y − x = 0. z u.24 Problemu vezanog ekstrema z = xy → min. max y−x=0 pridruˇena je Lagrangeova funkcija z L(x. λ L′ = x + λ = 0.

42). 0). Za sve toˇke imamo c c c c ϕ′ 0 ϕ′ 0 −1 1 y x ϕ′ L′′ L′′ = −1 0 1 = −2. u.3.42: Lokalni vezani minimum . u*v u. L′′ L′′ 0 1 xx xy = −1 = 1 0 L′′ L′′ yy xy ˇto znaˇi da u toˇki T0 vrijedi δ = −1 < 0. u. v z 4 0 2 -2 0 y 2 -2 0 x Slika 3. Dakle ne moˇemo donijeti s c c z zakljuˇak ve´ moramo raˇunati vrijednost ∆. ∆= x xx xy ϕ′ L′′ L′′ 1 1 0 yy xy y pa je ∆ = −2 < 0 i u toˇki T0 . v. Takoder imamo δ= λ0 = 0.12 Problem vezanog ekstrema 167 Oˇigledno je da su gornje jednadˇbe zadovoljene u samo jednoj toˇki c z c T0 = (0. Zakljuˇujemo da funkcija z = xy ima u toˇki c c c T0 lokalni vezani minimum uz dani uvjet y − x = 0 (vidi sliku 3.

168 ˇ FUNKCIJE VISE VARIJABLI .

. 177 Nepravi integral . .3 4. . . . .3 4. . . . . . . . . . . .2. . 176 s Polarne koordinate . . . . . .1 4. . . . . . . . . .7 Trostruki integral . . . . . . . . . . . . . . . . . . . . 213 Eulerova metoda konaˇnih razlika . . . . . . . . . . . . . .4 Nuˇni i dovoljni uvjeti ekstrema . . . . . . . . . . . . . . . . 188 Momenti i teˇiˇta . . . . . . . . . . .6 4. . . . . . . . . . . . . . 184 4. . . . 183 4.2. . . ˇ VISESTRUKI INTEGRALI 4. . . . . a definira se sliˇno odredenom integralu funkcija f : [a. . . . . . .5 4. . . . . . . . 195 Varijacioni raˇun . 190 zs Integrali ovisni o parametru . . . . . . . . . . . . . . . . . . . .2 Definicija i osnovna svojstva . . . . . [ai . . . b] → R.7. 169 Dvostruki integral . . . . .7. . . . . . . . . . . . . . . . bn ] ⊆ Rn . . . 173 4.1 Zamjena varijabli . c . . . . . . . .2 4. .7. . . . . 218 c 4. . . . . 200 c 4. . .4. . . . b1 ] × · · · × [an . . . .1 Definicija i osnovna svojstva Viˇestruki integral (ili n-terostruki integral je integral funkcije n varijabli s koja je definirana na zatvorenom n-dimenzionalnom kvadru K = [a1 . 180 Cilindriˇne i sferne koordinate c . . . . . . .1 4. . .3 Volumen i povrˇina . . .1 4. bi ] ∈ R. . . . . . . . . b1 ] × [a1 . . . . . . 203 z Primjeri . . . . . . . . . . . . . . . . . .4 4. . . . . . . . . . . . . . . . .3. . . . . . . . . .2 4. . 206 Uvjetni ekstrem . .7.2.

x2 . .. . D) = i1 =1 i2 =1 ··· in =1 Mi1 . ..1. .i2 . c c .. to jest. ...in = sup{f (x1 .. . . x2 . xn ) : xk ∈ [xik −1 .. . bi ]. x2 . s broj I je odredeni (viˇestruki. xn ) dx1 · · · dxn . . bi ] prema definiciji 2. . . . .i2 .. xn ) : xk ∈ [xik −1 . zove se rastav (dekompozicija) kvadra K. . xn }.. .i2 . . x1 . pri ˇemu je c (i) ai = x0 ≤ x1 ≤ x2 ≤ · · · ≤ xn−1 ≤ xn = bi ... M ∈ R takvi da je m ≤ f (x1 .170 (i) (i) ˇ VISESTRUKI INTEGRALI (i) Definicija 4. neka postoje m. (i) (i) (i) (i) jedan rastav segmenta [ai . xn ) ≤ M. Tada svakom rastavu D ∈ D moˇemo pridruˇiti gornju integralnu suma z z kn g(f.. x2 .in = sup{f (x1 . (1) (1) (2) (2) (n) (n) gdje je Mi1 . . i donju integralnu suma k1 k2 kn (k) (k) d(f.. . c Neka je f : K → R omedena funkcija. xn ) ∈ K. n-terostruki) integral funkcije f na kvadru K. k1 k2 ∀(x1 . . .. x2 .i2 . . D) : D ∈ D} = I.. Definiciju ´emu ilustrirati sljede´im jednostavnim primjerom. (1) (1) (2) (2) (n) (n) gdje je Mi1 . Kaˇemo da je funkcija f integrabilna na kvadru K i piˇemo z s I= K (k) (k) f (x1 . Neka Di oznaˇava skup c svih rastava segmenta [ai . . .. . xik ]}. xik ]}. D) = i1 =1 i2 =1 ··· in =1 mi1 . . D) : D ∈ D} = sup{d(f. . xn ) dx1 dx2 · · · dxn = K ··· f (x1 . Ako je inf{g(f.in (xi1 −xi1 −1 )(xi2 −xi2 −1 ) · · · (xin −xin −1 ). .in (xi1 −xi1 −1 )(xi2 −xi2 −1 ) · · · (xin −xin −1 ). Kartezijev produkt D = D1 × D2 × · · · × Dn . Di ∈ Di .1 Neka je Di = {x0 . Skup svih rastava kvadra K oznaˇit c ´emo s D.

0. yi )∆xi ∆yj = i j 3− xi y j ∆xi ∆yi − 4 3 1 3 ∆xi i j =3 i j 1 ∆xi ∆yi − 4 3 4 xi ∆xi − ∆yj j i xi ∆xi − yj ∆yj = 3 · 12 − i 4 3 yj ∆yj . 1).1 na kojoj se vidi i jedan rastav kvadra K. D) = i j f (xi .1: Primjer viˇestrukog integrala s Zadana funkcija na svakom dijelu [xi−1 . a minimum u straˇnjem desnom uglu.y)∈[xi−1 .1 Izraˇunajmo dvostruki integral funkcije f (x. 3.j = mi.xi ]×[yi−1 .yi ] max f (x.yi ] (x. donja suma je jednaka d(f. 0). 2) c i (4. Radi se zapravo o dijelu ravnine z = 3 − x/4 − y/3 koji se nalazi iznad kvadra (pravokutnika) K = [0. 4 3 (x. s 3-x/4-y/3 3 2 1 0 3 0 2 1 x 2 1 3 40 y Slika 4. yi ] oˇito postiˇe makc z simum u prednjem lijevom uglu. 3] na ˇest dijelova.xi ]×[yi−1 . 4 3 xi yj = max f (x. y) : [0. z Mi.y)∈[xi−1 . a segment [0. y) = 3 − x/4 − y/3. yj−1 ) = 3 − Uz oznake ∆xi = xi − xi−1 i ∆yj = yj − yj−1 . 4]×[0. 3. j . xi ] × [yi−1 . Vrhovi tog dijela ravnine su toˇke (0. yj ) = 3 − − . y) = f (xi .4. 4]×[0. (4. (0. Kvadar (pravokutnik) je u ovom sluˇaju rastavljen na 48 dijelova: c segment [0. 3). 3]. 3] → c R definiranu formulom f (x.1 Definicija i osnovna svojstva 171 Primjer 4. 4] je rastavljen na osam. 0. Funkcija je prikazan na slici 4. y) = f (xi−1 .j xi−1 yj−1 − .

Funkciju g : K → R z definiramo kao proˇirenje funkcije f : s g(x1 . . β ∈ R. 0. . . . . . c c Definicija 4. . (x1 . linearnost. . xn ). . . . i . c Iz prethodnih definicija slijede osnovna svojstva viˇestrukog integrala.172 ˇ VISESTRUKI INTEGRALI Prelaskom na limes kada ∆xi → 0 i ∆yj → 0 i koriˇtenjem definicije s odredenog integrala iz poglavlja 2. D) = lim g(f. . 0 Sliˇno se pokaˇe da je c z inf g(f. Skup D je podruˇje integracije. D) = 36 − ∆xi →0 4 ∆yj →0 4 0 4 x dx − 3 3 y dy = 24. D) = 24 ∆xi →0 ∆yj →0 pa je zadana funkcija integrabilna na kvadru K i vrijedi 3− K x y − 4 3 dx dy = 24. D ⊆ Rn omedena funkcija i neka je D sadrˇano u nekom kvadru K (D ne mora biti kvadar). xn ) ∈ K \ D. D) = lim d(f. xn ) = f (x1 . s Za funkcije f i g koje su integrabilne na podruˇju D vrijedi: c V1. xn ) dx1 · · · dxn . (x1 .1 imamo 3 sup d(f. . viˇestruki integral definiramo c s na sljede´i naˇin. .2 Neka je f : D → R. . gdje su α. . odnosno (αf + βg) dx1 · · · dxn = α D D f dx1 · · · dxn + β D g dx1 · · · dxn . . Ako je funkcija g integrabilna na kvadru K. Ukoliko podruˇje integracije nije kvadar. . . integral funkcije f na skupu D definiramo kao f (x1 . . xn ) ∈ D. . . . xn ) dx1 · · · dxn = D K g(x1 . .

4. i – zadano u polarnim koordinatama. d]. b] × [c. y) dx dy = a c f (x. b] × [c. Primjer 4. y) dy dx. d] po svojstvu (ii) iz poglavlja 3. y) dx dy = K c a f (x.3.2 Dvostruki integral Dvostruki integral raˇunamo uzastopnim raˇunanjem dva jednostruka inc c tegrala pomo´u Newton-Leibnitzove formule (vidi poglavlje 2. Teorem 4. Dokaz teorema se temelji na svojstvu da kod dvostrukih suma moˇemo z zamijeniti poredak zbrajanja. .2 Dvostruki integral 173 V2. gdje je D = D1 ∪ D2 i D1 ∩ D2 = ∅. – omedeno dvjema neprekidnim funkcijama.2).4.1 Neka je f : K → R neprekidna funkcija definirana na pravokutniku K = [a. Detalje dokaza izostavljamo. odnosno c f dx1 · · · dxn = D D f dx1 · · · dxn + D f dx1 · · · dxn .1 Tada je d b b d f (x. Opisat c ´emo postupak integriranja u sluˇajevima kada je podruˇje integracije: c c c – pravokutno. odnosno m n m n n n n m aij = i=1 j=1 i=1 j=1 aij = j=1 i=1 aij = j=1 i=1 aij . integriranje po dijelovima podruˇja integracije.2 Izraˇunajmo c I= K 1 x y 2 dx dy Funkcija f je takoder omedena na zatvorenom skupu [a.

Napomena 4. odnosno moˇe se rastaviti na produkt dva jednostruka integrala. Primjer 4. 6 Isti rezultat dobit ´emo i pomo´u integrala c c d b I= c a x y 2 dx dy.2. pri ˇemu je D podruˇje omedeno funkcijama y = x2 i y = x4 . pri ˇemu rezultat ne ovisi o redoslijedu integriranja. y) dx dy = D a g(x) f (x. Prema teoremu 4. ˇto je napravljeno na c s slici 4. g(x) ≤ y ≤ h(x)}.1 vrijedi c b d b I= a c x y dy dx = a 2 y3 x 3 d b dx = c a x d3 c3 − 3 3 dx = 1 3 (d − c3 ) 3 2 x2 b a = 1 3 (d − c3 )(b2 − a2 ). b] × [c. Za odredivanje c c granica integracije potrebno je skicirati podruˇje D. c D = {(x. y) : a ≤ x ≤ b. d].2 vidimo da se prvo integrira po jednoj. a zatim po drugoj varijabli.3 Izraˇunajmo integral c I= D (x + y 2 ) dx dy.174 ˇ VISESTRUKI INTEGRALI pri ˇemu je K = [a.2 Integral iz primjera 4. c Sliˇno vrijedi i kada podruˇje integracije nije pravokutnik. tada je b h(x) f (x. kao i kod viˇih c c s dimenzija.2 je integral sa separiranim varijablama.1 Iz primjera 4. Napomena 4. y) dy dx. ˇto z s op´enito nije sluˇaj: c c b d b d x y dy dx = a c a 2 x dx · y 2 dy. . c Ako je podruˇje integracije D zadano dvama neprekidnim funkcijama.

91 No. y) : 0 ≤ y ≤ 1. gdje je c √ √ D1 = {(x.4. − 4 y ≤ x ≤ − y}. y) : 0 ≤ y ≤ 1. Podruˇje D rastavljamo na uniju dva disjunktna c c podruˇja D1 i D2 . √ √ D2 = {(x. 91 .1 i svojstvu V2.2 Dvostruki integral 175 1 x**2 x**4 -1 1 Slika 4. prema napomeni 4. x4 ≤ y ≤ x2 } pa je 1 x2 1 2 I= −1 x4 1 (x + y ) dy dx = −1 y3 xy + 3 x2 dx x 1 = −1 x3 + x12 x6 − x5 − 6 3 dx = x x7 x5 x13 + − − 4 21 6 39 = −1 4 . y) : −1 ≤ x ≤ 1. pa je 1 √ − y 1 √ 4y I= 0 √ −4y (x + y 2 ) dx dy + 0 √ y (x + y 2 ) dx dy = · · · = 4 . integral moˇemo rijeˇiti i integriz s raju´i prvo po varijabli x.2: Podruˇje integracije dvostrukog integrala c Vidimo da je D = {(x. y ≤ x ≤ 4 y}.

Podruˇje integracije D odredeno je s ˇetiri zadnje c ravnine i prikazano je na slici 4. Rijeˇite primjer do kraja na oba naˇina. i neka je podruˇje D omedeno s po dijelovima c glatkom jednostavnom zatvorenom krivuljom2 . V (Ω) = D f (x. ˇto znaˇi da s c s c poˇima i zavrˇava u istoj toˇki. c s 2 . Izraz dP = dx dy oznaˇava element povrˇine. y) = 1.1). i krivulja je zatvorena. i plohom z = x2 +y 2 .4 Izraˇunajmo obujam tijela omedenog ravninama c z = 0. s c Krivulja je glatka. y = x. D ⊆ R je i omedena) i nenegativna. Alternativno. Ako je z = f (x. rastavljaju´i podruˇje integracije na tri dijela i integriraju´i c c c prvo po varijabli x imamo 3/2 y 2 y 3 4−y V = 1 2−y (x + y ) dx dy + 3/2 y/3 2 2 (x + y ) dx dy + 2 y/3 2 2 (x2 + y 2 ) dx dy. neprekidna (tada Neka je podintegralna funkcija f : D → R. y = 4 − x. Tada je vrijednost pripadnog dvostrukog integrala jednaka volumenu tijela Ω koje je omedeno bazom D u xy-ravnini i plohom z = f (x. y = 3x. ˇto znaˇi da se sastoji od konaˇno glatkih dijelova. odnosno povrˇinu pravokutnika c s s sa stranicama dx i dy. ˇto znaˇi da ne presijeca samu sebe. y). Rastavljaju´i podruˇje integracije na dva dijela imamo c c 1 3x 2 4−x V = 1/2 2−x (x2 + y 2 ) dy dx + 1 x (x2 + y 2 ) dy dx. c s c 2 .1 Volumen i povrˇina s Dvostruki integral koristimo za raˇunanje volumena (obujma) i povrˇine.4.176 ˇ VISESTRUKI INTEGRALI 4. Primjer 4. Zadana ploha je kruˇni paraboloid s vrhom u ishodiˇtu z s c (vidi poglavlje 3. y) dx dy = D z dP.3. krivulja je s c c jednostavna. tada dvostruki integral daje povrˇinu podruˇja s c D (volumen tijela s bazom D visine 1 jednak je povrˇini baze): s P (D) = V (Ω) = D dP.2. y = 2 − x.

pri ˇemu je c f.6. (4. y)) dx dy. y) i z = g(x.1) Ovo je prirodno poop´enje formule za raˇunanje povrˇine ravninskih likova c c s pomo´u jednostrukog integrala iz poglavlja 2. Tada koristimo supstituciju (usporedi s poglavljem 2.2) Element povrˇine prikazan je na slici 4. y = r sin ϕ. y) ∈ D. a D ⊂ R2 je podruˇje omedeno po dijelovima glatkom jednostavnom zatvoc renom krivuljom. y). r1 (ϕ) ≤ r ≤ r2 (ϕ)}.2 Polarne koordinate Neka je podruˇje D ⊆ R2 zadano u polarnom koordinatnom sustavu kao c D = {(r.3: Podruˇje integracije za raˇunanje volumena c c Nadalje. gdje su r1 .1) x = r cos ϕ. y) ∀(x. ϕ2 ] → R neprekidne funkcije. ϕ) : ϕ1 ≤ ϕ ≤ ϕ2 . volumen tijela Ω omedenog plohama z = f (x. g : D → R. y) − g(x. g(x. se raˇuna po formuli c V (Ω) = D (f (x.1. c 4.4. y) ≤ f (x. r2 : [ϕ1 . (4.2. s .6.4.2 Dvostruki integral y 3 177 y=3x 2 3/2 1 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 D y=2−x 1 2 y=x y=4−x 1/2 4 x Slika 4.

r sin ϕ) r dr dϕ. Op´e pravilo zamjene varijabli u viˇestrukom integralu dano je c s u poglavlju 4. Primjer 4. Radi se o volumenu tijela ˇto ga iz polukugle y s . Prema tome. vrijedi ϕ2 r2 (ϕ) f (x.5).178 ˇ VISESTRUKI INTEGRALI r2(ϕ) dr dP r ϕ2 dϕ ϕ r1(ϕ) ϕ1 Slika 4.4. Uoˇimo da se u polarnim koordinatama uvijek integrira prvo po r pa c onda po ϕ.4: Element povrˇine u polarnim koordinatama II s Formula za povrˇinu kruˇnog isjeˇka daje s z c dP = 1 1 1 (r + dr)2 dϕ − r 2 dϕ = (r 2 + (dr)2 + 2r dr − r r ) dϕ 2 2 2 1 2 = r dr dϕ − (dr) dϕ 2 ≈ r dr dϕ.5 Izraˇunajmo integral c 1 − x2 − y 2 dx dy. y) dx dy = D ϕ1 r1 (ϕ) f (r cos ϕ. D gdje je D polukrug u prvom kvadrantu omeden kruˇnicom (x − 1/2)2 + z 2 = 1/4 i osi x (slika 4. 1 pri ˇemu izraz 2 (dr)2 dϕ moˇemo zanemariti jer teˇi k nuli brˇe od izraza c z z z r dr dϕ.

2 Dvostruki integral 179 z c z = 1 − x2 − y 2 izreˇe cilindar s bazom D (usporedi sa sliˇnim tijelom iz poglavlja 3. cos ϕ]} .7). r ∈ [0.4.4. π/2].2) c c z z s u jednadˇbu kruˇnice daje z z r cos ϕ − 1 2 2 + (r sin ϕ)2 = 1 . potrebno je c na´i odgovaraju´u jednadˇbu zadane kruˇnice.5: Polukrug u prvom kvadrantu Da bi mogli podruˇje D opisati u polarnim koordinatama. 4 4 Vrijedi r (r − cos ϕ) = 0 pa jednadˇba zadane kruˇnice u polarnim koordinaz z tama glasi r = cos ϕ. 1/2 1 Slika 4. 4 odnosno r 2 cos2 ϕ − r cos ϕ + 1 1 + r 2 sin2 ϕ = . podruˇje D (polukruˇnica) opisano je s c z D = {(r. ϕ) : ϕ ∈ [0. Dakle. Uvrˇtavanje supstitucije (4.

moˇete z na´i c na adresi . 2 2 Geometrijski se radi o povrˇini izmedu krivulje y = e−x i x-osi (vidi sliku s 4.5). sliˇno s c c kao i nepravi integral funkcije jedne varijable (vidi poglavlje 2.2).org/wiki/Normal distribution. Naime. s c c Navest ´emo samo sljede´i zanimljiv primjer. σ 2π ˇto je takozvana funkcija gusto´e vjerojatnosti normalne razdiobe (ili Gas c ussove razdiobe) s oˇekivanjem µ i standardnom devijacijom σ 3 . 6 9 0 1 (sin ϕ − 1) dϕ = ϕ 3 π 1 + 6 3 1 0 1 − 3 0 = {cos ϕ = u} = (1 − u2 ) du = 4. Ovaj integral se koristi u teoriji vjerojatnosti. r→∞ 2 Viˇe s informacija o ovim pojmovima http://www. c Parnost podintegralne funkcije i prelazak na limes daju ∞ r I =2 0 3 e −x2 dx = 2 lim r→∞ 0 e−x dx ≡ 2 lim Ir .3 Nepravi integral Nepravi integrali funkcija viˇe varijabli definiraju se pomo´u limesa.6). zadana podintegralna funkcija je vrlo sliˇna funkciji c (x−µ)2 1 ϕ(x) = √ e− 2σ2 .2.180 pa je π/2 cos ϕ ˇ VISESTRUKI INTEGRALI I= 0 0 1 − r 2 r dr dϕ = √ 1 t dt dϕ = − 3 −2 r dr = dt π/2 sin2 ϕ 3/2 1 π/2 1 − r2 = t r 0 cos ϕ t 1 sin2 ϕ π/2 sin2 ϕ 1 =− 2 1 =− 3 t 0 π/2 0 0 π/2 1 3 dϕ = {sin ϕ > 0} (1 − cos2 ϕ) sin ϕ dϕ π 2 − .wikipedia. c c Izraˇunajmo c I= −∞ ∞ e−x dx. Pri tome nastupaju razni fenomeni i problemi sliˇni fenomenima kod prouˇavanja lic c mesa funkcija viˇe varijabli (vidi poglavlje 3. koje ne´emo detaljno izuˇavati.

c Neka je Kr ˇetvrtina kruga u prvom kvadrantu upisana kvadratu D i neka c √ c je K 2 r ˇetvrtina kruga u prvom kvadrantu opisana kvadratu D (vidi sliku 4. Kako je e−(x 2 +y 2 ) > 0 i Kr ⊂ D ⊂ K√2 r .8 0. tada je lim Ir 2 2 = lim Ir .2 Dvostruki integral 181 1 0. Podruˇje integracije D je. r→∞ r→∞ pa je I =2 Vrijedi r 2 Ir r r r −x2 −y 2 lim I 2 .4 0.3) . vrijedi 2 +y 2 ) e−(x Kr dx dy ≤ Ir ≤ K√2 r e−(x 2 +y 2 ) dx dy. r→∞ r = Ir · I r = ≡ D e 0 dx · e 0 dy = 0 0 e−(x 2 +y 2 ) dx dy e −(x2 +y 2 ) dx dy. dakle.6: Funkcija y = e−x Ako lim Ir postoji.4. kvadrat s stranicom r u prvom kvadrantu.6 0.2 exp(-x**2) -4 -2 0 2 2 4 x Slika 4.7). (4.

.7: Kvadrat s upisanom i opisanom ˇetvrtinom kruga c U polarnim koordinatama vrijedi π/2 r e Kr −(x2 +y 2 ) dx dy = 0 0 e−t t dt dϕ.3) i Teorem o uklijeˇtenoj funkciji [M1. Relacija (4. 4 Dakle. 2 Uz supstituciju t2 = u vrijedi 2 e−t t dt = pa je e−(x Kr 2 +y 2 ) 1 2 e−u du = − π 2 1 2 − e−t 2 2 +y 2 ) 1 2 r 1 2 e−u − e−t 2 = 0 dx dy = π 2 −e−r + 1 .182 ˇ VISESTRUKI INTEGRALI y r 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 Kr r K D sqrt(2)r x Slika 4. e−(x Kr dx dy → π 4 kada t → ∞.4] povlaˇe c π lim I 2 = r→∞ r 4 pa je konaˇno c √ I = π. teorem s 4. Sliˇno vrijedi c e−(x K √2 r 2 +y 2 ) dx dy = π π 2 −e−2r + 1 → 4 4 kada t → ∞.

3 Trostruki integral Trostruki integral neprekidne funkcije f : D → R. tada je b d g f (x. y). c Ako je podruˇje D odredeno relacijama c a ≤ x ≤ b. g1 (x. – ako je f (x. y. D ⊆ R3 . tada je trostruki integral f (x. pri ˇemu je dV = dx dy dz element volumena. y. b] × [c. f (x. Primjer 4. z) gusto´a tijela koje zaprema podruˇje D u toˇki T = c c c (x. y) ≤ y ≤ g2 (x.8. z) dz dy dx. D b h2 (x) g2 (x.3 Trostruki integral 183 4. g].y) dz dy dx. c c D = [a. d] × [e. y. .6 Odredimo volumen tijela omedenog plohama z = x2 + y 2 i z = x2 + y 2 . Rad se o volumenu podruˇja izmedu paraboloida i stoˇca ˇiji s c c je presjek s ravninom y = 0 prikazan na slici 4. y. Ako je podruˇje integracije kvadar. tada trostruki integral daje volumen podruˇja c 4. y. mogu´i su i drugi redoslijedi integriranja. z).y) h1 (x) ≤ y ≤ h2 (x). tada je b h2 (x) g2 (x. z) dV = D a h1 (x) g1 (x. y. raˇunamo c sliˇno kao i dvostruki integral. z) dV jednak masi tog D tijela.1. z) dx dy dz = D a c e f (x. Kao i u sluˇaju dvostrukog c c integrala.4. y.y) f (x. Tipiˇne primjene trostrukog integrala su sljede´e: c c – ako je f (x. 4 Integriranje ove formule po varijabli z daje formulu 4. z) = 1. y.y) V (D) = D dV = a h1 (x) g1 (x. z) dz dy dx.

5 1 Slika 4.8 0. Dakle.8: Projekcija presjeka paraboloida i stoˇca na xz-ravninu s Za postavljanje integrala trebamo opisati podruˇje D. Primjer ´emo rijeˇiti do kraja u slijede´em poglavlju koriste´i cilindriˇne c s c c c koordinate.2 abs(x) x**2 -1 -0. a iz drugog s s c rjeˇenja vidimo da se plohe joˇ sijeku u jediniˇnoj srediˇnjoj kruˇnici za s s c s z z = 1. Stoga je zadani volumen jednak 1 √ 1−x2 √ x2 +y 2 V = √ −1 − 1−x2 x2 +y 2 dz dy dx. z = z.4 0.1 Cilindriˇne i sferne koordinate c Cilindriˇni koordinatni sustav odnosno cilindriˇne koordinate zadane su c c transformacijama: x = r cos ϕ. y = r sin ϕ. s prvo rjeˇenje je ishodiˇte gdje se dvije zadane plohe oˇito sijeku.3.6 0.184 ˇ VISESTRUKI INTEGRALI 1 0. 4. . Nadimo presjek c zadanbih ploha: izjednaˇavanje z = z daje jednadˇbu c z x2 + y 2 = x2 + y 2 koja ima rjeˇenja x = y = 0 i x2 + y 2 = 1 odnosno x2 + y 2 = 1.5 0 0.

z z+dz z r r+dr ϕ dϕ x y Slika 4.4.9: Element volumena u cilindriˇnim koordinatama c Primjer 4. z) r dr dϕ dz.6 je lako izraˇunati prelaskom na cilinc driˇne koordinate. y. 6 Sferne koordinate ili prostorne polarne koordinate zadane su transforma- . π].7 Volumen iz primjera 4.3 Trostruki integral 185 pri ˇemu je r ≥ 0 i ϕ ∈ [0. Vrijedi c 2π 1 r 1 2π 0 r r2 V = 0 0 r2 1 dz r dr dϕ = ϕ · z 0 r dr = 2π 0 (r 2 − r 3 ) dr = 1 π. z) dV = D D f (r cos ϕ.9) dV = r dr dϕ dz pa je f (x. r sin ϕ. 2π] ili ϕ ∈ [−π. s time ˇto se povrˇina baze raˇuna s s s s c u polarnim koordinatama (vidi sliku 4. Dakle. element volumena c jednak je umnoˇku povrˇine baze i visine.

8 Primjer jedne verzije sfernog koordinatnog sustava koji je ˇesto c u upotrebi su zemljopisne karte. z) → (r. θ. y. y. Udaljenost r se prikazuje kao nadmorska visina. z s Odabir θ ∈ [0. π]. π] i ϕ ∈ [−π. π] je matematiˇki povoljniji (vidi kasnije). y = r sin θ sin ϕ. π/2]. (r. Uz oznaku c c ρ = r sin θ moˇemo pisati z x = ρ cos ϕ. θ. ˇ VISESTRUKI INTEGRALI pri ˇemu je r ≥ 0. c . π]. ϕ). ˇto odgovara odabiru θ ∈ [−π/2. ϕ) → (x. ˇto odgovara odabiru ϕ ∈ [−π. z = r cos θ. z T r θ y ϕ ρ x Slika 4.1 Prethodne formule sluˇe za prebacivanje iz sfernih u Kartez zijeve koordinate.10: Sferne koordinate Zadatak 4. Izvedite formule za prebacivanje iz Kartezijevih u sferne koordinate. a obiˇno se odabire θ ∈ [0. (x. jer je tada sin θ ≥ 0. a kut θ je zemljopisna ˇirina koja s s se mjeri sjeverno i juˇno od ekvatora. z = r cos θ.10. kut ϕ je zemljopisna duˇina koja se mjeri istoˇno i zapadno od Grez c enwicha. Primjer 4.186 cijama x = r sin θ cos ϕ. z). y = ρ sin ϕ. Sferne koordinate prikazane su na slici 4.

u sfernim koordinatama vrijedi glavni izraz pa ih izostavljamo f (x. Iz slike 4. f (r sin θ cos ϕ. z dθ ϕ r r+dr x θ b a dϕ y Slika 4.2. Dakle. no oni teˇe k nuli brˇe nego c z s c z z 5 . dV ≈ r 2 sin θ dθ dr dϕ. r cos θ) r 2 sin θ dθ dr dϕ. Toˇan izraz za dV sadrˇi joˇ i druge ˇlanove. z) dV = D D b = r dθ.3 Trostruki integral 187 Za raˇunanje trostrukog integrala u sfernom koordinatnom sustavu poc trebno je izraˇunati element volumena dV .11: Element volumena u sfernim koordinatama Usporedi sa izvodom elementa povrˇine dP u polarnim koordinatama iz poglavlja s 4. r sin θ sin ϕ.4. y. Dakle.2. pri ˇemu je c a = r sin θ dϕ. 5 .11 vidimo da je c dV ≈ a b dr.

v. w). v. v. neka je D ′ ⊆ R3 i neka su α. y. i neka je funkcija f neprekidna i integrabilna na skupu D. β. v. problem zac mjene varijabli u viˇestrukom integralu je op´eniti problem koji ima op´enito s c c rjeˇenje.9 Volumen kugle K radijusa R jednak je π π R V = K π 1 · dV = π r 2 sin θ dr dθ dϕ −π 0 0 R π π = −π dϕ · 0 sin θ dθ · r 2 dr = ϕ 0 −π · (− cos θ) 0 · r3 3 R 0 = 4 3 R π. ∂w ∂γ ∂w ∀(u. v. v. D ⊆ R3 . z) dx dy dz. β(u. Ako je Jakobijan (Jacobijeva matrica) ∂α ∂u J(u. γ(u.2 Neka je zadan integral I= D f (x. w).188 ˇ VISESTRUKI INTEGRALI Primjer 4. w) = ∂β ∂u ∂γ ∂u tada je f (x. f (α(u. Za trostruki integral (n = 3) postupak je dan sljede´im teoremom s c kojeg navodimo bez dokaza. w) = (α(u. v. w). y. γ : D ′ → R diferencijabilne funkcije za koje je preslikavanje p : D ′ → D definirano s p(u. γ(u. v. w). w)) |J| du dv dw.4 Zamjena varijabli U prethodnom poglavljima izveli smo dvije zamjene varijabli: iz Kartezijevih u cilindriˇne i iz Kartezijevih u sferne koordinate. Teorem 4. w) ∈ D ′ . v. 3 4. No. w)) bijekcija. β(u. . z) dx dy dz = D D′ ∂α ∂v ∂β ∂v ∂γ ∂v ∂α ∂w ∂β = 0.

bijekcija. ϕ) = r sin θ cos ϕ. π] × [−π. ϕ). π].4. ∂α ∂ϕ = Stoga je J= ∂β ∂β ∂r ∂ϕ pa je. θ. . Funkcije α. . y i z mogu biti varijable u bilo kojem koordinatnom sustavu (ne nuˇno Kartezijevom). zbog r ≥ 0. ϕ) = (x. y = r sin ϕ ≡ β(r. c Primjer 4. Zamjena varijabli se na z analogan naˇin definira i za ostale dimenzije (n = 2. θ. n = 4. γ(r. z).10 Kod prelaza iz Kartezijevog u sferni koordinatni sustav moˇemo z uzeti u = r. i |J| = r. ). a Jakobijan glasi Konaˇno. ∂α ∂r J= ∂β ∂r ∂γ ∂r ∂α ∂θ ∂β ∂θ ∂γ ∂θ ∂α ∂ϕ sin θ cos ϕ r cos θ cos ϕ −r sin θ sin ϕ ∂β = sin θ sin ϕ r cos θ sin ϕ −r sin θ cos ϕ = r 2 sin θ. ϕ) = r cos θ.2 Izvedite Jakobijan za cilindriˇne koordinate. zbog θ ∈ [0.11 Za n = 2 teorem 4. v = θ. Zadatak 4. ∂α ∂r cos ϕ −r sin ϕ =r sin ϕ r cos ϕ . ∞] × [0. Iz definicije sfernih koordinata slijedi da je preslikavanje p : D ′ → D.2 vrijedi tako ˇto jednostavno zanemarimo s tre´u varijablu pa Jakobijan postaje determinanta drugog reda. β(r. c za prelaz iz Kartezijevih u polarne koordinate vrijedi x = r cos ϕ ≡ α(r. α(r. ∂ϕ cos θ −r sin θ 0 ∂γ ∂ϕ p(r. c Primjer 4. y. . θ.4 Zamjena varijabli 189 U prethodnom teoremu varijable x. ϕ) = r sin θ sin ϕ. ϕ). β i γ su diferencijabilne. Na primjer. Nadalje. w = ϕ. π] je sin θ ≥ 0 pa je c |J| = |r 2 sin θ| = r 2 sin θ. n = 5. ako je D = R3 tada je D ′ = [0. θ.

7. kao i u poglavlju 2. yj ).6.190 ˇ VISESTRUKI INTEGRALI 4. y) dP. yj )∆P ] yij .7 na dvodic c menzionalni i trodimenzionalni sluˇaj. yj )∆P. slijedi c m = lim ∆P →0 ρ(x. y) dP.6. m Primjer 4. ¯ x ¯ ¯ [My ]ij ≈ mij xij = [ρ(¯i .j ∆P →0 [My ]ij = i. c Koordinate teˇiˇta ploˇe P su. y) dP = D x2 + y 2 dP = 0 0 1 r · r dr dϕ = πa3 3 . Mx i My redom masa ploˇe P.12) pa je gusto´a ploˇe u z c c toˇki (x. ¯ x ¯ ¯ mij = i. pri ˇemu su m. moment ploˇe P oko x-osi i c c c moment ploˇe P oko y-osi.j D Sumiraju´i po svim i i j i prelaskom na limes kada ∆P → 0. jednake zs c x= ¯ My . y ρ(x. m y= ¯ Mx . y) dP. Promotrimo ravnu ploˇu P gusto´e ρ(x. c c s Oznaˇimo li srediˇte pravokutnika Pij s (¯i . yj )∆P ] xij .5 Momenti i teˇiˇta zs U ovom poglavlju poop´it ´emo razmatranja iz poglavlja 2. tada s s s jednadˇba kruga glasi x2 + y 2 = a2 (vidi sliku 4.12 Odredimo teˇiˇte polukruˇne ploˇe ˇija je gusto´a jednaka zs z c c c udaljenosti od srediˇta kruga: ako srediˇte kruga smjestimo u ishodiˇte. y) koja zauzima podruˇje D ⊂ c c c Ploˇu ´emo podijeliti na male pravokutnike Pij povrˇine ∆P = ∆x∆y. masa mij dotiˇnog pravoc s x ¯ c kutnika je pribliˇno jednaka z mij ≈ ρ(¯i . D Mx = lim My = lim ∆P →0 [Mx ]ij = i. y) = x2 + y 2 .j D xρ(x. c R2 . y) dana formulom c ρ(x. x ¯ dok su momenti oko osi x-osi i y-osi pribliˇno jednaki z [Mx ]ij ≈ mij yij = [ρ(¯i . Prelaskom na polarne koordinate imamo π a m= D ρ(x.

y) dP. zbrojimo momente inercije c oko x-osi svih pravokutnika te predemo na limes kada povrˇine pravokutnika s teˇe u nulu.3 Nadite teˇiˇte trokutaste ploˇe s vrhovima (0. 0) i (0. Primijetimo da je Io = Ix + Iy .12: Polukruˇna ploˇa z c Nadalje. c c c teˇiˇte se nalazi na y-osi.4. 3 a/(2π)). 2π Dakle. dok je zs ¯ 1 y= ¯ m D 3 y ρ(x. c Moment inercije ili moment drugog reda ˇestice mase m oko x-osi definic ramo kao m d3 . teˇiˇte se nalazi u toˇki T = (0. 0).5 Momenti i teˇiˇta zs 191 a Slika 4. y) = 1 + 2x + y. y) dP. 1) i funkcijom gusto´e ρ(x. pri ˇemu je d udaljenost ˇestice od osi. Moment inercije ploˇe P oko ishodiˇta definiramo kao c s Io = D (x2 + y 2 )ρ(x. zs c zs c Zadatak 4. (2. kako su i ploˇa i funkcija gusto´e simetriˇne s obzirom na y-os. Sliˇno dobijemo i izraz za moment moment inercije ploˇe P oko x-osi: c c Iy = D x2 ρ(x. Kao i u prethodnom c c izlaganju ploˇu podijelimo na male pravokutnike. odnosno vrijedi x = 0. na taj naˇin smo dobili moment inercije ploˇe P oko x-osi: z c c Ix = D y 2 ρ(x. y) dP = π a3 0 π a 0 r sin ϕ · r · r dr dϕ = 3a . . y) dP.

y.3). y . m z= ¯ Mxy . rac dijusa a s centrom u ishodiˇtu. z) dV. z) dV. D Mxz = Mxy = D z ρ(x. z) dV. z) dV. masa tijela Ω uzima podruˇje D ⊂ R c c jednaka je m= D 1 1 Io = πρ a4 . Teˇiˇte se nalazi u tuˇki T = (¯. y.13 Nadimo momente inercije homogenog diska gusto´e ρ. ako pove´amo radijus ili masu diska. y. y ρ(x. to je teˇe pokretanje i zaustavljanje rotacije c z diska oko osovine. Sliˇnim razmatranjem kao i do sada.192 ˇ VISESTRUKI INTEGRALI Primjer 4. pove´at ´e se i moment inercije. 2 4 ρ(x. m y= ¯ Mxz . 2 Dakle. Rub podruˇja integracije D je kruˇnica s c z x2 + y 2 = a2 . gdje je zs c x ¯ ¯ x= ¯ Myz . Momenti oko koordic natnih ravnina su redom Myz = D x ρ(x. m . 2 Zbog simetrije problema je Ix = Iy iz ˇega slijedi c Ix = Iy = Uoˇimo da je masa diska jednaka c m = ρ π a2 pa stoga moˇemo pisati z 1 m a2 . c c c ˇ Sto je moment inercije ve´i. Io = Promotrimo sada trodimenzionalni sluˇaj tijela Ω gusto´e ρ(x. z) zac c 3 . y. y. z ). U polarnim koordinatama vrijedi 2π a Io = D (x + y )ρ dP = ρ 0 0 2 2 r 2 r dr dϕ = 1 πρ a4 . pri ˇemu je dV element volumena (vidi poglavlje 4.

y = 0. y. y.5 Momenti i teˇiˇta zs 193 Momenti inercije oko koordinatnih osiju su Ix = D (y 2 + z 2 ) ρ(x. z) ⊂ R3 : 0 ≤ x ≤ 1. . y. z) dV.13(b). 0 ≤ z ≤ 1 − 1 − (x − 1)2 }. redom. D Iy = Iz = D (x2 + y 2 ) ρ(x. koje ima oblik idealne naprave za blokadu kotaˇa. z 1 1 x (a) (b) Slika 4. (x2 + z 2 ) ρ(x. zs c Primjer 4.13(a) i 4.14 Nadimo teˇiˇte tijela homogene gusto´e ρ koje je omedeno plohom z = 1 − 1 − (x − 1)2 i ravninama x = 0. Tijelo. y = 1 i z = 0. 0 ≤ y ≤ 1. i njegova projekcija c na xz-ravninu prikazani su na slikama 4.13: Blokada kotaˇa i projekcija na xz-ravninu c Tijelo zaprema podruˇje c D = {(x.4. z) dV. z) dV. y.

c s c Vrijedi Mxz = D ρ y dV = ρ 1 2 y 2 1 0 1 1− √ 1−(x−1)2 z 0 0 dx π 1 ρ 1− 2 4 pa je y = Mxz /m = 1/2. i visine koja je s s jednaka 1. Prethodni integral se moˇe rijeˇiti supstitucijom x − 1 = sin t.223. 3(4 − π) 2 3(4 − π) z= ¯ 6 Uvjerite se u ovu tvrdnju tako ˇto ´ete izraˇunati moment Myz . To je i logiˇno jer tijelo ima homogenu gusto´u. Volumen V je jednak s c umnoˇku povrˇine baze. c √ 1 2 1 z 2 1− 1−(x−1) Mxy = ρ z dV = ρ y dx 2 0 0 = D 0 = 1 ρ 2 1 ρ 2 1 0 2π (1 − 1 − (x − 1)2 )2 dx = 10 − 3π 12 x − 1 = sin t dx = cos t dt x t 0 3 2π 1 2π = pa je (1 − cos t)2 dt = ρ 3 π 2 10 − 3π Mxy = ≈ 0.194 Masa tijela jednaka je 1 1 1− ˇ VISESTRUKI INTEGRALI √ 1−(x−1)2 1 1 1− √ 1−(x−1)2 m= D 1 ρ dV = ρ 0 0 0 dz dy dx = ρ y 0 0 z 0 dx =ρ 0 (1 − 1 − (x − 1)2 ) dx = ρ 1 − π 4 ≈ 0. s c c . a ¯ c c simetriˇno je s obzirom na pravac y = 1/2.215 ρ. m 3(4 − π) Zbog simetrije zakljuˇujemo da mora vrijediti x = z pa6 se teˇiˇte tijela c ¯ ¯ zs nalazi u toˇki c 10 − 3π 1 10 − 3π T = . Dakle V = P · 1 = 1 − π/4. no do rjeˇenja z s s moˇemo do´i i jednostavnije: u ovom sluˇaju tijelo ima homogenu gusto´u z c c c pa je masa jednaka umnoˇku gusto´e i volumena. . . koja je prikazana na slici 4. Nadalje.13(b). Povrˇina baze P jednaka je razlici povrˇine jediniˇnog kvadrata i s s c ˇetvrtine povrˇine jediniˇnog kruga.

α) ∆α→0 ∆α  b 1  f (x. α) dx  .1)] je I ′ (α) = lim I(x. kao i primjene tih postupaka na rjeˇavanje nekih s c odredenih integrala. α + ∆α) − I(x. pri ˇemu i granice integracije c takoder mogu biti funkcije od α. a Dokaz. Kada se α mijenja. Kao i kod svih funkcije jedne varijable (vidi [M1. §5]. d) vrijedi Leibnitzova formula I (α) =  ′  b a f (x. α) dx. α + ∆α) − f (x. raˇunanje derivacija je od izuzetne c vaˇnosti. c 4. z ′ Teorem 4. α) dx u kojem integrand f (x. Prema definiciji derivacije [M1. α) : a ≤ x ≤ b.6 Integrali ovisni o parametru 195 Zadatak 4. Takoder ´emo obraditi gama i beta funkcije. (5. z = 0 i z = x. α) neprekidne za skupu A = {(x. α) dx. c ≤ α ≤ d}.6 Integrali ovisni o parametru U ovom poglavlju opisat ´emo postupke deriviranja i integriranja intec grala ovisnih o parametru.4 Nadite teˇiˇte tijela homogene gusto´e koje je omedeno parazs c boliˇkim cilindrom y 2 = x i ravninama x = 1. α) i njena parcijalna derivacija fα (x.4. vrijednost odredenog integrala se takoder mijenja pa je zadani integral funkcija od α. α) dx = α ′ b ′ fα (x. α) ovisi o parametru α. ∆α f (x. Tada za svaki α ∈ (c.3 Neka su funkcija f (x. Promotrimo integral b I(α) = a f (x. α + ∆α) dx − = lim ∆α→0 ∆α a b b a = lim ∆α→0 a f (x.

dα ∂α ∂ϕ dα ∂ψ dα ∂I = ∂α ϕ(α) ′ fα (x. uz uvjete teroema 4. α) dx.3 je ψ(α) dI ∂I ∂I dϕ ∂I dψ = + + . odnosno ′ Fx (x. α). α) dx. α) za neki α. ψ(α)). α)] = f (ψ(α). ϕ(α).4 Neka su. ∂ψ . α) dx = ∂ F (x.9 i dalje] b I (α) lim ′ ∆α→0 a ′ fα (x. α) − F (ϕ(α).3. α).5) daje I ′ (α) = Prema teoremu 4. Tada za svaki α ∈ (c. dα dα Dokaz. d) i neka je a ≤ ϕ(α) ≤ ψ(α) ≤ b za svaki α ∈ (c.196 ˇ VISESTRUKI INTEGRALI Lagrangeov teorem srednje vrijednosti [M1. α + ϑ∆α) dx za neki 0 < ϑ < 1 pa prelazak na limes daje tvrdnju teorema. α) = f (x. d). imamo sljede´i c c rezultat: Teorem 4. α) ∂ψ ψ(α) ϕ(α) = ∂ [F (ψ(α). d) vrijedi ψ(α) I ′ (α) = ϕ(α) ′ fα (x. α) dx + f (ψ(α). Neka je ψ(α) I(α) = ϕ(α) f (x. teorem 5. Interpretiramo li zadani integral kao I(α) ≡ I(α. U sluˇaju kada su i granice integracije funkcije parametra. Tada je ψ(α) ∂ ∂I = ∂ψ ∂ψ ϕ(α) f (x. funkcije ϕ(α) i ψ(α) neprekidne i derivabilne na intervalu (c. Neka je F (x. α) primitivna funkcija funkcije f (x. α) dϕ dψ − f (ϕ(α). pravilo za deriviranje kompozicije funkcija (teorem 3. α) .

λ) = 0 e−kx sin λx dx. m+1 ′ Funkcije f (x.16 Izraˇunajmo integral c ∞ I(k. Vrijedi 1 xm dx = 0 1 . c z Primjer 4. m) = xm i fm (x. m. x . α) ∂ϕ pa tvrdnja teorema slijedi iz ˇetiri prethodne relacije. (m + 1)n+1 Primjer 4.6 Integrali ovisni o parametru 197 Sliˇno se pokaˇe da je c z ∂I = −f (ϕ(α). c Prethodni teoremi koriste se za rjeˇavanje nekih diferencijalnih jednadˇbi. m) = xm ln x su neprekidne za 0 < x < 1 i m > 0 pa teorem 4. (m + 1)2 Nakon joˇe jednog deriviranja imamo s 1 xm (ln x)2 dx = 0 2! (m + 1)3 iz ˇega zakljuˇujemo da n deriviranja po varijabli m daje c c I = (−1)n n! .4.15 Izraˇunajmo integral c 1 I= 0 xm (ln x)n dx. s z raˇunanje Fourierovih koeficijenata i nalaˇenje nekih odredenih integrala. n ∈ N.3 daje 1 1 d dm 0 x dx = 0 m xm ln x dx = − 1 .

s b) I(α) = 0 (x2 n ∈ N.198 ˇ VISESTRUKI INTEGRALI Koriste´i teorem 4. (2n)!! 2αn α 2 c) I(α) = 0 α e −x2 − α2 x dx. 1 + x2 (rjeˇenje: I(α) = s Primjer 4. √ π −2α e ).14) ∞ Γ(α) = 0 xα−1 e−x dx. λ = 0. α > 0. k Ovaj rezultat ujedno daje i vrijednost Dirichletovog  π − za ∞  λ  2 sin λx dx = lim arctg = 0 za k→0+ x k  π   0 za 2 ∞ Dakle.3 i tehniku integriranja iz primjera 1. λ > 0. . 2 d) I(α) = 0 ln(1 + α x) dx. + λ2 k λ dλ = arctg + C. 0) = arctg 0 + C = C slijedi C = 0 pa je I(k. 2 +λ k Iz 0 = I(0. λ) = k2 λ I(k.17 Gama funkcija ili Eulerov integral druge vrste je integral (slika 4. vrijedi integrala: λ < 0.6 d) imamo c dI = dλ ∞ 0 e−kx cos λx dx = e−kx (λ sin λx − k cos λx k 2 + λ2 ∞ 0 = k2 k . (rjeˇenje: I(α) = s 2 1 arctg α · ln(1 + α2 ) ). λ) = arctg . Zadatak 4.5 Izraˇunajte sljede´e integrale: c c a) I(α) = 0 ∞ e−x − e−αx dx x 1 dx. + α)n+1 (rjeˇenje: I(α) = ln α ). (rjeˇenje: I(α) = s ∞ π (2n − 1)!! √ ).

α.6 Integrali ovisni o parametru 199 10 5 -3 -2 -1 1 2 3 4 -5 -10 Slika 4. odnosno vrijedi c B(α. α). Beta funkcija je simetriˇna s obzirom na svoje parametre.4. β) = B(β. β > 0. Za α > 1 parcijalna integracija daje ∞ Γ(α) = 0 x α−1 −x e dx = −x α−1 −x e ∞ 0 ∞ + (α − 1) xα−2 e−x dx 0 iz ˇega slijedi c Γ(α) = (α − 1) Γ(α − 1).14: Gama funkcija Za α = 1 vrijedi (vidi poglavlje 2. Bez dokaza navodimo dvije veze izmedu gama funkcije i . Stoga za α = n ∈ N vrijedi Γ(n) = (n − 1) · (n − 2) · · · 3 · 2 · Γ(1) = (n − 1)! Beta funkcija ili Eulerov integral prve vrste je integral 1 B(α.5): ∞ Γ(1) = 0 e−x dx = 1. β) = 0 xα−1 (1 − x)β−1 dx.

1 − α) = Tako je. Za y = x je 1 I= 0 x2 (x + x · 1) dx = 2 2 1 = 1. gdje je y = y(x) neka neprekidno derivabilna funkcija i a. 1 2 2 π . Funkcija (integral) I se zove funkcional. Γ pa je Γ(1/2) = √ π. z Primjer 4. y ′ ) dx. no gradivo je izloˇeno s z z na naˇin da je ta potreba svedena na minimum.18 Promotrimo funkcional 1 I(y) = 0 (y + x y ′ ) dx. β) = Γ(α) Γ(β) . na primjer. 0 . c Izrazom I(y) = a b F (x. Za c z bolje razumijevanje izlaganja u ovom poglavlju potrebno je poznavati neke tehnike za rjeˇavanje diferencijalnih jednadˇbi iz glave 5. metode koja sluˇi za modeliranje i rjeˇavanje vaˇnih matematiˇkih. z 4.7 Varijacioni raˇun c U ovom poglavlju objasnit ´emo osnove varijacionog raˇuna (ili raˇuna c c c varijacija).200 beta funkcije: B(α. sin απ 0 < α < 1. b ∈ R. Γ(α + β) ˇ VISESTRUKI INTEGRALI Γ(α) Γ(1 − α) = B(α. definirana je funkcija I funkcije y(x) koja svakoj neprekidno derivabilnoj funkciji pridruˇuje vrijednost integrala I. y. =B 1 1 . z Problemi varijacionog raˇuna svode se na diferencijalne jednadˇbe.1 − 2 2 =π Gama funkcija i beta funkcija se javljaju u brojnim aplikacijama i po vaˇnosti su odmah iza elementarnih funkcija. z s z c fizikalnih i inˇenjerskih problema.

c Primjer 4. y(b) = B.6a) ) 1 1 I= 0 (ex + x ex ) dx = (ex + x ex − ex ) = e.16). Takva krivulja zove se z c c brahistohrona. v brzina i m masa materijalne toˇke. 0 a za y = ex je (vidi primjer 1.20 Problem najkra´eg vremena glasi: odredite krivulju po koc joj ´e teˇka materijalna toˇka ispuˇtena iz ishodiˇta kliˇu´i se bez trenja c s c s s z c najbrˇe sti´i u toˇku A = (a. Mogu´e je z c zahtijevati da funkcija y zadovoljava i jedan ili oba rubna uvjeta: y(a) = A. Problem je 1696. Prema zakonu o oˇuvanju energije vrijedi c c c 1 m v − m g x = 0.6. A. c Primjer 4. Neka je s c c prijedeni put. a rijeˇio ga je iste godine Isaac Newton s 7 .19 Problem najkra´eg puta glasi: na´i najkra´i put izmedu toˇaka c c c A = (x0 . y1 ) (vidi sliku 4. y(t)) koordinate materijalne toˇke u trenutku t.15). y0 ) i B = (x1 . 2 Na grˇkom jeziku brahistos znaˇi najkra´i. Konstantnu gravitacije oznaˇit ´emo s g. b) (vidi sliku 4. c c c c godine postavio Johann Bernoulli. Prema poglavlju 2.7 Neka su (x(t).7 Varijacioni raˇun c 201 za y = 2 x2 je 1 I= 0 (2 x2 + x · 4 x) dx = 6 x3 3 1 = 2. a vrijednost funkcionala za tu krivulju daje duljinu najkra´eg puta. 0 Zadatak je na´i neprekidno derivabilnu funkciju y za koju funkcional c I(y) dostiˇe ekstremnu vrijednost (ako takva funkcija postoji).2 duljina puta od toˇke A do toˇke B je c c b S= a 1 + y ′2 dx pa je rjeˇenje zadatka krivulja y = y(x) koja minimizira funkcional s b I(y) = a 1 + y ′2 dx. a hronos zna´i vrijeme.4. B ∈ R.

15: Problem najkra´eg puta c b y g a x A Slika 4. x .6. v= 2 g x.2 element duljine luka jednak je ds = dt = 1 + y ′2 dx. ds . 2g x 1 + y ′2 dx pa je S druge strane je v = ds/ dt pa nakon uvrˇtavanja i sredivanja imamo s dt = √ Prema poglavlju 2.16: Problem brahistohrone odnosno. 2gx a Integral daje ukupno vrijeme spuˇtanja: s 1 t = t(y) = √ 2g x 0 1 + y ′2 dx.202 y ˇ VISESTRUKI INTEGRALI B A x0 x1 x Slika 4.

y.4. Razlika δy = y − y0 zove se varijacija funkcije y0 (vidi sliku 4. gdje je η = η(x) neka derivabilna funkcija. y. ovu jednakost moˇemo zapisati i kao z y = y0 + ε η. y0 + ε η ′ ) dx . a ε > 0 dovoljno mali broj. No. tada funkcional I postaje funkcije varijable ε. y0 + ε η. y0 + ε η.7 Varijacioni raˇun c 203 Dakle. brahistrona je krivulja koja minimizira funkcional t. y ) dx = a ′ ′ F (x.1 Nuˇni i dovoljni uvjeti ekstrema z Pretpostavimo da je krivulja y0 = y0 (x) ekstrem funkcionala I(y) = pri ˇemu je F (x. odnosno. y ′ ) neprekidna dva puta derivabilna c funkcija svojih argumenata. y0 + δ y y y0 −δ y0 a b Slika 4.17).7. odnosno b I = I(ε) = a ′ F (x. y0 + ε η ′ ) dx. y. Ako fiksiramo η. vrijedi y = y0 + δy. y ) dx. b]. neka za ρ > 0 vrijedi b ′ a F (x. y0 (x) − ρ ≤ y(x) ≤ y0 (x) + ρ.17: Funkcija y0 i njene varijacije Dakle. 4. Sada vrijedi ′ y ′ = y0 + ε η ′ pa je b b I= a F (x. Neka je krivulja y = y(x) blizu krivulji y0 . x ∈ [a.

y0 + ε η ′ ) η + ′ (x. dε Funkcija y0 rjeˇenje problema pa mora biti i ε = 0. ∂y0 du = d dx ∂F ′ ∂y0 b a dx. ∂y0 ∂y0 Parcijalna integracija drugog ˇlana uz c u= daje b ∂F ′ .5) Sada nam je potreban sljede´i teorem: c . Ako funkcija y0 zadovoljava rubne uvjete y0 (a) = A i y0 (b) = B.4) Razlikujemo dva sluˇaja.204 pa nuˇni uvjet ekstrema glasi z ˇ VISESTRUKI INTEGRALI dI = 0. ε=0 Prema pravilu za deriviranje pod znakom integrala (teorem 4. y0 .3) i pravilu za deriviranje sloˇenih funkcija (teorem 3. ∂y ∂y ′ Za ε = 0 je y = y0 i y ′ = y0 pa parcijalne derivacije po y i y ′ postaju ′ parcijalne derivacije po y0 i y0 . s dI dε = 0. Stoga je dI dε b = ε=0 a ∂F ∂F ′ ′ (x. y0 ) η ′ dx = 0. b dv = η ′ dx. y0 + ε η. c tada u obzir dolaze samo one funkcije y koje takoder zadovoljavaju iste rubne uvjete. y0 ) η + ′ (x. (4. v=η a ∂F ∂F η dx + η ′ ∂y0 ∂y0 ∂F η ′ ∂y0 b b − η a d dx ∂F ′ ∂y0 dx = 0. No.4) jednak nuli te nuˇan uvjet c z ekstrema glasi b a d ∂F − ∂y0 dx ∂F ′ ∂y0 η dx = 0. c Sluˇaj 1. y0 . y0 + ε η. tada je oˇito c η(a) = η(b) = 0 pa je prvi ˇlan u relaciji (4. y0 + ε η ′ ) η ′ dx.5) vrijedi z dI = dε b a ∂F ∂F ′ ′ (x. odnosno + a a d ∂F − ∂y0 dx ∂F ′ ∂y0 η dx = 0. (4. Dakle. odnosno za koje je y(a) = A i y(b) = B.

c Dokaz. S druge strane. Pretpostavimo da c c postoji toˇka x ∈ (a. ako je funkcija y ekstrem polaznog funkcionala. recimo c ¯ ϕ(x) > 0. y ′ (b)) = 0. x − ξ]. s Direktnom primjenom teorema 4. y(b). postupamo c na sljede´i naˇin: relacija (4. ˇto je suprotno pretpostavki teorema i teorem je dokazan. dobili smo Eulerovu jednadˇbu z d ∂F − ∂y dx ∂F ∂y ′ = 0. x + ξ). 2 (x − x − ξ)2 . ona je nuˇno i rjeˇenje z s Eulerove jednadˇbe.4. sada i prvi ˇlan s z u relaciji (4. ∂y ′ . Definirajmo funkciju η na sljede´i naˇin: c c  x ∈ [a. y(a).5 na relaciju (4.5 Ako za neprekidnu funkciju ϕ(x) vrijedi b ϕ(x) η(x) dx = 0 a za svaku neprekidno derivabilnu funkciju η za koju je η(a) = η(b) = 0. x ∈ [¯ + ξ. ¯ ¯ za neki ξ > 0. odnosno ϕ(x) = 0 za svaki x ∈ [a. tada je funkcija ϕ identiˇno jednaka nuli. x ∈ (¯ − ξ. uz ispuˇtanje indeksa s 0 radi jednostavnosti. vrijedi ϕ(x) η(x) dx = a x−ξ ¯ ϕ(x) η(x) dx > 0. Teorem ´emo dokazati pomo´u kontradikcije. z Sluˇaj 2.6) Dakle. x b ¯ +ξ Funkcija η zadovoljava pretpostavku teorema (provjerite). ≤ b]. b) za koju je ϕ(¯) = 0.4) vrijedi za proizvoljnu funkciju η pa i za c c takve za koje je η(a) = η(b) = 0. ¯  0. Ako funkcija y0 ne zadovoljava nikakve rubne uvjete. Medutim. η(x) = (x − x + ξ) ¯ ¯ x ¯  0. (4. ∂y ′ ∂F (b.4) mora biti jednak nuli za svaku funkciju η pa rjeˇenje y mora s zadovoljavati uvjete transverzalnosti (popreˇnosti) c ∂F (a. recimo ϕ(¯) > 0. Tada je radi c ¯ x x neprekidnosti ϕ(x) > 0 i na nekoj okolini toˇke x. b]. x − ξ ≤ x ≤ x + ξ. Stoga zakljuˇujemo da i u ovom sluˇaju c c c rjeˇenje y mora zadovoljiti Eulerovu jednadˇbu.5). y ′ (a)) = 0.7 Varijacioni raˇun c 205 Teorem 4.

2 Primjeri Sljede´i primjeri ilustriraju primjene varijacionog raˇuna i koriˇtenje nuˇnih c c s z i dovoljnih uvjeta ekstrema iz prethodnog poglavlja. y(x0 ) = y0 .7.1 pa rjeˇenje y mora zadovoc c s ljavati Eulerovu jednadˇbu z ∂F d − ∂y dx Iz F (x. 4. tada funkcija y daje minimum funkcionala I. Primjer 4.2) dy = a dx. y.206 ˇ VISESTRUKI INTEGRALI Naravno. ∂F ∂y ′ = 0. mogu´a je kombinacija prethodnih sluˇajeva: ako je rubni uvjet c c zadan samo u jednom kraju.7. Oˇito se radi o prvom sluˇaju iz poglavlja 4. ∂y pa zakljuˇujemo da je c y′ 1 + y ′2 ∂F = ∂y ′ y′ 1 + y ′2 . . Tada z vrijedi: ′′ (i) ako je Fy′ y′ ≥ 0. y ′ ) = 1 + y ′2 slijedi ∂F = 0. tada u drugom kraju mora biti zadovoljen uvjet transverzalnosti. Neka funkcija y zadovoljava nuˇne uvjete ekstrema funkcionala I.19: s c b I(y) = a 1 + y ′2 dx. y(x1 ) = y1 . Nakon kvadriranja.21 Rijeˇimo problem najkra´eg puta iz primjera 4. sredivanja i ponovnog korjenovanja imamo C y′ = √ . dobili smo diferencijalnu jednadˇbu sa separiranim varijablama (vidi poglavlje 5. a ′′ (ii) ako je Fy′ y′ ≤ 0. =C za neku konstantu C. Dovoljne uvjete ekstrema (Lagrangeove uvjete) navodimo bez dokaza. tada funkcija y daje maksimum funckionala I. 1 − C2 √ z Uz oznake a = C/ 1 − C 2 i y ′ = dy/dx.

1. Konstante a i b moˇemo odrediti iz rubnih s c z uvjeta: y(x0 ) = a x0 + b = y0 . Provjerimo na kraju dovoljne uvjete ekstrema: kako je ′′ Fy′ y′ = 1 (1 + y ′2 ) 1 + y ′2 > 0. sredivanja i ponovnog korjenovanja imamo x . Oduzimanje prve jednadˇbe od druge daje z a= y1 − y0 x1 − x0 y1 − y0 x0 . z c primjer 3.22 Nadimo brahistohronu iz primjera 4. y(x1 ) = a x1 + b = y1 . Nakon kvadriranja. x y(0) = 0.4. rjeˇenje problema najkra´eg puta je c s c pravac. y′ = C 1 − C 2x Uz oznaku y ′ = dy/dx dobili smo diferencijalnu jednadˇbu sa separiranim z dy = C x dx. 1 − C 2x . y(a) = b. zakljuˇujemo da se zaista radi o minimumu. Kao i u prethodnom primjeru c vrijedi ∂F/∂y = 0 pa se Eulerova jednadˇba svodi na z y′ x (1 + y ′2 ) =C za neku konstantu C.20: a I(y) = 0 1 + y ′2 dx. kao ˇto smo i oˇekivali.11]). x1 − x0 pa uvrˇtavanje u prvu jednadˇbu daje s z b = y0 − Dobili smo poznatu formulu za jednadˇbu pravca kroz dvije toˇke (vidi [M1.7 Varijacioni raˇun c 207 Rjeˇenje jednadˇbe je s z y = a x + b.7. c Primjer 4. Dakle. Opet se radi o prvom sluˇaju iz poglavlja 4. pri ˇemu su a i b konstante.

Prethodni integral smo rijeˇili koriste´i nestandardnu supstituciju iz koje se odmah vidi s c da rjeˇenje ima oblik cikloide. 8 .508) Funkcija je prikazana na slici 4. 1 − cos t 1 − cos(3. 9 Vidi. Nul-toˇku ove funkcije moˇemo pribliˇno izraˇunati metodom bisekcije9 . 2 = a (t − sin t).7) daje sustav jednadˇbi s z 1 = a (1 − cos t).1). 2 C2 x √ dx = x − C 2 x2 1 x = C 2 (1 − cos t).3])8 Provjerimo joˇ dovoljne s s uvjete ekstrema: kako je ′′ Fy′ y′ = 1 > 0. Integral se moˇe rijeˇiti i pomo´u standardne racionalne s z s c supstitucije x/(1 − C 2 x) = t2 (vidi poglavlje 1.7) se odredi iz uvjeta da cikloida prolazi z toˇkom A. c Parametar a iz jednadˇbi (4.517. Vric z z c jedi t ≈ 3. Parametar se op´enito ne moˇe odrediti egzaktno.508 pa je a= 1 1 ≈ = 0.fesb. c uvrˇtavanje u (4.18. (4.7. primjer 4. A = (1.html. 0= pa je C1 = 0. Uz oznaku a = 1 (0 − sin 0) + C1 2 C2 1 2 C2 imamo y(t) = a (t − sin t). odnosno rjeˇenje je cikloida (vidi [M1. Ako je. Java program http://lavica. ve´ je poc c z c trebno koristiti neku od numeriˇkih metoda.hr/mat1/java/Bisekcija. Dakle.208 Integriranje daje y=C = x dx = C 1 − C 2x ˇ VISESTRUKI INTEGRALI 1 (t − sin t) + C1 . na primjer.7) x(t) = a (1 − cos t). 2). na primjer. 1 dx = C 2 sin t dt Konstantu integracije C1 odredit ´emo iz rubnog uvjeta y(0) = 0: iz x = 0 c slijedi cos t = 1 pa je t = 0. (1 + y ′2 ) x (1 + y ′2 ) zakljuˇujemo da se zaista radi o minimumu. Izjednaˇavanje parametra a daje jednadˇbu c z 2 cos t − sin t + t − 2 = 0.

7 Varijacioni raˇun c 209 y 0.517*(t-sin(t)).18: Cikloida kao rjeˇenje problema najkra´eg vremena s c U prethodna dva primjera problem se. Primjer 4.19: Cikloida kao rjeˇenje problema najkra´eg vremena s c .5 2 Slika 4. c) i B = (b.5 1 1.23 Rijeˇimo problem najmanjeg oploˇja: od svih krivulja koje s s prolaze toˇkama A = (a. d) nadimo onu koja rotacijom oko x-osi c opisuje tijelo najmanjeg oploˇja (slika 4.4. 0. zbog ∂F/∂y = 0.517*(1-cos(t)) 1 x 0. s y A B a b x Slika 4.5 0.19). Op´enito se dobije diferencijalna jednadˇba drugog reda c z (vidi poglavlje 5. sveo na rjeˇavanje s jednostavne diferencijalne jednadˇbe prvog reda sa separiranim varijablama z (vidi poglavlje 5.2).9).

Eulerova jednadˇba glasi z 0= = ∂F d − ∂y dx 1 + y ′2 − ∂F ∂y ′ = y ′2 1 + y ′2 1 + y ′2 − − d dx y y ′′ (1 + y ′2 ) 1 + y ′2 y y′ 1 + y ′2 . Jednadˇbu ´emo rijeˇiti koriste´i supstituciju y ′ = p. y 2 −1 a . Odavde slijedi p= odnosno dx = dy = dx y a 2 − 1.4. pri ˇemu je y > 0. Kako je z c s c y ′′ = d ′ d dp dy dp y = p= = p. potrebno je minimizirati funkcional c b I(y) = 2 π a y 1 + y ′2 dx. dx dx dy dx dy Mnoˇenjem jednadˇbe s (1 + y ′2 ) 1 + y ′2 dobili smo diferencijalnu jedz z nadˇbu drugog reda: z y y ′′ − y ′2 − 1 = 0. Dakle. dy odnosno 1 p dp = dy. y(b) = d. y(a) = c. gornja diferencijalna jednadˇba prelazi u jednadˇbu sa separiranim varijaz z blama dp yp − p2 − 1 = 0.210 ˇ VISESTRUKI INTEGRALI Prema poglavlju 2.6. oploˇje rotacionog tijela raˇuna se formulom s c b O = 2π a y 1 + y ′2 dx. 2+1 p y Integriranje daje 1 ln(p2 + 1) + ln a = ln y 2 za neku konstantu a. dy .

2) program koji raˇuna konstante a c i b potom crta rjeˇenje glasi: s function y=f(x) y(1)=x(1)*cosh(x(2)/x(1))-3.1. .6 Nadite ekstreme sljede´ih funkcionala: 4 a) I(y) = 0 y (1 + y ′2 ) dx. z Za rubne uvjete A = (0. Rjeˇenje: Funkcional dostiˇe maksimum za y = sin 2 x.5]) u=0:0.php. program za odredivanje poˇetnih c uvjeta moˇe se jednostavno programirati u programskom jeziku Matlab. end [x.1) x = a arch za neku konstantu b pa je konaˇno c y = a ch x−b . s z 10 http://lavica. y(2)=x(1)*cosh((3-x(2))/x(1))-2. 4 Rjeˇenje: Funkcional dostiˇe minimum za y = s z π/4 (5 x − 6)2 4 + . poglavlje 4. a y +b a Dakle.1:3. Medutim. Konstante a i b se odreduju iz poˇetnih uvjeta c i ne mogu se odrediti analitiˇki. c pa se zaista radi o minimumu.v) Izvedite prethodni program pomo´u programa Octave On-line10 . c c Zadatak 4.7 Varijacioni raˇun c 211 Integriranje daje (vidi poglavlje 1.9]).6. 80 5 y(π/4) = 1. y(0) = 0. 4 y(4) = 13 . v=x(1)*cosh((u-x(2))/x(1)). plot(u. b) I(y) = 0 (y 2 − y ′2 + 6 y sin 2 x) dx. 3) i B = (3. 1. rjeˇenje je lanˇanica (vidi poglavlje [M1.4. y(0) = 5 .hr/octave/octave-on-line. Provjera s c dovoljnih uvjeta ekstrema daje ′′ Fy′ y′ = y 1 (1 + y ′2 ) 1 + y ′2 > 0.fesb. [1. info] = fsolve(’f’.5.

Rubni uvjeti daju a = b = 1 a rjeˇenje glasi s x(t) = t + 1. zadan samo jedan rubni uvjet. a zbog rubnog uvjeta x(0) = 1 je b = 1. Konaˇno rjeˇenje je stoga jednako c s x(t) = 1. Ako je. Provjera dovoljnog uvjeta daje ′′ Fx′ x′ = 2 > 0 pa se radi o minimumu. x(0) = 1. ∂x′ Eulerova jednadˇba ponovo daje z 0= d ∂F − ∂x dt ∂F ∂x′ = −2 x′′ iz ˇega slijedi da je x′ (t) = a za neku konstantu a. tada u drugom kraju mora vrijediti uvjet transverzalnosti ∂F F (1. x(t) = b za neku konstantu b. odnosno x′ (t) = 0. Najmanja vrijednost zadanog funkcionala je 1 Imin = 0 (1 + 1) dt = 2. Primjer 4. pak. Uvjet transverzalnosti c povlaˇi c 2 x′ (1) = 0 pa je a = 0.212 ˇ VISESTRUKI INTEGRALI Sljede´i primjer ilustrira utjecaj rubnih uvjeta i koriˇtenje uvjeta tranc s sverzalnosti. Dakle. x(1). x′ (1)) = 0. pri ˇemu je x = x(t) uz rubne uvjete x(0) = 1 i x(1) = 2: Eulerova jednadˇba c z glasi d ∂F d ∂F − = 0 − 2 x′ = −2 x′′ 0= ′ ∂x dt ∂x dt pa je x(t) = a t + b za neke konstante a i b. .24 Rijeˇimo funkcional s 1 I(x) = 0 (x′2 + 1) dt.

x1 . ili uvjete transverzalnosti ∂F =0 ∂x′ i tamo gdje nisu zadani rubni uvjeti. x′ . .7. . . i = 1. . . . xn . . nuˇni uvjeti ekstrema glase z d ∂F ∂F = 0. . xn (t) koje su ekstremi funkcionala c b I(x1 . . . i = 1. . . . . . . − ∂xi dt ∂x′ i uz zadane rubne uvjete xi (a) = Ai . n. x1 . . . . s b I(x1 . c c z c Usporeduju´i s prvim sluˇajem moˇemo zakljuˇiti da manje rubnih uvjeta daje ”bolje” ekstreme. . xn . odnosno koristi c s se metoda Lagrangeovih multiplikatora (vidi poglavlje 3. x′ ) dt. . . . xn ) = a F (t. Napomena 4.7 Varijacioni raˇun c 213 Provjera dovoljnog uvjeta daje ′′ Fx′ x′ = 2 > 0 pa se i u ovom sluˇaju radi o minimumu.12). Bi ∈ R. . n. .3 Kada je funkcional funkcija od viˇe funkcija. 4. . 1 n gdje je x = 1 = x1 (t). . xi (b) = Bi . . xn ) = a F (t.3 Uvjetni ekstrem Postupak traˇenje vezanih (ili uvjetnih) ekstrema funkcionala je vrlo z sliˇan postupku kod uvjetnih ekstrema funkcija viˇe varijabli. xn = xn (t). . Ai . x′ . . n 1 .4. . . . . . . Najmanja vrijednost funkcionala c je sada 1 Imin = 0 (0 + 1) dt = 1. . Zadatak je na´i funkcije x1 (t). . . x′ ) dt. traˇenje ekstrema funkcionala z viˇe funkcija svodi se na rjeˇavanje sustava od n diferencijalnih jednadˇbi i s s z 2 n dodatnih uvjeta. Dakle. .

214 a istovremeno zadovoljavaju rubne uvjete xi (a) = Ai . . xn . x′ . . . . m. z(0) = −1. . i ograniˇenja (uvjete) koja mogu biti algebarske jednadˇbe c z hk (t. . k = 1. . hk (t. . y = z + 1. . . x1 . . xn ) = 0. y(a) = b. . .25 Nadimo ekstrem funkcionala a i = 1. m < n. . ˇ VISESTRUKI INTEGRALI Ai . n. . x′ ) = 0. . . x′ ) = 0. m. . xn . . k = 1. . xi (b) = Bi . x1 . z) = 0 1 + y′z′ dx. a potom se rjeˇenje c s polaznog problema dobije iz sustava od n Eulerovih jednadˇbi z ∂F ∗ d ∂F ∗ − = 0. . . . . . diferencijalne jednadˇbe z hk (t. . x′ . 1 n a Lk ∈ R. i = 1. Zadatak se rjeˇava na sljede´i naˇin: prvo se formira pomo´ni funkcional s c c c b b I∗ = a F ∗ dt ≡ F (t. . x′ . . . 1 n ili takozvana izoperimetriˇka ogranjiˇenja c c b k = 1. . x′ ) + 1 n a λk (t) hk dt pri ˇemu su Lagrangeovi multiplikatori λk funkcije od t. . . Bi ∈ R. z(a) = b − 1. x Iz uvjeta y = z + 1 vidimo da su zadana sva ˇetiri rubna uvjeta: c y(0) = 0. x1 . . x1 . . . ∂xi dt ∂x′ i rubnih uvjeta i zadanih ograniˇenja. x y(0) = 0. . . . . . . Pomo´ni funkcional glasi c a I = 0 ∗ 1 + y′z′ + λ(x) (y − z − 1) dx. . . . xn . y(a) = b. . . n. . . m < n. m. I(y. c Primjer 4.

dok je z = y − 1. Zbrajanjem Eulerovih jednadˇbi c z imamo y′ + z′ d = 0. Primjer 4.26 Nadimo ekstrem funkcionala 1 I(x) = 0 (x′′ )2 dt. uz ograniˇenje x2 − x′ = 0. ˇto je pos trebno eliminirati. x(1) = 0. = 0. x2 ) = 0 (x′ )2 dt. U podintegralnoj funkciji se javlja druga derivacija funkcije x(t). x′ (1) = 0. x2 (1) = 0. Uvedimo nove funkcije x1 (t) = x(t). Pomo´ni funkcional glasi c c 1 1 I∗ = 0 (x′ )2 + λ(t) (x2 − x′ ) dt. x1 (1) = 0. x2 (t) = x′ (t). y je cikloida (vidi primjer 4. 2 x1 (0) = 1. x2 (0) = 1. Dakle.4. 1 Zadani problem prelazi u ekvivalentni problem 1 I(x1 .22). 2 1 . x(0) = 1. x′ (0) = 1.7 Varijacioni raˇun c 215 Rjeˇenje dobijemo iz Eulerovih jednadˇbi s z d ∂F ∗ d ∂F ∗ − = λ(x) − ∂y dx ∂y ′ dx d ∂F ∗ d ∂F ∗ − = −λ(x) − ′ ∂z dx ∂z dx z′ x (1 + y ′ z ′ ) 2 y′ x (1 + y ′ z ′ ) = 0. dx 2 x (1 + y ′ z ′ ) Zadano ograniˇenje povlaˇi y ′ = z ′ pa prethodna jednadˇba prelazi u c c z d dx y′ x (1 + y ′2 ) = 0. 2 rubnih uvjeta i ograniˇenja y = z + 1.

∂x1 dt ∂x1 ∂F ∗ d ′ d ∂F ∗ − ′ = λ(t) − dt (x2 (t)) = 0. z(1) = 1. Nadalje.216 Eulerove jednadˇbe glase z ˇ VISESTRUKI INTEGRALI d d ∂F ∗ ∂F ∗ − ′ = 0 − dt (−λ(t)) = 0. x2 (t) = 3 t2 − 4 t + 1. ∂x2 dt ∂x2 Iz prve jednadˇbe slijedi λ′ (t) = 0. y(1) = 1. b i c. pa je traˇena vrijednost zadanog funkcionala jednaka z 1 I= 0 (6 t − 4)2 dt = 4. Deriviranje z 2 zadnje jednadˇbe daje z λ′ (t) = x′′′ (t) = 0 2 pa je x2 (t) = a t2 + b t + c. 3 2 x2 (1) = 0 = a + b + 1. a iz druge λ(t) = x′′ (t). pa je a = 3 i b− 4. vrijedi x1 (1) = 0 = a b + + 1. Rubni uvjeti daju x1 (0) = 1 = d.27 Nadimo ekstrem funkcionala 1 I(y. z(0) = 0. c za neke konstante a. Primjer 4. Dakle. . uz rubne uvjete y(0) = 0. z) = 0 (y ′2 + z ′2 − 4 x z ′ − 4 z) dx. rjeˇenje je dano s s x1 (t) = t3 − 2 t2 + t + 1. Ograniˇenje x′ = x2 povlaˇi c 1 x1 (t) = a t2 t3 + b + ct + d 3 2 za neku konstantu d. x2 (0) = 1 = c.

4 + 4λ 2 λx + a 2 + 2λ Integriranje druge Eulerove jednadˇbe daje z 2 z ′ − 4 x − 2 λ z ′ = −4 x + c.7 Varijacioni raˇun c 217 i uz izoperimetriˇko ograniˇenje c c 1 0 (y ′2 − x y ′ − z ′2 ) dx = 2. =0− ′ ∂y dx ∂y dx ∂F ∗ d ∂F ∗ d − = −4 − (2 z ′ − 4 x − 2 λ z ′ ) = 0. ′ ∂z dx ∂z dx Integriranje prve Eulerove jednadˇbe daje z 2 y ′ + 2 y ′ λ − λ x = a. Rubni uvjet y(0) = 0 povlaˇi b = 0. odnosno z′ = pa ponovno integriranje daje z= c 2 − 2λ c x+d 2 − 2λ . a rubni uvjet c y(1) = 1 povlaˇi a = 2 + 3 λ pa je c 2 y(x) = λ x2 + (3 λ + 4) x .4. Eulerove jednadˇbe glase z d ∂F ∗ d ∂F ∗ − (2 y ′ + 2 y ′ λ − λ x) = 0. odnosno y′ = pa ponovno integriranje daje λ x + ax y= 2 +b 2 + 2λ za neke konstante a i b. Pomo´ni funkcional glasi c 1 I = 0 ∗ y ′2 + z ′2 − 4 x z ′ − 4 z + λ (y ′2 − x y ′ − z ′2 ) dx.

n − 1.4 Eulerova metoda konaˇnih razlika c U ovom poglavlju opsat ´emo Eulerovu metodu konaˇnih razlika za nuc c meriˇko rjeˇavanje problema. . a zadani problem se svodi na traˇenje c z ekstrema funkcije od n−1 varijabli. y2 = y(0.2). ne promatramo sve dozvoljene derivabilne funkcije koje zadovoljavaju rubne c uvjete. . . . n. y(0) = 0. ∂yi i = 1. koje su definirane na sljede´i naˇin: uz ∆x = (b − a)/n je c c xi = a + i ∆x. y. y3 = y(0. i = 0. ve´ samo poligonalne linije koje imaju vrhove u toˇkama c (xi . . . .2 c i y0 = y(0) = 0. c s c z 4. . Konaˇno. . Rubni uvjet z(0) = 0 povlaˇi d = 0. . y(b) = B. . . . Tada je ∆x = (1 − 0)/5 = 0.7. yi ). Na ovaj naˇin zadani funkcional I(y) postaje funkcija varijabli y1 . . . y1 = y(0. a rubni uvjet z(1) = 1 c povlaˇi c = 2 − 2 λ pa je c z(x) = x. . metodom konaˇnih razlika.218 ˇ VISESTRUKI INTEGRALI za konstante c i d. odnosno na rjeˇavanje sustava jednadˇbi s z ∂Φ . y5 = y(1) = 0. yi = y(xi ). yn−1 c koju oznaˇavamo s Φ(y1 .28 Nadimo ekstrem funkcionala 1 I(y) = 0 (y ′2 + 2 y) dx. . dobijemo da je λ = −11/10 (dovrˇite ovaj raˇun za vjeˇbu!). uvrˇtavanjem izraza za y.6). y ′ . y(1) = 0. Metoda se temelji na ideji da kod traˇenja c s z ekstrema funkcionala b I(y) = a F (x. y4 = y(0. n. y ′ ) dx. .4). i = 0. Primjer 4. y(a) = A. z i z ′ u zadano izoperimetriˇko c s c ograniˇenje. Odaberimo n = 5. . . 1.8). yn−1 ).

y3 = −0.04 0.2 y4 − y3 ′ y3 = . I(y) ≈ Φ(y1 .2 = 0.04 0.08. glava 2]). . yn−1 . .04 2 (y2 − y1 ) 2 (y3 − y2 )(−1) + + 2 · 0. .04 2 (y3 − y2 ) 2 (y4 − y3 )(−1) + + 2 · 0. Nuˇni uvjeti ekstrema funkcije Φ(y1 . . yn−1 )] dx pri ˇemu se derivacije aproksimiraju konaˇnim razlikama c c ′ yi = y ′ (xi ) = yi+1 − yi . ∆x odnosno ′ y0 = y1 − 0 . 0. .2 0.12.04 .2 2 + 2 y2 + y4 − y3 0. . yn−1 ) = + y3 − y2 0.08.4.04 . 0. 0. 0.7 Varijacioni raˇun c 219 Integral aproksimiramo pomo´u lijeve integralne sume (vidi napomenu 2. .04 Rjeˇenje sustava je s y1 = −0.2 0 − y4 ′ y4 = . y0 .04 0.04 −1 2 −1  −0. .2 ′ y1 = y2 − y1 y3 − y2 ′ .04 2 (y4 − y3 ) 2 y4 + 2 · 0. 0. 0.2 = 0.2 + 2 y3 + + 2 y4 . y2 = .  A= b=  −0. y4 = −0. 0. y2 = −0.2 = 0. −1 2 −1 −1 2 −0. .12. gdje je     2 −1 −0.2 2 +2·0+ 2 y2 − y1 0.04 0. y0 ) + · · · + F (xn−1 .2 = 0.2 2 y1 0. yn−1 ) glase z ∂Φ ∂y1 ∂Φ ∂y2 ∂Φ ∂y3 ∂Φ ∂y4 = = = = 2 y1 2 (y2 − y1 )(−1) + + 2 · 0.04 Nakon sredivanja vidimo da se radi o sustavu linearnih jednadˇbi Ax = b z (vidi [M1.1) c ′ ′ I(y) ≈ [F (x0 . 0.2 Dakle.2 2 + 2 y1 + −y4 0.

Program koji postavi matricu A i vektor b te potom rijeˇi sustav i s nacrta numeriˇko i egzaktno rjeˇenje glasi: c s n=4. end b=-dx**2*ones(n. .xx. z c Napomena 4.y.1). y. A(i+1.i)=2. y=[0.yy. yy=(xx. A(i.’r’. pri ˇemu c c moˇete varirati broj toˇaka n. % Matrica A i vektor b for i=1:n. Intuitivno je jasno da aproksimacija rjeˇenja z s postaje sve bolja kada se pove´ava broj intervala n. A(i.fesb.220 ˇ VISESTRUKI INTEGRALI Primijetimo da se izraˇunate vrijednosti poklapaju s toˇnim vrijednostima c c egzaktong rjeˇenja y = (x2 − x)/2 (izraˇunajte egzaktno rjeˇenje za vjeˇbu!).’b’) Izvedite prethodni program pomo´u programa Octave On-line11 .4 Op´enito se koriˇtenjem metode konaˇnih razlika dobije c s c sustav nelinearnih jednadˇbi. s c s z Rjeˇenje se moˇe jednostavno programirati u programskom jeziku Mas z tlab. Ova metoda je zaˇetak c c poznate metode konaˇnih elemenata. c 11 http://lavica.01:1. dx=1/(n+1). plot(x.i)=-1. end for i=1:n-1.hr/octave/octave-on-line. 0] xx=0:0.^2-xx)/2.php.i+1)=-1. % Rjesenje sustava y=A\b % Crtanje rjesenja i tocnog rjesenja x=0:dx:1.

. y ′ . . . . y (n) ) = 0. .2 5. . . . Red diferencijalne jednadˇbe je red z z najviˇe derivacije koja se javlja u jednadˇbi. . . . . . . . . . . . 231 z Polje smjerova . . . . . . . . . s z .1 5. . . . y. . . . . . 256 z Jednadˇbe s konstantnim koeficijentima . . 235 Ortogonalne i izogonalne trajektorije . .5 5.9.10 Linearne diferencijalne jednadˇbe viˇeg reda . . .1 Diferencijalna jednadˇba je jednadˇba oblika z z F (x. . . . . . 249 z Linearne diferencijalne jednadˇbe drugog reda . .7 5. . DIFERENCIJALNE ˇ JEDNADZBE 5. . . . . . . . . .11 Sustavi diferencijalnih jednadˇbi . . . . . . . . . . (DJ) Rjeˇenje diferencijalne jednadˇbe je svaka funkcija y = f (x) koja zadovoljava s z jednadˇbu DJ na nekom skupu D ⊆ R. . .1 5. . . .3 5. . . 245 z c Linearne diferencijalne jednadˇbe prvog reda . . . . . . . .5. . . . . . . 259 z Slobodna. . . . . . . . . .8 5.2 5. . 265 s 5. . . . . . . . . . . .3 5. . . . . . 278 z Definicija 5. . . . . . . . . . . . 242 s Egzaktne jednadˇbe i integriraju´i faktori . . . . . . . . guˇena i prisilna titranja . .4 5. .9. . . . . . . . . 238 Singularna rjeˇenja i ovojnice . .6 5. . . . . . . . . . . . . 234 Eulerova metoda . . .9. . . 253 z Nehomogene jednadˇbe . .9 Populacijska i logistiˇka jednadˇba . . . . . . . . 224 c z Jednadˇbe sa separiranim varijablama . . . . . . . . . .9. y ′′ . . 273 z s 5. . . . . 251 z 5.4 Homogene jednadˇbe . . . .

S druge strane. prema Newtonovom drugom zakonu gibanja. z Diferencijalne jednadˇbe su jedan od najvaˇnijih dijelova matematike z z uop´e.1 Promotrimo problem titranja mase objeˇene na oprugu (slika s 5.222 ˇ DIFERENCIJALNE JEDNADZBE Najjednostavnije diferencijalne jednadˇbe ve´ smo rjeˇavali: rjeˇenje jedz c s s nadˇbe z y ′ = f (x) je primitivna funkcija funkcije f (x) pa vrijedi dy = f (x) dx =⇒ dy = f (x) dx =⇒ y= f (x) dx + C Ako ˇelimo odrediti konstantu integracije C. Stoga je sila s kojom se opruga vra´a u poloˇaj ravnoteˇe jedc z z naka −kx. postupak rjeˇavanja svake diferencijalne jednadˇbe u sebi sadrˇi c s z z viˇekratno integriranje. z Primjer 5. pri ˇemu je x(t) poloˇaj mase u trenutku t. diferencijalnim jednadˇba se najc z jednostavnije izraˇavaju i modeliraju mnogi prirodni zakoni.1). c z m 0 −kx x m x Slika 5. treba biti zadan joˇ jedan uvjet z s (vrijednost funkcije y(x0 ) ili vrijednost derivacije y ′ (x0 ) u nekoj toˇki x0 ∈ c D). Pri tome se u rjeˇenju jednadˇbe n-tog reda javlja s s z n konstanti za ˇije je odredivanje potrebno znati n uvjeta koje u odabranim c toˇkama trebaju zadovoljavati funkcija y i/ili njene derivacije. Kako je derivacija mjera promjene. z F (x) = −kx.1: Titranje mase objeˇene na oprugu s Prema Hookeovom zakonu sila potrebna za odrˇavanje opruge rastegnuz tom x jedinica udaljenosti od njene prirodne duˇine proporcionalna je s x. sila . Obiˇno su c c uvjeti zadani u rubnim toˇkama podruˇja u kojem promatramo diferencic c jalnu jednadˇbu. Op´enito.

R E(t) L Slika 5. U krugu se takoder nalazi otpor od R oma (Ohm) i zavojnica s induktivitetom L henrija (H) (slika 5. ali ima obrnuti predznak.223 je jednaka umnoˇku mase i ubrzanja. U ovom sluˇaju c prirodni uvjeti su poloˇaj i brzina u trenutku t = 0.2 Promotrimo strujni krug koji se sastoji od elektromotorne sile koja u trenutku t proizvodi napon od E(t) volta (V) i struju od I(t) ampera (A). Znamo da funkcije sinus i kosinus imaju upravo to svojstvo. βE(t) − α I . Dakle.2). Prema Kirchoffovom zakonu zbroj padova napona jednak je naponu kojeg daje naponski izvor. Uz oznake c α = R/L i β = 1/L vrijedi L dI = dt. dt ˇto je diferencijalna jednadˇba prvog reda koja modelira struju I u trenutku s z t. m dt2 Odavde slijedi k d2 x(t) = − x(t). 2 dt m odnosno. Kasnije ´emo pokazati da se sva rjeˇenja ove jednadˇbe mogu napisati kao odreden c s z kombinacije sinusa i kosinusa. odnosno potrebno je z zadati vrijednosti x(0) i x′ (0). druga derivacije od x je proporcionalna x. za odredivanje konstanti potrebna su dva uvjeta. Primjer 5. Izjednaˇavanje sila daje diferencijalnu s c jednadˇbu z d2 x(t) = −kx(t). Kako se radi o diferencijalnoj jednadˇbi druz gog reda.2: Strujni krug Prema Ohmovom zakonu pad napona na otporu jednak je RI. Rijeˇimo zadanu jednadˇbu uz (prirodan) uvjet da je struja u trenutku s z ukljuˇivanja naponskog izvora t = 0 jednaka nuli. Pad napona na zavojnici jednak je L(dI/dt). dI + RI = E(t). I(0) = 0.

Kako je promjena populacije dana s dP (t) dt. odnosno. R = 12 Ohm i E(t) = 60 V. dt . Dakle. nepostojanje prirodnih neprijatelja).3. R R A β E(0) − α α Ako je na primjer. Konaˇno. Najjedc nostavniji model rasta populacije je sljede´i: stopa rasta populacije proporcic onalna je veliˇini populacije.224 Integriranje obaju strana daje ˇ DIFERENCIJALNE JEDNADZBE −α ln |β E(t) − α I| = t + C. t→∞ 5. nepostojanje bolesti. matematiˇka formulacija c rasta populacije glasi dP = kP. c I(t) = 1 1 E(t) − E(0) e−(R/L)t . promjena u populaciji bit ´e ve´a ˇto c c c s je u populaciji viˇe jedinki.1 Populacijska i logistiˇka jednadˇba c z Neka P (t) oznaˇava broj jedinki neke populacije u trenutku t. odgovaraju´a z c c prehrana. Stacionarno stanje strujnog kruga je (horizontalna asimptota) lim I(t) = 5 A. L = 4 H. α α Odredimo konstantu A: iz poˇetnog uvjeta slijedi c 0 = I(0) = pa je A = β E(0). tada je I(t) = 5 − 5 e−3 t . pri ˇemu smo predznak izraza β E(t) − α I ukljuˇili u konstantu A. c c I(t) = A β E(t) − e−αt . Funkcija je prikazana na slici 5. Ovo je razumna pretpostavka za populacije baks terija ili ˇivotinja u idealnim uvjetima (neograniˇeni resursi. odnosno |β E(t) − α I| = e−α (t+C) = e−α C e−α t . pa moˇemo pisati z β E(t) − α I = Ae−α t .

uoˇimo sljede´e: ako je k > 0 tada populacija raste. P ln |P | = kt + C. P = A ekt . P (t0 ) = P0 .1 prikazuje stanovniˇtvo svijeta od 1750.wikipedia. Primjer 5.org/wiki/World population. tada je P0 = A ekt0 . Konaˇno. godine1 . odnosno A = P0 e−kt0 pa je rast populacije dan funkcijom P (t) = P0 ek(t−t0 ) .3 Tablica 5. |P | = ekt eC . Konstantu A moˇemo odrediti ako znamo inicijalnu (poˇetnu) populaciju z c 0 = A pa je rast populacije dan P (0) = P0 .3: Struja u strujnom krugu Ova diferencijalna jednadˇba rjeˇava se sliˇno kao i jednadˇba iz primjera z s c z 5. . a ako je k < 0 c c c populacija se smanjuje. s Uzmemo li za poˇetnu godinu t0 = 1750. Tada je P0 = P (0) = A e funkcijom P (t) = P0 ekt . 1 Podaci su preuzeti s Wikipedije na adresi http://en. Ukoliko umjesto inicijalne populacije u trenutku t = 0 znamo populaciju u nekom trenutku t0 .2: dP = k dt. imamo c P (t) = 791 ek(t−1750) .1 Populacijska i logistiˇka jednadˇba c z 225 5 5 5-5*exp(-3*t) 1 t Slika 5.5.

godine s Funkcija P (t) prolazi.4: Rast svjetskog stanovniˇtva od 1750. ali ne s c opisuje dobro stvarni rast stanovniˇtva. Funkcija P (t) i podaci iz tablice 5. doduˇe.0082314 255 6000 5000 4000 3000 2000 1000 1750 1800 1850 1900 1950 2000 t Slika 5. godine u milijunima stanovnika s Odredimo parametar k koriste´i zadnju godinu u tablici: c P (2005) = 6453 = 791 ek(2005−1750) . P(t) ln 6453 − ln 791 ≈ 0. do 2005. Razlog tome je jasan – jednostavni s model kojeg smo izabrali oˇito ne ukljuˇuje sve parametre koji utjeˇu na rast c c c . Dakle.0082314 (t−1750) . 791) i (2005.4. toˇkama (1750.1: Stanovniˇtvo svijeta od 1750.1 prikazani su na slici 5.226 godina stanovniˇtvo s godina stanovniˇtvo s 1750 791 1970 3692 1800 978 1975 4068 1850 1262 1980 4434 ˇ DIFERENCIJALNE JEDNADZBE 1900 1650 1985 4830 1950 2518 1990 5263 1955 2755 1995 5674 1960 3021 2000 6070 1965 3334 2005 6453 Tablica 5. k= pa je P (t) = 791 e0. 6453).

1 Populacijska i logistiˇka jednadˇba c z 227 populacije. do 2005.7%. godine ´e na svijetu biti 14 milijardi stanovnika: P (2050) = 2518 e0.017111 (2050−1950) ≈ 13937. .017111. s z ˇto je 2005.5 vidimo da je sada preklapanje funkcije i stvarnih podataka puno bolje. Iskoristimo li s s c gornju formulu za predvidanje. Stopa rasta stanovniˇtva je u tom razdoblju pribliˇno jednaka 1. tada je P (t) = 2518 ek(t−1950) . 55 Na slici 5. ako se ograniˇimo samo na razdoblje od godine 1950. c c Vrijeme poluraspada je vrijeme potrebno da se koliˇina radio-aktivne tvari c 2 Vidi http://www. P(t) 6000 5000 4000 3000 2000 1950 1960 1970 1980 1990 2000 t Slika 5. godine iznosilo 110 milijuna stanovnika godiˇnje.org/wiki/Radium. Medutim.5: Rast svjetskog stanovniˇtva od 1950. Neka laboratorij ima m = 10 g radija-226 (226Ra) ˇije z c 88 je vrijeme poluraspada 1602 godine2 . 2050. Izraˇunajmo koliko ´e radija biti na c c raspolaganju nakon sto godina i kada ´e laboratorij imati 7 g radija-226 ? c Prvo je. kao i u prethodnom primjeru potrebno utvrditi koeficijent k. c do danas.5. koji ´e u ovom sluˇaju biti negativan jer se radi o ”opadanju populacije”. godine s z Primjer 5. k= ln 6453 − ln 2518 ≈ 0.4 Radioaktivni raspad takoder moˇemo modelirati populacijskom jednadˇbom.wikipedia.

2 ln 2 k=− . Naime. c Primjer 5. tada nakon t godina glavnica iznosi s G(t) = G0 1 + k n nt .228 ˇ DIFERENCIJALNE JEDNADZBE svede na polovicu.1. imamo redom m(1602) = 5 = 10 ek 1602) . Iz c 7 = 10 e−(ln 2/1602) t slijedi ln odnosno t=− ln 2 7 = t. 1 ln = k 1602. Dakle.5766 g radija-226. 1602 Stoga je m(100) = 10 e−(ln 2/1602) 100 ≈ 9.35 ln 2 10 pa ´e laboratorij imati 7 g radija-226 nakon 824 godine. u n-tom dijelu godine kamata je k/n. . 10 1602 1602 7 ≈ 824.06) i ako se kamata pripisuje n puta godiˇnje. za kamatu od 6% je k = 0.§6.5766 pa ´e laboratorij nakon sto godina imati m = 9. ali se zato glavnica uve´ava c n puta godiˇnje. Formula za neprekidno ukama´ivanje slijedi prelaskom na s c limes: G(t) = lim G0 1 + n→∞ k n nt = G0 lim = G0 pa je [M1.5 Kamatni raˇun s neprekidnim ukama´ivanjem takoder zadoc c voljava populacijsku jednadˇbu: ako glavnicu G0 oroˇimo s godiˇnjom kamaz c s tom k (na primjer.3] n→∞ k 1+ n 1+ 1 m n/k kt m kt m→∞ lim G(t) = G0 ekt .

Matez matiˇki takvo ponaˇanje moˇemo modelirati logistiˇkom jednadˇbom: c s z c z dP = kP dt 1− P K .03)6 = 1194.005)36 = 1196. dnevno s s c i neprekidno ukama´ivanje iznosi redom c G(3) = 1000 (1.052 G(3) = 1000 (1.217 Prirodni sustavi najˇeˇ´e zbog svojih ograniˇenja ne mogu prihvatiti neoc sc c graniˇenu populaciju.681 G(3) = 1000 0.016 G(3) = 1000 (1.618 G(3) = 1000 (1. z s c Rijeˇimo jednadˇbu: vrijedi redom s z 1 P 1− P K dP = k dt K −P = −kt − C P K −P = e−kt e−C P K − 1 = A e−kt P ln K dP = kt + C P (K − P ) 1 1 + dP = kt + C P K −P ln |P | − ln |K − P | = kt + C . i populacija se z ponaˇa prema populacijskoj jednadˇbi. tada je izraz u zagradi pribliˇno jednak jedan.1 Populacijska i logistiˇka jednadˇba c z 229 Na primjer.015)12 = 1195. uz poˇetni iznos od 1000 kuna i godiˇnju kamatu od 6% nakon tri c s godine glavnica uz jednogodiˇnje. Kada se pak populacija pribliˇi maks z z simalnom kapacitetu. mjeseˇno. Mehanizam jednadˇbe je sljede´i: kada ja populacija P mala u odnosu na z c kapacitet K. polugodiˇnje.5. tada izraz u zagradi teˇi k nula ˇto koˇi rast populacije.199 G(3) = 1000 e0.06)3 = 1191. Stoga je ˇest sljede´i sluˇaj: populacija P u poˇetku c c c c c raste eksponencijalno sa stopom rasta k. kvartalno.06·3 = 1197.06 1+ 365 365·3 = 1197. ali se taj rast smanjuje kako se populacija pribliˇava maksimalnom (nosivom) kapacitetu sustava K.

6 Kultura bakterija ima stopu rasta k = 0.07*t)/3) 1500 1000 100 12 48 t Slika 5.6: Rjeˇenja logistiˇke jednadˇbe s c z Zadatak 5. Ako. a nakon 48 sati P (48) = 1012 c bakterija.07 t 3 pa ´emo nakon 12 sati imati P (12) = 1168. 1000 1000/(1+9*exp(-0. 1 + A e−kt Konstantu A moˇemo odrediti ako je zadana poˇetna populacija P (0) = P0 : z c iz P (0) = P0 = K/(1 + A) slijedi P (t) = A= K − P0 .1 Vijest se ˇiri gradi´em koji ima 1234 stanovnika tako da je s c brzina ˇirenja vijesti proporcionalna umnoˇku broja stanovnika koji su vijest s s . na primjer.6. 1 + 9 e−0. pak.07 na sat. P0 Primjer 5. na poˇetku imamo 1500 bakterija.230 pa je ˇ DIFERENCIJALNE JEDNADZBE K . tada je c A = −1/3 i 1000 P (t) = 1 1 − e−0. a nakon 48 sati c P (48) = 762 bakterije. Ako je na poˇetku imamo 100 c bakterija tada je A = (1000 − 100)/100 = 9 pa je P (t) = 1000 .07 t Tako ´emo. nakon 12 sati imati P (12) = 205.07*t)) 1000/(1-exp(-0. Obje funkcije prikazane su na slici 5. a maksimalni kapacitet podloge je 1000 bakterija.

2 Jednadˇbe sa separiranim varijablama z 231 ˇuli i broja stanovnika koji vijest nisu ˇuli. U koliko sati ´e 1000 c c stanovnika ˇuti vijest? c 5. s Primjer 5. U literaturi se ˇesto navodi i oblik: c P (x) dx + Q(y) dy = 0. Sve jednadˇbe prvog reda koje smo rjeˇavali u prethodnim poglavljima su z s separabilne. tada je s c 2 C = π2 + . U osam sati ujutro vijest je ˇulo c c c 100 stanovnika. Navedimo joˇ nekoliko primjera. 3 Primjer 5. Tada je g(y) dy = g(y(x)) dy dx = dx g(y(x)) f (x) dx = g(y(x)) f (x) dx. z z f (x) dx = g(y) dy.8 Newtonov zakon hladenja kaˇe da je promjena temperature z objekta proporcionalna razlici temperature objekta T i temperature okoline . 3 Ako je joˇ zadan i poˇetni uvjet y(1) = π. a do podne vijest je ˇulo pola grada.7 Za jednadˇbu z dy x2 = dx 2y + sin y vrijedi (2y + sin y) dy = x2 dx pa je implicitno rjeˇenje jednadˇbe dano s s z y 2 − cos y = x3 + C.2 Jednadˇbe sa separiranim varijablama z Diferencijalna jednadˇba prvog reda je separabilna (kaˇemo i da se radi z z o jednadˇbi sa separiranim varijablama) ako je moˇemo zapisati u obliku.5.

Koja jeko sobne temperature od 22 ˇ ´e kava biti toplija nakon 8 minuta? Sto se dogada ako ulijemo mlijeko c ◦ C? Napomena: ako je koliˇina kave k i temiz friˇidera temperature 4 z c peratura kave Tk te ako je koliˇina mlijeka m i temperatura mlijeka Tm . na primjer. Dva sata kasnije. temperatura tijela bila je 24◦ C. y) dy = 0 je homogena ako su P i Q homogene funkcije istog stupnja. λy) = λk f (x. T − Tamb = A e−kt . Rjeˇenja problema hladenja je: s dT = −k dt. y). Ovaj zakon je dobra aproksimacija procesa hladenja u standardnim uvjetima. Kada se otprilike dogodio zloˇin? c Funkcija f (x. a u drugu nakon 5 minuta. Ako je zadana poˇetna temperatura T (0) = T0 . |T − Tamb | = e−kt eC . y) je homogena stupnja homogenosti k ako je f (λx. .2 a) U jednu veliku ˇalicu kave temperature 90◦ C ulijemo mlis ◦ C odmah. k+m b) U hotelskoj sobi temperature 20◦ C policija je u pono´ otkrila tijelo ˇrtve. Diferencijalna jednadˇba oblika z P (x. o izolacijskim svojstvima posude). c z Temperatura tijela bila je 26◦ C. T − Tamb ln |T − Tamb | = −kt + C. Matematiˇka formulacija glasi c dT = −k(T − Tamb ). Zadatak 5. gdje je k koeficijent hladenja (koji ovisi. dt k > 0. Zamjenom varijabli z = y/x homogena jednadˇba prelazi u jednadˇbu sa separiranim z z varijablama. y) dx + Q(x. c tada je temperatura smjese Ts jednaka Ts = k Tk + m Tm . tada je T0 = T (0) = Tamb +A c pa je konaˇno c T (t) = e−kt (T0 − Tamb ) + Tamb .232 ˇ DIFERENCIJALNE JEDNADZBE (ambijenta) Tamb .

y ey z c Zadatak 5.3 Rijeˇite diferencijalne jednadˇbe: s z a) y′ − y y arctg = 0 uz y(1) = 1. 1). x − i. y 2 2 x C = e−x /(2y ) . y) jednak y 2 /x3 . − y2 zadana jednadˇba je homogena. uz x = 0 daje z′ x + z = Sada imamo (λx)(λy) λ2 xy xy = 2 2 = 2 . c . C Zadatak 5. 3 z x 1 − 2 − ln z = ln x + ln C. C > 0. Sada je 1 = ln(z x C).9 Rijeˇimo diferencijalnu jednadˇbu s z y′ = Kako je x2 xy .4 Nadite jednadˇbu krivulje koja prolazi toˇkom (1. z. 2z 2 2 z x C = e−1/(2z ) . x x b) (3x − 7y) dx = (−7x + 3y) dy. 2 − x2 z 2 x 1 − z2 1 − z2 1 dz = dx. a ima svojstvo da joj je nagib u toˇki (x. 2 − (λy)2 2) (λx) λ (x − y x − y2 y′ = z′x + z z x2 z = .5. konaˇno. c y= 1 −x2 /(2y2 ) e . √ x 1 + x2 c) y ′ = .2 Jednadˇbe sa separiranim varijablama z 233 Primjer 5. Uvrˇtavanje z s y = zx. 2z gdje smo radi jednostavnosti pretpostavili da je x.

y). y0 ) ponaˇa pribliˇno sliˇno kao pravac koji prolazi kroz c s z c toˇku (x0 . y0 ) i ima koeficijent smjera F (x0 .1]).234 ˇ DIFERENCIJALNE JEDNADZBE 5. Na slici 5. y0 ). Polje smjerova nam najˇeˇ´e daje dobru ideju o iznadˇbe y z c sc gledu rjeˇenja – krenemo li od poˇetnog uvjeta.§5. y). y0 ). z s z – kroz svaku od odabranih toˇaka nacrtamo mali dio pravca (segment) c s koeficijentom smjera F (x. to se i rjeˇenje y = f (x) c s s u okolini toˇke (x0 . Kako se svaka funkcija o okolini c zadane toˇke ponaˇa kao tangenta (vidi [M1.7 prikazana su polja smjerova za diferencijalne jednadˇbe y ′ = z x + y i y ′ = x2 + y 2 − 1. c Temeljem ovog razmatranja moˇemo napraviti sljede´e: z c c – odaberimo skup pravilno rasporedenih toˇaka (x. tada je smjer tangente na krivulju y = c f (x) u toˇki (x0 .3 Polje smjerova Ako je funkcija y = f (x) rjeˇenje diferencijalne jednadˇbe prvog reda s z y ′ = F (x. koje prolazi nekom toˇkom (x0 . y) u onom dijelu ravnine u kojem traˇimo rjeˇenje diferencijalne jednadˇbe. y).7: Polje smjerova za jednadˇbe (a) y ′ = x + y i (b) y ′ = x2 + y 2 − 1 z Slika 5. Na taj naˇin dobili smo polje smjerova (polje izoklina) diferencijalne jedc ′ = F (x. y0 ). moˇemo skicirati krivulju s c z y = f (x) koriste´i svojstvo da nam u svakoj toˇki nacrtani segment daje c c smjer kretanja krivulje.1. y0 ) dan upravo s F (x0 .7 (b) nacrtana je pomo´u sljede´eg Matlab programa: c c . 1 1 1 1 (a) (b) Slika 5.

6.8. c z dP = 0. y ′ = xy + y 2 . xx=a+i*dX. nY=15.’b’) end end Primjer 5. 2] × [−3. y=yDerivirano*(x-xx)+yy. 5. 1) i c s c (0. y(x0 ) = y0 . dX=(b-a)/nX. . c=-3. zajedno s rjeˇenjima za poˇetne uvjete P (0) = 100 i P (0) = 1500 prikazano s c je na slici 5. x=xx-dX/4:dX/100:xx+dX/4. dY=(d-c)/nY. −1): y ′ = 2y(y − 2). d=3. yy=c+j*dY. yDerivirano=xx^2+yy^2-1. nX=15.5.10 Polje smjerova logistiˇke jednadˇbe iz primjera 5.07 P dt 1− P 1000 .y.4 Eulerova metoda Eulerova metoda je metoda za numeriˇko rjeˇavanje diferencijalne jedc s nadˇbe prvog reda oblika z y ′ = F (x. for j=1:nY+1.4 Eulerova metoda 235 % Polje smjerova za y’=x^2+y^2-1 za -3<=x<=3 i -3<=y<=3 a=-3. hold for i=1:nX+1. y ′ = y − e−x . Zadatak 5.5 Za sljede´e diferencijalne jednadˇbe skicirajte polje smjerova c z na podruˇju [−2. b=3. y). 0). plot (x. (0. 3] i rjeˇenja koje prolaze toˇkama (0.

E = 60 V. Eulerova metoda definirana rekurzivnom c formulom yn = yn−1 + ∆x F (xn−1 .1) . y0 ). . yn−1 ). y0 ). (5. y1 ). n = 1. y0 ) derivacija funkcije y je y ′ = F (x0 . x1 = x0 + ∆x. y3 = y2 + ∆x F (x2 . . .236 ˇ DIFERENCIJALNE JEDNADZBE 1500 1000 P 100 10 t Slika 5. x3 = x2 + ∆x. . R = 12 Ohm. U toˇki (x0 .17]: y(x + ∆x) ≈ y(x) + y ′ (x) ∆x. za zadanu toˇku (x0 . Sliˇno. Metoda se sastoji u sljede´em: za odabrani prirast ∆x definiramo niz toˇaka c c x0 . vrijedi c y2 = y1 + ∆x F (x1 .8: Polje smjerova logistiˇke jednadˇbe c z Metoda se temelji na aproksimaciji funkcije y pomo´u prvog ˇlana Tayloroc c vog reda [M1. Primjer 5. teorem 6. y0 ) pa Taylorova formula c povlaˇi c y(x1 ) ≡ y1 = y(y0 + ∆x F (x0 .2. ··· pa je. 2. z E −RI dI = . y2 ).11 Za diferencijalnu jednadˇbu strujnog kruga iz primjera 5. dt L L = 4 H. . x2 = x1 + ∆x. . .

I(0.872) = 4.3) = 3. I(0. I(0)=0 x0=0.68) = 4.8) = 4.4) = 3. I(0.R * I(t) ).85876.4) = I(0. I(0.5.79950.285.2 (15 − 3 · 4.872 I(1) = 4.2 (15 − 3 · 4. . 1 s imamo redom I(0) = 0. I(0. Za korak od ∆t = 0.68 + 0.2 I(0. I(0.2 (15 − 3 · I(0)) = 0 + 0. n=max(size(x)).58823. xn=1.68 I(0.6) = 4.1): % Eulerova metoda za I(t)’ = ( E . E=60.2 (15 − 3 · 0) = 3 I(0. I(1) = 4.79823.71176.5.872 + 0. y(i)=y(i-1)+h*yDerivirano. I(0.55. h=0.2) = 4.15965.2)) = 3 + 0.8) = 4. I(0.2 + 0.2) = 2.2) = I(0) + 0. R=12.7) = 4.2 s Eulerova metoda daje c I(0) = 0.1.5) = 4. I(0.6) = 4.2) + 0.9488. I(0. for i=2:n yDerivirano=(E-R*y(i-1))/L. Sljede´i Matlab program raˇuna i crta rjeˇenje diferencijalne jednadˇbe c c s z (5.4 Eulerova metoda 237 uz poˇetni uvjet I(0) = 0 i korak ∆t = 0. y(1)=0.2 (15 − 3 · 4.41176. L=4.2 (15 − 3 · I(0.9) = 4. x=x0:h:xn.1) = 1.2 (15 − 3 · 3) = 4.

01 s i toˇno rjeˇenje I(t) = c s 5 − 5 e3t . Na slici 5. ortogonalna trajektorija te familije (vidi sliku 5. Na primjer.2 s. tada je svaka kruˇnica sa srediˇtem u ishodiˇtu. y(0) = −1 na intervalu [0. s 2 + y 2 = C.9: Eulerova metoda Zadatak 5.2 i ∆x = 0. na´i sljede´im postupz c c kom: .10). y. ako je zadana familija pravaca koji prolaze kroz ishodiˇte.6 Izraˇunajte i skicirajte pribliˇno rjeˇenje diferencijalne jedc z s nadˇbe z y ′ = y − e−x . ∆t = 0. y = kx.1 s.1) za korake ∆t = 0. x z s s C ∈ (0. 1] uz korake ∆x = 0. no oˇekujemo da ´e za dovoljno s c c male korake rjeˇenje biti toˇnije.5 Ortogonalne i izogonalne trajektorije Izogonalna trajektorija obitelji (familije) krivulja F (x. Kaˇemo z da su dvije familije ortogonalne trajektorije jedna drugoj. Ortogonalne trajektorije moˇemo.y) ˇ DIFERENCIJALNE JEDNADZBE Vidimo da Eulerova metoda stalno grijeˇi.1. ∆t = 0. ako postoje.9 prikazana su rjeˇenja jednadˇbe s c s z (5. +∞). radi se o ortogonalnoj trajektoriji.238 end plot(x. C) = 0 ovisne o parametru C je svaka krivulja koja sijeˇe svaku krivulju zadane familije pod c zadanim kutom. Ukoliko je kut pravi. k ∈ R. 5 "euler02" "euler01" "euler001" 5-5*exp(-3*t) 1 Slika 5. 5.

(5. C) = z z 0 daje diferencijalnu jednadˇbu zadane familije krivulja. y(x)) je y ′ (x). 2x . Kako je k = c z x/y 2 . ˇto daje z s ∂F dy ∂F + = 0. na primjer. uvrˇtavanje daje diferencijalnu jednadˇbu s z y′ = y . a koeficijent smjera normale u c istoj toˇki je −1/y ′ (x). y ′ ) = 0. ∂x ∂y dx 2. k ∈ R: deriviranje daje 1 = k 2y y ′ .5 Ortogonalne i izogonalne trajektorije 239 Slika 5.2) 3. z Φ(x. Primjer 5. − 1 y′ =0 pa je rjeˇenje ove jednadˇbe jednadˇba familije ortogonalnih trajektos z z rija.5. y. pri ˇemu smo koristili pravilo o deriviranju sloˇene funkcije. Stoga ortogonalne trajektorije zadovoljavaju c diferencijalnu jednadˇbu z Φ x.10: Ortogonalne trajektorije y = kx i x2 + y 2 = C 1.12 Nadimo ortogonalne trajektorije familije parabola x = ky 2 . eliminacija parametra C iz prethodne jednadˇbe i jednadˇbe F (x. y. y. prvo deriviramo jednadˇbu zadane familije krivulja. za bilo koju krivulju vrijedi sljede´e: koeficijent smjera tangente zac dane krivulje u toˇki (x.

Integriranje daje 2x .12) c tg ϕ = tg(ψ − α) = tg ψ − tg α .240 ˇ DIFERENCIJALNE JEDNADZBE Dakle. y2 = −x2 + C 2 pa su ortogonalne trajektorije elipse sa srediˇtem u ishodiˇtu (vidi sliku 5. C ∈ (0. 1 + tg ψ tg α . y 1 1 Slika 5. Postupak raˇunanje izogonalnih trajektorija proizlazi iz sljede´eg zapaˇanja: c c z ako je dy/dx = tg ϕ koeficijent smjera tangente na zadanu krivulju. +∞) ortogonalne z z trajektorije pravaca y = kx.11). i ako je dyT /dx = tg ψ koeficijent smjera tangente izogonalne trajektorije koja zadanu krivulju sijeˇe pod kutom α.7 Dokaˇite da su kruˇnice x2 +y 2 = C.11: Ortogonalne trajektorije x = ky 2 i x2 + y 2 /2 = C Zadatak 5. ortogonalne trajektorije zadovoljavaju jednadˇbu z y′ = − odnosno y dy = −2x dx. k ∈ R. C 2C C > 0. tada vrijedi (vidi sliku 5. s s y2 x2 + = 1.

2) i ispuˇtanje indeksa T s z s daje diferencijalnu jednadˇbu izogonalne trajektorije. z α ϕ φ Slika 5. dx x U ovom sluˇaju je tg α = tg(π/4) = 1 pa formule (5. x .3) dyT dx tg α + 1 dx Uvrˇtavanje ovog izraza za dy/dx u jednadˇbu (5. (5.12: Tangens razlike kutova Primjer 5.5 Ortogonalne i izogonalne trajektorije 241 odnosno dyT − tg α dy = dx . = y dx 1− x Ovo je homogena diferencijalna jednadˇba ˇije rjeˇenje glasi z c s ln x2 + y 2 = arctg y + ln C. = dx dyT x +1 dx Ispuˇtanjem indeksa T i sredivanjem nastale jednadˇbe dobili smo diferens z cijalnu jednadˇbu izogonalnih trajektorija: z y 1+ dy x.13 Nadimo izogonalne trajektorije familije pravaca y = kx koje te pravce sijeku pod kutom π/4.3) daje c dyT −1 y .5. Deriviranje zadane jednadˇbe i eliminacija z konstante C dy y = .

z . u nekim sluˇajevima c diferencijalna jednadˇba ima i rjeˇenje Ψ(x. y ′ ) = 0 je skup funkcija Φ(x. y) = 0 koje se ne moˇe dobiti iz z s z op´eg rjeˇenja ni za jednu vrijednost parametra C. y) = 0 prolaze dva rjeˇenja polazne diferencijalne c s jednadˇbe.13: Izogonalne trajektorije y = kx i r = Ceϕ 5. C) = 0 ovisnih o parametru C.6 Singularna rjeˇenja i ovojnice s Op´e rjeˇenje diferencijalne jednadˇbe prvog reda oblika c s z F (x. ϕ) vrijedi y = tg ϕ. y. No. y. odnosno r = Ceϕ ˇto je jednadˇba familije logaritamskih spirala (vidi sliku 5. x pa rjeˇenje glasi s ˇ DIFERENCIJALNE JEDNADZBE x2 + y 2 = r ln r = ϕ + ln C.242 U polarnim koordinatama (r. kroz svaku toˇku Ψ(x.13). Takvo rjeˇenje zove se c s s singularno rjeˇenje i ima sljede´a svojstva koja navodimo bez dokaza: s c S1. s z Slika 5.

y) = 0 u svakoj svojoj toˇki dira jednu od krivulja iz c familije Φ(x. C) = 0. y. singularno rjeˇenje Ψ(x. y. pa je rjeˇenje jednadˇbe familija kruˇnica radijusa α sa srediˇtem na x-osi: s z z s (x − C)2 + y 2 = α2 . ∂C s z Primjer 5. a prema svojstvu S2 to su ujedno i singularna rjeˇenje polazne jednadˇbe ˇto se lako s z s provjeri uvrˇtavanjem.5. α2 − y 2 . S3. C) = [(x − C)2 + y 2 − α2 ]′ = −2 (x − C) = 0 C C povlaˇi x = C pa uvrˇtavanje u jednadˇbu (x−C)2 +y 2 = α2 daje singularno c s z 2 = α2 . ∂ Φ(x.6 Singularna rjeˇenja i ovojnice s 243 S2.8 Nadite singularno rjeˇenje sljede´ih jednadˇbi: a) 2y(y ′ + 2) − x(y ′ )2 = 0. y. y) = 0 se dobije eliminacijom parametra C iz s sustava jednadˇbi z Φ(x. . s Singularno rjeˇenje smo mogli dobiti i pomo´u svojstva S3: jednakost s c Φ′ (x. odnosno krivulja Ψ(x. krivulja Ψ(x.14)). b) y 2 (y ′ )2 + y 2 − 1 = 0. y) = 0 je ovojnica familije krivulja Φ(x. C) = 0. y. rjeˇenje y s s c z Zadatak 5. Vrijedi dy =± dx Separacija varijabli daje y dy ± α2 − y 2 = dx. y. C) = 0. Ovojnice ove familije su pravci y = α i y = −α (vidi sliku (5.14 Nadimo singularno rjeˇenje diferencijalne jednadˇbe y 2 (1 + y ′2 ) = α2 . C) = 0. y α ∈ R.

Prema svojstvu S3. Deriviranje jednadˇbe daje z y ′ = y ′ + xy ′′ + f ′ (y ′ )y ′′ . op´e rjeˇenje jednadˇbe (uz supstituciju t = x + 1) c s z y = xy ′ + y ′ + (y ′ )2 je y = C(x + 1) + C 2 . Izjednaˇavanje prvog faktora s nulom daje y ′′ = 0. 0 = x + f ′ (C).244 y ˇ DIFERENCIJALNE JEDNADZBE y=α x y=−α Slika 5. ˇto je familija pravaca ovisna o parametru C. dok je singularno rjeˇenje jednako (vidi sliku (5. odnosno y ′′ [x + f ′ (y ′ )] = 0.15 Clairautova diferencijalna jednadˇba glasi z y = xy ′ + f (y ′ ). 4 . singularno s rjeˇenje dobijemo eliminacijom parametra C iz sustava s y = Cx + f (C).14: Ovojnice Primjer 5. Na primjer. c op´e rjeˇenje jednadˇbe glasi c s z y = Cx + f (C).15)) s 1 y = − (x + 1)2 . Dakle. odnosno y ′ = C.

y) = P (x.15: Clairautova jednadˇba z c s c z Zadatak 5. ∂y ∂x U tom sluˇaju postoji funkcija F (x.7 Egzaktne jednadˇbe i integriraju´i faktori z c 245 1 -1 6 x Slika 5.9 Nadite op´e i singularno rjeˇenje sljede´ih jednadˇbi: a) x = y 1 − ′ 2.7 Egzaktne jednadˇbe i integriraju´i faktori z c Diferencijalna jednadˇba oblika z P (x.5) (5. y) takva da je c dF (x.4) .6) (5.5. y) dy = 0 je egzaktna ako je ∂P ∂Q = . b) y = xy ′ + 5. (5. y) = C. ′ y (y ) y′ 1 + (y ′ )2 . y) dx + Q(x. y) dx + Q(x. y) dy pa je rjeˇenje jednadˇbe dano s s z F (x.

y) = P (x. y) = ∂y ∂y pa je ϕ′ (y) = Q(x. tada je ∂F/∂x = P . y).246 ˇ DIFERENCIJALNE JEDNADZBE Opiˇimo postupak nalaˇenja funkcije F . odnosno F (x. y) − P (x.5) povlaˇi c ∂ ∂ Q(x. y) = P (x. y) dx + ϕ(y). y) − = ∂x ∂ ∂y ∂2 P (x. . Ukoliko navedena funkcija F s z postoji. ∂x ∂ ∂ ∂ F (x. y) = Kako je ∂ F (x. y) dy − P (x. y) dx. y). y) dx dy. y) dx + ϕ′ (y) = Q(x.16 Prethodno opisnim postupkom nadimo rjeˇenje diferencijalne s jednadˇbe z (2x + 2y 2 ) dx + (4xy + 3y 2 ) dy. y) dx ∂x∂y ∂ P (x. y) dx = Q(x. y) dy − ∂ ∂y P (x. y) − ∂x ∂ Q(x. y) dx + Q(x. y) − ∂y ∂y ∂y funkcija F zaista zadovoljava jednakost (5. Primjer 5. Jednadˇba je egzaktna jer je z ∂ ∂ (2x + 2y 2 ) = 4y = (4xy + 3y 2 ). ϕ(y) = pa je konaˇno c F (x. Q(x. y) = 0. Izraz na desnoj strani prethodne jednakosti je funkcija od y jer uvjet (5.6). y) ∂ ∂y P (x. y) − ∂x ∂y P (x. y) = P (x. y) dx = ∂ Q(x. ∂y Dakle. Nadalje. c ∂ ∂F (x. y) dx dy P (x. pri ˇemu je ϕ(y) neka funkcija od y. ∂y ∂x P (x. y) dx + Q(x.

uz uvjet y(0) = −1. z c Ako je jednadˇba (5.7) egzaktna. Stoga nalaˇenje integriraju´eg faktora op´enito nije jedz c c nostavno. b) x + ex/y dx + 1 − c) y ′ = x y ex/y dy = 0. y) = 4xy + ϕ′ (y) = 4xy + 3y 2 . ∂y pa je ϕ′ (y) = 3y 2 odnosno ϕ(y) = y 3 .5. y x x odnosno ′ µ′ P − µ′ Q = µ(Q′ − Py ). x cos y Za neke jednadˇbe oblika (5. kada je integriraju´i faktor funkcija samo jedne varijable (bilo c x bilo y). y) z takva da je jednadˇba z µ(x. tada je postupak sljede´i: ako je µ = µ(x) tada je µ′ = 0 pa je c y ′ −µ′ = µ(Q′ − Py ). y) Q(x. Rjeˇenje zadane jednadˇbe je stoga s z x2 + 2xy 2 + y 3 = C.7 Egzaktne jednadˇbe i integriraju´i faktori z c 247 Vrijedi F (x.7) egzaktna. tada je (µ P )′ = (µ Q)′ pa je z y x ′ µ′ P + µPy = µ′ Q + µQ′ . Funkcija µ je integriraju´i faktor ili Eulerov multiplikator.10 Rijeˇite diferencijalne jednadˇbe: s z a) y ′ (4xy + 3y 2 ) + 2x + 2y 2 + 1 = 0. postoji funkcija µ(x. ∂ F (x. y) dy = 0 (5. uz uvjet y(1) = π/4.4) koje nisu egzaktne. y) = Dalje je (2x + 2y 2 ) dx + ϕ(y) = x2 + 2xy 2 + ϕ(y).4) moˇemo rijeˇiti c z z s novu jednadˇbu. Zadatak 5. U tom sluˇaju umjesto zadane jednadˇbe (5. y) P (x. x y x Ovo je parcijalna diferencijalna jednadˇba koja moˇe biti i sloˇenija od poz z z laznog problema. x x odnosno ′ Py − Q′ dµ x = dx. sin y . y) dx + µ(x. µ Q . No.

ϕ(y) = C Dakle. ′ Kako je P = x2 − y 2 i Q = 2xy te Py = −2y i Q′ = 2y. x . µ x ln |µ| = ln |x|−2 + ln C. dx + 2 x x Postupak opisan na poˇetku poglavlja daje: c F (x. jednadˇba nije z x egzaktna. y) = 1− y2 x2 dx + ϕ(y) = x + y2 + ϕ(y). Imamo c 2 dµ = − dx. µ = µ(x) moˇemo na´i ukoliko je kvocijent na desnoj strani funkcija z c od x.248 ˇ DIFERENCIJALNE JEDNADZBE Dakle. Iz ′ Py − Q′ 4y 2 x =− =− Q 2xy x zakljuˇujemo da je µ = µ(x). x x ϕ′ (y) = 0. ako je µ = µ(y) tada je µ′ = 0 pa je c x ′ Q′ − Py dµ x = dy µ P ukoliko je kvocijent na desnoj strani funkcija od y. C µ = 2. Primjer 5. y) = ′ Fy (x. x Moˇemo uzeti bilo koji integriraju´i faktor pa odaberimo C = 1 odnosno µ = z c 2 . Sliˇno. Mnoˇenje polazne jednadˇbe s integriraju´im faktorom daje egzaktnu 1/x z z c diferencijalnu jednadˇbu (provjerite) z x2 − y 2 2y dy = 0. x 2y 2y + ϕ′ (y) = . pa je rjeˇenje zadane jednadˇbe dano s s z x+ y2 = C.17 Rijeˇimo jednadˇbu s z (x2 − y 2 ) dy + 2xy dx = 0.

µ(x) = e R p(x) dx (5. Ovo je jednadˇba sa separiranim varijablama: z dy = −p(x) dx. uz uvjet y(1) = 1.8) je ekvivalentna s c z dy + [p(x) y − q(x)] dx = 0. b) (x + y 3 ) dy − y dx = 0.8 Linearne diferencijalne jednadˇbe prvog reda z 249 Zadatak 5. 5. jednadˇba (5.11 Rijeˇite diferencijalne jednadˇbe: s z a) y + (y 2 − x) y ′ = 0. y Dakle.5. (5. U nehomogenom sluˇaju. . c) (6x3 y + 3y 2 ) dx + (2x4 + 6xy ln x) dy = 0. ln y = − p(x) dx + ln C.9) Ako je q(x) = 0. odnosno rjeˇenje homogene jednadˇbe glasi s z y = C e− R p(x) dx .8) . Rjeˇenje jednadˇbe je s z y= 1 µ(x) q(x) µ(x) dx + C . jednadˇba je homogena.8 Linearne diferencijalne jednadˇbe prvog reda z Linearna diferencijalna jednadˇba prvog reda ima oblik z y ′ + p(x) y = q(x). Iz ′ Py − Q′ p(x) − 0 dµ x = dx = dx = p(x) dx µ Q 1 zakljuˇujemo da je integriraju´i faktor dan s c c µ(x) = e R p(x) dx . z y ′ + p(x) y = 0.

µ(x) = e R y(0) = 2. .250 ˇ DIFERENCIJALNE JEDNADZBE Mnoˇenjem jednadˇbe (5.18 Rijeˇimo diferencijalnu jednadˇbu s z y ′ = 2y + x.9) je dokazana. 4 Dakle. C = 9/4 pa je rjeˇenje zadaog problema funkcija s y(0) = C − y(x) = 1 9 2x 1 e − x− . = e−2x (−2) dx 1 = 2.12 Rijeˇite diferencijalne jednadˇbe: s z a) y ′ − y sin x = sin x cos x. Primjer 5. 2 4 2 4 e−2x x dx]. Vrijedi pa je y = e2x [C + Parcijalna integracija daje 1 1 e−2x x dx = − x e−2x − e−2x 2 4 pa op´e rjeˇenje glasi c s y = e2x C − Poˇetni uvjet daje c 1 1 1 −2x 1 −2x xe − e = C e2x − x − . y= e R p(x) dx q(x) dx + C i formula (5. 4 2 4 Zadatak 5.8) integriraju´im faktorom imamo z z c e R p(x) dx ′ y +e R p(x) dx p(x) y = e R p(x) dx q(x). Formula za deriviranje produkta daje e a integriranje daje e R p(x) dx R p(x) dx y ′ =e R p(x) dx q(x).

Ako je r = 0. .9 Linearne diferencijalne jednadˇbe drugog reda z Linearna diferencijalna jednadˇba drugog reda glasi z y ′′ + p(x) y ′ + q(x) y = f (x). U ostalim sluˇajevima koristimo supstituciju w = y 1−r . s 5. 1−r odnosno w′ = (1 − r) p(x) w + (1 − r) q(x). tada imamo homogenu jednadˇbu y ′ = [p(x) − z q(x)] y. Ako je r = 1. y ′ (x0 ) = b. r ∈ R.5.8). radi se o linearnoj diferencijalnoj jednadˇbi prvog reda z oblika (5. pri ˇemu su funkcije p.13 Rijeˇite diferencijalne jednadˇbe: s z a) xy ′ = y + ex y 3 b) y ′ + y = x2 y 4 x (rjeˇenje: y = (C/x2 − 2 ex /x + 2 ex /x2 )−1/2 ). Uvrˇtavanjem c s y ′ = w 1−r 1 ′ = 1 r 1 1 w 1−r −1 w′ = w 1−r w′ 1−r 1−r dobili smo linearnu diferencijalnu jednadˇbu prvog reda z r 1 r 1 w 1−r w′ = p(x) w 1−r + q(x) w 1−r . s (rjeˇenje: y = 1/(x 3 3 ln |C/x|) ).9 Linearne diferencijalne jednadˇbe drugog reda z 251 b) y ′ + 2 y = x3 . Primjer 5. Pripadna homogena jednadˇba glasi z y ′′ + p(x) y ′ + q(x) y = 0. uz uvjet y(0) = 1. Rjeˇenje jednadˇbe je svaka funkcija y koja za bilo z s z koji x0 ∈ I moˇe zadovoljiti proizvoljne poˇetne uvjete z c y(x0 ) = a. Zadatak 5. q i f neprekidne na nekom intervalu I ⊆ R na kojem c promatramo jednadˇbu. x c) (1 + x2 ) y ′ − 2xy = (1 + x2 )2 .19 Bernoullijeva diferencijalna jednadˇba glasi z y ′ = p(x) y + q(x) y r .

5]. Poglavlje je organizirano na sljede´i naˇin: prvo je uveden pojam linec c arne nezavisnosti funkcija. povlaˇi C1 = C2 = 0. No. c Definicija 5. ∀x ∈ I. Potom je opisana struktura rjeˇenje homogene s jednadˇbe (5. Na kraju je opisan postupak rjeˇavanja jednadˇbe s konstantnim koeficijens z tima. Neka je C1 y1 + C2 y2 = 0.14). Zakljuˇujemo da su dvije funkcije linearno nezavisne ˇim je Wronskijan c c u barem jednoj toˇki razliˇit od nule. Nakon toga opisane su metode varijacije konstanti i mez s z toda neodredenih koeficijenata za rjeˇavanje nehomogene jednadˇbe (5. Provjera linearne nezavisnosti je neˇto sloˇenija i za nju su nam s z potrebni sljede´a definicija i teorem. Definicija 5. na primjer. §2. tada je njihov Wronskijan identiˇno jednak nula. Teorem 5.9. pri ˇemu je. c c s s . c Dokaz. (5. ˇto nije teˇko provjeriti.14). ne postoji c c univerzalna metoda za rjeˇavanje linearne diferencijalne jednadˇbe drugog s z reda (5.3).11).3 Neka su y1 . c tada je i y λ y1 y1 y1 W = 1 ∀x ∈ I ′ ′ = λ y′ ′ = 0.10) pri ˇemu su C1 i C2 realne konstante.1 Ako su funkcije y1 i y2 linearno zavisne na intervalu I.2 Funkcije y1 i y2 su linearno nezavisne na intervalu I ako identitet C1 y1 (x) + C2 y2 (x) = 0. takva metoda postoji u sluˇaju kada su p i q konstante (vidi c poglavlje 5. Funkcija W (x) = y1 (x) y2 (x) ′ ′ = y1 (x) y2 (x) − y1 (x) y2 (x) ′ ′ y1 (x) y2 (x) je determinanta Wronskog ili Wronskijan funkcija y1 i y2 . y1 λ y1 1 y1 i teorem je dokazan. C2 = 0. Tada je y2 = λ y1 za λ = −C1 /C2 .252 ˇ DIFERENCIJALNE JEDNADZBE U op´enitom sluˇaju kada su p i q proizvoljne funkcije od x. No. y2 : I → R derivabilne funkcije. c c Ova definicija je formalno jednaka definiciji linearne nezavisnosti vektora [M1.

11). z Dokaz. ako je bilo koja tvrdnja istinita.9. imamo ′′ ′′ ′ ′ (y2 y1 − y1 y2 ) + p(x) (y2 y1 − y1 y2 ) = 0. (iv) op´e rjeˇenje jednadˇbe dano je s C1 y1 + C2 y2 . ′ ′′ y2 + p(x) y2 + q(x) y2 = 0.5. Teorem se dokazuje direktnim uvrˇtavanjem.1. Sljede´e s z c tvrdnje su ekvivalentne3 : (i) W (x) = 0 za svaki x ∈ I. Mnoˇenjem prva jednadˇbe s y2 i druge s y2 te oduzimanjem prve jednadˇbe z z z od druge. vrijedi s z ′′ ′ y1 + p(x) y1 + q(x) y1 = 0. (5. prema definiciji Wronskijana. odnosno.11).9 Linearne diferencijalne jednadˇbe drugog reda z 253 5.1 Homogene jednadˇbe z Sljede´a dva teorema daju strukturu rjeˇenja homogene jednadˇbe c s z y ′′ + p(x) y ′ + q(x) y = 0. Implikaciju (ii) ⇒ (i) dokazujemo na sljede´i naˇin: kako su y1 i y2 c c rjeˇenja zadane jednadˇbe. W ′ + p(x) W = 0. Implikacija (iii) ⇒ (ii) slijedi iz teorema 5. tada s z s je i svaka njihova linearna kombinacija C1 y1 + C2 y2 takoder rjeˇenje te jednadˇbe. tada su istinite i ostale. c .11) Teorem 5. (iii) funkcije y1 i y2 su linearno nezavisne na intervalu I. (ii) W (x0 ) = 0 za neki x0 ∈ I. 3 Drugim rijeˇima.2 Ako su y1 i y2 dva rjeˇenja homogene jednadˇbe (5.3 Neka su y1 i y2 dva rjeˇenja homogene jednadˇbe (5. c s z Dokaz. s Teorem 5.

254 Separacija varijabli i teorem 2.3 daju
x

ˇ DIFERENCIJALNE JEDNADZBE

ln W = − odnosno

p(t) dt + ln C,
x0
x R x0

W (x) = C e

p(t) dt

.

(5.12)

Uvrˇtavanjem toˇke x = x0 slijedi C = W (x0 ), odnosno s c W (x) = W (x0 ) e

x R x0

p(t) dt

.

Kako je po pretpostavci W (x0 ) = 0, a eksponencijalna funkcija je uvijek nenegativna, zakljuˇujemo da je W (x) = 0 za svaki x ∈ I pa je implikacija c dokazana. Implikacija (i) ⇒ (iii) je oˇita (teorem 5.1). c S ovim smo dokazali ekvivalentnost tvrdnji (i) − (iii). Preostaje joˇ s ukljuˇiti tvrdnju (iv). Dokaˇimo ekvivalentnost tvrdnji (i) i (iv). Funkcija c z y = C1 y1 + C2 y2 je op´e rjeˇenje jednadˇbe (5.11) ako za bilo koje poˇetne c s z c uvjete y(x0 ) = a, y ′ (x0 ) = b, x0 ∈ I, moˇemo na´i odgovaraju´e konstante C1 i C2 tako da uvjeti budu zadovoz c c ljeni. Uvrˇtavanjem zakljuˇujemo da su C1 i C2 rjeˇenja sustava linearnih s c s jednadˇbi z C1 y1 (x0 ) + C2 y2 (x0 ) = a
′ ′ C1 y1 (x0 ) + C2 y2 (x0 ) = b.

Determinanta matrice ovog sustava je upravo Wronskijan. Prema KroneckerCapellijevom teoremu [M1, teorem 2.5] i svojstvu determinanti D8 iz [M1, §2.9.1], ovaj sustav ima jedinstveno rjeˇenje ako i samo ako je W (x) = 0 za s svaki x = x0 u intervalu I i teorem je dokazan. Skup linearno nezavisnih rjeˇenja homogene jednadˇbe (5.11) zove se s z fundamentalan skup rjeˇenja. s Primjer 5.20 Rjeˇenja diferencijalne jednadˇbe s z y ′′ + 1 1 ′ y − 2y=0 x x

5.9

Linearne diferencijalne jednadˇbe drugog reda z

255

su y1 = x,

1 y2 = − , x

ˇto se lako provjeri uvrˇtavanjem. Wronskijan je jednak s s W (x) =
1 2 x −x = . 1 1 x2 x

Oˇito je W (x) = 0 za x = 0 pa su prema teoremu 5.3 funkcije y1 i y2 linearno c nezavisne, a op´e rjeˇenje jednadˇbe glasi c s z 1 y = C1 x + C2 . x Ukoliko znamo samo jedno rjeˇenje zadane homogene jednadˇbe, drugo s z linearno nezavisno rjeˇenje moˇemo dobiti koriste´i formulu (5.12). Prema s z c toj formuli je R ′ ′ y1 y2 − y2 y1 = C e− p(x) dx .
2 Dijeljenjem ove jednadˇbe s y1 imamo z ′ ′ R y1 y2 − y2 y1 1 = 2 C e− p(x) dx 2 y1 y1

pa pravilo o deriviranju produkta daje d dx odnosno y2 = y1 C e−
R p(x) dx 2 y1

y2 y1

=

R 1 C e− p(x) dx , 2 y1

dx + D.

Kako traˇimo samo jedno rjeˇenje, moˇemo uzeti C = 1 i D = 0 pa je z s z y2 = y1 e−
R p(x) dx 2 y1

dx.

(5.13)

Funkcije y1 i y2 su oˇito linearno nezavisne jer je funkcija y2 /y1 razliˇita od c c konstante pa je op´e rjeˇenje jednadˇbe jednako c s z y = C 1 y 1 + C2 y 1 e−
R p(x) dx 2 y1

dx.

256

ˇ DIFERENCIJALNE JEDNADZBE

Primjer 5.21 Jedno rjeˇenje homogene diferencijalne jednadˇbe s z (1 − x2 ) y ′′ − 2xy ′ + 2y = 0 je y1 = x. Prema formuli (5.13) vrijedi y2 = x dx = x x2 1+x 1 ±1 = x ln 2 1−x e
R
2x 1−x2

dx

e− ln |1−x | dx = x x2

2

dx x2 |1 − x2 |

pa je op´e rjeˇenje zadane jednadˇbe jednako c s z y = C 1 x + C2 1 1+x ±1 . x ln 2 1−x

5.9.2

Nehomogene jednadˇbe z

Sljede´i teorem daje op´e rjeˇenje linearne diferencijalne jednadˇbe druc c s z gog reda y ′′ + p(x) y ′ + q(x) y = f (x). (5.14) Teorem 5.4 Op´e rjeˇenje jednadˇbe (5.14) dano je s c s z y = yH + yP , gdje je yP neko partikularno rjeˇenje, odnosno s
′′ ′ yP + p(x) yP + q(x) y = f (x),

a yH rjeˇenje pripadne homogene jednadˇbe (5.11). s z Dokaz. Funkcija y je zaista rjeˇenje jer vrijedi s (yH + yP )′′ + p(x) (yH + yP )′ + q(x) (yH + yP ) =
′′ ′ ′′ ′ = [yH + p(x) yH + q(x) yH ] + [yP + p(x) yP + q(x) yP ] = 0 + f (x) = f (x).

Joˇ treba pokazati da funkcija y moˇe zadovoljiti bilo koje poˇetne uvjete s z c y(x0 ) = a, y ′ (x0 ) = b, x0 ∈ I.

Prema teoremu 5.3, rjeˇenje homogene jednadˇbe je oblika yH = C1 y1 + s z C2 y2 , gdje su y1 i y2 linearno nezavisne funkcije. Dakle, y = C 1 y 1 + C2 y 2 + y P .

5.9

Linearne diferencijalne jednadˇbe drugog reda z

257

Uvrˇtavanjem dobivamo sustav linearnih jednadˇbi u nepoznanicama C1 i s z C2 :
′ ′ ′ C1 y1 (x0 ) + C2 y2 (x0 ) = b − yP (x0 ).

C1 y1 (x0 ) + C2 y2 (x0 ) = a − yP (x0 )

Determinanta matrice ovog sustava je upravo Wronskijan koji je razliˇit od c nule po teoremu 5.3. Stoga sustav ima jedinstveno rjeˇenje i teorem je dos kazan. Partikularno rjeˇenje nalazimo metodom varijacije konstanti. Neka je s y = C1 y1 + C2 y2 rjeˇenje pripadne homogene jednadˇbe pri ˇemu su y1 i s z c y2 linearno nezavisne funkcije. Partikularno rjeˇenje nehomogene jednadˇbe s z traˇimo u istom obliku, s tom razlikom ˇto pretpostavljamo da C1 i C2 nisu z s konstante ve´ neke funkcije od x. Deriviranje daje c
′ ′ ′ ′ y ′ = C1 y 1 + C2 y 2 + C1 y 1 + C2 y 2 .

Odaberimo funkcije C1 i C2 tako da zadovoljavaju uvjet
′ ′ C1 y1 + C2 y2 = 0.

(5.15)

Tada je
′ ′ y ′ = C 1 y 1 + C2 y 2

pa je
′′ ′′ ′ ′ ′ ′ y ′′ = C1 y1 + C2 y2 + C1 y1 + C2 y2 .

Uvrˇtavanje u jednadˇbu (5.14) daje s z
′′ ′′ ′ ′ ′ ′ ′ ′ C1 y1 +C2 y2 +C1 y1 +C2 y2 +p(x)[C1 y1 +C2 y2 ]+q(x)(C1 y1 +C2 y2 ) = f (x),

odnosno
′′ ′ ′′ ′ ′ ′ ′ ′ C1 [y1 + p(x) y1 + q(x) y1 ] + C2 [y2 + p(x) y2 + q(x) y2 ] + C1 y1 + C2 y2 = f (x).

Kako su y1 i y2 rjeˇenja homogene jednadˇbe, izrazi u uglatim zagradama s z su jednaki nula pa je ′ ′ ′ ′ C1 y1 + C2 y2 = f (x).
′ Kombiniraju´i ovu jednakost s jednakoˇ´u (5.15), vidimo da su funkcije C1 c sc ′ rjeˇenje sustava linearnih jednadˇbi i C2 s z ′ ′ C1 y1 + C2 y2 = 0, ′ ′ C1 y1

(5.16)

+

′ ′ C2 y 2

= f (x).

258

ˇ DIFERENCIJALNE JEDNADZBE

Determinanta ovog sustava je Wronskijan linearno nezavisnih funkcija y1 i y2 koji je uvijek razliˇit od nule pa sustav ima jedinstveno rjeˇenje. Ako je c s rjeˇenje sustava, na primjer, s
′ C1 = α(x), ′ C2 (x) = β(x),

tada je, konaˇno, c C1 (x) = α(x) dx + A, C2 (x) = β(x) dx + B

pri ˇemu su A i B konstante integracije. c c s z Primjer 5.22 Nadimo op´e rjeˇenje diferencijalne jednadˇbe y′ = x. x Prvo nadimo op´e rjeˇenje homogene jednadˇbe c s z y ′′ − y ′′ − Iz y′ = 0. x

y ′′ 1 = ′ y x ln y ′ = ln x + ln C

slijedi pa je y ′ = Cx. Dakle,

y H = C 1 x2 + C 2 .

Partikularno rjeˇenje ´emo odrediti metodom varijacije konstanti: funkcije s c C1 i C2 ´emo odrediti iz rjeˇenja sustava c s
′ ′ C1 x2 + C1 1 = 0, ′ ′ 2 C1 x + C2 · 0 = x.

Dakle,
′ C1 =

1 , 2

1 ′ C2 = − x2 2

1 1 x + A, C2 = − x3 + B. 2 6 Stoga je, uz A = B = 0, partikularno rjeˇenje jednako, s C1 = y P = C 1 x2 + C 2 = pa je op´e rjeˇenje jednako c s y = y H + y P = C 1 x2 + C 2 + 1 3 x . 3 1 3 x 3

pa je

5.9

Linearne diferencijalne jednadˇbe drugog reda z

259

Napomena 5.1 Ukoliko je funkcija f zbroj dviju funkcija, f (x) = f1 (x) + f2 (x), tada je partikularno rjeˇenje jednadˇbe s z y ′′ + p(x) y ′ + q(x) y = f1 (x) + f2 (x) jednako yP = yP1 + yP2 pri ˇemu je c
′′ ′ yPi + p(x) yPi + q(x) y = fi (x),

i = 1, 2.

Na primjer, partikularno rjeˇenje jednadˇbe y ′′ − 4y = x je yP1 = x/4, a pars z tikularno rjeˇenje jednadˇbe y ′′ − 4y = 3ex je yP2 = 3ex /5 pa je partikularno s z rjeˇenje jednadˇbe s z y ′′ − 4y = x + 3ex jednako y= 3 1 x + ex . 4 5

5.9.3

Jednadˇbe s konstantnim koeficijentima z

Linearna diferencijalna jednadˇba drugog reda s konstantnim koeficijenz tima glasi y ′′ + a y ′ + b y = f (x), a, b ∈ R. (5.17) Rjeˇenje pripadne homogene jednadˇbe, s z y ′′ + a y ′ + b y = 0, a, b ∈ R, (5.18)

traˇimo u obliku y = eλ x , pri ˇemu, prema teoremu 5.3, trebamo na´i dva z c c linearno nezavisna rjeˇenja. Uvrˇtavanje daje s s λ2 eλ x + a λ eλ x + b eλ x = 0, odnosno eλ x (λ2 + a λ + b) = 0. Kako je eksponencijalna funkcija uvijek nenegativna, λ ´emo dobiti kao c rjeˇenje karakteristiˇne jednadˇbe s c z λ2 + a λ + b = 0. Dakle, vrijedi λ1,2 = pa razlikujemo tri sluˇaja. c −a ± √ a2 − 4 b 2

nul-toˇke su razliˇite i realne. λ1 = − + i 2 2 2 2 Tada su y1 = eλ1 x . prema teoremu 5. dok je funkcija y2 prema formuli (5. c a λ1 = λ2 = λ = − . kao i u prvom sluˇaju. λ1 = λ2 ∈ C. c c Tada su y1 = eλ1 x . tada imamo jednu dvostruku realnu nul-toˇku. λ1 = − − i ≡ α − βi. i funkcije y3 = 1 y1 + y2 = [e(α+βi)x + e(α−βi)x ] 2 2 1 αx = [e (cos βx + i sin βx) + eαx (cos βx − i sin βx)] 2 = eαx cos βx . y2 = eλ2 x dva linearno nezavisna rjeˇenja homogene jednadˇbe jer je s z W (x) = pa je yH = C1 eλ1 x + C2 eλ1 x . λ2 ∈ R.13) jednaka c z y2 = e λx y2 = xeλx e− a dx dx = eλx e2λx R dx = xeλx . λ1 . nul-toˇke su konjugirano kompleksne. s z c No. Zaista. λ1 = λ2 .2. funkcija y1 je rjeˇenje homogene jednadˇbe jer λ zadovoljava karaks z teristiˇnu jednadˇbu. pa je yH = C1 eλx + C2 xeλx . ¯ Ako je a2 − 4 b < 0. y2 = eλ2 x dva linearno nezavisna rjeˇenja homogene jednadˇbe. c odnosno √ √ a 4b − a 4b − a a ≡ α + βi. 2 eλ1 x eλ2 x = e(λ1 +λ2 )x (λ2 − λ1 ) = 0 λ1 eλ1 x λ2 eλ2 x Dva linearno nezavisna rjeˇenja homogene jednadˇbe su jednaka s z y1 = eλx . Ako je a2 − 4 b = 0.260 ˇ DIFERENCIJALNE JEDNADZBE Ako je a2 − 4 b > 0.

c) Nadimo rjeˇenja jednadˇbe s z y ′′ + 2y ′ + 5y = 0. pa je y = e−x (C1 cos 2x + C2 sin 2x). y(0) = 1. y ′ (0) = 0. s λ1 = −1 + 2i. Stoga je λ1 = 1 i λ2 = −2 pa je rjeˇenje zadane jednadˇbe jednako s z y = C1 ex + C2 e−2x . Primjer 5.18).23 a) Za jednadˇbu z y ′′ + y ′ − 2y = 0 karakteristiˇna jednadˇba glasi c z λ2 + λ − 2 = 0. Stoga je λ1 = λ2 = 2 pa je rjeˇenje jednadˇbe jednako s z y = C1 e2x + C2 xe2x . i .5.9 Linearne diferencijalne jednadˇbe drugog reda z 261 1 y1 − y2 = [e(α+βi)x − e(α−βi)x ] = eαx sin βx 2i 2i su takoder rjeˇenja jednadˇbe (5. Pomo´u Wronskijana vidimo da su s z c funkcije y3 i y4 linearno nezavisne pa je y4 = yH = eαx (C1 cos βx + C2 sin βx). b) Karakteristiˇna jednadˇba jednadˇbe c z z y ′′ − 4y ′ + 4y = 0 glasi λ2 − 4λ + 4 = 0. λ2 = −1 − 2i. Rjeˇenja su konjugirano kompleksna. Karakteristiˇna jednadˇba glasi c z λ2 + 2λ + 5 = 0.

′ ′ C1 (−e−x ) + C2 (−3e−3x ) = x.5]: z s ′ C1 (x) = e−x e−3x −x −3 e−3x −e e−x 0 −e−x x 0 e−3x x −3 e−3x = −xe−3x 1 = x ex . pa je op´e rjeˇenje jednadˇbe c s z y = e−x cos 2x + 1 sin 2x . −3x e−x −2 e 2 ′ C2 (x) = e−x e−3x −e−x −3 e−3x = .17) moˇemo na´i ili metodom varijacije konss z z c tanti iz poglavlja 5. 2 Nakon ˇto smo izraˇunali rjeˇenje homogene jednadˇbe (5.9.9. Karakteristiˇna jednadˇba glasi λ2 + 4λ + 3 = 0 pa je λ1 = −1 i λ2 = −3. c z Rjeˇenje pripadne homogene jednadˇbe je stoga s z yH = C1 e−x + C2 e−3x . na primjer. −3x e−x −2 e 2 xe−x 1 = − x e3x . partikus c s z larno rjeˇenje yP jednadˇbe (5.262 Prvi uvjet daje ˇ DIFERENCIJALNE JEDNADZBE y(0) = 1 = C1 cos 0 + C2 sin 0 = C1 . drugi uvjet daje y ′ (0) = 0 = −1 + 2 C2 .24 Rijeˇimo jednadˇbu s z y ′′ + 4y ′ + 3y = x. §2.16): ′ ′ C1 e−x + C2 e−3x = 0. (5. Cramerovim pravilom [M1.18).2 ili metodom neodredenih koeficijenata koja je opisana na kraju ovog poglavlja. Primjer 5.19) Sustav moˇemo rijeˇtiti. odnosno C2 = 1/2. Kako je y ′ (x) = −e−x (1 · cos 2x + C2 sin 2x) + e−x (1 · (−2 sin 2x) + 2 C2 cos 2x). Metoda varijacije konstanti daje sustav (5.

21) Uvrˇtavanjem ove funkcije u jednadˇbu (5. 3 9 Ukoliko funkcija f (x) u jednadˇbi (5.24 ima oblik (5.25 Funkcija f (x) = x u primjeru 5.20) pri ˇemu su p i q polinomi stupnja najviˇe m. tada partikularno rjeˇenje c s yP ima oblik yP = xk eax [ (A0 + A1 x + · · · + Am xm ) cos bx+ +(B0 + B1 x + · · · + Bm xm ) sin bx ]. s Primjer 5.17) ima poseban oblik.9 Linearne diferencijalne jednadˇbe drugog reda z 263 Integriranje daje C1 (x) = C2 (x) = 1 1 x x e dx = (x − 1) ex + A. m = 1 i p(x) = x. partikularno rjeˇenje ima s oblik yP = (A0 + A1 x) e0x = A0 + A1 x.19) dobili smo partikularno rjeˇenje s yP = 1 4 x− 3 9 pa je op´e rjeˇenje zadane jednadˇbe jednako c s z y = yH + yP = C1 e−x + C2 e−3x + 4 1 x− . Uvrˇtavanje u zadanu jednadˇbu daje s z 0 + 4 A1 + 3 (A0 + A1 x) = x.17) i izjednaˇavanjem ogovaraju´ih s z c c koeficijenata. 2 18 Odabirom konstanti A = B = 0 i uvrˇtavanjem funkcija C1 (x) i C2 (x) u s formulu (5. b = 0. z f (x) = eax p(x) cos bx + eax q(x) sin bx.20) uz a = 0. Izjednaˇavanje lijeve i desne strane po potencijama od x daje sustav jedc nadˇbi z 3 A1 = 1.5. (5. 1. (5. dobijemo sustav linearnih jednadˇbi koji uvijek ima jedinsz tveno rjeˇenje. 4 A1 + 3 A0 = 0 . 2 2 1 1 3x − x e dx = − (3 x − 1)e3x + B. tada partikularno rjeˇenje c s s moˇemo na´i metodom neodredenih koeficijenata: ako je a + i b nul-toˇka kaz c c rakteristiˇnog polinoma kratnosti k. k ∈ {0. 2}.21). Prema formuli (5.

24. b = 0. daje sustav jednadˇbi s nepoznanicama A. partikularno rjeˇenje je jednako s yP = 1 2 1 5 x − x+ 18 27 81 e3x . C= . Primjer 5. kra´enje s e3x i izjednaˇavanje koeficis z c c jenata uz potencije od x. a op´e rjeˇenje zadane jednadˇbe je y = yH + yP . Kako je a + ib nul-toˇka karakteristiˇne jednadˇbe kratnosti k = 1. . Rjeˇenje homogene jednadˇbe je s z yH = C1 cos 3x + C2 sin 3x. prema formuli (5. b = 2. 18 27 81 Dakle. B i C z ˇije je rjeˇenje c s 1 1 5 A= .20) uz a = 3. Nul-toˇke karakteristiˇne jednadˇbe su λ1 = 2i i λ2 = −2i pa je rjeˇenje c c z s homogene jednadˇbe jednako z yH = C1 cos 2x + C2 sin 2x.21) partikularno rjeˇenje ima oblik s yP = x (A cos 2x + B sin 2x).264 pa je partikularno rjeˇenje jednako s yP = ˇ DIFERENCIJALNE JEDNADZBE 4 1 x− . Uvrˇtavanje yP u zadanu jednadˇbu.27 Rijeˇimo diferencijalnu jednadˇbu s z y ′′ + 4 y = cos 2x. B=− . u skladu s formulom c c z (5. Funkcija f ima oblik (5. 3 9 Ovaj postupak je jednostavniji od metode varijacije konstanti koju smo koristili u primjeru 5. m = 0 i p(x) = 1. m = 2 i p(x) = x2 + 1. Funkcija f ima oblik (5.20) uz a = 0. c s z Primjer 5.26 Rijeˇimo diferencijalnu jednadˇbu s z y ′′ + 9 y = (x2 + 1) e3x .21) partikularno rjeˇenje ima oblik s yP = (A x2 + B x + C) e3x . Stoga.

y ′ (0) = 0 cos2 x sin x 9 16 − 1 2 sin x ). g) y ′′ + 2 y ′ + 5 y = 2 cos x. B= 4 pa je op´e rjeˇenje zadane jednadˇbe jednako c s z y = yH + yP = C1 cos 2x + C2 sin 2x + Zadatak 5. Na tijelo z djeluju sljede´e sile: c – sila jednaka umnoˇku mase i ubrzanja prema Newtonovom drugom s zakonu gibanja. dt – sila guˇenja koja je proporcionalna brzini. a na tijelo djeluje vanjska sila s s f . e) y ′′ −y = 3 e2x cos x ). y ′ (0) = 1. d2 y m 2.9 Linearne diferencijalne jednadˇbe drugog reda z 265 Uvrˇtavanje yP u zadanu jednadˇbu i izjednaˇavanje koeficijenata uz sin 2x s z c i cos 2x daje 1 A = 0. s b dy .14 Rijeˇite diferencijalne jednadˇbe: s z a) y ′′ + 3 y ′ = 3 x e−3x b) y ′′ + y = sin x 1 3 1 (rjeˇenje: y = A + Be−3x − 1 x2 e−3x − 3 x e−3x ). guˇena i prisilna titranja s Najzanimljviji problem koji se svodi na diferencijalnu jednadˇbu drugog z reda sa konstantnim koeficijentima je sustav mase i opruge. s 2 1 x sin 2x. 5. (rjeˇenje: y = s 7 e2x + 16 e−2x − d) y ′′ + 7 y ′ + 6 y = (x − 2) ex 9 x 25 ) e ). x 4 ). 1 (rjeˇenje: y = A e6x + B ex + x (− 10 x + s 3 (rjeˇenje: y = A ex +B e−x +e2x ( 10 cos x+ 3 sin x) s 5 y(0) = 1. f) y ′′ + 4 y ′ + 7 y = 0.9. c) y ′′ +4 y = x. dt . Tijelo mase m titra na opruzi koja ima koeficijent opruge k > 0.5. Sustav ima dodatno trenje (guˇenje) s koeficijentom guˇenja b > 0. 4 (rjeˇenje: y = A sin x + B cos x + s y(0) = 1. Neka je y(t) otklon tijela od poloˇaja mirovanja u trenutku t.4 Slobodna.

m k b 0 y(t) m f(t) y Slika 5. m k m d2 y + k y = 0. (5.20). Navedene sile moraju biti u ravnoteˇi s vanjskom silom f . z k y. ˇto daje diferenz s cijalnu jednadˇbu drugog reda s konstantnim koeficijentima: z dy d2 y +b + k y = f (t). dt2 .266 ˇ DIFERENCIJALNE JEDNADZBE – i sila kojom djeluje opruga prema Hookeovom zakonu.16. radi se o harmonijskom oscilatoru.1. a koja je proporcionalna otklonu od poloˇaja mirovanja (vidi primjer 2.22) 2 dt dt Ovaj sustav. Pripadna (homogena) diferencijalna jednadˇba glasi z m Karakteristiˇna jednadˇba je c z λ2 = − pa jednaˇba titranja glasi z y(t) = C1 cos αt + C2 sin αt.16: Titranje mase objeˇene na oprugu uz guˇenje i vanjsku silu s s U najjednostavnijem sluˇaju kada nema ni guˇenja ni vanjske sile (b = c s 0 i f (t) = 0). koji je sloˇeniji od sustava opisanog u primjeru 5. je prikazan z na slici 5. α= k .

tada je √ b2 − 4 m k b λ1. Nadalje. A (5.2 < 0 pa je rjeˇenje s diferencijalne jednadˇbe jednako z y = C1 eλ1 t + C2 eλ2 t .5] daje op´u kosinusoidu c y(t) = A cos(αt − ϕ).6. (homogena) diferencijalna jednadˇba c z glasi dy d2 y + k y = 0. uz oznake brzine y 0 1 A= imamo y(t) = A (cos αt cos ϕ + sin αt sin ϕ) pa adicioni teorem [M1.9 Linearne diferencijalne jednadˇbe drugog reda z 267 ˇto je periodiˇka funkcija s periodom s c P = 2π = 2π α m . A sin ϕ = C2 . tada je λ1 = λ2 ≡ λ = −b/(2 m) pa je rjeˇenje s diferencijalne jednadˇbe jednako z y = C1 eλt + C2 t eλt .5. 2m U skladu s razmatranjima iz poglavlja 5. §4. k Konstante C1 i C2 moˇemo odrediti iz poˇetnog poloˇaja y(t0 ) = y0 i poˇetne z c z c ′ (t ) = y .23) . √ 2 2 C1 + C2 . m 2 +b dt dt Karakteristiˇna jednadˇba glasi c z m λ2 + b λ + k = 0 pa je λ1. λ1 = λ2 i λ1. (iii) ako je b2 − 4 m k < 0.2 = − ±i ≡ α ± iβ 2m 2m pa je rjeˇenje diferencijalne jednadˇbe jednako s z y = eαt (C1 cos βt + C2 sin βt). razlikujemo tri sluˇaja: c (i) ako je b2 − 4 m k > 0.2 ∈ R. cos ϕ = C1 .9. tada je λ1.3. (ii) ako je b2 − 4 m k = 0. U sluˇaju kada nema vanjske sile.2 = −b ± b2 − 4 m k .

3. Vrijedi ′ yP = G1 c (− sin ct) + G2 c cos ct. exp(-t)+exp(-2*t) exp(-t)+2*t*exp(-t) exp(-t)*(2*cos(2*t)+3*sin(2*t)) 1 1 t Slika 5.25) .17: Guˇeno titranje s Ukoliko na sustav djeluje i vanjska sila f . Primjeri ponaˇanja suss z z s tava dani su na slici 5. Partikularno rjeˇenje moˇemo na´i metodom neodredenih koeficijenta koja s z c je opisana u poglavlju 5. u drugom sluˇaju moˇe do´i do jednokratnog porasta s c z c poˇetnog otklona nakon ˇega nastupa guˇenje bez titranja. Iz formula (5. c > 0. rjeˇenje pripadne c c s homogene jednadˇbe glasi z yH = C1 eλ1 t + C2 eλ2 t .24) (5. U prvom sluˇaju radi se o c c guˇenju bez titranja. kod rjeˇavanja pripadne homogene jednadˇbe razlis c s z kujemo tri sluˇaja. Kao ˇto smo ve´ vidjeli.9. Sustav je opisan nehomogenom jednadˇbom (5.268 ˇ DIFERENCIJALNE JEDNADZBE U sva tri sluˇaja vrijedi limt→∞ y(t) = 0. kada je b2 −4 m k > 0.17.21) zakljuˇujemo da c partikularno rjeˇenje ima oblik s yP = G1 cos ct + G2 sin ct. Ponaˇanje sustava opisat z s ´emo na primjeru kada je vanjska sila jednaka c f (t) = F cos ct. radi se o prisilnim oscilacijama. ′′ yP = −G1 c2 cos ct − G2 c2 sin ct.22).20) i (5. U prvom sluˇaju. a u tre´em sluˇaju c c s c c se radi o guˇenom titranju oko poloˇaja ravnoteˇe. (5.

5] daje G1 = F (k − m c2 ) −F (−m c2 + k) = .22) daje s z m (−G1 c2 cos ct − G2 c2 sin ct) + b (−G1 c sin ct + G2 c cos ct) + k (G1 cos ct + G2 sin ct) = F cos ct. [h(c)]2 k − m c2 .9. je periodiˇka funkcija s peris c odom P = 2π/c.9 Linearne diferencijalne jednadˇbe drugog reda z 269 Uvrˇtavanje u jednadˇbu (5. Kada t → ∞ ponaˇanje sustava je periodiˇko i ne ovisi o s c 4 ve´ samo o vanjskoj sili f . Drugi dio. yH . Izjednaˇavanje koeficijenata uz cos ct i sin ct daje sustav linearnih jednadˇbi c z s nepoznanicama G1 i G2 : (−b c) G1 + (−m c2 + k) G2 = 0. teˇi k nuli kada t → ∞ i taj dio z predstavlja prijelazno rjeˇenje. yP .22). §2. Prvi dio. 2 + k)2 − (−m c (k − m c2 )2 + (b c)2 G2 = Uz oznaku −(b c)2 h(c)2 = (k − m c2 )2 + (b c)2 moˇemo pisati z yP = a uz oznake cos ϕ = F [(k − m c2 ) cos ct + (b c) sin ct]. Op´e rjeˇenje jednadˇbe (5. h(c) h(c) Dosadaˇnje razmatranje omogu´ava nam uvid u ponaˇanje zadanog suss c s tava. (−m c2 + k) G1 + (b c) G2 = F. Cramerovo pravilo [M1. −(b c)2 − (−m c2 + k)2 (k − m c2 )2 + (b c)2 F (b c) −F (b c) = .5. Primjer ponaˇanja sustava poˇetnim uvjetima c c s . c s z y = yH + yP = C1 eλ1 t + C2 eλ2 t + F cos(ct − ϕ) h(c) se sastoji iz dva dijela. h(c) bc h(c) sin ϕ = slijedi uobiˇajeni oblik partikularnog rjeˇenja c s yP = F F (cos ct cos ϕ + sin ct sin ϕ) = cos(ct − ϕ).

tada prema formulama (5.25) u s s jednadˇbu sustava i izjednaˇavanje koeficijenata uz cos ct i sin ct daje sustav z c linearnih jednadˇbi s nepoznanicama G1 i G2 z (−m c2 + k) G2 = 0. − c2 ) O poˇetnim uvjetima ovise konstante C1 i C2 . Ako je c = α. = 2 2 − c2 ) k − mc m (α G2 = 0 pa je op´e rjeˇenje jednadˇbe (5.18. c .270 ˇ DIFERENCIJALNE JEDNADZBE exp(-t)+exp(-2*t)+0. m Razlikujemo dva sluˇaja. b2 − 4 m k = 0 i b2 − 4 m k < 0.26) m 2 + k y = f (t) = F cos ct. dt Rjeˇenje pripadne homogene jednadˇbe je s z yH = C1 cos αt + C2 sin αt.5*cos(3*t) 1 1 t Slika 5.20) i (5.24) i (5. s c G1 = F F . no taj dio rjeˇenja nestaje u bec s skonaˇnosti.18: Guˇeni sustav s prisilnim oscilacijama s dan je na slici 5. Promotrimo joˇ sustav s prisilnim oscilacijama bez guˇenja (b = 0) ˇija s s c jednadˇba glasi z d2 y (5.24). α= k . Uvrˇtavanje izraza (5.26) jednako c s z y = yH + yP = C1 cos αt + C2 sin αt + 4 m (α2 F cos ct. (−m c2 + k) G1 = F.21) c partikularno rjeˇenje ima oblik (5. Rjeˇenje sustava je oˇito. Sliˇni zakljuˇci vrijede i u dva preostala sluˇaja guˇenog c c c s sustava s prisilnim oscilacijama.

oscilacije su c c c neomedene kada t → ∞ (vidi sliku 5. ′′ Uvrˇtavanje yP i yP u jednadˇbu sustava i izjednaˇavanje koeficijenata uz s z c cos αt i sin αt daje sustav linearnih jednadˇbi ˇije je rjeˇenje z c s G1 = 0.9 Linearne diferencijalne jednadˇbe drugog reda z 271 Uz oznake (5.org/wiki/London Millennium Bridge. Prema formulama (5.15 a) Prouˇite ruˇenje mosta Tacoma Narrows koje s dogodilo c s 5 . Vidi http://en.23) imamo y = A cos(αt − ϕ) + m (α2 F cos ct. Tada nastaje s z fenomen mehaniˇke rezonancije sustava. godine b) Prouˇite detalje sliˇnog problema oscilacija koji se pojavio na pjeˇaˇkom c c s c 6 .5.21) c partikularno rjeˇenje ima oblik s yP = t (G1 cos αt + G2 sin αt). Kako mostu Millenium bridge koji je izgraden 2000. op´e rjeˇenje jednadˇbe (5. G2 = F . c Potencijalno najopasniji je sluˇaj kada je c = α. c z c s c Zadatak 5. − c2 ) Vidimo da je op´e rjeˇenje jednadˇbe (5.wikipedia. tada je y periodiˇka funkcija c c s periodom 2πp 2πq = .wikipedia. redom. 2αm Ovo je periodiˇka funkcija s periodom P = 2π/α. Uoˇimo da do fenomena rezonancije ne moˇe do´i ukoliko sustav ima guˇaˇ. Ako je c/α = p/q ∈ Q pri ˇemu c je p. Sto je uzrok kolapsa mosta? ˇ 1940.19) pa ´e za dovoljno veliki t do´i do razbijanja sustava. . Medutim.26) zbroj dvaju periodiˇkih funkcija c s z c s periodima P1 = 2π/α i P2 = 2π/c. 2αm Dakle. odnosno kada vanjska c sila i rjeˇenje homogene jednadˇbe imaju istu frekvenciju. P = α c U protivnom y je skoro periodiˇna funkcija.26) u ovom sluˇaju glasi c s z c y = yH + yP = A cos(αt − ϕ) + Ft sin αt. godine u Londonu je rijeˇen problem? Zaˇto vojska preko mosta nikad ne prelazi strojnim s s korakom? c) Kako izgleda automobilski amortizer i zaˇto? s 5 6 Vidi http://en.20) i (5. q ∈ N i p i q nemaju zajedniˇkih faktora.org/wiki/Tacoma Narrows Bridge.

a na koji djeluje elektromotorna sila koja u trenutku t proizvodi napon od E(t) volta (V) i struju od I(t) ampera (A) (usporedi s primjerom 5.19: Neomedjene oscilacije Na kraju.2). Krug je prikazan na slici 5. Promotrimo strujni krug koji se s c c sastoji od kondenzatora kapaciteta C farada (F). C + E(t) R I(t) L Slika 5. pri ˇemu je Q naboj pozitivne ploˇe kondenzatora. odnosno Q dI + RI + = E(t). primijetimo da mehaniˇki sustav koji se sastoji od mase. opruge c i guˇaˇa ima svoj elektriˇni ekvivalent. otporom i zavojnicom Prema Ohmovom zakonu pad napona na otporu jednak je RI. Pad napona na zavojnici jednak je L(dI/dt).20. otpora od R oma (Ohm) i zavojnice s induktivitetom L henrija (H). L dt C .5*t*sin(4*t) 1 1 t Slika 5. a pad napona na kondenzatoru jednak je Q/C. Prema Kirchofc c fovom zakonu zbroj padova napona jednak je naponu kojeg daje naponski izvor.20: Strujni krug s kondenzatorom.272 ˇ DIFERENCIJALNE JEDNADZBE cos(4*t-1)+0.

. televizije).22) zakljuˇujemo c z z c da je zavojnica ekvivalentna s masom. dok je otpor nuˇnan radi c izbjegavanja rezonancije sustava. yn je determic nanta y1 y2 ··· yn ′ ′ ′ ··· yn y2 y1 . povlaˇi C1 = C2 = · · · = Cn = 0.9 pa z s c ih izostavljamo... . ∀x ∈ I. (5. y2 . 2 dt dt C 5. W (y1 .10 Linearne diferencijalne jednadˇbe viˇeg reda z s 273 Iz ove jednadˇbe moˇemo dobiti linearnu jednadˇbu drugog reda na dva z z z naˇina: uvrˇtavanje I = dQ/dt daje c s L dok deriviranje daje d2 I 1 dI + I = E ′ (t). yn kaˇemo da su linearno nezavisne na intervalu I z ako relacija C1 y1 (x) + C2 y2 (x) + · · · + Cn yn (x) = 0.27) pri ˇemu su funkcije pi i f neprekidne na nekom intervalu I ⊆ R na kojem c promatramo jednadˇbu. . . +R 2 dt dt C Usporeduju´i obje prethodne jednadˇbe s jednadˇbom (5. .9 na linearne c c jednadˇbe viˇeg reda. . .5. . (5. Pripadna homogena jednadˇba glasi z y (n) + pn−1 (x) y (n−1) + · · · + p1 (x) y ′ + p0 (x) y = 0. yn ) = . y ′ (x0 ) = a1 . Rjeˇenje jednadˇbe je svaka funkcija y koja za bilo z s z koji x0 ∈ I moˇe zadovoljiti poˇetne uvjete z c y(x0 ) = a0 . L dQ 1 d2 Q +R + Q = E(t).28) Za n funkcija y1 . . . otpor s guˇaˇem. Wronskijan funkcija y1 . . a kondenzator s s c oprugom. .10 Linearne diferencijalne jednadˇbe viˇeg reda z s U ovom poglavlju poop´it ´emo rezultate iz poglavlja 5. y (n−1) (x0 ) = an−1 .. . . . Linearna diferencijalna jednadˇba viˇeg reda glasi z s y (n) + pn−1 (x) y (n−1) + · · · + p1 (x) y ′ + p0 (x) y = f (x). . (n−1) (n−1) (n−1) y1 y2 · · · yn . Dokazi tvrdnji su sliˇni dokazima iz poglavlja 5. . . . . . Takoder zakljuˇujemo da prijelazna faza rjeˇenje odgovara zagric s z javanju elektriˇnog uredaja (na primjer.

. s z y (n) + pn−1 y (n−1) + · · · + p1 y ′ + p0 y = 0. . Traˇene funkcije Ci tada izraˇunamo s z c integriraju´i rjeˇenja sustava Ci′ . . ′ (n−2) + · · · + Cn y n =0 Determinanta ovog sustava je upravo Wronskijan W (y1 .28). yn tvore fundamentalan skup c rjeˇenja. s Ukoliko znamo rjeˇenje nehomogene jednadˇbe. . . . .29) + + ′ (n−2) C2 y 2 ′ (n−1) C2 y 2 ′ (n−1) + · · · + Cn y n = f (x). . Rjeˇenje homogene jednadˇbe ima oblik z s z yH = C1 y1 (x) + C2 y2 (x) + · · · + Cn yn (x).27) ima oblik c s z y = yH + yP . pri ˇemu linearno nezavisne funkcije y1 . .274 ˇ DIFERENCIJALNE JEDNADZBE Wronskijan ili nikad nije nula ili je identiˇno jednak nuli na intervalu I. gdje je yP neko partikularno rjeˇenje. Partikuz z c larno rjeˇenje. . yn ) koji je razliˇit c od nule pa sustav ima jedinstveno rjeˇenje. Stoga c su funkcije y1 . s s s z tom razlikom ˇto pretpostavljamo da Ci nisu konstante ve´ funkcije od x. 7 pi ∈ R. P (5. Op´e rjeˇenje jednadˇbe (5. . yn )(x) = 0 za neki x ∈ I. . . yP . (5. ima isti oblik kao i rjeˇenje homogene jednadˇbe yH .7 c s Linearna diferencijalna jednadˇba viˇeg reda s konstantnim koeficijentima z s glasi y (n) + pn−1 y (n−1) + · · · + p1 y ′ + p0 y = f (x). ′ (n−2) C1 y2 ′ (n−1) C1 y2 ′ ′ ′ C1 y1 + C2 y2 + · · · + Cn yn = 0 (5. partikularno rjeˇenje nes z s homogene jednadˇbe moˇemo na´i metodom varijacije konstanti.27). . . Rjeˇenje pripadne homogene jednadˇbe.31) Opravdanost ovog postupka dokazujemo tako da funkciju yP = Ci yi deriviramo n puta koriste´i pri tome jednakosti iz zadanog sustava te potom uvrstimo u jednadˇbu c z (5. . y2 . s c Formiramo sustav od n linearnih jednadˇbi u varijablama Ci′ : z ′ ′ ′ ′ ′ ′ C1 y1 + C2 y2 + · · · + Cn yn = 0 . yn linearno nezavisne ako i samo ako je W (y1 . . a yH je rjeˇenje pripadne homogene s s jednadˇbe (5.30) pi ∈ R. . .

.. s z (2) svakom jednostrukom paru konjugirano kompleksnih rjeˇenju karaktes ristiˇne jednadˇbe oblika λ = α ± iβ odgovara par rjeˇenja homogene c z s jednadˇbe eαx cos βx i eαx sin βx. .. Stoga je λ1 = λ2 = 0 i λ3 = −1 pa je rjeˇenje pripadne homogene jednadˇbe s z jednako yH = C1 + C2 x + C3 e−x . z s c z (3) svakom viˇestrukom realnom rjeˇenju karakteristiˇne jednadˇbe krats nosti k odgovara k rjeˇenje homogene jednadˇbe s z eλx . Linearno nezavisna rjeˇenja homogene jednadˇbe formiramo ovisno o kas z rakteru rjeˇenja λ prema sljede´im pravilima: s c s c z (1) svakom jednostrukom realnom rjeˇenju karakteristiˇne jednadˇbe odgovara rjeˇenje homogene jednadˇbe eλx . xk−1 eαx sin βx. x eλx .. x eαx sin βx.5. s c (4) svakom viˇestrukom paru konjugirano kompleksnih rjeˇenju karakteristiˇne s jednadˇbe oblika λ = α ± iβ kratnosti k odgovara 2k rjeˇenja homogene z s jednadˇbe z eαx cos βx. xk−1 eλx . prema prethodnom izlaganju. x eαx cos βx. xk−1 eαx cos βx. trebamo z c na´i n linearno nezavisnih rjeˇenja.10 Linearne diferencijalne jednadˇbe viˇeg reda z s 275 traˇimo u obliku y = eλ x . Primjer 5. . pri ˇemu. .. eαx sin βx...28 Za jednadˇbu z y ′′′ + y ′′ = x karakteristiˇna jednadˇba glasi c z λ3 + λ2 = 0.. Uvrˇtavanje daje c s s λn eλ x + pn−1 λn−1 eλ x + · · · + p1 λeλ x + p0 eλ x = 0 pa su vrijednosti λ rjeˇenja karakteristiˇne jednadˇbe s c z λn + pn−1 λn−1 + · · · + p1 λ + p0 = 0.. .

zadani poˇetni uvjeti y(0) = c y ′ (0) = y ′′ (0) = 0. ′ C2 = x. e−x ) = e−1 = 0. na primjer. ′ C3 = −x2 − x. 2 x3 x2 − . Konstante moˇemo odrediti iz poˇetnih z c uvjeta. x. pa je C1 = −1. ako funkcija f (x) u jednadˇbi (5.3. Sliˇno kao i u poglavlju 5.276 Sustav (5.9. C2 = 1 i C3 = 1. uvrˇtavanje daje sustav jednadˇbi s z C1 + C3 = 0. Ako su. C2 . Integriranje daje C1 (x) = C2 (x) = C3 (x) = (−x2 − x) dx = − x dx = x2 . pri ˇemu su p i q polinomi stupnja najviˇe m. s sustav je ve´ u trokutastom obliku pa je rjeˇenje lako oˇitati: c s c ′ C3 = x ex . C3 ∈ R. C2 − C3 = 0. C3 − 1 = 0.30) ima c z oblik f (x) = eax p(x) cos bx + eax q(x) sin bx. Partikularno rjeˇenje je jednako s yP = C1 (x) + C2 (x) x + C3 (x) e−x = pa je op´e rjeˇenje zadane jednadˇbe jednako c s z y = yH + yP = C1 + C2 x + C3 e−x + x3 x2 − 6 2 x3 x2 − +x−1 6 2 za neke konstante C1 . ukoliko su zadani. Sustav ima jedinstveno rjeˇenje jer je W (1. tada partikularno rjeˇenje c s s c moˇemo na´i i metodom neodredenih koeficijenata: ako je a + i b nul-toˇka z c . 3 2 x ex dx = x ex − ex .29) glasi ˇ DIFERENCIJALNE JEDNADZBE ′ ′ ′ C1 + C2 x + C3 e−x = 0 ′ ′ C2 − C3 e−x = 0 ′ C3 e−x = x. Pored toga.

29 Prema prethodnim formulama partikularno rjeˇenje jednadˇbe s z iz primjera 5. b) y (6) + y (3) = 1 + ex √ √ 1 (y = C − 1 + C2 x + C3 x2 + C4 e−x + ex/2 (C5 cos 23 x + C6 sin 23 x) + 6 x3 + 1 x 2 e ). p(x) = x. 2 6 Zadatak 5. Izjednaˇavanje koeficijenata po potencijama od x daje sustav jednadˇbi c z 6 A1 + 2 A0 = 0. k = 2) yP = x2 e0x (A0 + A1 x) = A0 x2 + A1 x3 . b = 0. Uvrˇtavanje u jednadˇbu daje s z 6A1 + 2A0 + 6A1 x = x. c) y ′′′ + 4 y ′′ + 5 y ′ = ch2 x.5. dobijemo sustav linearnih jednadˇbi koji uvijek ima jedinsz tveno rjeˇenje. e) y (v) + y ′′′ = 2 cos2 (2x). Uvrˇtavanjem ove funkcije u jednadˇbu (5. d) y ′′′ + 2 y ′ − 3 y = x ex . m = 1. 6 A1 = 1 . s Primjer 5.16 Rijeˇite diferencijalne jednadˇbe: s z a) y ′′′ + y ′ = tg x (y = A + B cos x + C sin x − ln | cos x| + − sin ln | tg x + 1/ cos x|).10 Linearne diferencijalne jednadˇbe viˇeg reda z s 277 karakteristiˇnog polinoma kratnosti k. tada partikularno rjeˇenje yP ima c s oblik yP = xk eax [ (A0 + A1 x + · · · + Am xm ) cos bx+ +(B0 + B1 x + · · · + Bm xm ) sin bx ].28 ima oblik (uz a = 0. pa je partikularno rjeˇenje jednako s 1 1 yP = − x2 + x3 .30) i izjednaˇavanjem ogovaraju´ih s z c c koeficijenata.

z > 0. dobili smo poznate LotkaVolterra-ine jednadˇbe: z dZ = z Z − a Z V = Z (z − a V ). Stabilno stanje obaju populacija je ono u kojem c nema promjena. y.00002. y. dZ = z Z. pretposs tavljamo da se zeˇevi razmnoˇavaju u skladu s populacijskom jednadˇbom c z z iz poglavlja 5. opet u skladu s poc c pulacijskom jednadˇbom. z dV = −v V. t). a Z= v . Zamislimo sustav u kojem postoji populacija lovaca (predatora) i plijena (ˇrtve). c c c Izvedimo model ponaˇanja obaju populacija. Neka su predatori vuz kovi. t). populacija vukova ´e odumirati. odnosno ono stanje u kojem su obje derivacije jednake nula. dt Ukoliko nema zeˇeva. Ukoliko c c vjerojatnost susreta modeliramo produktom ZV .001. pri ˇemu je x = x(t) i y = y(t).02. v = 0. a = 0. Vidimo da imamo dva stabilna stanja: trivijalno stanje u kojem nema ni vukova ni zeˇeva (Z = 0 i V = 0) i stanje u kojem je c V = Ako je. x′ = g(x. tada ´e zbog medusobnih susreta c populacija zeˇeva nazadovati. z. dt pi ˇemu je v. a. b > 0. Oznaˇimo populacije vukova i zeˇeva s V i Z.06. z = 0. Ukoliko nema vukova. na primjer. dt dV = −v V + b Z V = V (−v + b Z).1. b . c Zanimljiv primjer je sustav lovac-plijen. redom. Ukoliko u sustavu postoje obje populacije. a plijen zeˇevi. b = 0.11 Sustavi diferencijalnih jednadˇbi z U ovom poglavlju opisat ´emo postupke rjeˇavanja nekih (jednostavnijih) c s sustava linearnih diferencijalnih jednadˇbi oblika z y ′ = f (x. dok ´e populacija vukova napredovati. z .278 ˇ DIFERENCIJALNE JEDNADZBE 5. dt v > 0.

02 + 0.’b’) Radi preglednije slike. n=max(size(t)). odnosno nacrtane su funkcije c V (t) i Z(t)/10. V(1)=30. Z=800’) xlabel(’vrijeme’) plot(t. h=0.06 − 0.t.Z/10.06-0. Z(i)=Z(i-1)+h*zDerivirano. oblik sustava omogu´ava c s c primjenu Eulerove metode iz poglavlja 5. Z=zecevi % Pocetni uvjeti su V=30.32) nije mogu´e direktno rijeˇiti. Rjeˇenja su prikazana na slici 5.32) dV = V (−0.00002 * Z ) % V=vukovi. Z=800 % Graf prikazuje populaciju kao funkciju vremena t0=0.001*V(i-1)). vDerivirano=V(i-1)*(-0. end title(’Populacije vukova (V) i zeceva (Z/10) pocevsi od V=30.32) uz poˇetne c c s c uvjete V (0) = 30 i Z(0) = 800.’r’.001 * V ) % dV / dt = V ( -0.001 V ).5.1.V.4 pomo´u koje moˇemo na´i pric z c bliˇno numeriˇko rjeˇenje.02 + 0. z c s Sljede´i Matlab program raˇuna i crta ponaˇanje sustava (5. 8 . for i=2:n zDerivirano=Z(i-1)*(0. Z(1)=800.11 Sustavi diferencijalnih jednadˇbi z 279 sustav jednadˇbi glasi z dZ = Z (0.00002 Z).02+0. No. c Sustav (5. t=t0:h:tn. broj zeˇeva je podijeljen s deset. V(i)=V(i-1)+h*vDerivirano. tn=500. dt pa je stabilno stanje sustava ono u kojem imamo 60 vukova i 1000 zeˇeva. dt (5.06 0.218 s % Eulerova metoda za sustav lovac-plijen: % dZ / dt = Z ( 0.00002*Z(i-1)).

02 + 0. . z Na slici se lijepo vidi da su rjeˇenja jednadˇbe zatvorene ovalne krivulje s z z koje prolaze kroz zadane poˇetne uvjete.06 + ln Z 0.06 − 0. ln V 0.001 V ) dt (5.02 + 0. Z = 1000.001 V ) = (−0.001 V = −0.02 = 0.06 − 0.2) za koju je lako izraˇunati egzaktno rjeˇenje.00002 Z) V Z pa je 0. Takoder se lijepo vidi ravnoteˇno c rjeˇenje V = 60. Vrijedi: c s dV dZ (0.02 ln Z + 0.22. Vrijedi dV dV dZ = · dt dZ dt iz ˇega slijedi jednadˇba koja povezuje populacije vukova i zeˇeva: c z c dV V (−0.00002 Z + ln C.280 ˇ DIFERENCIJALNE JEDNADZBE 250 200 150 100 50 0 100 200 300 400 t Slika 5.06 ln V − 0.21: Populacije vukova (V ) i zeˇeva (Z/10) uz V (0) = 30 i Z(0) = 800 c Sustav jednadˇbi (5. dZ dZ Z (0.00002 Z + ln C.32) moˇe se egzaktno rijeˇiti u faznom prostoru vaz z s rijabli V i Z (jednu od tih varijabli tretiramo kao funkciju druge).001 V + 0.33) Polje smjerova (vidi poglavlje 5.00002 Z) dV = dt = . Dakle.3) ove jednadˇbe prikazano je na slici 5.33) je jednadˇba sa separiranim varijablama (vidi poglavlje z z 5. s Jednadˇba (5.

y ′ = γx + δy + g(t).5. Prva jednadˇba daje z y= 1 ′ 1 x + x. 3 3 y′ = 1 ′′ 1 ′ x + x 3 3 Vukovi .06 Z 0.22: Polje smjerova za populacije vukova i zeˇeva c odnosno rjeˇenje jednadˇbe dano je implicitno zadanom funkcijom s z V 0. tada je c C= 300. Ako su zadani poˇetni uvjeti V (0) = 30 i Z(0) = 800.03 e0. Primjer 5.02 = C e0. ˇto daje linearnu diferencijalnu jednadˇbu druc s z gog reda s konstantnim koeficijentima. Sustav se rjeˇava tako da se iz prve jednadˇbe s z izraˇuna y ′ i uvrsti u drugu. e0. Na kraju poglavlja opisat ´emo postupak rjeˇavanja jednostavnih sustava c s diferencijalnih jednadˇbi oblika z x′ = αx + βy + f (t).001 V e0.02 ≈ 1.23. gdje je x = x(t) i y = y(t).00002 Z .3388.016 Funkcija je prikazana na slici 5.30 Rijeˇimo sustav s x′ = 3 y − x.06 8000. y ′ = x + y + et uz uvjete x(0) = y(0) = 0.11 Sustavi diferencijalnih jednadˇbi z 281 120 100 80 60 40 20 0 0 500 1000 1500 Zecevi 2000 2500 Slika 5.

Prema poglavlju 5.34) s s z slijedi A = −1 pa op´e rjeˇenje jednaˇbe glasi c s z x = xH + xP = C1 e−2t + C2 e2t − et .23: Populacije vukova i zeˇeva uz uvjete V (0) = 30 i Z(0) = 800 c pa uvrˇtavanje u drugu jednadˇbu daje s z 1 ′′ 1 ′ 1 1 x + x = x + x′ + x + et . 3 3 3 3 odnosno x′′ − 4x = 3et .34) . 3 3 3 3 (5.9.282 ˇ DIFERENCIJALNE JEDNADZBE 100 80 60 40 20 500 1000 1500 zecevi 2000 2500 Slika 5. Deriviranje daje x′ = −2 C1 e−2t + 2 C2 e2t − et pa je y= 1 2 1 ′ 1 x + x = − C1 e−2t + C2 e2t − et .3 vrijedi xH = C1 e−2t + C2 e2t . Uvrˇtavanjem partikularnog rjeˇenja oblika xP = A et u jednadˇbu (5.

5.17 a) Rijeˇite sustav diferencijalnih jednadˇbi s z dx + 3x + y = 0. dt uz uvjete x(0) = y(0) = 1 (rjeˇenje: x(t) = (1 − 2t) e−2t . 2t) e b) Rijeˇite sustav diferencijalnih jednadˇbi s z dx = x + y. dt dy = t + x + y. y(t) = (1 + s −2t ). 3 3 Poˇetni uvjeti daju sustav linearnih jednadˇbi c z x(0) = 0 = C1 + C2 − 1. dt dy − x + y = 0. 2 1 y(t) = − C1 e−2t + C2 e2t − et .11 Sustavi diferencijalnih jednadˇbi z 283 Dakle. 1 2 y(0) = 0 = − C1 + C2 − . dt . 3 3 s rjeˇenjima C1 = 1/4 i C2 = 3/4 pa je rjeˇenje zadanog sustava jednako s s x(t) = 1 −2t 3 2t e + e − et . 4 4 1 −2t 3 2t 2 t y(t) = − e + e − e. op´e rjeˇenje zadanog sustava (bez zadanih uvjeta) glasi c s x(t) = C1 e−2t + C2 e2t − et . 12 4 3 Zadatak 5.

284 ˇ DIFERENCIJALNE JEDNADZBE .

2 QR rastav matrice . . . .5]. . METODA NAJMANJIH KVADRATA I QR RASTAV 6. .1 QR rastav vektora i Householderov reflektor . . . . . . . . .1. . .2 Problem najmanjih kvadrata . s Problem najmanjih kvadrata se ˇesto koristi u raznim tehniˇkim primjec c nama kao i u ekonomiji (linearna regresija). c c 6. . . . . 285 286 289 295 296 298 299 300 302 302 6. . . . . . . . . . .1 Linearna regresija . . . . . . c 6.6 QR rastav s pivotiranjem po stupcima . . . . . Duljina ili norma n-dimenzionalnog vektora x = x1 x2 · · · broj (vidi [M1. . . .1 6. . . .2. . . . . . §3. . .6]) n 1/2 xn ]T je x = x2 1 + x2 2 + ··· + x2 n = i=1 x2 i . . .6. . . . . . . . .2. 6.2 Metoda najmanjih kvadrata . . . . 6. . . . 6. . 6. s 6. . 6. . . . . . . .1 Problem najmanjih kvadrata U ovom poglavlju dat ´emo kratki uvod u matriˇni problem najmanjih c c kvadrata.5 Ekonomiˇni QR rastav . . . . . . . . . . .3 Numeriˇko raˇunanje QR rastava . . . . . QR rastav .2. . . Metoda najmanjih kvadrata se koristi kod preodredenih sustava Ax = b u sluˇaju kada imamo viˇe jednadˇbi nego nepoznanica i kada sustav c s z nije rjeˇiv po Kronecker-Capellijevom teoremu [M1. . . . . .2. .2. . . . . . .4 Rjeˇavanje problema najmanjih kvadrata . . . . . . . . . . . . teorem 2.1. . .2. . . . . . . . .

U naˇem sluˇaju to daje sustav linearnih jednadˇbi s c z k+l = 1 3k + l = 3 4k + l = 2 6k + l = 4 7k + l = 3.1. yi ). . c 5 line 1 4 3 2 1 0 0 1 2 3 4 5 6 7 8 Slika 6. 2. i = 1.1 Linearna regresija Linearnu regresiju ´emo najbolje objasniti na primjeru. Neka je zadano c pet toˇaka u ravnini c x y 1 1 3 3 4 2 6 4 7 3 kao na slici 6.286 METODA NAJMANJIH KVADRATA I QR RASTAV 6. . .1.1: Pet toˇaka u ravnini c tada bi za svaku toˇku (x1 . . 5 vrijedilo c k xi + l = yi . Ukoliko bi pravac y = kx + l prolazio kroz sve zadane toˇke. .

l Ako bi ovaj sustav bio rjeˇiv. Postupak za rjeˇavanje problema najmanjih kvadrata je u ovom sluˇaju s c jednostavan: rjeˇenje x dobit ´emo kao rjeˇenje sustava od dvije jednadˇbe s c s z i dvije nepoznanice AT Ax = AT b.   4 3 x= k . tada je x takoder i rjeˇenje problema s s Ax − b 2 → min pa naziv problem najmanjih kvadrata slijedi iz definicije norme vektora.2])     1 1 1 3 1  3     4 1 k = 2 . Medutim. l 13 .1 Problem najmanjih kvadrata 287 Ovo je sustav s pet jednadˇbi i dvije nepoznanice k i l.  1 1   1 3   b = y = 2 . Prirodan zahtjev je da izraz Ax − b bude ˇto bliˇi nulz s z stupcu. pa se postavlja pitanje ˇto moˇemo napraviti. odnosno da norma Ax − b bude ˇto manja mogu´a. Taj zahtjev s c matematiˇki zapisujemo kao c Ax − b → min .6. Kako je AT A = 111 21 . Ako je x rjeˇenje ovog problema. 21 5 AT b = 63 . Matriˇni zapis sustava z c glasi (vidi [M1.   l   6 1  4 7 1 3 odnosno Ax = b gdje je  1 3  A = 4  6 7  1 1  1 . zadani sustav oˇito nije rjeˇiv. 13 rjeˇenje x dobijemo rjeˇavanjem sustava s s 111 21 21 5 k 63 = . §2. tada bi vrijedilo Ax−b = 0 odnosno Ax−b = s c s s 0.

a pravac y = kx + l zove se regresijski pravac. yi ) i toˇaka na pravcu c c (xi . .9. 5 i smislu da je c suma kvadrata udaljenosti izmedu zadanih toˇaka (xi .2): pravac y = s c kx + l ”najbolje” prolazi toˇkama (xi . c 5 i=1 [yi − (kxi + l)]2 → min .5].§2. yi ).2: Rjeˇenje problema najmanjih kvadrata s Napomena 6.288 METODA NAJMANJIH KVADRATA I QR RASTAV Ovaj sustav moˇemo lako rjeˇiti Gaussovom eliminacijom [M1§2. 5 line 1 line 2 4 3 2 1 0 0 1 2 3 4 5 6 7 8 Slika 6. kxi + l) minimalna. 114 Geometrijska interpretacija rjeˇenja je slijede´a (slika 6. . i = 1. . . joˇ z s s jednostavnije. 2.2 mogu se dobiti pomo´u s c slijede´eg Matlab (Octave) programa c .1 i 6.4] ili. Cramerovim pravilom [M1. 114 l= = 120 . Rjeˇenje prethodnog problem i slike 6. pa je 63 21 13 5 111 21 21 5 111 63 21 13 111 21 21 5 k= = 42 .1 Ravninski problem najmanjih kvadrata zove se linearna regresija. Drugim rijeˇima.

y. dok izraz oblika ˇ x=A\b daje rjeˇenje sustava Ax = b.’b*’.1. Stoviˇe. Matlabova naredba xLS=A\b ´e automatski dati s c rjeˇenje problema najmanjih kvadrata."b*") A=[x’ ones(5.1 Prema podacima Drˇavnog zavoda za statistiku (http://www. 6.hr) z prosjeˇna bruto pla´a u listopadu kroz protekle tri godine bila je slijede´a c c c Listopad Prosjeˇna bruto pla´a (kn) c c 2000 4921 2001 5051 2002 5447 Izraˇunajte i nacrtajte regresijski pravac i predvidite kolika ´e biti bruto c c pla´a u listopadu 2003. Nacrtajte zadane toˇke i dobiveni pravac te provjerite rjeˇenje pomo´u Matlaba ili programa c s c Octave On-line.6. u sluˇaju preodredenog suss s c tava kao u naˇem primjeru.x.2 Metoda najmanjih kvadrata Postupak iz prethodnog poglavlja primjenjiv je i na viˇedimenzionalne s probleme. U ovom poglavlju pokazat ´emo da je postupak primjenjiv uvijek c kada matrica sustava A ima linearno nezavisne stupce te je u tom sluˇaju c rjeˇenje problema najmanjih kvadrata jedinstveno. Zadatak 6.1 Problem najmanjih kvadrata 289 x=[1 3 4 6 7] y=[1 3 2 4 3] plot(x.1)] b=y’ xLS=(A’*A)\(A’*b) k=xLS(1) l=xLS(2) yLS=k*x+l plot(x. Rjeˇenje provjerite pomo´u Matlaba ili programa c s c Octave On-line.yLS.2 Kroz toˇke c x y -1 1 1 0 2 1 3 2 5 3 provucite najbolji pravac u smislu najmanjih kvadrata.dzs. s .y. ones(5. Zamijenite liniju xLS=(A’*A)\(A’*b) s s xLS=A\b i uvjerite se da su rjeˇenja ista! s Zadatak 6.’r’) U Matlabovoj sintaksi A’ je transponirana matrica matrice A.1) je vektor dimenzije 5 × 1 sa svim elementima jednakim 1.

Tada je rjeˇenje x problema najmanjih kvadrata Q(x) → min ujedno i s jedinstveno rjeˇenje normalne jednadˇbe AT Ax = AT b. s Teorem 6. Kako za normu vektora x vrijedi x 2 = xT x. c i β realni brojevi. s z . pri ˇemu je m > n. = xT AT Ax − bT Ax − xT AT b + bT b T = (Ax − b)T (Ax − b) (6. s c B. odnosno rang(A) = n. Ova jednadˇba zove se normalna jednadˇba.1 Neka su stupci matrice A linearno nezavisni. β = b 2. Uvedimo oznaku Q(x) = Ax − b T 2 2 → min = x Bx − 2x c + β gdje je B = AT A. c problem najmanjih kvadrata Ax − b moˇemo zapisati kao z (Ax − b)T (Ax − b) → min . odnosno AT Ax = AT b. Ideju za postupak rjeˇavanja daje nam jednodimenzionalni sluˇaj: ako su x. Dokaˇimo sada da ovaj intuz z z itivni postupak zaista daje rjeˇenje. tada je Q(x) = Bx2 − 2xc + β kvadratna parabola ˇiji se minimum nalazi u toˇki c c x= c .1) c = AT b. B U viˇedimenzionalnom sluˇaju tome odgovara s c x = B −1 c pa je x rjeˇenje sustava s Bx = c.290 METODA NAJMANJIH KVADRATA I QR RASTAV Neka je zadan preodredeni sustav Ax = b od m jednadˇbi s n nepoznaz nica.

Geometrijski to znaˇi da je vektor Ax ortogonalna projekcija vektora b na c skup {Ay : y proizvoljan}. Neka je y bilo koji n-dimenzionalni vektor i neka je h = y − x.1 Problem najmanjih kvadrata 291 Dokaz. vektori Ax.1) Q(y) = yT By − 2yT c + β = (x + h)T B(x + h) − 2(x + h)T c + β = xT Bx + hT Bx + xT Bh + hT Bh − 2xT c − 2hT c + β. Dakle. c Dokaˇimo sada da je rjeˇenje x jedinstveno. a kako se radi o matricama dimenzije 1. Kvalitetu prilagodbe mjerimo s Ax − b Q(x) = . To je kontradikcija pa je teorem dokazan. Izraz hT Bh je ve´i ili jednak od nule: c hT Bh = hT AT Ah = (Ah)T Ah = Ah 2 . Uvrˇtavanje u Q(y) daje s Q(y) = xT Bx + hT Bh − 2xT c + β = Q(x) + hT Bh. Q(y) ≥ Q(x). ˇto zajedno s h = y − x = 0 znaˇi da su stupci matrice A linearno s c zavisni. Kako je Bx = c.6. Nadalje. x = y. to je hT Bx = hT c. Rjeˇenje problema najmanjih kvadrata x zove se joˇ i kvadratiˇna prilas s c godba sustavu Ax = b u smislu najmanjih kvadrata. Primijetimo da su vektori Ax i Ax − b medusobno okomiti: (Ax) · (Ax − b) = (Ax)T (Ax − b) = xT AT (Ax − b) = 0. No. to je zbog B T = (AT A)T = B i xT Bh = (xT Bh)T = hT B T x = hT Bx = hT c. b i Ax−b tvore pravokutni trokut s hipotenuzom b. Tada je prema (6. uvijek je odnosno vrijednost Q(x) je zaista najmanja mogu´a. q= (Q(0) b . Ako je z s Q(y) = Q(x). tada je i Ah = 0 (samo nul-vektor ima normu jednaku nula). tada je Ah = 0.

292 METODA NAJMANJIH KVADRATA I QR RASTAV Iz ˇinjenice da je b hipotenuza pravokutnog trokuta sa stranicama Ax. 1. 29 z= 11 .1857 Odgovaraju´i Matlab program glasi c A = [1 0 1 -1 -1 b=[0 1 B=A’*A 1 1 0 1 0 0 0. -1] 1 0]’ . 1. prilagodba je dobra. 29 x=− Kvaliteta prilagodbe je q = 0. Ukoliko je q c c s mali.  1 0  1  −1 −1 −x − z = 0 Normalna jednadˇba glasi z  pa je rjeˇenje dano s s U matriˇnom obliku sustav glasi c    1 0   0 1 1 1 x    0 1  y  = 0 . 29 y= 12 . a ukoliko je q blizu jedan.    1 1 1 z 0 −1 0     4 0 1 x −1 0 3 2 y  =  2  1 2 4 z 2 10 .1 Rijeˇimo sustav s x+y =0 y+z =1 x+z =0 −x + y + z = 1 u smislu najmanjih kvadrata. 1. Ukoliko je q = 0 tada je prilagodba najbolja mogu´a. odnosno x je toˇno rjeˇenje sustava Ax = b. s Primjer 6. Ax− c b i b slijedi da je q uvijek je izmedu 0 i 1. prilagodba je loˇa.

Zadane toˇke i dobivena parabola c prikazane su na slici 6.6. Dakle.     25 5 1 c 8 36 6 1 14 Rjeˇavanje normalne jednadˇbe daje s z     a 0.3. Parabola i slike mogu se dobiti slijede´im Matlab programom c A = [1 4 16 25 36 y = [0 1 2 4 5 6 1 1 1 1 1 1] 4 8 14]’ .2 Kroz toˇke c x y provucimo kvadratnu parabolu y = ax2 + bx + c koja ima najbolju kvadratiˇnu prilagodbu.68994  b  ≈ −2.86364 a kvaliteta prilagodbe iznosi q = 0.0562.1 Problem najmanjih kvadrata 293 c=A’*b x=B\c % ili krace x=A\b q=norm(A*x-b)/norm(b) Primjer 6. Ovaj problem moˇemo zapisati kao problem najmanjih kvadrata z     1 1 1   0  4 2 1 a 1     16 4 1  b  =  4  . moramo na´i koeficijente c c parabole tako da je 5 i=1 1 0 2 1 4 4 5 8 6 14 (yi − axi2 − bxi − c)2 → min . c 1.16071 .

U tom sluˇaju od svih mogu´ih (bez z c c skonaˇno) rjeˇenja. c s Za rjeˇavanje takvih problema koristimo ili QR rastav s pivotiranjem po s stupcima ili rastav singularnih vrijednosti d (SVD ili singular value decomposition).’b’) Napomena 6.294 14 12 10 8 6 4 2 0 1 METODA NAJMANJIH KVADRATA I QR RASTAV line 1 line 2 2 3 4 5 6 Slika 6. ove dvije metode je zbog njihovih svojstava (numeriˇke c stabilnosti) poˇeljno koristiti i kada su stupci matrice A gotovo linearno z .2 Vidimo da je puni stupˇani rang matrice A nuˇan za funkc z cioniranje metode normalnih jednadˇbi jer bi u protivnom matrica B = AT A z bila singularna. Ukoliko matrica A nema puni stupˇani rang tada rjeˇenje c s problema najmanjih kvadrata nije jedinstveno i za rjeˇavanje problema ne s moˇe se koristiti normalna jednadˇbe. zanima nas ono koje samo po sebi ima najmanju normu.y.3: Parabola s najboljom prilagodbom % rjesenje xLS=A\y % kvaliteta prilagodbe q=norm(A*xLS-y)/norm(y) % slike x=[1 2 4 5 6]’ plot(x.1:6 y1=xLS(1)*x1.y1. Nadalje.’r*’) hold % gusca mreza radi bolje slike parabole x1=1:0.^2+xLS(2)*x1+xLS(3) plot(x1.

6. godine u smislu najmanjih kvadrata.–2050. Nacrtajte sliku i usporedite sa slikom 5. QR rastav je c c takoder podloga za metode koje raˇunaju svojstvene vrijednosti i vektore.5. pri ˇemu je Q ortonormirana matrica dimenzije m × m. a R je m × n gornje trokutasta matrica. shematski prikazati na sljede´i naˇin: c c    × × × × × × × × × × × × × ×    × × × = × × × ×    × × × × × × × × × × × × × × tada rastav A = QR moˇemo z   × × × × ×  0 × ×   ×  0 0 ×   ×  0 0 0  × 0 0 0 (6. odnosno c QT Q = QQT = I. godine. matrica A tipa 5 × 3. Definicija 6.1 Neka je A tipa m × n.3 Za rast svjetske populacije prema podacima iz tablice 5.3) . na primjer.2) Koriˇtenje QR rastava za rjeˇavanje problema najmanjih kvadrata temelji s s se na slijede´em vaˇnom svojstvu ortogonalne matrice: za svaki vektor x c z dimenzije m × 1 vrijedi x = Qx . ograniˇit ´emo se na c c c sluˇaj kada je zadana matrica A tipa m × n. Zadatak 6. QR rastav matrice a glasi A = QR.2 QR rastav 295 zavisni. Ako je. 6. Detaljna analiza ovih sluˇajeva izlazi izvan okvira kolegija.2 QR rastav U ovom poglavlju dat ´emo definiciju QR rastava (QR dekompozicije) c te njegova osnovna svojstva i opisati primjenu na rjeˇavanje problema najs manjih kvadrata. gdje je m ≥ n.3 odredite parametre C i k za koje funkcija P (t) = C ek(t−1950) najbolje aproksimira podatke od 1950. Ortonormiranu matricu kra´e c zovemo i ortogonalna matrica.1 u primjeru 5. (6. pa je c izostavljamo. Sliˇno kao u prethodnom poglavlju. m ≥ n. Predvidite populaciju 2050.

QR2. 6.1 QR rastav vektora i Householderov reflektor U ovom i sljede´em poglavlju opisat ´emo detalje QR algoritma.296 Zaista. xm x = Qr i neka je . . i = 1. Ako je c c ¯ ¯ Q = QJ i R = JR. . §2. svi dijagonalni elementi matrice R razliˇiti od nule. n. Posebno. ako je rang A = n.2 te provjerite da ja zaista A − QR = 0 te da je matrica Q ortogonalna. Zadatak 6. 1}. Sliˇno je i QT x = x . . QR rastav je jedinstven do na predznake stupaca matrice Q i predznake redaka matrice R.4 Naredba za raˇunanje QR rastava matrice A u programskom c jeziku Matlab glasi [Q.2. .  .11]. c Osnovna svojstava QR rastava su slijede´a: c QR1. QR3. Neka je J dijagonalna matrica reda m s dijagonalnim elementima Jii ∈ {−1.   . Ovo svojstvo slijedi iz teorema [M1. Matrica J je oˇito simetriˇna i ortogonalna. Vrijedi rang(A) = rang(R). tada su zbog svojstva QR2. Qx 2 METODA NAJMANJIH KVADRATA I QR RASTAV = (Qx)T Qx = xT QT Qx = xT x = x 2 .R]=qr(A). c c Neka je zadan m-dimenzionalni vektor   x1  x2    x= . c rii = 0. tada je ¯¯ QR = QJJR = QR = A takoder QR rastav matrice A. Izraˇunajte QR rastav matrice A iz pric mjera 6.

0     .4) H = I − T vvT .2 QR rastav 297 njegov QR rastav. 0 0   −27 −9 −45 −9 1  −9 53 −5 −1  . U ovom sluˇaju matrica Q jednaka je z z c Householderovom reflektoru. Tada je zbog svojstva (6.3 U prethodnom primjeru uzeli smo da je v1 = x1 + x . tada je x = 6.  .3 Ako je x = 3 1 5 1   9 1 v =  . 5 1  T .6.   . U praksi se ˇesto zbog numeriˇke stabilnosti (izbjegavanje oduzimanja) uzima c c v1 = x1 + sign(x1 ) x .   v v . . Primjer 6. H= 54 −45 −5 29 −5 −9 −1 −5 53 Napomena 6.  −6 0 Hx =   . .  Ortogonalnosti i simetriˇnosti matrice H povlaˇi c c x = H T (Hx) = H T r = Hr pa smo dobili QR rastav vektora x. 0       − x  0  ili r =  . . Householderov reflektor je simetriˇna matrica c definirana s   x1 ± x  x2    2   v =  x3  . .  Nalaˇenje matrice Q je sloˇenije.  . . . (6. xm Uvrˇtavanjem se moˇe provjeriti da za ovaj izbor matrice H vrijedi s z ∓ x  0  Hx = r =  .3) r = x pa vrijedi  x 0 . 0    r=    .

 pri ˇemu je matrica A3 tipa 3 × 1.   Neka je a2 prvi stupac matrice A2 koja je tipa 4 × 2 i neka je  ± a2  0   H 2 a2 =   0  0 QR rastav vektora a2 . Konaˇno. Stavimo Q1 = H1 . Stavimo Q2 = Tada je   Q2 Q1 A =     ± a1 0 0 0 0 × ± a2 0 0 0  × ×     A3  1 H2 .298 METODA NAJMANJIH KVADRATA I QR RASTAV 6. neka je a3 = A3 i neka je c c  ± a3 H 3 a3 =  0  0  . Tada je (matrica Q1 je simetriˇna) c  ± a1 0 0 0 0 × × A2    Q1 A =      .2 QR rastav matrice QR rastave matrice nalazimo rekurzivnom primjenom QR rastava vektora.2. Neka je a1 prvi stupac c matrice A i neka je   ± a1  0    H 1 a1 =  0     0  0 QR rastav vektora a1 izraˇunat prema postupku opisanom uz prethodnom c poglavlju. Postupak ´emo ilustrirati na matrici tipa 5 × 3.

Ovaj postupak je lako poop´iti na matricu bilo koje dimenzije. 2. vT v Za raˇunanje produkta pomo´u prethodne jednakosti potrebno je samo O(6n) c c raˇunskih operacija. i = 1.   6. umnoˇak Hx moˇe se izraˇunati c z z c i bez formiranja matrice H: Hx = I −2 vvT vT v x =x−v 2(vT x) . No. (6.4) i napomeni 6.5) w = βAT v HA = A + vwT . Koriste´i prethodna poboljˇanja moˇemo napisati potprograme za raˇunanje c s z c QR rastava.2 QR rastav 299 QR rastav matrice (vektora) a3 . Prvi potprogram raˇuna vektor v iz zadanog vektora x prema c formuli (6.6. produkt HA se u praksi raˇuna pomo´u formula: c c c c β=− 2 vT v . Za mnoˇenje nekog vektora x Householderovom matricom takoder z je potrebno O(n2 ) raˇunskih operacija.3: . c    = R. za matricu Q = c Q1 Q2 Q3 vrijedi QQ3 Q2 Q1 A = A = QR pa sam tako dobili QR rastav matrice A.3 Numeriˇko raˇunanje QR rastava c c Za formiranje Householderove matrice H potrebno je O(n2 ) raˇunskih c operacija. × × ± a3 0 0  × ± a2 0 0 0 Zbog ortogonalnosti i simetriˇnosti matrica Qi . Stavimo  1 1 H3  Q3 =  Tada je  ±   Q3 Q2 Q1 A =    a1 0 0 0 0 .2. Sliˇno. 3.

w=beta*A’*v. sig=1. m > n.5 Izraˇunajte QR rastav matrice A iz primjera 6. B=A+v*w’.300 METODA NAJMANJIH KVADRATA I QR RASTAV function v=House(x) % racuna Householderov vektor v iz vektora x sig=sign(x(1)).4 Rjeˇavanje problema najmanjih kvadrata s Koriste´i svojstvo ortogonalne matrice Q da je Qx = x moˇemo lako c z rijeˇiti problem najmanjih kvadrata. end R=A. end Zadatak 6. [m. Q=Q’.i)).n) v=House(A(i:m.:)=mnozi_House(v.i:n)=mnozi_House(v.R]=qr(A). end v=x.A) % racuna produkt HA=(I-2*v*v’/(v’*v))*A % bez formiranja matrice H beta=-2/(v’*v).2 pomo´u pretc c hodnih potprograma i usporedite rjeˇenje s onim koje daje Matlabova nas redba [Q. v(1)=v(1)+sig*norm(v). Q=eye(m). Q(i:m.i:n)). if sig==0.2.n]=size(A). Neka je A matrica tipa m × n. slijede´i program raˇuna QR rastav matrice A oprema postupku c c c opisanom u prethodnom poglavlju: function [Q. end Konaˇno. Q(i:m. s . A je m x n i mora biti rank(A)n.5): function B=mnozi_House(v.R]=moj_QR(A) % QR rastav A=Q*R. 6.:)). end Slijede´i potprogram raˇuna umnoˇak HA bez formiranja matrice H prema c c z formulama (6. A(i:m. A(i:m. for i=1:min(m-1.

d gdje je c dimenzije n × 1 i d dimenzije (m − n) × 1. a vektor QT b moˇemo z zapisati kao c QT b = . Tada je Ax − b 2 = QRx − QQT b 2 = Q(Rx − QT b) 2 = Rx − QT b 2 .2 QR rastav 301 neka je rang A = n i neka je A = QR rastav matrice A.2 pomo´u s c prethodnog potprograma i usporedite rjeˇenje s rjeˇenjima dobivenim koriˇtenjem s s s normalne jednadˇbe i Matlabove naredbe x=A\b. 0 (6. x Slijede´i Matlab potprogram rjeˇava problem najmanjih kvadrata pomo´u c s c QR rastava: function x=LS(A. Oˇito je s c min Ax − b = d . c=b1(1:n). Sada imamo Ax − b 2 = Rx − Q b T 2 = R0 x − c −d 2 = R0 x − c 2 + d 2. [Q.1:n)\c. Kako d s ne ovisi o x.\vecbf b || --> min % za matricu punog stupcanog ranga A koristeci QR rastav. z . zakljuˇujemo da trokutasti sustav c R0 x = c ima jedinstveno rjeˇenje x za koje je R0 x − c = 0.6) gdje je R0 gornje trokutasta kvadratna matrica reda n. x=R(1:n.b) % Rjesava problem najmanjih kvadrata || A\vecbf x .6 Rijeˇite problem najmanjih kvadrata iz primjera 6. b1=Q’*b. Matricu R moˇemo zapisati kao z R= R0 . end Zadatak 6. Kako je rang A = n.R]=moj_QR(A). iz svojstva QR3. vrijednost Ax − b se ne moˇe viˇe smanjiti pa je x upravo z s (jedinstveno) rjeˇenje problema najmanjih kvadrata.6.n]=size(A). [m.

6 QR rastav s pivotiranjem po stupcima U nekim primjenama kao rjeˇavanje problema najmanjih kvadrata kada s matrica A nema puni rang. 0 ali Q 0 Q T = Im . gdje su stupci matrice Q0 prvih n stupaca matrice Q. Rjeˇavanje c c z c s problema najmanjih kvadrata pomo´u QR rastava je otprilike dva puta spoc rije ali zato ima bolja numeriˇka svojstva odnosno u odredenim situacijama c daje toˇnije rjeˇenje.0) daje ekonomiˇni QR rasc tav matrice A.2. koristi se QR rastav s pivotiranjem stupaca. Za matricu Q0 vrijedi Q T Q 0 = In . Stoga QR rastav A = QR c z moˇemo u ekonomiˇnom obliku zapisati kao z c A = Q 0 R0 . Analogno prikazu (6. Usporedite ”obiˇni” i ekonomiˇni QR rastav matrice A iz c c prethodnog zadatka.6). rang A < n. . c s 6.4 Vidjeli smo da problem najmanjih kvadrata moˇemo rjeˇavati z s na dva naˇina: pomo´u normalne jednadˇbe i pomo´u QR rastava.R]=qr(A.2). 6.2. 0 Vaˇno je napomenuti da stupci matrice Q0 tvore ortogonalnu bazu potprosz tora razapetog stupcima matrice A. a matrica R0 je definirana s (6.2) vidimo da zadnjih m − n stupaca matrice Q ne sudjeluje kod raˇunanja produkta QR jer se mnoˇe s nulom. QR rastav s pivotiranjem matrice A glasi AP = QR. ekonomiˇni QR c rastav matrice dimenzije 5× 3 moˇemo shematski prikazati na sljede´i naˇin: z c c     × × ×  × × ×  × × × × × × × × ×     × × × = × × ×  0 × ×     × × × × × × 0 0 × × × × × × × Zadatak 6.5 Ekonomiˇni QR rastav c Iz prikaza (6.7 Matlabova naredba [Q.302 METODA NAJMANJIH KVADRATA I QR RASTAV Napomena 6.

. Matlab naredba za QR rastav s pivotiranjem matrice A glasi [Q.R.i+1 |.2 QR rastav 303 gdje je P matrica permutacija odabrana tako da su dijagonalni elementi matrice R sloˇeni padaju´i po apsolutnim vrijednostima.6.P]=qr(A). Zadatak 6. z c |rii | ≥ |ri+1.8 Izraˇunajte QR rastav matrice c   1 2 3 4 5 6  A= 7 8 9 10 11 12 bez pivotiranja i s pivotiranjem i provjerite da je u drugom sluˇaju zaista c AP − QR = 0.

231 separabilna. 119 c cilindriˇni koordinatni sustav. 119 c paraboliˇki. 273 linearna drugog reda. 213 element duljine. 206 duljina luka krivulje. 251 op´e rjeˇenje. 244 egzaktna. 76 s povrˇine. 201 Bernoullijeva jednadˇba. 89 povrˇina. 144. 89 s C cikloida. 244 z D dˇul. I. 251. 127 totalni. 70 duljina vektora. 198 . 62. 70 s B Bernoulli. N.Indeks A anti-derivacija. 273 s s konstantnim koeficijentima. 5 parcijalni. 66 s cilindar. 245 homogena. 213 vezani. 78 z dekompozicija. 1 Arhimedova spirala duljina luka. 259 linearna prvog reda. 119 c hiperboliˇki. 199 brahistohrona. 249 linearna viˇeg reda. 285 dvostruki integral. 274 sa separiranim varijablama. 242 s Dirichletov integral. 184 c Clairautova jednadˇba. Johann.. 231 singularno rjeˇenje. 90 determinanta Wronskog. 73 element volumena. 72 povrˇina. 64. 273 diferencijal. 221 z Bernoullijeva. 159. 201. 70 oploˇja. 252. 135 diferencijalna jednadˇba. 251 z beta funkcija. 251 Clairautova. 159. 68. 66 s elipsoid. 73 povrˇina. 118 eliptiˇki. 127. 139 uvjetni. 249. 198 dovoljan uvjet ekstrema. 173 E ekstrem. 176 s volumena. 111 Eulerov integral druge vrste. 256 c s s konstantnim koeficijentima. 44. 207 Bronˇtejn. 183 elipsa opseg. 75 duljina luka.

5. 1. 54 racionalne funkcije.INDEKS 305 donji. 222. 232 Hookeov zakon. 19. 127. 134. 152 integrabilna. 107 c H harmonijski oscilator. 199 Eulerov multiplikator. 4 svojstva. 247 Eulerova jednadˇba. 173 eliptiˇki. 116 homogena diferencijalna jednadˇba. 116 jednokrilni. 15. 20 reda funkcija. 88 c gornji. 170 gornja. 266 hiperboloid. 16. 21 Gaussova razdioba. 180 graniˇna vrijednost. 170 svojstva. 109 omedena. 123. 228 c karakteristiˇna jednadˇba. 198 Gaussova eliminacija. 200 G gama funkcija. 170 neprekidna. z 232 homogena funkcija. 254. 45. 170 lijeva. 180 odredeni. 5 nepravi. 32 divergentan. 169. 28. 183 viˇestruki. 148. 2 izobara. 106 c funkcional. 44. 172 integralna suma desna. 44 hiperbolne funkcije. 43. 266 Householderov reflektor. 272 komplanacija. 129. 34. 219 integrand. 44 sa separiranim varijablama. 57 . 238 izohipsa. 223. 174 trigonometrijske funkcije. 26 iracionalne funkcije. 45 donja. 44. 45. 247 c interval. 44. 105 padaju´a. 280 fundamentalan skup rjeˇenja. 44 dvostruki. 30 konvergentan. 57 neodredeni. 103 izogonalna trajektorija. 235. 259. 205 z Eulerova metoda. 57. 169 s svojstva. 279 F fazni prostor. 170 binomni. 116 dvokrilni. 4 integriraju´i faktor. 275 c z Kirchoffov zakon. 138 implicitno zadana. 22 trostruki. 297 I integral n-terostruki. 234 J Jakobijan. s 274 funkcija derivabilna. 129 diferencijabilna. 79. 106 c rastu´a. 103 izoklina. 34 Riemannov. 76 prve vrste. 44. 188 K kamatni raˇun.

286 linearno nezavisne funkcije. 285 normala. 291 c L Lagrangeov multiplikator. 88 c pogreˇka. 162 Lagrangeovi uvjeti. 234. 276 metoda varijacije konstanti. 278 z INDEKS M Maclaurinova formula. 218 c metoda najmanjih kvadrata. 170 kvadratiˇna prilagodba. 36–38. 195 limes. Isaac. 273. 271 c metoda neodredenih koeficijenata. 229 c z lokalni ekstrem. 138 maksimum lokalni. 13 konus. 231 nivo krivulja. 185 kriteriji konvergencije. 39. 279 mehaniˇka rezonancija. 203. 72 povrˇina. 30 parcijalne integracije. 139 masa. 107. 78. 201. 109 linearna regresija. 192 Matlab. 262. 274 logistiˇka jednadˇba. 173 Newtonov drugi zakon gibanja. 163. 89 Newton. 95 s . 185 sferne. 252. 184 c polarne. 4. 8 NetPlot. 77 kruˇnica z opseg. 65. 211. 222. 75. 111 oploˇje. 139. 285 metoda neodredenih koeficijenta. 67. 55 neposredno integriranje. 180 nuˇan uvjet ekstrema. 59 krivulja u polarnim koordinatama.306 konstanta integracije. 191. 107 volumen. 211 c Leibnitzova formula. 274 minimum lokalni. 159 vezani maksimum. 39. 77 s otvorena. 220. 9 metoda konaˇnih razlika. 265 Newtonov zakon hladenja. 213 z numeriˇko integriranje. 130 normalna jednadˇba. 213 Lagrangeova funkcija. 26. 72. 78. 97. 159 Lotka-Volterra-ine jednadˇbe. 139 uvjetni maksimum. 139 minimum. 49. 206 lanˇanica. 102 nivo ploha. 237. 193 N nejednakost trokuta. 262. 159 uvjetni minimum. 190. 102 njutn. 116 koordinate cilindriˇne. 290 z normalna razdioba. 84. 139 moment. 12 supstitucije. 67. 192 inercije. 169 rastav. 78 norma vektora. 222 Newton-Leibnitzova formula. 159 vezani minimum. 74–76 kvadar n-dimenzionalni. 139 maksimum. 68 s kugla. 190. 263. 257.

44 rastav na parcijalne razlomke. 295 ekonomiˇni. 134 parcijalna integracija. 296 R raˇun varijacija. 98. 94 s O Octave On-line. 18 rastav singularnih vrijednosti. 302 vektora. 2 prijelazno rjeˇenje. 35 polarni koordinatni sustav. 54 Pitagorin pouˇak. 70 rekurzivna formula. 137 ovojnica. 295 ortogonalna trajektorija. 294. 12. A. 71. 122 implicitno zadane funkcije.INDEKS 307 prisilne oscilacije. 200 c rad. 295 ostatak. 111 podintegralna funkcija. 155 kompozicije funkcija. 145 Schwartzov teorem. 2 prirast funkcije. 92. 78 radioaktivni raspad. 82 Q QR rastav. 95 rotaciona ploha. 269 s primitivna funkcija. 224 rastav. K. 70 c ploha drugog reda. 77 parcijalna derivacija. 4 pogreˇka. 44 rastav. 110 . 272 okolina. 114 c parametarski zadana krivulja. 124 paraboloid. 66. 89 sfera. 238 ortonormirana matrica. 62 s prava racionalna funkcija. 15 Richardsonova ekstrapolacija. 288 rektifikacija. 220 Ohmov zakon. 59 povrˇina ravninskog lika. 107. 67. 201 S Schwartzov teoem. 243 ovorena kugla. 135. 112 c hiperboliˇki. 154 eliptiˇki. 97 pogreˇka. 76 s volumen. 78 Simpsonova formula. 185 sila. 94. 17 prebrojiv skup. 141 c segment dekompozicija. 111 sferne koordinate.. 73 rotaciono tijelo oploˇje. 224. 268 pritisak. 124 sedlasta toˇka. 73 rubni uvjeti. 139 ortogonalna matrica. 110 varijable. 74. 35 s relativna. 177 polje smjerova. 278 z poredbeni kriterij. 280 populacijska jednadˇba. 234. 44 Semendjajev. 211. 107 P pacijalna derivacija m-tog reda. 37. 38. 302 c matrice. 227 rast populacije. 93. 294 regresijski pravac. 223. 299 c c s pivotiranjem. 298 numeriˇko raˇunanje.

102 c krnji. 54 The Integrator. 82 totalni diferencijal. 252. 176 W Wronskijan. 34 uvjeti transverzalnosti. 200 c volumen. 31. 55 stacionarna toˇka. 52 univerzalna hiperbolna. 129 Taylorov red. 106 uniformna konvergencija. 26. 116. 137. 140 c stoˇac. 183 U udaljenost. 278 z SVD. 190. 278 sustav diferencijalnih jednadˇbi. 127 viˇeg reda. 4 varijacija. 140 tangenta. 90. 142 teˇiˇte. 192 zs teorem adicioni. 6 tangencijalna ravnina. 65 u odredenom integralu. 205 V varijabla integracije. 28 trigonometrijska. 153 z eliptiˇki. 23 o apsolutnoj konvergenciji. 60 srednje vrijednosti. 135 s trapezna formula. 273 INDEKS Z zamjena varijabli. 188 s . 76 volumen. 29. 91 s trostruki integral. 26 univerzalna trigonometrijska. 203 varijacioni raˇun. 138 Taylorova formula. 294 T tablica osnovnih integrala. 22. 30 tlak. 23 sustav lovac-plijen. 31 racionalna. 97 pogreˇka. 29. 82 hidrostatski. 84. 74 supstitucija Eulerova.308 srednja vrijednost. 130. 9 u viˇestrukom integralu.

Sign up to vote on this title
UsefulNot useful