Ivan Slapni car

MATEMATIKA 2

http://www.fesb.hr/mat2
ili Sveuc ste u Splitu Fakultet elektrotehnike, strojarstva i brodogradnje Split, o zujak 2008.

Sadr zaj
Popis slika Predgovor 1. NEODREDENI INTEGRAL 1.1 Denicija 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 koecijenata . . . . . . . . . . . . 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

Denicija 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 Povr sina ravninskog lika . . . . . . . . . . . . . . . . . Duljina luka ravninske krivulje . . . . . . . . . . . . . Volumen rotacionog tijela . . . . . . . . . . . . . . . . Oplo sje rotacionog tijela . . . . . . . . . . . . . . . . . Sila i rad . . . . . . . . . . . . . . . . . . . . . . . . . Hidrostatski tlak i sila . . . . . . . . . . . . . . . . . . Momenti i te zi ste . . . . . . . . . . . . . . . . . . . . .

2.7

Numeri cko integriranje . . . . . . . . . . . . . . . . . . . . . . 2.7.1 2.7.2 2.7.3 2.7.4 2.7.5 Elipti cki integrali . . . . . . . . . . . . . . . . . . . . . Trapezna formula . . . . . . . . . . . . . . . . . . . . . Simpsonova formula . . . . . . . . . . . . . . . . . . . Richardsonova ekstrapolacija . . . . . . . . . . . . . . Programi . . . . . . . . . . . . . . . . . . . . . . . . .

VARIJABLI 3. FUNKCIJE VISE 3.1 3.2 3.3 3.4 Denicija . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Limes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 Neprekidnost . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 Plohe drugog reda . . . . . . . . . . . . . . . . . . . . . . . . 111 3.4.1 3.4.2 3.4.3 3.4.4 Elipti cki paraboloid . . . . . . . . . . . . . . . . . . . 112 Hiperboli cki paraboloid . . . . . . . . . . . . . . . . . 114 Hiperboloid . . . . . . . . . . . . . . . . . . . . . . . . 116 Sto zac . . . . . . . . . . . . . . . . . . . . . . . . . . . 116 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 vi seg reda . . . . . . . . . . . . . . . . . . 135 3.9.1 Taylorova formula . . . . . . . . . . . . . . . . . . . . 136

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

Denicija i osnovna svojstva . . . . . . . . . . . . . . . . . . . 169 Dvostruki integral . . . . . . . . . . . . . . . . . . . . . . . . 173 4.2.1 4.2.2 4.2.3 Volumen i povr sina . . . . . . . . . . . . . . . . . . . . 176 Polarne koordinate . . . . . . . . . . . . . . . . . . . . 177 Nepravi integral . . . . . . . . . . . . . . . . . . . . . 180

4.3

Trostruki integral . . . . . . . . . . . . . . . . . . . . . . . . . 183 4.3.1 Cilindri cne i sferne koordinate . . . . . . . . . . . . . 184

4.4 4.5 4.6 4.7

Zamjena varijabli . . . . . . . . . . . . . . . . . . . . . . . . . 188 Momenti i te zi sta . . . . . . . . . . . . . . . . . . . . . . . . . 190 Integrali ovisni o parametru . . . . . . . . . . . . . . . . . . . 195 Varijacioni ra cun . . . . . . . . . . . . . . . . . . . . . . . . . 200 4.7.1 4.7.2 4.7.3 4.7.4 Nu zni i dovoljni uvjeti ekstrema . . . . . . . . . . . . 203 Primjeri . . . . . . . . . . . . . . . . . . . . . . . . . . 206 Uvjetni ekstrem . . . . . . . . . . . . . . . . . . . . . 213 . . . . . . . . . . . 218

Eulerova metoda kona cnih razlika vii

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

221

Populacijska i logisti cka jednad zba . . . . . . . . . . . . . . . 224 Jednad zbe sa separiranim varijablama . . . . . . . . . . . . . 231 Polje smjerova . . . . . . . . . . . . . . . . . . . . . . . . . . 234

Eulerova metoda . . . . . . . . . . . . . . . . . . . . . . . . . 235 Ortogonalne i izogonalne trajektorije . . . . . . . . . . . . . . 238 Singularna rje senja i ovojnice . . . . . . . . . . . . . . . . . . 242 Egzaktne jednad zbe i integriraju ci faktori . . . . . . . . . . . 245 Linearne diferencijalne jednad zbe prvog reda . . . . . . . . . 249 Linearne diferencijalne jednad zbe drugog reda . . . . . . . . . 251 5.9.1 5.9.2 5.9.3 5.9.4 Homogene jednad zbe . . . . . . . . . . . . . . . . . . . 253 Nehomogene jednad zbe . . . . . . . . . . . . . . . . . 256 Jednad zbe s konstantnim koecijentima . . . . . . . . 259 Slobodna, gu sena i prisilna titranja . . . . . . . . . . . 265

5.10 Linearne diferencijalne jednad zbe vi seg reda . . . . . . . . . . 273 5.11 Sustavi diferencijalnih jednad zbi . . . . . . . . . . . . . . . . 278 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 reektor . . . . . . 296 QR rastav matrice . . . . . . . . . . . . . . . . . . . . 298 Numeri cko ra cunanje QR rastava . . . . . . . . . . . . 299 Rje savanje problema najmanjih kvadrata . . . . . . . 300 Ekonomi cni QR rastav . . . . . . . . . . . . . . . . . . 302 QR rastav s pivotiranjem po stupcima . . . . . . . . . 302 303

Indeks

viii

Popis slika
1.1 1.2 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . . . . Slobodan pad uz otpor zraka za m = k . . . . . . . . . . . . . Gornja suma . . . . . . . . . . . . . . . . . . . . . . . . . . . Donja suma . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rastav integrala na djelove . . . . . . . . . . . . . . . . . . . Dovoljan uvjet integrabilnosti . . . . . . . . . . . . . . . . . . Primjena Newton-Leibnitzove formule . . . . . . . . . . . . . Primitivna funkcija kao odredjeni integral . . . . . . . . . . . Teorem srednje vrijednosti . . . . . . . . . . . . . . . . . . . . Nepravi integral . . . . . . . . . . . . . . . . . . . . . . . . . . Konvergentna gornja suma nepravog integrala . . . . . . . . . 4 39 45 46 47 48 50 53 55 57 58 61 61 63 64 65 66 67 68 69 69

2.10 Poredbeni kriterij za odredjeni integral . . . . . . . . . . . . . 2.11 Apsolutna konvergencija nepravog integrala . . . . . . . . . . 2.12 Povr sina ravninskog lika i element povr sine . . . . . . . . . . 2.13 Povr sina ravninskog lika I . . . . . . . . . . . . . . . . . . . . 2.14 Povr sina ravninskog lika II . . . . . . . . . . . . . . . . . . . . 2.15 Povr sina elipse . . . . . . . . . . . . . . . . . . . . . . . . . . 2.16 Povr sina ispod jednog luka cikloide . . . . . . . . . . . . . . . 2.17 Polarni koordinatni sustav . . . . . . . . . . . . . . . . . . . . 2.18 Element povr sine u polarnim koordinatama . . . . . . . . . . 2.19 Povr sina kruga u polarnim koordinatama . . . . . . . . . . . ix

2.20 Arhimedova spirala r = a . . . . . . . . . . . . . . . . . . . 2.21 Element duljina luka ravninske krivulje . . . . . . . . . . . . . 2.22 Volumen rotacionog tijela i element volumena . . . . . . . . . 2.23 Oplo sje rotacionog tijela i element oplo sja . . . . . . . . . . . 2.24 Hookeov zakon . . . . . . . . . . . . . . . . . . . . . . . . . . 2.25 Rezervar s vodom . . . . . . . . . . . . . . . . . . . . . . . . . 2.26 Zaronjena tanka plo ca . . . . . . . . . . . . . . . . . . . . . . 2.27 Hidrostatski pritisak na branu . . . . . . . . . . . . . . . . . . 2.28 Te zi ste ravne plo ce . . . . . . . . . . . . . . . . . . . . . . . . 2.29 Ravnote za poluge . . . . . . . . . . . . . . . . . . . . . . . . . 2.30 Plo ca uniformne gusto ce . . . . . . . . . . . . . . . . . . . . 2.31 Koordinate te zi sta plo ce . . . . . . . . . . . . . . . . . . . . . 2.32 Trapezna formula . . . . . . . . . . . . . . . . . . . . . . . . . 2.33 Simpsonova formula . . . . . . . . . . . . . . . . . . . . . . . 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 Projekcija funkcije z = Projekcije funkcije z = Projekcije funkcije z = Kru zni sto zac z =

70 71 74 77 79 80 82 83 84 84 86 87 90 93

x2 + y 2 na xz -ravninu uz y = 0 . . . 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 . . . . . . . . . . . . . . . . . . . 102

Elipti cki sto zac . . . . . . . . . . . . . . . . . . . . . . . . . . 103 Izobare vremenske prognoze . . . . . . . . . . . . . . . . . . . 104 Nivo-plohe funkcije u = arcsin(x2 + y 2 + z 2 2) za u = 0.5 i u = 1105 Nivo plohe funkcije u = x
2 +y 2

Podru cje denicije funkcije z = ln(x + y 2) . . . . . . . . . 104 za u = 1 i u = 2 . . . . . . . 106

3.10 Otvorene kugle za n = 1, 2, 3

. . . . . . . . . . . . . . . . . . 107

3.11 Neprekidna funkcija na zatvorenom skupu . . . . . . . . . . . 111 3.12 Elipsoid x2 /36 + y 2 /16 + z 2 /4 = 1 . . . . . . . . . . . . . . . 112 3.13 Paraboloid z = x2 /4 + y 2 . . . . . . . . . . . . . . . . . . . . 113 3.14 (A) Nivo plohe i (B) presjeci paralelni s yz -ravninom za paraboloid z = x2 /4 + y 2 .113 3.15 Pomaknuti paraboloid z 5 = (x 3)2 + 4(y + 2)2 . . . . . . 114 x

3.17 Hiperboli cki paraboloid z = x2 y 2 3.18 Nivo plohe za z = x2 y2.

3.16 Polegnuti paraboloid x = y 2 + z 2 . . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . 115 . . . . . . . . . . . . . . . . . . . . 116

3.19 (A) Jednokrilni i (B) dvokrilni hiperboloid za a = b = c = 1. . 117 3.20 Sto zac z 2 = x2 + y 2 . . . . . . . . . . . . . . . . . . . . . . . . 118 3.21 (A) (x + 2)2 + y 2 /4 = 1 i (B) x2 y 2 = 1. . . . . . . . . . . . 119 3.22 Paraboli cki cilindar z = y 2 . . . . . . . . . . . . . . . . . . . . 120 3.23 (x2 y )/(x2 + y 2 ) . . . . . . . . . . . . . . . . . . . . . . . . . . 120 3.24 (x2 y 2 )/(x2 + y 2 ) . . . . . . . . . . . . . . . . . . . . . . . . 121 3.25 sin x sin y . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 3.26 exp(sin(x/y )) . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 3.27 Presjek ploha. . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 3.28 Diferencijal funkcije jedne varijable . . . . . . . . . . . . . . . 130 3.29 Tangencijalna ravnina paraboloida z = 2(x 1)2 y 2 u to cki (2, 1, 3)132 3.30 Lokalni minimum . . . . . . . . . . . . . . . . . . . . . . . . . 141 3.31 Sedlasta to cka . . . . . . . . . . . . . . . . . . . . . . . . . . . 142 3.32 Lokalni maksimum u nestacionarnoj to cki . . . . . . . . . . . 143 3.33 Implicitno zadana kru znica . . . . . . . . . . . . . . . . . . . 150 3.34 Implicitno zadana funkcija izvedena iz kru znice . . . . . . . . 150 3.35 Implicitno zadana parabola . . . . . . . . . . . . . . . . . . . 151 3.36 Implicitno zadan sto zac . . . . . . . . . . . . . . . . . . . . . 153 3.37 Sjeci ste krivulja y = x i y = ex . . . . . . . . . . . . . . . . . 158 3.38 Implicitno zadana funkcija xyz = exyz . . . . . . . . . . . . 158 3.39 Problem vezanog ekstrema . . . . . . . . . . . . . . . . . . . . 160 3.40 Vezani ekstremi . . . . . . . . . . . . . . . . . . . . . . . . . . 165 3.41 Lokalni vezani minimum . . . . . . . . . . . . . . . . . . . . . 166 3.42 Lokalni vezani minimum . . . . . . . . . . . . . . . . . . . . . 167 4.1 4.2 Primjer vi sestrukog integrala . . . . . . . . . . . . . . . . . . 171 Podru cje integracije dvostrukog integrala . . . . . . . . . . . . 175 xi

4.3 4.4 4.5 4.6 4.7 4.8 4.9

Podru cje integracije za ra cunanje volumena . . . . . . . . . . 177 Element povr sine u polarnim koordinatama II . . . . . . . . . 178 Polukrug u prvom kvadrantu . . . . . . . . . . . . . . . . . . 179 Funkcija y = ex . . . . . . . . . . . . . . . . . . . . . . . . . 181 Kvadrat s upisanom i opisanom cetvrtinom kruga . . . . . . . 182 Projekcija presjeka paraboloida i sto sca na xz -ravninu . . . . 184 Element volumena u cilindri cnim koordinatama . . . . . . . . 185
2

4.10 Sferne koordinate . . . . . . . . . . . . . . . . . . . . . . . . . 186 4.11 Element volumena u sfernim koordinatama . . . . . . . . . . 187 4.12 Polukru zna plo ca . . . . . . . . . . . . . . . . . . . . . . . . . 191 4.13 Blokada kota ca i projekcija na xz -ravninu . . . . . . . . . . . 193 4.14 Gama funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . 199 4.15 Problem najkra ceg puta . . . . . . . . . . . . . . . . . . . . . 202 4.16 Problem brahistohrone . . . . . . . . . . . . . . . . . . . . . . 202 4.17 Funkcija y0 i njene varijacije . . . . . . . . . . . . . . . . . . . 203 4.18 Cikloida kao rje senje problema najkra ceg vremena . . . . . . 209 4.19 Cikloida kao rje senje problema najkra ceg vremena . . . . . . 209 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 Titranje mase obje sene na oprugu . . . . . . . . . . . . . . . 222 Strujni krug . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223 Struja u strujnom krugu . . . . . . . . . . . . . . . . . . . . . 225 Rast svjetskog stanovni stva od 1750. do 2005. godine . . . . 226 Rast svjetskog stanovni stva od 1950. do 2005. godine . . . . 227 Rje senja logisti cke jednad zbe . . . . . . . . . . . . . . . . . . 230 Polje smjerova za jednad zbe (a) y = x + y i (b) y = x2 + y 2 1234 Polje smjerova logisti cke jednad zbe . . . . . . . . . . . . . . . 236 Eulerova metoda . . . . . . . . . . . . . . . . . . . . . . . . . 238

5.10 Ortogonalne trajektorije y = kx i x2 + y 2 = C . . . . . . . . . 239 5.11 Ortogonalne trajektorije x = ky 2 i x2 + y 2 /2 = C . . . . . . . 240 5.12 Tangens razlike kutova . . . . . . . . . . . . . . . . . . . . . . 241 xii

5.13 Izogonalne trajektorije y = kx i r = Ce . . . . . . . . . . . . 242 5.14 Ovojnice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244 5.15 Clairautova jednad zba . . . . . . . . . . . . . . . . . . . . . . 245 5.16 Titranje mase obje sene na oprugu uz gu senje i vanjsku silu . 266 5.17 Gu seno titranje . . . . . . . . . . . . . . . . . . . . . . . . . . 268 5.18 Gu seni sustav s prisilnim oscilacijama . . . . . . . . . . . . . 270 5.19 Neomedjene oscilacije . . . . . . . . . . . . . . . . . . . . . . 272 5.20 Strujni krug s kondenzatorom, otporom i zavojnicom . . . . . 272 5.21 Populacije vukova (V ) i ze ceva (Z/10) uz V (0) = 30 i Z (0) = 800280 5.22 Polje smjerova za populacije vukova i ze ceva . . . . . . . . . . 281 5.23 Populacije vukova i ze ceva uz uvjete V (0) = 30 i Z (0) = 800 . 282 6.1 6.2 6.3 Pet to caka u ravnini . . . . . . . . . . . . . . . . . . . . . . . 286 Rje senje problema najmanjih kvadrata . . . . . . . . . . . . . 288 Parabola s najboljom prilagodbom . . . . . . . . . . . . . . . 294

xiii

Predgovor
Ovaj ud zbenik namijenjen je studentima tehni ckih i prirodnih znanosti, a u prvom redu studentima Fakulteta elektrotehnike, strojarstva i brodogradnje u Splitu (FESB). U ud zbeniku je izlo zeno gradivo kolegija Matematika 2 po sadr zaju koji se predaje na FESB-u prema bolonjskom programu. Obradena su poglavlja Neodredeni integral, Odredeni integral, Funkcije vi se varijabli, Vi sestruki integrali, Diferencijalne jednad zbe te, dodatano, poglavlje Metoda najmanjih kvadrata i QR rastav. Sli can sadr zaj nalazi se u ve cini istoimenih kolegija na tehni ckim i prirodoslovnim fakultetima. Budu ci se radi o standardnom sadr zaju, nije citirana posebna literatura. Spomenut cu samo neke od knjiga sli cnog sadr zaja, a koje preporu cujem i citatelju: - D. Blanu sa, Vi sa matematika, II. dio (1. i 2. svezak), Tehni cka knjiga, Zagreb, 1973. - P. Javor, Matemati cka analiza 2, Element, Zagreb, 2002. - N. Ugle si c, Vi sa matematika II, Svu cili ste u Splitu, Split, 2000. - B. P. Demidovi c, Zadaci i rije seni primjeri iz vi se matematike, Tehni cka knjiga, Zagreb, 1978. U izradi ud zbenika kori stena su iskustva i zabilje ske biv sih i sada snjih nastavnika FESB-a pa im ovom prilikom iskazujem svoju zahvalnost. Dio ud zbenika izraden je na osnovi suradnje Ministarstva znanosti, obrazovanja i sporta Republike Hrvatske i Sveu cili sta u Splitu, Fakulteta elektrotehnike, strojarstva i brodogradnje, na I-projektu Matematika 2 digitalni ud zbenik s interaktivnim animacijama i interaktivnom provjerom znanja (http://www.fesb.hr/mat2).

U Splitu, o zujka 2008. Autor xv

1.
NEODREDENI INTEGRAL

1.1 1.2 1.3 1.4 1.5 1.6 1.7

Denicija i osnovna svojstva . . . . . . . . . . . . . . . . . 1.1.1 Tablica osnovnih integrala . . . . . . . . . . . . . . Metode supstitucije . . . . . . . . . . . . . . . . . . . . . . Metoda parcijalne integracije . . . . . . . . . . . . . . . . 1.3.1 Rekurzivne formule . . . . . . . . . . . . . . . . . . Integriranje racionalnih funkcija . . . . . . . . . . . . . . . 1.4.1 Primjer . . . . . . . . . . . . . . . . . . . . . . . . Racionalne funkcije trigonometrijskih funkcija . . . . . . . Racionalne funkcije hiperbolnih funkcija . . . . . . . . . . Integriranje nekih iracionalnih funkcija . . . . . . . . . . . 1.7.1 1.7.2 1.7.3 Racionalna supstitucija . . . . . . . . . . . . . . . Trigonometrijske i Eulerove supstitucije . . . . . . Metoda neodredenih koecijenata . . . . . . . . . .

2 6 9 12 15 16 20 22 26 28 28 29 30 32 34 39

1.8 1.9

1.7.4 Binomni integral . . . . . . . . . . . . . . . . . . . Integriranje reda funkcija . . . . . . . . . . . . . . . . . . Slobodan pad uz otpor zraka . . . . . . . . . . . . . . . .

Ovo poglavlje bavi se nala zenjem neodredenih integrala (kra ce: integrala), odnosno anti-derivacija. Prije formalne denicije neodredenog integrala, neformalno cemo opisati osnovnu ideju. Anti-derivacija zadane funkcije je funkcija cija je derivacija jednaka zadanoj funkciji. Na primjer, kako je (sin x) = cos x, to je anti-derivacija funkcije cos x jednaka sin x. Medutim, kako je derivacija konstante jednaka nuli, to je i funkcija sin x + C takoder anti-derivacija funkcije cos x za svaku konstantu C . Integral zadane funkcije je skup svih njenih anti-derivacija, sto zapisujemo kao cos x dx = sin x + C.

NEODREDENI INTEGRAL

Zaklju cujemo da neke integrale mo zemo dobiti citaju ci tablicu elementarnih derivacija [M1, 5.1.5] zdesna na lijevo. Tako je, na primjer, 1 dx = tg x + C. cos2 x Medutim, integriranje je slo zeniji postupak od deriviranja. Takoder, integral elementarne funkcije nije uvijek elementarna funkcija. Naime, dok je svaku elementarnu funkciju lako derivirati jednostavnom primjenom pravila deriviranja, pri cemu je derivacija opet elementarna funkcija, kod integrira2 nja to nije slu caj. Tako je, na primjer, ex dx = ex + C , dok recimo ex dx nije elementarna funkcija, odnosno ne mo ze se prikazati kao pomo cu kona cne primjene zbrajanja, razlike, mno zenja, dijeljenja i komponiranja osnovnih elementarnih funkcija [M1, 4.6.7]. Integral ove funkcije mo ze se prikazati pomo cu reda funkcija (poglavlje 1.8). U ovom poglavlju dat cemo deniciju i osnovna svojstva integrala, opisati osnovne metode integriranja, te postupke integriranja za nekoliko tipova funkcija (racionalne funkcije, racionalne funkcije trigonometrijskih funkcija i neke iracionalne funkcije). Opisat cemo i postupak integriranja reda funkcija.

1.1

Denicija i osnovna svojstva

Neka je zadana funkcija f : D R. Zelimo na ci funkciju F koja derivirana daje f , odnosno zelimo rije siti jednad zbu F (x) = f (x), za one x za koje rje senje postoji. Za slijede cu deniciju potrebno je ponoviti neke denicije. Neka je a, b R, a < b. Interval I je svaki od skupova [a, b], (a, b), (a, b], [a, b), (, b], (a, +), (, b), [a, +), (, +) R.

Nadalje, skup je prebrojiv ako je ekvipotentan sa skupom prirodnih brojeva N [M1, denicija 1.15]. Denicija 1.1 Neka je zadana funkcija f : D R, neka je I D interval i neka je A I kona can ili prebrojiv podskup. Primitivna funkcija funkcije f na intervalu I je svaka neprekidna funkcija F : I R takva da je F (x) = f (x) za x I \ A.1
1

Ukoliko je A = , tada je F striktno primitivna funkcija funkcije f na intervalu I .

1.1

Denicija i osnovna svojstva

Ova denicija i cinjenica da je derivacija konstantne funkcije jednaka nuli povla ce slijede ci teorem. Teorem 1.1 Ako je F (x) primitivna funkcija funkcije f (x) na intervalu I , tada je i F (x) + C primitivna funkcija funkcije f (x) na intervalu I za svaku konstantu C R. Primjer 1.1 a) Zadana je funkcija f (x) = 2x, f : R R. Funkcije F1 (x) = x2 , 1 F2 (x) = x2 , 3 F1 : R R0 + i 1 F2 (x) : R [ , +) 3

su primitivne funkcije od f na R (slika 1.1 a)). b) Prema deniciji 1.1, F1 i F2 su i primitivne funkcije od g(x) = 2x, za x = 1, 0, za x = 1,

jer mo zemo uzeti I = R i A = {1}, odnosno skup A je u ovom slu caju kona can (vidi sliku 1.1 b)). c) F1 i F2 su takoder primitivne funkcije funkcije h(x) = 2x, za x / N, 0, za x N,

jer mo zemo uzeti I = R i A = N, pri cemu je skup A prebrojiv. d) Neka je f (x) = 2x, za 2 < x < 2, x, za 2 x. x2 2, x2 2 , za 2 < x < 2, za 2 x.

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, +) prema deniciji 1.1. Naravno, i funkcija F (x) + C je primitivna funkcija funkcije f za svaku konstantu C . Nacrtajte funkcije f i F .

NEODREDENI INTEGRAL

F2(x)

f(x) F1(x) 1

F2(x)

g(x) F1(x) 1

-1

-1

a) Slika 1.1: Primitivna funkcija

b)

Nakon sto smo usvojili pojam primitivne funkcije mo zemo denirati neodredeni integral, no prije toga dokazat cemo jo s sljede ci teorem. Teorem 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 . Dokaz. Doka zimo teorem za najjednostavniji slu caj kada je A = , odnosno kada se radi o striktno primitivnim funkcijama. Pretpostavke teorema povla ce G (x) = F (x) = f (x), x I,

pa je (G F ) (x) = 0, odnosno (G F )(x) = C za neku konstantu C i za svaki x I .

Denicija 1.2 Neodredeni integral funkcije f na intervalu I je skup svih primitivnih funkcija funkcije f na intervalu I . Koristimo oznaku f (x) dx = F (x) + C, C R,

pri cemu je F neka primitivna funkcija funkcije f na intervalu I , x je varijabla integracije, a f je podintegralna funkcija ili integrand, a C je konstanta integracije.

1.1

Denicija i osnovna svojstva

Napomenimo da gornju jednakost interpretiramo kao jednakost medu funkcijama, odnosno F (x) ozna cava funkciju F , a ne njezinu vrijednost u to cki x. Primjer 1.2 Vrijedi dx = x + C, x4 dx = x5 + C, 5

ex dx = ex + C. Napomena 1.1 Dva uvjeta iz denicije 1.1 zaslu zuju dodatno obja snjenje. Uvjet da formula F (x) = f (x) vrijedi na skupu I \ A, a ne na citavom skupu I , sto je slabiji uvjet od onoga sto bismo o cekivali, proizlazi iz geometrijskog zna cenja odredenog integrala (poglavlje 2). Naime, odredeni integral u principu daje povr sinu izmedu podintegralne funkcije i x-osi, a kako povr sina ne ovisi o vrijednosti funkcije u prebrojivo to caka, to se i u zi deniciji neodredenog integrala uzima slabiji uvjet. Drugi uvjet je da se tra neprekidnost funkcije F na citavom intervalu I i onda kada funkcija f taj uvjet ne ispunjava. Ovaj uvjet proisti ce iz zikalne interpretacije integrala. Naime, brzina je derivacija puta po vremenu [M1,5.1], pa je stoga put integral brzine. No, dok funkcija kojom je zadana brzina mo ze (u idealnim uvjetima) imati prekide, prijedeni put je uvijek neprekidan. Stoga je i uvjet neprekidnosti primitivne funkcije prirodan. Slijede ca dva teorema daju nam osnovna svojstva integrala. Prisjetimo se denicije diferencijala funkcije f [M1, 5.2], df (x) = f (x) dx. Prvi teorem navodimo bez dokaza. Teorem 1.3 Neka je f (x) dx = F (x) + C , odnosno F (x) = f (x) za svaki x I \ A, i nake je funkcija F neprekidna na intervalu I . Tada za svaki x I \ A vrijedi: (i) ( f (x) dx) = f (x), odnosno derivacija integrala jednaka je podintegralnoj funkciji. Ovu jednakost takoder interpretiramo kao jednakost medu funkcijama koja vrijedi na skupu I \ A.

NEODREDENI INTEGRAL

(ii) d ( f (x) dx) = f (x) dx, odnosno diferenciranje poni stava integriranje. (iii) dF (x) = F (x) + C , odnosno integriranje poni stava diferenciranje do na konstantu.

Teorem 1.4 Neodredeni integral je linearan, odnosno (1 f1 (x) + + n fn (x)) dx = 1 f1 (x) dx + + n fn (x) dx + C.

Dokaz. Neka je Fi : I R primitivna funkcija funkcije fi za i = 1, . . . , n. To zna ci da je (Fi (x)) = fi (x) za svaki x I \ Ai , pri cemu je Ai prebrojiv podskup od I , odnosno fi (x) dx = Fi (x) + Ci . Dakle, jednakost 1 F1 (x) + + n Fn (x)) = 1 f1 (x) + + n fn (x)
n vrijedi za svaki x I \ n i=i Ai . Kako je skup i=i Ai takoder prebrojiv, zaklju cujemo da je funkcija 1 F1 (x)+ + n Fn (x) jedna primitivna funkcija funkcije 1 f1 (x) + + n fn (x). Stoga vrijedi

(1 f1 (x) + + n fn (x)) dx = 1 F1 (x) + + n Fn (x) + K = 1 ( + n ( = 1 gdje je C = K 1 C1 n Cn . f1 (x) dx C1 ) + fn (x) dx Cn ) + K fn (x) dx + C,

f1 (x) dx + + n

1.1.1

Tablica osnovnih integrala

Kao sto smo ve c kazali, tablicu osnovnih integrala dobijemo citaju ci tablicu osnovnih derivacija [M1, 5.1.5] zdesna na lijevo, uz odgovaraju ce

1.1

Denicija i osnovna svojstva

manje prilagodbe. Za konstantnu funkciju i potencije vrijedi: 0 dx = C, dx = xn dx = 1 dx = x + C,

xn+1 + C, n N {0}, n+1 1 1 dx = + C, n N \ {1}, n x (n 1) xn1 xr+1 xr dx = + C, r = 1, x > 0, r+1 1 x1 dx = dx = ln |x| + C, x = 0. x Doka zimo zadnju formulu: za x > 0 vrijedi ln |x| = ln x pa je (ln |x|) = (ln x) = 1/x, 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, ln a a (0, +) \ {1}. 1 1 (1) = . x x

Formule za derivacije trigonometrijskih funkcija povla ce sin x dx = cos x + C, cos x dx = sin x + C, 1 dx = tg x + C, cos2 x 1 dx = ctg x + C, sin2 x a formule za derivacije arkus funkcija povla ce 1 dx = arctg x + C = arcctg x + C, 1 + x2 1 dx = arcsin x + C = arccos x + C, 1 x2

x (1, 1).

NEODREDENI INTEGRAL

Druge po redu jednakosti u prethodne dvije formule slijede iz jednakosti arcctg x = arctg x, 2 arccos x = arcsin x. 2

Primijetimo da integrali funkcija tg x i ctg x ne spadaju u tabli cne integrale. Kona cno, formule za derivacije hiperbolnih funkcija povla ce sh x dx = ch x + C, ch x dx = sh x + C, 1 dx = th x + C, ch2 x 1 dx = cth x + C, sh2 x dok formule za derivacije area funkcija povla ce 1 dx = 1 x2 = arth x + C, arcth x + C, za |x| < 1 za |x| > 1 x = 1, x R,

1 dx = arsh x + C = ln(x + x2 + 1) + C, 1 + x2 1 arch x + C, za x > 1 dx = arch(x) + C, za x < 1 x2 1 = ln |x + x2 1| + C,

1+x 1 + C, ln 2 1x

x R \ [1, 1].

Zadatak 1.1 Odredite podru cja denicije prethodnih integrala, odnosno sve vrijednosti x za koje odgovaraju ce formule vrijede. Primjer 1.3 Neposredno integriranje je najjednostavnija tehnika integriranja. Ono se sastoji u primjeni teorema 1.4 i tablice osnovnih integrala. Na primjer, 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. 2 4

1.2

Metode supstitucije

Slijede ci integral rje savamo primjenom osnovnog trigonometrijskog identiteta: dx = 2 sin x cos2 x = sin2 x + cos2 x dx sin2 x cos2 x dx dx + = tg x ctg x + C. 2 cos x sin2 x

1.2

Metode supstitucije

Za rje savanje slo zenijih integrala cesto koristimo dvije metode supstitucije. One se sastoje u tome da se zadani integral 1) dopustivom zamjenom varijable integracije nekom funkcijom (bijekcijom) ili 2) dopustivom zamjenom nekog analiti ckog izraza novom varijablom integracije svede na tabli cni integral. Teorem 1.5 Neka je zadana funkcija f : I R. Neka je I1 neki drugi interval i neka je funkcija : I1 I derivabilna bijekcija. Neka je i inverzna funkcija 1 : I I1 takoder derivabilna. Ako je : I1 R primitivna funkcija funkcije (f ) na intervalu I1 , odnosno ako je (f )(t) (t) dt = (t) + C, tada je F = 1 : I R primitivna funkcija funkcije f na intervalu I , odnosno f (x) dx = (1 (x)) + C, x I. Drugim rije cima, f (x) dx mo zemo rje savati pomo cu supstitucije x = (t), pri cemu je bijekcija: f (x) dx = x = (t) dx = (t) dt = f ((t)) (t) dt

= (t) + C = t = 1 (x) = (1 (x)) + C. Bijektivnost funkcije je nu zna za vra canje supstitucije natrag.

10

NEODREDENI INTEGRAL

Dokaz. Po pretpostavci teorema, funkcija je neprekidna jer je to primitivna funkcija. Funkcija 1 je neprekidna jer je derivabilna pa je funkcija F = 1 neprekidna na intervalu I . Nadalje, postoji kona can ili prebrojiv skup A1 I1 takav da je (t) = f ((t)) (t), t I1 \ A1 .

can ili Zbog bijektivnosti funkcije je i skup A = (A1 ) I takoder kona prebrojiv te vrijedi x = (t) I \ A Dakle, za x I \ A vrijedi F (x) = ( 1 ) (x) = (1 (x))(1 ) (x) = f (x) = f ((1 (x))) (1 (x)) (1 ) (x) t = 1 (x) I1 \ A1 .

pa je F primitivna funkcija funkcije f na intervalu I i teorem je dokazan.

Primjer 1.4 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 6 5 x + C. =2 x+ 5

Primijetimo da funkcija (t) = t6 nije bijekcija za t R. Medutim, kako je zadani integral deniran samo za x > 0, mo zemo uzeti da t > 0, pa ja za takve t funkcija t6 bijekcija. Teorem 1.6 Neka je dana funkcija f : I R. Neka postoje interval I1 , derivabilna funkcija : I I1 i funkcija g : I1 R za koje vrijedi f (x) = g((x)) (x), x I.

Neka je G : I1 R primitivna funkcija funkcije g na intervalu I1 , odnosno G (t) = g(t), t I1 \ A1 ,

1.2

Metode supstitucije

11

pri cemu je A1 I1 kona can ili prebrojiv skup. Neka je skup A deniran s A = {x I : (x) A1 }. Tada je F = G primitivna funkcija funkcije f na intervalu I , odnosno za svaki x I vrijedi f (x) dx = g((x)) (x) dx t = (x) dt = (x) dx = g(t) dt

= G(t) + C = G((x)) + C = F (x) + C.

Dokaz. Funkcija G je po pretpostavci neprekidna na intervalu I1 , a funkcija je derivabilna i neprekidna na intervalu I . Stoga je funkcija F = G neprekidna na intervalu I . Nadalje, skup A je kona can ili prebrojiv pa za x I \ A vrijedi (x) I1 \ A1 i F (x) = (G ) (x) = G ((x)) (x) = g((x)) (x) = f (x), odnosno F je primitivna funkcija funkcije f na intervalu I .

Primjer 1.5 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.

b) Vrijedi 5x = t 5 dx = dt 1 1 1 dt = sin t + C = sin 5x + C. 5 5 5

cos 5x dx =

cos t

c) Vrijedi dx dx = = + 2x + 2 (x + 1)2 + 1 = arctg(x + 1) + C. x+1=t dx = dt dt = arctg t + C +1

x2

t2

12 d) Vrijedi x dx = (1 + x2 )r 1 + x2 = t =

NEODREDENI INTEGRAL

1 2

Integrale u primjeru 1.5 a), b) i c) smo formalno mogli rije siti i koriste ci teorem 1.5, odnosno pomo cu supstitucija x = (t) = t3 , 2 x = (t) = 1 t, 5 x = (t) = t 1,

2x dx = dt 1 ln |t| + C1 , za r 2 = r +1 1 t + C2 , za r 2 r + 1 1 ln(1 + x2 ) + C1 , 2 = 1 (1 + x2 )r+1 + C2 , 2 r + 1

dt 1 = r t 2 =1 =1

tr dt

za r = 1 za r = 1

redom, koje su sve bijekcije na skupu R. Napomena 1.2 Postupak rje savanja integrala u primjeru 1.5 c) i d) se koristi u rje savanju integrala racionalnih funkcija u poglavlju 1.4.

1.3

Metoda parcijalne integracije

Ova metoda se sastoji od povoljnog rastava zadanog integrala u obliku f (x) dx = i primjene slijede ceg teorema. Teorem 1.7 Ako su funkcije u, v : I R derivabilne na intervalu I , tada vrijedi formula parcijalne integracije u(x) v (x) dx = u(x) v (x) v (x) u (x) du. u(x)v (x) dx = u(x) d(v (x)),

Dokaz. Neka je F : I R primitivna funkcija funkcije u(x) v (x) na intervalu I , odnosno F je neprekidna i vrijedi F (x) = u(x) v (x), x I \ A,

1.3

Metoda parcijalne integracije

13

pri cemu je A I kona can ili prebrojiv skup. Zbog derivabilnosti funkcija u i v je i funkcija u(x) v (x) neprekidna na intervalu I . 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). Dakle, G je primitivna funkcija funkcije u v na intervalu I pa je F (x) = u(x) v (x) G(x) i teorem je dokazan. Izbor funkcija u i v je stvar iskustva. Tvrdnju teorema 1.7 mo zemo zapisati u kra cem obliku: u dv = u v Primjer 1.6 a) Vrijedi u = x, du = dx, v= dv = v du.

xex dx =

= xex ex + C.

dv = ex dx,

ex dx = ex

= xex

ex dx

Prilikom rje savanja pomo cnog integrala dv nije potrebno pisati konstantu integracije, jer je dovoljna jedna konstanta integracije C na kraju zadatka. b) Za funkciju u mo zemo uzeti i citavu podintegralnu funkciju ukoliko se ona deriviranjem pojednostavni: u = ln x, du = 1 dx, x = x ln x ln x dx = dv = dx, v = x 1 dx = x ln xx+C. x

14

NEODREDENI INTEGRAL

c) Formulu parcijalne integracije mo zemo primijeniti vi se puta uzastopce: 2 u = x + 2x, du = (2x + 2) dx, (x2 + 2x) cos x dx = dv = cos x dx, v = cos x dx = sin x = (x2 + 2x) sin x sin x(2x + 2) dx u = 2x + 2, du = 2 dx, = dv = sin x 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. Op cenito, zaklju cujemo da integrale oblika pn (x)ex dx, pn (x) sin x dx, pn (x) cos x dx,

gdje je pn polinom n-tog stupnja, mo zemo rije siti primjenom parcijalne integracije n puta za redom. d) Integrale slijede ceg tipa rje savamo tako da nakon dvostruke parcijalne integracije dobijemo izraz koji opet sadr zi polazni integral: e sin x dx =
x

u = ex ,

du = ex dx, v = cos x

dv = sin x dx,

= ex ( cos x) = ex cos x + = u = ex ,

( cos x)ex dx ex cos x dx du = ex dx, v = sin x ex sin x dx.

dv = cos x dx,

= ex cos x + ex sin x Iz prethodne jednakosti slijedi ex sin x dx =

1 x e (sin x cos x) + C. 2

Primijetimo da smo zbog svojevrsne simetrije zadatak mogli rije siti i pomo cu rastava u = sin x i dv = ex dx.

1.3

Metoda parcijalne integracije

15 x3 sin x dx.

Zadatak 1.2 a) Izra cunajte integral

b) Izra cunajte integral xex sin x dx. Da li je mogu ce rije siti integral oblika pn (x)ex sin x dx, gdje je pn polinom n-tog stupnja? c) Provjerite rje senja zadatka i primjera 1.6 deriviranjem.

1.3.1

Rekurzivne formule

Naziv rekurzivna formula op cenito zna ci da se izraz ovisan o parametru n mo ze izraziti pomo cu izraza istog oblika ovisnog o istoj ili nekoj drugoj vrijednosti parametra.2 Formalna denicija je sljede ca: neka za niz funkcija fn : I R, postoje neodredeni integrali In (x) = Formula oblika In (x) = (x, In1 (x), In2 (x), . . . , Ink (x)), zove se rekurzivna formula za niz integrala In (x). Primjenu rekurzivnih formula za nala zenje integrala ilustrirat cemo na slijede cem va znom primjeru koji je sastavni dio integriranja racionalnih funkcija u poglavlju 1.4. Nadimo In = Za n = 1 vrijedi I1 = Za n 2 vrijedi In = Sada imamo u = x, du = dx x2 dx = x dv = (1 + x2 )n dx, (1 + x2 )n = ... x dx 2 n (1 + x ) dx , (1 + x2 )n n N. k n 1, fn (x) dx. n = 1, 2, 3, . . .

dx = arctg x + C. 1 + x2 x2 dx. (1 + x2 )n

1 + x 2 x2 dx = In1 (1 + x2 )n

(1.1)

v=

Jedan oblik rekurzivne formule u kojoj smo integral izrazili pomo cu istog izraza smo imali u primjeru 1.6 d).

16

NEODREDENI INTEGRAL

Rije simo pomo cni integral postupkom kao u primjeru 1.3 d): v= 1 + x2 = t x dx = (1 + x2 )n 2x dx = dt 1 1 = . 2(1 n) (1 + x2 )n1 =
1 2

dt

tn

1 tn+1 2 n + 1

Dakle, parcijalna integracija daje

dx x x2 dx = 2 n 2 n 1 (1 + x ) 2(1 n)(1 + x ) 2(1 n)(1 + x2 )n1 x 1 = In1 . 2 n 1 2(1 n)(1 + x ) 2(1 n) Uvr stavanje u formulu (1.1) kona cno daje rekurzivnu formulu In = In1 1 x + In1 2 n 1 2(1 n)(1 + x ) 2(1 n) x 2n 3 = + In1 . 2 n 1 2(n 1)(1 + x ) 2(n 1)

Uzastopnom primjenom ove formule lako nademo integral In za bilo koji n. Na primjer, 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. = 4(1 + x2 )2 8 1 + x2 8

Provjerite ovo rje senje deriviranjem. Zadatak 1.3 Nadite rekurzivne formule za integrale: a) b) c) cosn x dx, chn x dx, 1 dx. sinn x

1.4

Integriranje racionalnih funkcija

Racionalnu funkciju je uvijek mogu ce integrirati, odnosno integral takve funkcije je uvijek elementarna funkcija. Postupak integriranja je slo zen i sastoji se od cetiri koraka: eliminacija zajedni ckih nul-to caka brojnika i nazivnika, svodenje na pravu racionalnu funkciju, rastav na parcijalne razlomke i

1.4

Integriranje racionalnih funkcija

17

integriranje dobivenih izraza pomo cu neposrednog integriranja, metode supstitucije ili metode parcijalne integracije. Integriranje racionalnih funkcija je va zno jer se i integrali racionalnih funkcija trigonometrijskih funkcija (poglavlje 1.5) kao i integrali nekih iracionalnih funkcija (poglavlje 1.5) odgovaraju cim transformacijama svode na integrale racionalnih funkcija. Neka je zadana racionalna funkcija f (x) = p(x) , q (x)

gdje su p i q polinomi s realnim koecijentima. Eliminacija zajedni ckih nul-to caka Ako p i q imaju zajedni cku nul-to cku x0 , odnosno ako je p(x) = (x x0 )p1 (x), tada je p(x) dx = q (x) (x x0 )p1 (x) dx = (x x0 )q1 (x) p1 (x) dx. q1 (x) q (x) = (x x0 )q1 (x),

Zadnja jednakost vrijedi jer se prema deniciji 1.1 integral ne mijenja ako se podintegralna funkcija promijeni u prebrojivo mnogo to caka. Postupak mo zemo nastaviti sve dok ne dobijemo racionalnu funkciju u kojoj brojnik i nazivnik nemaju zajedni ckih nul-to caka. U nastavku izlaganja stoga pretpostavljamo da p i q nemaju zajedni ckih nul-to caka. Svodenje na pravu racionalnu funkciju Racionalna funkcija je prava racionalna funkcija ako je stupanj brojnika manji od stupnja nazivnika. Ukoliko je stupanj brojnika ve ci ili jednak od stupnja nazivnika, mo zemo podijeliti polinome, pa imamo f (x) = r (x) p(x) = s(x) + , q (x) q (x)

pri cemu su r i s polinomi. Polinom r je ostatak kod dijeljenja, a stupanj od r je manji od stupnja od q . Naravno, s(x) dx se rje sava neposrednim integriranjem, pa mo zemo zaklju citi slijede ce:

18

NEODREDENI INTEGRAL

Integriranje racionalnih funkcija se svodi na integriranje pravih racionalnih funkcija oblika p(x) , f (x) = q (x) pri cemu p i q nemaju zajedni ckih nul-to caka i stupanj od p je manji od 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 sto smo integral zadane racionalne funkcije sveli na integral prave racionalne funkcije, tu funkciju treba rastaviti na parcijalne razlomke. Kao posljedica osnovnog teorema algebra [M1, $ 4.6.8], polinom q stupnja n mo zemo rastaviti na faktore u obliku q (x) = q0 + q1 x + q2 x2 + qn xn = qn (x x1 ) (x xn ). Ovdje su x1 , . . . , xn realne ili kompleksne nul-to cke, kompleksne nul-to cke se uvijek javljaju u kompleksno-konjugiranim parovima, a nul-to cke mogu biti i vi sestruke. Stoga mo zemo pisati q (x) = qn (x x1 )r1 (x xk )rk (x2 + a1 x + b1 )s1 (x2 + al x + bl )sl , cite realne nul-to cke, kvadratni polinomi pri cemu su xi medusobno razli nemaju realnih nul-to caka, a nul-to cke su im medusobno razli cite, ri , si N 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 Koecijente Ai , Bi , Ci , Di , Ei , Fi odredimo tako da jednakost pomno zimo s q (x), izjedna cimo koecijente uz iste potencije, a zatim rije simo dobiveni sustav linearnih jednad zbi [M1, 2.4]. Mo ze se pokazati da dobiveni sustav uvijek ima jedinstveno rje senje i to upravo zbog svojstava funkcije f = p/q .

Integriranje rastava na parcijalne razlomke Iz op ceg oblika rastava na parcijalne razlomke, vidimo da se postupak integriranja racionalne funkcije svodi na rje savanje slijede cih tipova integrala: 1) Integral oblika dx = (x a)n svodi se na tabli cni integral. 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 tabli cni integral i na integral koji se dalje rje sava postupkom opisanim u to cki 3). 3) Slijede ci tip integrala prvo svedemo na puni kvadrat, zatim primijenimo odgovaraju cu supstituciju, te dobiveni integral rije simo pomo cu rekur-

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

Va zno je uo citi da je izraz b a2 /4 dobro deniran. Naime, polinom x2 + ax + b nema realnih nul-to caka, pa vrijedi a2 4b < 0, odnosno izraz pod korijenom je ve ci od nule.

1.4.1

Primjer

Kao ilustraciju postupka integriranja racionalnih funkcija rije sit cemo jedan slo zeniji zadatak. Neka je I= x3 + 2x2 + 3x 6 dx. (x + 1)(x2 + 2x + 3)2

Prvo provjerimo da li brojnik i nazivnik imaju zajedni ckih nul-to caka. Nulto cke nazivnika su 2 8 . x1 = 1, x2,3 = 2 Broj x4 = 1 je o cito jedna nul-to cka brojnika. Iz (x3 + 2x2 + 3x 6) : (x 1) = x2 + 3x + 6

slijedi da su preostale dvije nul-to cke brojnika jednake x5,6 = (3 15)/2. Dakle, brojnik i nazivnik nemaju zajedni ckih nul-to caka. Nadalje, kako je stupanj brojnika jednak 3, a stupanj nazivnika jednak 5, radi se pravoj racionalnoj funkciji. Stoga mo zemo pristupiti tra zenju rastava na parcijalne 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

Mno zenje ove jednakost s nazivnikom daje 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. Izjedna cavanje koecijenata uz potencije od x na lijevoj i desnoj strani daje nam sustav linearnih jednad zbi petog reda: A 4A 10A 12A 9A + B = 0 + 3B + C = 1 + 5B + 3C + D = 2 + 3B + 5C + D + E = 3 + 3C + E = 6

Pro sirena matrica sustava glasi 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 rje senje sustava koje glasi C = 3, D = 3,

Napomenimo da je u ovom slu caju Gaussovu eliminaciju najbolje zapo ceti odozdo poni stavaju ci redom elemente iznad dijagonale. Dakle, zadani integral jednak je I = 2 dx 2x + 3 + dx + 3 2 x+1 x + 2x + 3 = 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 x + 2x + 3 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

Uo cimo da je x2 + 2x + 3 > 0 za svaki x, pa ne moramo pisati apsolutnu vrijednost. Sli cno, I3 = x+1 dx = 2 (x + 2x + 3)2 1 1 = 2 + C3 . 2 x + 2x + 3 x2 + 2x + 3 = t (2x + 2) dx = dt = 1 2 dt 1 = + C3 2 t 2t

Kona cno, uvr stavanje integrala I1 , I2 i I3 u formulu (1.3) daje rje senje 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 rje senje deriviranjem. b) Provjerite prethodno rje senje pomo cu programa The Integrator koji se nalazi na adresi http://www.integrals.com. c) Zadajte sami nekoliko integrala racionalnih funkcija, rije site ih, te rezultat provjerite deriviranjem i pomo cu programa The Integrator.

1.5

Racionalne funkcije trigonometrijskih funkcija

Integrali ove klase funkcija su takoder uvijek elementarne funkcije. Ukratko, integral racionalne funkcije trigonometrijskih funkcija se odgovaraju com supstitucijom svede na integral racionalne funkcije koji se onda rije si postupkom opisanim u poglavlju 1.4. Denicija 1.3 Neka su f1 , . . . , fn elementarne funkcije. Racionalna funkcija od funkcija f1 , . . . , fn je svaka funkcija f koju dobijemo kona cnim brojem

1.5

Racionalne funkcije trigonometrijskih funkcija

23

zbrajanja, oduzimanja, mno zenja i dijeljenja funkcija f1 , . . . , fn . Za funkciju 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 slu cajevima mo zemo koristiti i neke jednostavnije supstitucije. Univerzalna trigonometrijska supstitucija Univerzalna trigonometrijska supstitucija x t = tg 2 vrijedi za x/2 (/2, /2) odnosno za x (, ). 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,

24

NEODREDENI INTEGRAL

Opisana supstitucija vrijedi za x (, ), a za ostala podru cja je potrebno izvr siti odgovaraju ce prilagodbe formula. Potreba za takvim modikacijama se cesto javlja kod odredenog integrala, u kojem granice integracije odreduju podru cje na kojem supstitucija mora vrijediti. Sli cna napomena vrijedi i za ostale trigonometrijske supstitucije. Primjer 1.8 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 zajedni ckih nul-to caka, a stupanj brojnika je manji od stupnja nazivnika. Rastav na parcijalne razlomke glasi 1 + t2 A Bt+C = + . 2 (3 + t )t t 3 + t2 Mno zenje ove jednakosti s nazivnikom, izjedna cavanje koecijenata uz potencije od t i rje savanje tako dobivenog sustava linearnih jednad zbi daje 1 A= , 3 Dakle, 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. = ln |t| + ln |u| + C = ln tg 3 3 3 2 3 2 2 B= , 3 C = 0.

Jednostavnije supstitucije U nekim slu cajevima integral racionalne funkcije trigonometrijskih funkcija mo ze se ra cunati pomo cu jednostavnijih supstitucije koje vode na integral racionalne funkcije ni zeg reda ili pak na jednostavniji integral. Integral oblika R(sin2 x, cos2 x, sin x cos x, tg x, ctg x) dx

1.5

Racionalne funkcije trigonometrijskih funkcija

25

rje savamo pomo cu supstitucije t = tg x. Za x (/2, /2) vrijedi x = arctg t t2 , 1 + t2 t , sin x cos x = 1 + t2 sin2 x = Takoder mo zemo koristiti i supstitucije 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, = R(t) dt. dx = 1 dt, 1 + t2 1 cos2 x = , 1 + t2 1 ctg x = . t

(1.5)

Primjer 1.9 Rije simo integral iz primjera 1.8 na drugi na cin. Vrijedi 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 . (2 + t)(1 t)(1 + t)

Rastav na parcijalne razlomke daje I= 1 1 1 dt dt dt 3 2+t 6 1t 2 1+t 1 1 1 = ln(2 + cos x) + ln |1 cos x| ln |1 + cos x| + C. 3 6 2

Napomena 1.3 Kori stenjem razli citih supstitucija kao u primjerima 1.8 i 1.9 mo zemo dobiti naizgled potpuno razli cita rje senja. Medutim, teorem 1.1 nam ka ze da se ova rje senja razlikuju samo za konstantu. Zadatak 1.5 a) Doka zite formule (1.5).

26

NEODREDENI INTEGRAL

b) Doka zite da se rje senja integrala u primjerima 1.8 i 1.9 razlikuju za konstantu. (Uputa: koriste ci svojstva logaritama (L3), (L4) i (L5) [M1, 4.6.4] svedite izraze na jedan logaritam, a onda primijenite odgovaraju ce veze izmedu trigonometrijskih funkcija.) c) Izra cunajte integral iz primjera 1.8 i 1.9 pomo cu programa The Integrator. d) Nacrtajte sva tri rje senja pomo cu programa NetPlot. e) Izra cunajte integrale: 1 dx, 4 sin x + 3 cos x + 5 1 dx, sin x(2 + cos x 2 sin x) cos3 x dx, sin2 x + sin x 2 tg x + 3 dx. 2 sin x + 2 cos2 x

1.6

Racionalne funkcije hiperbolnih funkcija

Integrali ove klase funkcija rje savaju se sli cno kao i integrali racionalnih funkcija trigonometrijskih funkcija iz prethodnog poglavlja. Integral racionalne funkcije hiperbolnih funkcija oblika R(sh x, ch x) dx rje savamo koriste ci univerzalnu hiperbolnu supstituciju, t = th za koju vrijedi x = 2 arth t, dx = 2 dt, 1 t2 t (1, 1). x 2 (1.6)

Osnovne veze izmedu hiperbolnih funkcija [M1, 4.6.9] daju sh x = 2 sh 1 = ch2 sh x x x x x 2 ch = 2 ch2 = 2 t ch2 , 2 2 ch x 2 2 2 sh2 x 1 2 2 ch
x 2 x 2

= ch2

x (1 t2 ), 2

1.6

Racionalne funkcije hiperbolnih funkcija

27

pa imamo 2t , 1 t2 x 1 + t2 x x x 1 + th2 = ch x = ch2 + sh2 = ch2 , 2 2 2 2 1 t2 2t th x = . 1 + t2 sh x = Kao i kod trigonometrijskih funkcija, i ovdje su u nekim slu cajevima mogu ce jednostavnije supstitucije. Integral oblika R(sh2 x, ch2 x, sh x ch x, th x, cth x) dx rje savamo pomo cu supstitucije t = th x, pri cemu vrijedi x = arth t sh2 x = t2 , 1 t2 t , sh x ch x = 1 t2 dx = 1 dt, 1 t2 1 ch2 x = , 1 t2 1 cth x = . t t (1, 1)

Takoder mo zemo koristiti i supstitucije R(sh x) ch x dx = R(ch x) sh x dx = Zadatak 1.6 Izra cunajte integrale 1 + sh x dx, (2 + ch x)(3 + sh x) dx . 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, R(t) dt.

28

NEODREDENI INTEGRAL

1.7

Integriranje nekih iracionalnih funkcija

Integral iracionalne funkcije op cenito ne mora biti elementarna funkcija, odnosno ka zemo da iracionalna funkcija op cenito nije elementarno integrabilna. U nekim posebnim slu cajevima integral iracionalne funkcije je mogu ce svesti na integral racionalne funkcije, te ga na taj na cin rije siti.

1.7.1

Racionalna supstitucija

Integral oblika R x, ax + b cx + d
m1 n1

,...,

ax + b cx + d

mk nk

dx,

mi , ni N, i = 1, . . . , k,

rje savamo racionalnom supstitucijom ax + b = tn , cx + d gdje je n najmanji zajedni cki vi sekratnik od n1 , . . . , nk . Primjer 1.10 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. 4 6 2 3 t (64 t ) (8 t )(8 + t3 )2

Zadani integral smo sveli na integral racionalne funkcije pa ga mo zemo rije siti prema pravilima iz poglavlja 1.4. Zadatak 1.7 Izra cunajte integrale 2 (2 x)2
4 3

2x dx, 2+x dx.

(x 1)3 (x + 2)5

1.7

Integriranje nekih iracionalnih funkcija

29

1.7.2

Trigonometrijske i Eulerove supstitucije

Funkciju (x) = ax2 + bx + c : D R ima smisla promatrati samo u sljede cim slu cajevima (uvedimo oznaku = 2 b 4ac): (i) kada je a > 0 i > 0, tada je D = (, x1 ] [x2 , ) pri cemu je x1 = b , 2a x2 = b + , 2a

(ii) kada je a < 0 i > 0, tada je D = [x1 , x2 ] pri cemu su x1 i x2 zadani kao i u slu caju (i), (iii) kada je a > 0 i 0, tada je D = R. Integral oblika R(x, se pomo cu supstitucije t= 2ax + b |4ac b2 | ax2 + bx + c) dx

svodi na jedan od tri jednostavnija integrala.3 Za rje savanje tih integrala koristimo ili trigonometrijske ili Eulerove supstitucije: R(t, R(t, R(t, 1 t2 ) dt = t = sin z t2 1) dt = t = 1 sin z ili ili ili 1 t2 = z (1 t) , t2 1 = t + z , 1 + t2 = t + z .

1 + t2 ) dt = t = tg z

Primjer 1.11 Vrijedi I= =

3

dx = x+ + 6 x + 10 dt . 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 - vidi primjer.

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. 2 z (3 z 1)

1 z2 1 + z2 dt = dz 2z 2 z2

Dobiveni integral racionalne funkcije se sada rije si prema pravilima iz poglavlja 1.4. Trigonometrijska supstitucija daje I= t = tg z dt = 1 dz cosz 1 dz cosz = t2 + 1 = 1 1 = 2 cos z cos z za cos x > 0

1 sin z 3+ cos z cos z

dz . cos z (sin z 3 cos z + 1)

Ovaj integral se dalje pomo cu univerzalne trigonometrijske supstitucije (1.4) svede na integral racionalne funkcije koji se rije si prema pravilima iz poglavlja 1.4. Zadatak 1.8 a) Dovr site ra cunanje integrala iz primjera 1.10 i 1.11. Rezultate provjerite pomo cu programa The Integrator. b) Izra cunajte integrale: , (5 + 2x + x2 )3 dx , x + x2 + x + 1 x2 dx. 1 x2 dx

1.7.3

Metoda neodredenih koecijenata

Vrijedi formula pn (x) dx = qn1 (x) ax2 + bx + c ax2 + bx + c + dx , (1.7) + bx + c

ax2

1.7

Integriranje nekih iracionalnih funkcija

31

gdje su pn (x) i qn1 (x) polinomi stupnja n i n 1, redom, a je realna konstanta. Koecijente polinoma qn1 i konstantu odredimo na slijede ci na cin: (i) deriviramo obje strane jednakosti (1.7), cin vi se (ii) pomno zimo dobivenu jednakost s ax2 + bx + c (na taj na nema izraza pod korijenom), (iii) izjedna cimo koecijente uz potencije od x i rije simo dobiveni sustav linearnih jednad zbi. Nakon ovog postupka preostaje izra cunati integral na desnoj strani formule com supstitu(1.7). Taj integral se svodenjem na puni kvadrat i odgovaraju cijom svodi na tabli cni integral. savati trigonometrijskim i EuleroIntegrali ovog tipa se takoder mogu rje vim supstitucijama. Medutim, ako je red polinoma pn velik, tada trigonometrijske i Eulerove supstitucije vode na slo zeni integral racionalne funkcije, pa je metoda neodredenih koecijenata jednostavnija. Primjer 1.12 Slijede ci integral prvo pomo cu malog trika svedemo na oblik (1.7): I= x2 4 x2 + 9 dx = x2 (4 x2 + 9) dx 4 x2 + 9 dx . 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) Mno zenje ove jednakosti s 4 x2 + 9 daje

4x 1 +E . 2 4x + 9 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. Izjedna cavanje koecijenata uz iste potencije od x na lijevoj i desnoj strani, rje savanje dobivenog sustava linearnih jednad zbi, te rje savanje preostalog integrala daje 9 1 x) I = ( x3 + 4 32 4 x2 + 9 81 1 2 arsh x + C. 32 2 3

Izvedite za vje zbu sve presko cene detalje.

32 Zadatak 1.9 Rije site integral (x Uputa: integrali oblika (x )n 1)4

NEODREDENI INTEGRAL

dx . x2 + x + 1

dx x2 + x + 1

se supstitucijom x = 1/t svode na oblik (1.7).

1.7.4

Binomni integral

Binomni integral je integral oblika xm (a + bxn )p dx, a, b R, m, n, p Q.

Vidimo da se u binomnom integralu mogu pojaviti i drugi korijeni osim kvadratnog, ali je zato oblik podintegralne funkcije ne sto jednostavniji. Slijede ci teorem daje nam nu zne i dovoljne uvjete rje sivosti binomnog integrala. Teorem 1.8 Binomni integral je elementarno rje siv ako i samo ako je jedan od brojeva m+1 m+1 , +p p, n n cijeli broj. Dokaz. Doka zimo dovoljnost. Vrijedi n x = t, x = t1/n , xm (x + bxn )p dx = 1 1 dx = 1 t n dt n 1 m 1 = t n (a + bt)p t n 1 dt n 1 a + bt p m+1 +p1 = t n dt. n t Razlikujemo tri slu caja: (i) ako je p Z, tada koristimo supstituciju t = z k , gdje je k najmanji nazivnik nakon kra cenja od (m + 1)/n,

1.7

Integriranje nekih iracionalnih funkcija

33

(ii) ako je (m + 1)/n cijeli broj, tada koristimo supstituciju a + bt = z k , gdje je k nazivnik od p, a (iii) ako je (m + 1)/n + p cijeli broj, tada koristimo supstituciju (a + bt)/t = z k , gdje je k nazivnik od p. Svaka od tri navedene supstitucije vodi na integral racionalne funkcije koji se rje sava pomo cu postupaka iz poglavlja 1.4. S ovim smo dokazali dovoljnost. Dokaz nu znosti, odnosno dokaz da binomni integral nije elementarno rje siv kada nisu ispunjeni slu cajevi (i)(iii) je slo zen pa ga izostavljamo.

Primjer 1.13 Kod rje savanja integrala I=

3

3x x3 dx
1 1

treba prvo prepoznati da se radi o binomnom integralu. Zaista, I=

3

x(3 x2 ) dx =

x 3 (3 x2 ) 3 dx,

pa se radi o binomnom integralu uz m = 1/3, n = 2 i p = 1/3. Vrijedi 2 m+1 m+1 = / Z, + p = 1 Z, n 3 n pa je integral elementarno rje siv po teoremu 1.8. Integral rje savamo postupkom danim u dokazu teorema 1.8: 1 1 1 1 dt I = x2 = t, x = t, dx = = t 6 (3 t) 3 t 2 dt 2 2 t p / Z, 3t 3 dt t 3t 3 = = z3, t = , t 1 + z3 z3 9 dz. = 2 (1 + z 3 )2 1 = 2 Za vje zbu rije site integral do kraja. Zadatak 1.10 Izra cunajte integrale: x11 (1 + x4 )1/2 dx, 1+ 3 x dx. 3 x2
1

dt =

9z 2 dz (1 + z 3 )2

34

NEODREDENI INTEGRAL

1.8

Integriranje reda funkcija

U [M1, 6.4.3] pokazali smo kako se, uz odredene uvjete, konvergentan red funkcija mo ze derivirati clan po clan. Sli cna je situacija i s integriranjem. Najva znija primjena integriranja reda funkcija je ra cunanje integrala funkcija koje nisu elementarno integrabilne. Druga primjena je razvijanje u red potencija onih funkcija kod kojih se to ne mo ze direktno napraviti pomo cu Taylorove formule [M1, 6.5]. U slijede cem teoremu koriste se pojmovi uniformne konvergencije reda funkcija (vidi [M1, 6.4]) i reda potencija (vidi [M1, 6.4.2]). Teorem 1.9 Neka red neprekidnih funkcija i=1 fn (x) konvergira uniformno prema funkciji s(x)na intervalu I , odnosno s(x) = Tada za svaki x I vrijedi s(x) dx = Posebno, za red potencija vrijedi
n=0 i=1 i=1

fn (x),

x I.

fn (x) dx.

an (x x0 )

dx =

n=0

an (x x0 )n+1 + C n+1 x0 )n .

na intervalu konvergencije reda

n=0 an (x

Poka zimo kako pomo cu teorema 1.9 mo zemo izra cunati razvoj u red potencija integrala koji nisu elementarno rje sivi. Primjer 1.14 a) Integral I= ex dx
2

nije elementarno rje siv, odnosno rje senje nije elementarna funkcija i ne mo ze se prikazati kona cnim brojem zbrajanja, oduzimanja, mno zenja, dijeljenja i komponiranja elementarnih funkcija. Ovaj integral je od velike va znosti u teoriji vjerojatnosti i statistici jer funkcija vjerojatnosti 2 Gaussove ili normalne razdiobe ima oblik funkcije f (x) = ex .

1.8

Integriranje reda funkcija

35

Prema [M1, 6.5] Maclaurinov razvoj funkcije ex glasi ex = 1 + x2 x3 x4 x + + + + = 1! 2! 3! 4!

n=0

xn , n!

x R.

Pri tome je konvergencija uniformna po [M1, teorem 6.16]. Zamijenimo li x s x2 , za svaki x R vrijedi ex = 1
2

x2 x4 x6 + + = 2! 2! 3!

n=0

(1)n x2n , n!

pri cemu je konvergencija uniformna. Teorem 1.9 daje I= e

x 2

dx =

n=0

(1)n n!

2n

dx =

n=0

(1)n x2n+1 + C. n! 2n + 1

Dakle, na sli smo razvoj tra zenog integrala u uniformno konvergentan red potencija. Pomo cu ovog reda mo zemo izra cunati vrijednost funkcije I = I (x) u bilo kojoj to cki x sa zeljenom to cno s cu. Dobiveni red nije Taylorov red, tako da ne vrijedi formula za ostatak. Medutim, kako je red alterniran, zaklju cujemo da pogre ska prilikom aproksimacije kona cnom parcijalnom sumom nije ve ca od prvog zanemarenog clana. Na primjer, vrijednost integrala I u to cki x = 0.1 uz C = 0 izra cunata s prva tri clana reda (za n = 0, 1, 2) je I (0.1) = 1 0.15 0.1 0.13 . + = 0.0996676 1 3 2 5

Cetvrti clan reda (za n = 3) jednak je 1 0.17 = 2.3809 109 , 6 7 pa zaklju cujemo da pogre ska nije ve ca od 2.3809 109 , odnosno 2.3809 109 , 0.0996676] I (0.1) [0.0996676 = [0.099667664, 0.099667667], sto je relativna pogre ska manja od tri stota dijela tisu citog dijela jednog promila. b) Integral I= sin x dx x

36

NEODREDENI INTEGRAL

takoder nije elementarno rje siv. Prema [M1, 6.5] MacLaurinov razvoj funkcije sin x glasi x2n+1 x3 x5 x7 x (1)n + + = , sin x = 1! 3! 5! 7! (2 n + 1)! n=0

x R,

pri cemu je konvergencija uniformna po [M1, teorem 6.16]. Za x = 0 vrijedi x2 x4 x6 sin x =1 + + = x 3! 5! 7!

n=0

(1)n

x2n . (2n + 1)!

Primijetimo da je red na desnoj strani deniran za svaki x R, dok zadana funkcija nije denirana u to cki x = 0. No, kako se oni razlikuju samo u jednoj to cki, po deniciji 1.1 oni imaju istu primitivnu funkciju, pa tako i isti integral. Sada mo zemo primijeniti teorem 1.9: I= sin x dx = x
n=0

(1)n (2n + 1)!

2n

dx =

n=0

x2n+1 (1)n + C. (2n + 1)! 2n + 1

Zadatak 1.11 a) Pomo cu razvoja u red potencija izra cunajte integral ex dx. x b) Izra cunajte vrijednosti integrala iz primjera 1.14 a) u to ckama x = 0.2 i x = 1 uz C = 0 koriste ci prva tri clana reda i ocijenite pogre sku. c) k-tu parcijalnu sumu reda I iz primjera 1.14 a) u to cki x uz C = 0 mo zemo izra cunati pomo cu sljede ceg Matlab programa: format long k=3; x=0.1; I=0; for n=1:k I=I+(-1)^(n-1)*x^(2*n-1)/((2*n-1)*prod(1:n-1)); end I pogreska=(-1)^k*x^(2*k+1)/((2*k+1)*prod(1:k)) relativna_pogreska=abs(pogreska/I)

1.8

Integriranje reda funkcija

37

Izra cunajte aproksimacije vrijednosti integrala I u razli citim to ckama x s razli citim parcijalnim sumama (za razli cite vrijednosti k), te odgovaraju ce pogre ske. Za ra cunanje mo zete koristiti program Octave On-line. Naredba format long je potrebna da bi se prikazalo svih 16 znamenki koje program ra cuna. d) Preradite prethodni program tako da ra cuna k-tu parcijalnu sumu integrala I iz primjera 1.14 b), te izra cunajte vrijednosti integrala i odgovaraju ce pogre ske u raznim to ckama x za razne vrijednosti k. zemo nacrtati na intervalu [4, 4] pomo cu sljede ceg Mae) Funkciju ex mo tlab programa: x=-4:0.01:4; plot(x,exp(-x.^2)) Nacrtajte funkciju na razli citim intervalima koriste ci program Octave On-line. zemo iskoristiti za ra cunanje razvoja u red potenTeorem 1.9 takoder mo cija onih funkcija kod kojih to ne mo zemo direktno napraviti. Primjer 1.15 Funkciju arctg x ne mo zemo razviti u red potencija direktnom primjenom Taylorove formule [M1, 6.5]. Naime, sukcesivno deriviranje daje 1 1 , (arctg x) = 2x, . . . (arctg x) = 2 1+x (1 + x2 )2 pa derivacije postaju vrlo slo zene. Zato cemo koristiti geometrijski red [M1, 6.4] za koji vrijedi 1 + x + x 2 + x3 + x 4 + = 1 , 1x x (1, 1).
2

Zamijenimo li x s x2 , za x (1, 1) vrijedi 1 x 2 + x 4 x6 + = Teorem 1.9 daje arctg x =

n=0

(1)n x2n =

1 1 = = (arctg x) . 2 1 (x ) 1 + x2

n=0

(1)

2n

dx =

n=0

(1)n

x2n+1 + C. 2n + 1

38

NEODREDENI INTEGRAL

No, zbog toga sto se na lijevoj strani nalazi konkretna funkcija, konstanta C ne mo ze biti proizvoljna. Iz uvjeta arctg 0 = 0 slijedi C = 0. Dakle, arctg x =

n=0

(1)n

x2n+1 , 2n + 1

x (1, 1).

(1.8)

Ispitajmo konvergenciju reda na desnoj strani u rubovima intervala. U to cki x = 1 red glasi
n=0

1 1 (1)3n+1 = 1 + + . 2n + 1 3 5

Ovaj red konvergira po Leibnitzovom kriteriju [M1, 6.2.4]. nadalje, zbog neprekidnosti lijeve i desne u jednakosti (1.8), zaklju cujemo da red konvergira prema arctg(1) = /4. Sli cno razmatranje za to cku x = 1 daje (1)n 1 1 = 1 + = . 2 n + 1 3 5 4 n=0 Gornji red mo zemo koristiti za ra cunanje broja , medutim konvergencija je vrlo spora. Naime, red je alterniran, pa zaklju cujemo da pogre ska prilikom aproksimacije kona cnom parcijalnom sumom nije ve ca od prvog zanemarenog clana. (Sli cno smo ve c zaklju cili u primjeru 1.14 a).) Na primjer, kada zbrojimo prvih 1000 clanova reda, pogre ska je manja od 1/(2001), sto zna ci da smo izra cunali tek prve tri decimale broja . Zadatak 1.12 k-tu parcijalnu sumu prethodnog reda I i odgovaraju cu aproksimaciju broja mo zemo izra cunati pomo cu sljede ceg Matlab programa: format long k=1000; a=ones(k,1); a(2:2:k)=-1; for i=1:k; a(i)=a(i)/(2*i-1); end p=4*sum(a) pi Izra cunajte aproksimacije broja za razli cite vrijednosti k, i usporedite s pravom vrijedno s cu. Koliko se to cnih decimala dobije za n = 10, 100, 1000? Za ra cunanje koristite program Octave On-line.

1.9

Slobodan pad uz otpor zraka

39

1.9

Slobodan pad uz otpor zraka

Kori stenjem integralnog ra cuna iz ove glave i diferencijalnog ra cuna iz [M1, 5], mo zemo rje savati razne probleme u zici i tehnici, ili op cenito prirodi, sto je i svrha integralnog i diferencijalnog ra cuna. U ovom poglavlju iskoristit cemo do sada nau ceno za rje savanje problema slobodnog pada. Pretpostavimo da je prilikom slobodnog para otpor zraka proporcionalan kvadratu brzine. Tada prema drugom Newtonovom zakonu vrijedi ma = mg kv 2 , pri cemu je m masa tijela koje pada, a ubrzanje, g gravitacija, k koecijent trenja i v brzina. Izvest cemo formulu za brzinu v u ovisnosti o prijedenom putu s, v (s) (vidi Sliku 1.2 za m = k).
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 . m k (1.9)

Kako je ubrzanje derivacija brzine po vremenu, a brzina derivacija puta po vremenu, mo zemo pisati a= dv ds dv ds dv dv = = =v . dt dt ds ds dt ds

40

NEODREDENI INTEGRAL

Kombiniraju ci dvije prethodne formule uz oznaku = mg/k imamo k v dv = ds. 2 v m Integriranje obaju strana daje v k dv = 2 v m ds = k s + C. m

Integral na lijevoj strani rije simo supstitucijom v 2 = u, pa je k 1 ln | v 2 | = s + C. 2 m Iz formule (1.9) i cinjenice da je ubrzanje pozitivno slijedi v 2 > 0, 2 odnosno ln | v | = ln( v 2 ). Dalje, potrebno je odrediti konstantu C . Pretpostavili smo da gibanje kre ce iz ishodi sta koordinatnog sustava (Slika 1.2), odnosno v (0) = 0, pa uvr stavanje u prethodnu formulu daje 1 C = ln . 2 Dakle, k s + ln . m Svojstvo logaritma (L4) iz [M1, 4.6.4] daje ln( v 2 ) = 2 ln pa eksponenciranje daje k v2 = 2 s, m

k v2 = e2 m s . Rje savanje ove jednad zbe po v , koriste ci pri tome deniciju od i cinjenicu da je v 0, kona cno daje

v (s) =

k mg 1 e2 m s , k

s 0.

Vidimo kako se brzina ne mo ze beskona cno pove cavati jer jer v = lim
k mg 1 e2 m s k

mg . k

Isto smo mogli zaklju citi i direktno iz formule (1.9) jer za tu vrijednost brzine ubrzanje i s cezava.

1.9

Slobodan pad uz otpor zraka

41

Pogledajmo jo s sto se dogodi kada nema otpora zraka, odnosno za k = (1 1)/0. Svojstvo 0. Uvr stavanje daje neodredeni oblik, vk=0 (s) = neprekidnih funkcija [M1, teorem 4.7 (ii)] (u ovom slu caju drugi korijen) i LHospitalovo pravilo [M1, 5.5.3] daju poznatu formulu vk=0 (s) = lim = =
k 0
k mg 1 e2 m s k

k 0

lim

k mg 1 e2 m s k

k s mg 0 e2 m s ( 2 k 0 1 m

lim

2gs.

Integralni ra cun se takoder koristiti i kod izvodenja formule za put u ovisnosti o vremenu. Druga cijim pristupom, ciji izvod preska cemo, dobije se formula za brzinu kao funkciju vremena v (t) = th( t), gdje je = brzine: mg/k i = t 0,

gk/m. Put kao funkcija vremena je integral sh t dt = ch t ch( t) = u ch( t) = du

s(t) = =

th( t) dt =

du = ln |u| = ln(ch( t)) + C. u

U zadnjoj jednakosti koristili smo cinjenicu da je kosinus hiperbolni uvijek ve ci ili jednak jedan. Konstantu C odredimo iz po cetnog uvjeta s(0) = 0, 0= Dakle, s(t) = m ln(ch( t)) = ln k ch kg t m , t 0. ln(ch 0) + C = ln 1 + C = C.

42

NEODREDENI INTEGRAL

2.
ODREDENI INTEGRAL

2.1 2.2 2.3 2.4 2.5 2.6

Denicija i osnovna svojstva . . . . . . . . . . . . . . . . . Newton-Leibnitzova formula . . . . . . . . . . . . . . . . . Supstitucija i parcijalna integracija . . . . . . . . . . . . . Teoremi o odredenom integralu . . . . . . . . . . . . . . . Nepravi integral . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1 Kriteriji konvergencije . . . . . . . . . . . . . . . . Primjene odredenog integrala . . . . . . . . . . . . . . . . 2.6.1 Povr sina ravninskog lika . . . . . . . . . . . . . . . 2.6.2 Duljina luka ravninske krivulje . . . . . . . . . . . 2.6.3 2.6.4 2.6.5 2.6.6 2.6.7 Volumen rotacionog tijela . . . . . . . . . . . . . . Oplo sje rotacionog tijela . . . . . . . . . . . . . . . Sila i rad . . . . . . . . . . . . . . . . . . . . . . . Hidrostatski tlak i sila . . . . . . . . . . . . . . . . Momenti i te zi ste . . . . . . . . . . . . . . . . . . .

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

2.7

Numeri cko integriranje . . . . . . . . . . . . . . . . . . . . 2.7.1 Elipti cki integrali . . . . . . . . . . . . . . . . . . . 2.7.2 Trapezna formula . . . . . . . . . . . . . . . . . . . 2.7.3 2.7.4 2.7.5 Simpsonova formula . . . . . . . . . . . . . . . . . Richardsonova ekstrapolacija . . . . . . . . . . . . Programi . . . . . . . . . . . . . . . . . . . . . . .

Za razliku od neodredenog integrala koji je skup funkcija (denicija 1.2, odredeni integral je realan broj. Taj broj je dobiven iz podintegralne funkcije i intervala na kojem tu funkciju promatramo, a na cin na koji se ra cuna, kao i njegove primjene, tema su ovog poglavlja. Premda su, dakle, neodredeni i odredeni integral dva razli cita matemati cka objekta, medu njima postoji jaka veza.

44

ODREDENI INTEGRAL

2.1

Denicija i osnovna svojstva

U ovom poglavlju denirat cemo prvo rastav segmenta, gornju i donju integralnu sumu, gornji i donji integral, te kona cno odredeni integral. Potom cemo dati osnovna svojstva odredenog integrala i navesti dovoljan uvjet integrabilnosti. Denicija 2.1 Rastav ili dekompozicija segmenta [a, b] R je svaki kona can skup to caka {x0 , x1 , . . . , xn } takav da je a = x0 x1 x2 xn1 xn = b. Skup svih dekompozicija segmenta [a, b] ozna cavamo s D . Neka je f : [a, b] R omedena funkcija. Gornja integralna suma je broj (slika 2.1)
n

g(f, D) =
i=1

Mi (xi xi1 ),

gdje je Mi = sup{f (x) : x [xi1 , xi ]}. Donja integralna suma je broj (slika 2.2)
n

d(f, D) =
i=1

mi (xi xi1 ),

gdje je mi = inf {f (x) : x [xi1 , xi ]}. Gornji (Riemannov) integral je broj I = inf {g(f, D) : D D}, a donji (Riemannov) integral je broj I = sup{d(f, D) : D D}, Funkcija f je (Riemann) integrabilna na segmentu [a, b] ako je I = I . Riemannov integral ili odredeni integral funkcije f od a do b je broj I = I = I . pri cemu I i I sigurno postoje zbog omedenosti funkcije f .

2.1

Denicija i osnovna svojstva

45

a=x

x2

b=x

Slika 2.1: Gornja suma

cavamo s Odredeni integral ozna

b

I=
a

f (x) dx.

Napomena 2.1 U literaturi se odredeni integral cesto denira i pomo cu lijevih i desnih integralnih suma,
n

l(f, D) =
i=1 n

f (xi1 )(xi xi1 ), f (xi )(xi xi1 ).

r (f, D) =
i=1

Iz denicije 2.1 slijede osnovna svojstva i geometrijsko zna cenje odredenog integrala: O1. Za svaki rastav D D vrijedi I g(f, D), I d(f, D). O2. Ako je f (x) 0 za svaki x [a, b], tada je integral I jednak povr sini izmedu krivulje y = f (x) i x-osi od a do b. Naime, na slikama 2.1 i 2.2 vidimo da usitnjavanjem rastava D gornje i donje sume sve bolje aproksimiraju tu povr sinu.

46

ODREDENI INTEGRAL

a=x

x2

b=x

Slika 2.2: Donja suma

O3. O cito vrijedi

f (x) dx = 0.
a

O4. Dijelovi povr sine koji se nalaze ispod x-osi pribrajaju se s negativnim predznakom. Naime, za dio funkcije koji se nalazi ispod x-osi su veli cine Mi i mi negativne. Iz ovog svojstva, na primjer, slijedi da je
2

sin x dx = 0.
0

O5. Za a b deniramo

f (x) dx =
b

f (x) dx.
a b

Smisao ove denicije je slijede ci: kada u

a

f (x) dx varijabla x ide od

a do b, tada je prirast dx pozitivan, a kada x ide od b prema a, tada smatramo da je prirast dx negativan. O6. Podru cje integracije mo zemo rastaviti na kona cno dijelova. Na primjer, ukoliko svi navedeni integrali postoje, tada je
b c b

f (x) dx =
a a

f (x) dx +
c

f (x) dx.

2.1

Denicija i osnovna svojstva

47

Ako je a c b tada je jednakost o cita jer se radi o zbrajanju povr sina. No, zbog svojstva O5, jednakost vrijedi i kada je c a b ili a b c (slika 2.3).

P1

P2

P1

P2

a P= P1 + P2

a P1= P - P2

Slika 2.3: Rastav integrala na djelove

O7. Funkcija f je takoder integrabilna na svakom pod-segmentu [c, d] [a, b]. Naime, gornji i donji integrali, I i I , mogu biti kona cni i jednaki samo ako su gornji i donji integrali I[c,d] iI[c,d] kona cni i jednaki za svaki pod-segment [c, d]. Slijede ci va zan teorem dam daje dovoljan uvjet integrabilnosti funkcije f . Teorem navodimo bez dokaza. Teorem 2.1 Ako je funkcija f : [a, b] R omedena i neprekidna na skupu [a, b] \ A, pri cemu je skup to caka A [a, b] najvi se prebrojiv, tada je f integrabilna na [a, b]. Na primjer, kako vrijednost funkcije u jednoj to cki ne utje ce na povr sinu, za funkciju prikazanu na Slici 2.4 vrijedi
2 1 2

f (x) dx =
0 0

f (x) dx +
1

f (x) dx =

1 1 + 2 + = 3, 2 2

bez obzira na deniranost ili vrijednost funkcije u to cki x = 2. Sli cno vrijedi i za prebrojivo mnogo to caka. Slijede ci primjer pokazuje sto se mo ze dogoditi kada je skup A iz teorema 2.1 neprebrojiv.

48

ODREDENI INTEGRAL

P=5/2 1

P=1/2 1 2

Slika 2.4: Dovoljan uvjet integrabilnosti

Primjer 2.1 Promotrimo funkciju f : [0, 1] {0, 1} deniranu s f (x) = 1, x Q 0, x R \ Q

Ovu funkciju smo ve c promatrali u [M1, 4.4.2]. Funkcija f je o cito omedena. Medutim, kako su skupovi Q i R gusti jedan u drugom (vidi [M1, 1.7]), funkcija f ima prekid u svakoj to cki segmenta [0, 1], odnosno ima neprebrojivo mnogo prekida. Stoga za svaki rastav D za svaki i vrijedi mi = 0 i Mi = 1, pa je
n n

d(f, D) =
i=1

0 (xi xi1 ) = 0,

g(f, D) =
i=1

1 (xi xi1 ) = 1.

Dakle, I = 0 = 1 = I , pa funkcije f nije integrabilna.

2.2

Newton-Leibnitzova formula

U ovom poglavlju dokazat cemo osnovni teorem integralnog ra cuna koji daje vezu izmedu neodredenog i odredenog integrala.

2.2

Newton-Leibnitzova formula

49

Teorem 2.2 Neka je funkcija f : [a, b] R integrabilna na [a, b] i neka za nju postoji primitivna funkcija F : [a, b] R takva da je F (x) = f (x) za svaki x (a, b). Tada vrijedi Newton-Leibnitzova formula:
b

f (x) dx = F (b) F (a).

Dokaz. Neka je D proizvoljni rastav segmenta [a, b] kao u deniciji 2.1. Za svaki i = 1, 2, . . . , n funkcija F je neprekidna na intervalu [xi1 , xi ] i derivabilna na intervalu (xi1 , xi ). Prema Lagrangeovom teoremu srednje vrijednosti [M1, teorem 5.9] postoji to cka i (xi1 , xi ) za koju vrijedi F (xi ) F (xi1 ) = F (i )(xi xi1 ) = f (i )(xi xi1 ). S druge strane vrijedi inf {f (x) : x [xi1 , xi ]} = mi f (i ) Mi = sup{f (x) : x [xi1 , xi ]} sto povla ci mi (xi xi1 ) F (xi ) F (xi1 ) Mi (xi xi1 ), Zbrajaju ci ove nejednakosti dobivamo
n

i = 1, 2, . . . , n.

d(f, D) odnosno

i=1

[F (xi ) F (xi1 )] g(f, D),

d(f, D) F (b) F (a) g(f, D). Ove nejednakosti vrijede za proizvoljni rastav D segmenta [a, b] iz cega slijedi I F (b) F (a) I . Integrabilnost funkcije f povla ci I = I = pa je kona cno
b b

f (x) dx
a

f (x) dx = F (b) F (a)

50 i teorem j dokazan.

ODREDENI INTEGRAL

Iz teorema zaklju cujemo da se odredeni integral mo ze rije siti tako da se nade neodredeni integral podintegralne funkcija, a onda uvrste granice. Newton-Leibnitzovu formulu jo s zapisujemo kao
b b

f (x) dx = F (x)
a a

Primjer 2.2 Povr sina izmedu funkcije y = sin x i x-osi od 0 do jednaka je

sin x dx = cos x

= cos ( cos 0) = (1) + 1 = 2.

Sli cno, povr sina izmedu kvadratne parabole y = x2 i x-osi od 0 do 1 jednaka je

1

x2 dx =
0

x3 3

=
0

1 1 0= . 3 3

Povr sine su prikazane na Slici 2.5.

P=2 pi

P=1/3 1

Slika 2.5: Primjena Newton-Leibnitzove formule U teoremu 2.2 smo pokazali kako se odredeni integral mo ze izra cunati pomo cu primitivne funkcije. Slijede ci teorem daje obrnutu vezu, odnosno kazuje kako se primitivna funkcija mo ze dobiti pomo cu odredenog integrala, to jest pomo cu povr sine izmedu podintegralne funkcije i x-osi. Takoder, sljede ci teorem daje i ne sto ja cu verziju teorema 2.2 bez uvjeta na derivabilnost funkcije F za svaki x (a, b).

2.2

Newton-Leibnitzova formula

51

Teorem 2.3 Neka je funkcija f : [a, b] R integrabilna na intervalu [a, b] i neka je A [a, b] skup svih to caka prekida funkcije f . Tada za funkciju funkcija deniranu s
x

(x) =
a

f (t) dt,

x [a, b],

vrijedi (vidi sliku 2.6):

b

(i) (a) = 0, (b) =

a

f (x) dx,

(ii) funkcija je neprekidna na intervalu [a, b], (iii) funkcija je derivabilna na [a, b] \ A i (x) = f (x), x [a, b] \ A,

(iv) ako je skup A kona can ili prebojiv, tada je primitivna funkcija funkcije f na intervalu [a, b] te za bilo koju primitivnu funkciju F funkcije f na intervalu [a, b] vrijedi Newton-Leibnitzova formula
b

f (x) dx = F (b) F (a).

Dokaz. (i) O cito. (ii) Za proizvoljan x vrijedi

x+x

(x + x) (x) = pa omedenost funkcije f , |f (t)| M, povla ci

f (t) dt
x

t [a, b]

|(x + x) (x)| M |x|, odnosno

x0

lim (x + x) = (x).

52 (iii) Za proizvoljan x vrijedi 1 (x + x) (x) f (x) = x x pa sli cne ocjene kao u to cki (ii) daju

ODREDENI INTEGRAL

x+x

[f (t) f (x)] dt,

(x + x) (x) f (x) sup |f (t) f (x)|. x t[x,x+x] ili t[x+x,x] Ako je funkcija f neprekidna u to cki x, odnosno, ako je x [a, b] \ A, onda izraz na desnoj strani te zi k nuli kada x 0 pa je (x) = f (x). (iv) Ako je skup A kona can ili prebrojiv, tada je i primitivna funkcija funkcije f na intervalu [a, b]. Prema teoremu 1.2 za bilo koju primitivnu funkciju F funkcije f na intervalu [a, b] vrijedi F (x) = (x) + C, pa iz to cke (i) slijedi
b

x [a, b]

F (b) F (a) = (b) + C (a) C = (b) =

f (x) dx.
a

2.3

Supstitucija i parcijalna integracija

Svaki odredeni integral mo zemo rije siti tako da prvo rije simo pripadni neodredeni integral, a potom uvrstimo granice prema Newton-Leibnitzovoj formulu. Promotrimo integral
9

I=
4

dx . x1

Prvo pomo cu supstitucije rije simo neodredeni integral dx = x1 x = t2 = 2 t dt = 2 t + 2 ln |t 1| t1

dx = 2 t dt = 2 x + 2 ln | x 1|.

2.3

Supstitucija i parcijalna integracija

53

P= (x) a x

Slika 2.6: Primitivna funkcija kao odredjeni integral

Primijetimo da je supstitucija dobro denirana jer je x 0. Takoder primijetimo da kod rje savanja neodredenog integrala ne treba pisati konstantu integracije C , jer nam ona ne treba u Newton-Leibnitzovoj formuli. Dakle, x + 2 ln | x 1|
9 4

I=2

= 2 (3 + ln 2) 2 (2 + ln 1) = 2 + 2 ln 2.

Ako prilikom zamjene varijabli ujedno izvr simo i odgovaraju cu zamjenu savamo na slijede ci na cin: granica, odredeni integral rje
9

dx = x1 =2

x = t2 dx = 2 t dt
3 3

x 4 9 t 2 3

=
2

2 t dt t1
3 2

dt + 2
2 2

3 dt = 2 t + 2 ln |t 1| t1 2

= 2(3 2) + 2(ln 2 ln 1) = 2 + 2 ln 2. Kod zamjene granica trebamo uvijek paziti da ona bude dobro denirana. Tako u ovom primjeru supstitucija x = t2 zapravo zna ci t = x, pa smo prema tome i odabrali nove granice. Posebno oprezan treba biti kod zamjene granica u slu caju periodi ckih (trigonometrijskih) funkcija.

54

ODREDENI INTEGRAL

Formula za parcijalnu integraciju takoder vrijedi u odredenom integralu: 2 2 2 u = ln x, du = 1 dx, 1 x ln x dx = = x ln x x dx x 1 dv = dx, v = x 1 1

2 1

= 2 ln 2 1 ln 1 x

= 2 ln 2 1.

2.4

Teoremi o odredenom integralu

U ovom poglavlju dokazat cemo jo s neka svojstva odredenog integrala. U [M1, 5.5.2] dokazali smo Cauchyjev i Lagrangeov teorem srednje vrijednosti za derivaciju. Slijede ci teorem je analogija tih teorema za odredeni integral, a dokazuje se pomo cu Cauchyjevog teorema. Teorem 2.4 (Teorem srednje vrijednosti) Ako su funkcije f, g : [a, b] R neprekidne i g(x) = 0, tada postoji to cka c (a, b) takva da je
b

f (c) = g(c) Posebno (uz g(x) 1) vrijedi

f (x) dx
a b

. g(x) dx

1 f (c) = ba

f (x) dx.
a

Dokaz. Neka su F i G primitivne funkcije funkcija f i g na segmentu [a, b], redom. Kako su f i g neprekidne, to su F i G derivabilne na (a, b). Pored toga, G (x) = g(x) = 0. Dakle, funkcije F i G ispunjavaju uvjete Cauchyjevog teorema, pa postoji to cka c (a, b) takva da je
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. Druga tvrdnja slijedi iz prve ako uzmemo g(x) 1.

2.4

Teoremi o odredenom integralu

55

Gra cka interpretacija druge tvrdnje teorema je slijede ca: povr sina izmedu funkcija f (x) i x-osi od a do b jednaka je povr sini pravokutnika s bazom b a i visinom f (c), s time sto povr sina i visina mogu biti i negativne (slika 2.7). Vrijednost f (c) je srednja vrijednost funkcije f na intervalu [a, b].

f(c)

Slika 2.7: Teorem srednje vrijednosti

Zadatak 2.1 Izra cunajte srednju vrijednost funkcije f (x) = x2 na intervalu [0, 1]. Teorem 2.5 Neka su funkcije f, g : [a, b] R integrabilne na [a, b]. Tada vrijedi: (i) odredeni integral je linearan:
b b b

(f (x) + g(x)) dx =
a a

f (x) dx +
a

g(x) dx,

(ii) odredeni integral je monoton, odnosno ako je f (x) g(x) za svaki x [a, b], tada je
b b a

f (x) dx

g(x) dx,
a

(iii) odredeni integral zadovoljava nejednakost trokuta:

b b

f (x) dx

|f (x)| dx.

56 Dokaz.

ODREDENI INTEGRAL

(i) Neka su F i G primitivne funkcije od f i g, redom. Kako je (F (x) + G(x)) = f (x) + g(x), zaklju cujemo da je funkcija F + G primitivna funkcija funkcije f + g. Newton-Leibnitzova formula daje
b b

(f (x) + g(x)) dx = F (x) + G(x)

a a

= F (b) + G(b) (F (a) + G(a)) = (F (b) F (a)) + (G(b) G(a))

b b

=
a

f (x) dx +
a

f (x) dx.

(ii) Zbog f (x) g(x), za svaku dekompoziciju D segmenta [a, b] odgovaraju ce donje sume zadovoljavaju nejednakosti
b

d(f, D) d(g, D) Dakle

b

g(x) dx.
a

g(x) dx sup d(f, D) =

D D

f (x) dx.
a

(iii) Svojstvo apsolutne vrijednosti realnog broja iz [M1, 1.7.2] povla ci |f (x)| f (x) |f (x)|. Druga tvrdnja teorema povla ci
b b b

|f (x)| dx

f (x) dx

|f (x)| dx,

pa isto svojstvo apsolutne vrijednosti (primijenjeno u obratnom smjeru) daje tvrdnju.

2.5

Nepravi integral

57

2.5

Nepravi integral

Nepravi integral je poop cenje odredenog integrala kada podru cje integracije ima barem jednu beskona cnu granicu, ili kada funkcija unutar podru cja integracije nije omedena (na primjer, ima vertikalnu asimptotu). Neprave integrale rje savamo pomo cu limesa. Ako je nepravi integral kona can, ka zemo da je konvergentan ili da konvergira, u protivnom je divergentan odnosno divergira. Zelimo, na primjer, odrediti povr sinu izmedu krivulje y = ex i x-osi od nula do beskona cno (slika 2.8).
exp(-x) 1

Slika 2.8: Nepravi integral Lako se mo zemo uvjeriti da je tra zena povr sina kona cna, unato c tome sto se podru cje prote ze u beskona cno. Naime, tra zena povr sina je manja od sume povr sina pravokutnika ozna cenih na slici 2.9, a ta je pak jednaka sumi geometrijskog reda1 1 e(n1) = < . 1 n=1 1 e Povr sinu ra cunamo pomo cu nepravog integrala:
+ 0 a x a

dx = lim

a+

ex dx = lim (ex )
a+

= lim ea + e0 = 1.
a+

Slijede ci nepravi integral pona sa se kao red brojeva gira za p > 1, a divergira za p 1 (vidi [M1, 6.2.2]).
1

1/np koji konver-

Ovdje se radi o gornjoj integralnoj sumi za xi = i, i = 0, 1, i Mi = e(n1) .

58

ODREDENI INTEGRAL

Slika 2.9: Konvergentna gornja suma nepravog integrala

Primjer 2.3 Izra cunajmo integral

+

I=
1

1 dx. xp

Prelaskom na limes imamo

a

I = lim

a+

xp dx.
1

Slu cajeve p = 1, p < 1 i p > 1 cemo analizirati posebno Za p = 1 vrijedi

a

I = lim ln |x|
a+

= lim ln a ln 1 = +,
a+

pa integral divergira. Za p = 1 vrijedi I = lim 1 xp+1 a+ p + 1

a 1

= lim

1 1 a1p . a+ 1 p 1p

Za p < 1 je 1 p > 0, pa je I = +, odnosno integral divergira. Za p > 1 je 1 p < 0, pa je I = 1/(p 1), odnosno integral konvergira. Kao primjer nepravog integrala koji u rubu podru cja integracije ima vertikalnu asimptotu, uzet cemo istu podintegralnu funkciju kao u prethodnom primjeru. Pona sanje integrala u odnosu vrijednost parametra p je obrnuto nego u prethodnom primjeru.

2.5

Nepravi integral

59

Primjer 2.4 Izra cunajmo integral

1

I=
0

1 dx. xp

Prelaskom na limes imamo

1

I = lim

0+

xp dx.

Slu cajeve p = 1, p < 1 i p > 1 cemo analizirati posebno Za p = 1 vrijedi

1

I = lim ln |x|
0+

= lim ln 1 ln = () = ,
0+

pa integral divergira. Za p = 1 vrijedi I = lim 1 xp+1 p + 1

1

0+

= lim

0+

1 1 1p . 1p 1p

Za p < 1 je 1 p > 0, pa je I = 1/(1 p), odnosno integral konvergira. Za p > 1 je 1 p < 0, pa je I = +, odnosno integral divergira. U slu caju kada u nepravom integralu imamo i beskona cne granice i to cke prekida, integral rastavljamo na vi se dijelova. Na primjer,
+ 0

1 dx = x ln2 x

1 dx + x ln2 x
1

+ 1

1 dx x ln2 x
a

= lim

0+ 0+

1 dx + lim 0+ x ln2 x

a+ 1+

1 dx. x ln2 x

Zadatak 2.2 Rije site prethodni integral i poka zite da divergira u +.

2.5.1

Kriteriji konvergencije

Sli cno kao kod redova brojeva [M1, 6.2.2 i 6.2.3], i kod nepravog integrala mo zemo zaklju citi da li konvergira bez ra cunanja samog integrala. Poredbeni kriterij za nepravi integral glasi (usporedi [M1, teorem 6.10]): ako je 0 f (x) g(x) za svaki x (a, b), pri cemu su a i b granice nepravog integrala, tada vrijedi slijede ce:

60
b

ODREDENI INTEGRAL
b

(i) konvergencija integrala

a b

g(x) dx povla ci konvergenciju integrala

a b

f (x) dx; g(x) dx.

(ii) divergencija integrala

a

f (x) dx povla ci divergenciju integrala

a

Teorem o apsolutnoj konvergenciji za nepravi integral glasi (usporedi

b

[M1, teorem 6.11]): konvergencija integrala

b a

|f (x)| dx povla ci konvergen-

ciju integrala
a

f (x) dx.

Primjer 2.5 Integral

+

ex dx =

koji ima va znu primjenu u teoriji vjerojatnosti, nije elementarno rje siv. Medutim, koriste ci poredbeni kriterij lako vidimo da taj integral konvergira. Kako je podintegralna funkcija parna, o cito vrijedi (slika 2.10)
+

x 2

dx = 2
0

ex dx.
2

Iz slike 2.10, cinjenica da za 0 x 1 vrijedi 0 ex 1, dok za x > 1 2 vrijedi 0 < e x < ex , i poredbenog kriterija, slijedi
+ 0 1 x 2

dx =
0

x 2

dx +
1

x 2

dx 1 +

ex dx < 2,

pa promatrani integral konvergira. Kao ilustraciju apsolutne konvergencije promotrimo integral (vidi sliku 2.11)
+ 0

sin x ex dx.

Kako za x 0 vrijedi | sin x ex | ex , po poredbenom kriteriju zaklju cujemo da

0 +

konvergira po teoremu o apsolutnoj konvergenciji.

| sin x ex | dx konvergira. No, tada i zadani integral

2.5

Nepravi integral

61

exp(-x**2) exp(-x) 1

-4

-3

-2

-1

Slika 2.10: Poredbeni kriterij za odredjeni integral

sin(x)*exp(-x) exp(-x)

Slika 2.11: Apsolutna konvergencija nepravog integrala

62

ODREDENI INTEGRAL

2.6

Primjene odredenog integrala

Osnovne geometrijske primjene odredenog integrala su: ra cunanje povr sine ravninskih likova, ra cunanje duljine luka ravninskih krivulja, ra cunanje volumena (obujma) tijela koja nastaju rotacijom ravninskih krivulja oko zadane osi, ra cunanje oplo sja tijela koja nastaju rotacijom ravninskih krivulja oko zadane osi. Navedeni problemi su u osnovi jednodimenzionalni, odnosno ovise samo o jednoj varijabli. Za svaku od ovih primjena izvest cemo formule i dati primjere za slu cajeve kada su funkcije zadane u Kartezijevim koordinatama, parametarski i u polarnim koordinatama, sto ukupno daje 12 razli citih primjena. Obradit cemo i neke primjene odredenog integrala u zici i to: ra cunanje rada (integral sile po putu), ra cunanje hidrostatskog tlaka i ra cunanje momenata i te zi sta.

2.6.1

Povr sina ravninskog lika

Povr sinu izmedu krivulja y = f (x) i y = g(x) od to cke a do to cke b ra cunamo kao beskona cnu (integralnu) sumu beskona cno malih elemenata povr sine (slika 2.12). Elementi povr sine su beskona cno mali pravokutnici s bazom dx i visinom f (x) g(x). Povr sina se ra cuna formulom
b

P =
[a,b]

dP =
a

(f (x) g(x)) dx.

1 0

(2.1)

Primjer 2.6 Povr sina izmedu krivulja y = x2 i y = 2.13)

1

x dana je s (vidi sliku

P =
0

2 x3 ( x x2 ) dx = x3/2 3 3

1 = . 3

2.6

Primjene odredenog integrala

63

y=f(x)

dP=(f(x)g(x)) dx

x+dx

y=g(x)

Slika 2.12: Povr sina ravninskog lika i element povr sine

Kod ra cunanja povr sina kao varijablu integracije mo zemo uzeti x ili y , ovisno o tome sto je povoljnije. Primjer 2.7 Izra cunajmo povr sinu omedenu krivuljama y = x2 i y = x 2 (slika 2.14). Da bi odredili granice integracije prvo moramo na ci sjeci sta 2 krivulja. Izjedna cavanje daje y = y +2, odnosno krivulje se sijeku u to ckama M = (1, 1) i N = (4, 2). Ako za varijablu integracije odaberemo y , tada je y [1, 2], gornja funkcija dana je s f (y ) = y + 2, a donja funkcija dana je s g(y ) = y 2 . Dakle,
2

P =
1

((y + 2) y 2 ) dy =

y2 y3 + 2y 2 3

2 1

9 = . 2

Ako za varijablu integracije odaberemo x, tada integral moramo rastaviti na dva dijela. U tom slu caju vrijedi
1

P =
0

( x ( x)) dx +

9 ( x (x 2)) dx = = . 2

zemo izvesti dobro poznate formule za Pomo cu odredenog integrala mo povr sinu elipse i kru znice.

64

ODREDENI INTEGRAL

sqrt(x) x**2 1

Slika 2.13: Povr sina ravninskog lika I

Primjer 2.8 Neka je zadana elipsa (x0 )2 (y y0 )2 + = 1. a2 b2

(2.2)

Zadana elipsa ima sredi ste u to cki S = (x0 , y0 ), a polu-osi su joj duge a i b (slika 2.15). O cito je x [x0 a, x0 + a], a gornja i donja funkcija dane su s f (x) = y0 + b 1 (x x0 )2 , a2 g(x) = y0 b 1 (x x0 )2 . a2

Povr sina elipse dana je s

x 0 +a

P =
x 0 a x 0 +a

y0 + b

(x x0 )2 y0 b a2

(x x0 )2 a2

dx

=
x 0 a

2b

(x x0 )2 dx. a2

2.6

Primjene odredenog integrala

65

sqrt(x) -sqrt(x) x-2

1 -1

-2

Slika 2.14: Povr sina ravninskog lika II

Trigonometrijska supstitucija iz poglavlja 1.7 daje x x0 x x0 = sin t, t = arcsin , x x0 a x 0 + a a a P = t /2 /2 dx = a cos t dt,

/2 /2

= 2ab
/2

1 sin t cos t dt = 2 a b
/2

| cos t| cos t dt.

Kako je na promatranom intervalu cos t 0, koriste ci poznatu vezu izmedu 2 funkcija cos t i cos 2t imamo
/2 /2

P = 2ab
/2

cos t dt = 2 a b
/2

1 1 (1 + cos 2t) dt = a b t + sin 2t 2 2

/2 /2

= a b . Za a = b = r formula (2.2) prelazi u jednad zbu kru znice radijusa r s centrom u to cki S = (x0 , y0 ), cija je povr sina jednaka P = r 2 . (x x0 )2 + (y y0 )2 = r 2 ,

Zadatak 2.3 a) Rije site Primjer 2.8 pomo cu supstitucije (x x0 )/a = cos t. b) Rije site Primjer 2.8 integriraju ci po varijabli y .

66

ODREDENI INTEGRAL

y0

x 0-a

x0

x 0+a

Slika 2.15: Povr sina elipse

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

ra cunamo povr sinu izmedu te krivulje i pravca x = c, c R. Pri tome treba voditi ra cuna o tome je li x = (t) rastu ca ili padaju ca funkcija i ovisno o tome postaviti integral, odnosno odabrati granice integriranje tako da je prirast dx = dt nenegativan. Primjer 2.9 Izra cunajmo povr sinu ispod jednog luka cikloide (slika 2.16), x = a(t sin t), y = a(1 cos t), a > 0, t [0, 2 ].

Tra zena povr sina jednaka je

2 2

P =
0

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

(1 cos t)2 dt = 3a2 .

Formulu za povr sinu elipse iz Primjera 2.8 mo zemo jo s jednostavnije izvesti pomo cu parametarski zadane funkcije. Primjer 2.10 Elipsa iz Primjera 2.8 je parametarski zadana s x = x0 + a cos t, y = y0 + b sin t, t [0, 2 ].

2.6

Primjene odredenog integrala

67

2*a*pi

Slika 2.16: Povr sina ispod jednog luka cikloide

Kada usporedimo ove formule s formulom (2.2) i slikom 2.15, vidimo da za t od 0 do prirast dx pada. Medutim, da bi mogli ispravno primijeniti formulu (2.1) dx mora rasti. Problem cemo rije sit tako sto cemo izra cunati povr sinu donje polovice elipse, u kojem slu caju dx raste kada t ide od do 2 . Dakle,
2 2

P =2

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

2

sin2 t dt

= 2ab

1 (1 cos 2t) dt = a b . 2

Krivulja zadana u polarnim koordinatama U polarnom koordinatnom sustavu to cka T = (x, y ) zadaje se pomo cu kuta kojeg polu-pravac koji izlazi iz ishodi sta i prolazi to ckom T zatvara s x-osi i udaljeno s cu r to cke T od ishodi sta (slika 2.17). Transformacije iz polarnog u Kartezijev koordinatni sustav vr se se prema formulama x = r cos , y = r sin . (2.3) Transformacije iz Kartezijevog u polarni koordinatni sustav vr se se prema formulama x2 + y 2 , y = arctg , x r=

68

ODREDENI INTEGRAL

y r x

Slika 2.17: Polarni koordinatni sustav

pri cemu se kvadrant u kojem se nalazi kut odredi sa slike ili iz kombinacije predznaka od x i y . Vidimo da je polarni koordinatni sustav, kao i gornje formule, identi cne formulama za trigonometrijski oblik kompleksnog broja iz [M1, 1.8.1]. Tra zenje povr sine likova zadanih u polarnom koordinatnom sustavu prikazano je na Slici 2.18. U polarnom koordinatnom sustavu krivulju zadajemo formulom r = f (), D R. Zbog prirode samog sustava obi cno tra zimo povr sinu izmedu krivulje r = f () i zraka = 1 i = 2 . Shodno tome, element povr sine u polarnom koordinatnom sustavu je kru zni isje cak radijusa r s kutom d, odnosno dP = 1 2 r d. 2

Kao i Kartezijevim koordinatama, povr sina je jednaka beskona cnoj (integralnoj) sumi beskona cno malih elemenata povr sine, odnosno 1 dP = 2
[1 ,2 ] 2

P =

1 r d = 2
2

f 2 () d.
1

U polarnom koordinatnom sustavu vrlo je jednostavno izvesti formulu za povr sinu kruga. Primjer 2.11 Neka je zadana kru znica radijusa R s centrom u to cki T = (x0 , y0 ), (x x0 )2 + (y y0 )2 = R2 .

2.6

Primjene odredenog integrala

69

+d r 2 d 1 r=f( )

Slika 2.18: Element povr sine u polarnim koordinatama

Ako ishodi ste polarnog koordinatnog sustava postavimo u sredi ste kru znice (slika 2.19), tada kru znica ima jednad zbu r = R (konstantna funkcija!), pa je 1 P = 2
2

R2 d =
0

1 2 R 2

= R2 .
0

R y
0

x0

Slika 2.19: Povr sina kruga u polarnim koordinatama Linearne funkcije u polarnim koordinatama su spirale.

70

ODREDENI INTEGRAL

Primjer 2.12 Izra cunajmo povr sinu odredenu prvim zavojem Arhimedove spirale (slika 2.20), r = a , Vrijedi 1 P = 2
2

a > 0,

0.
2

(a )2 d =
0

1 2 3 a 2 3

=
0

4 2 3 a . 3

Primijetimo da je tra zena povr sina jednaka tre cini povr sine kru znice radijusa 2 a .

Slika 2.20: Arhimedova spirala r = a

2.6.2

Duljina luka ravninske krivulje

Postupak ra cunanja duljine luka ravninske krivulje jo s se naziva rektikacija krivulje. Sli cno kao i kod ra cunanja povr sine, duljinu luka krivulja y = f (x) od to cke x = a do to cke x = b ra cunamo kao beskona cnu (integralnu) sumu beskona cno malih elemenata duljine ds. Formula za element duljine slijedi iz Pitagorinog pou cka i cinjenice da se funkcija u okolini neke to cke mo ze aproksimirati njenom tangentom (slika 2.21), 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 to cke x = a do to cke x = b ra cuna se formulom
b

S=
[a,b]

ds =
a

1 + y 2 dx.

ds dy dx

x+dx

Slika 2.21: Element duljina luka ravninske krivulje

Primjer 2.13 Izra cunajmo duljinu luka kvadratne parabole y = x2 od 0 do ci, 1. Na Slici 2.5 vidimo da za tra zenu duljinu S vrijedi 2 < S < 2. Koriste na primjer, metodu neodredenih koecijenata 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 + 4 x2 |

5 1 + ln(2 + 5) 1.4789. 2 4

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

y = (t),

t D R, dy dt
2

dt =

x 2 + y 2 dt,

72 pa se duljina luka ra cuna formulom

t2

ODREDENI INTEGRAL

S=
t1

x 2 + y 2 dt.

Iz ove formule slijedi da je duljina luka pozitivna kada je dt nenegativan, odnosno kada t raste. Primjer 2.14 a) Opseg kru znice radijusa r , x = r cos t, jednak je
2 2 2

y = r sin t,

t [0, 2 ],

S=
0

(r ( sin t))2

+ (r cos t)2 dt
0

r dt = r t
0

= 2 r .

b) Duljina jednog luka cikloide iz primjera 2.9 (slika 2.16) jednaka je

2 2

S=
0

[a(1

cos t)]2

(a sin t)2 dt

=a
0

2 2 cos t dt.

Koriste ci poznatu vezu izmedu trigonometrijskih funkcija, 1 cos t = 2 sin2 (t/2), i cinjenicu da je sin(t/2) 0 za t [0, 2 ], imamo
2

S = 2a
0

sin

t t dt = 4 a cos 2 2

= 8 a.
0

Krivulja zadana u polarnim koordinatama Krivulju zadanu u polarnim koordinatama, r = r (), [1 , 2 ],

prvo pomo cu transformacija (2.3) prebacimo u parametarski oblik, x = r cos = r () cos , y = r sin = r () sin . (2.5)

2.6

Primjene odredenog integrala

73

Sada je x = r () cos + r ()( sin ), odnosno x 2 + y 2 = = + (r ())2 sin2 + r 2 () cos2 + 2r ()r () sin cos (r ())2 + r 2 (). (r ())2 cos2 + r 2 () sin2 2r ()r () sin cos y = r () sin + r () cos ,

Dakle, duljinu luka krivulje u polarnim koordinatama ra cunamo formulom

2

S=
1

r 2 + r 2 d.

Primjer 2.15 Duljina luka prvog zavoja Arhimedove spirale (vidi primjer 2.12 i sliku 2.20) jednaka je
2 2

S=
0

a2 + (a )2 d = a
0

1 + 2 d =
2

=a

1 1 1 + 2 + ln | + 2 2

1 + 2 |

21.256 a.

2.6.3

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 2.22). Promotrimo slu caj kada rotaciono tijelo nastaje rotacijom krivulje y = f (x) oko x-osi. U tom slu caju volumen (obujam) nastalog tijela od to cke x = a do to cke x = b ra cunamo kao beskona cnu (integralnu) sumu beskona cno malih elemenata volumena. Element volumena dV je volumen cilindra visine dx i radijusa baze r = f (x) (slika 2.22), odnosno dV = f 2 (x) dx, pa se volumen rotacionog tijela ra cuna formulom
b

V =
[a,b]

dV =
a

y 2 dx,

(2.6)

pri cemu je dx nenegativan.

74

ODREDENI INTEGRAL

y=f(x)

x+dx

dx

Slika 2.22: Volumen rotacionog tijela i element volumena

Primjer 2.16 a) Kuglu radijusa stu, mo zemo dobiti r s centrom u ishodi 2 2 rotiraju ci polukru znicu y = r x oko x-osi. Stoga je volumen kugle jednak
r

V =
r

x3 (r + x ) dx = r x 3
2 2 2

=
r

4 3 r . 3

b) Izvedimo formulu za volumen sto sca visine h i radijusa baze r . Takav r sto zac nastaje, na primjer, rotacijom pravca y = h x oko x-osi za x [0, h], pa je njegov volumen jednak dobro poznatoj formuli
h

V =
0

r x h

r 2 x3 dx = 2 h 3

h 0

1 = r 2 h. 3

Za parametarski zadanu krivulju x = (t), y = (t), t D R,

t2

uvr stavanje u formulu (2.6) daje

t2

V =
t1

(t) (t) dt =
t1

y2 x dt.

(2.7)

2.6

Primjene odredenog integrala

75

Ova formula vrijedi ukoliko je dx = x dt nenegativan u protivnom treba integral pomno ziti s 1, odnosno zamijeniti granice integracije. Primjer 2.17 Volumen tijela koje nastaje rotacijom jednog luka cikloide iz primjera 2.9 (slika 2.16) oko x-osi jednak je
2

V =
0

a2 (1 cos t)2 a (1 cos t) dt

2

=a

0 2

(1 3 cos t + 3 cos2 t cos3 t) dt

= a3
0

(1 + 3 cos2 t) dt.
2

Zadnja jednakost slijedi iz cinjenice da je Dakle,

2 0

cos2n1 t dt = 0 za svaki n N.
2

V =a
0

3 1 + (1 + cos 2 t) dt = a3 2

5 3 t + sin 2 t 2 4

= 5 a3 2 .
0

Napomena 2.2 Kod ra cunanja volumena rotacionih tijela, zadana krivulja mo ze rotirati i oko y -osi, oko pomaknute osi (na primjer, x = 1), oko vertikalne asimptote (u kojem slu caju se dobije nepravi integral), i sli cno. U tom slu caju se izvr si odgovaraju ca zamjena varijabli, na primjer t = x 1. Zadatak 2.4 Izra cunajte volumen kugle nastale rotacijom polukru znice x = r cos t, y = r sin t, t [/2, /2] oko y -osi. Uputa: u formuli (2.7) treba zamijeniti uloge varijabli x i y . Krivulju zadanu u polarnim koordinatama, r = r (), [1 , 2 ],

prvo prebacimo u parametarski oblik (2.5), pa uvr stavanje u formulu (2.7) daje
2

V =
1

r 2 () sin2 [r () cos r () sin ] d.

76

ODREDENI INTEGRAL

Ova formula vrijedi ukoliko je dx = [r () cos r () sin ] d nenegativan u protivnom treba integral pomno ziti s 1, odnosno zamijeniti granice integracije. Primjer 2.18 Kugla radijusa R s centrom u ishodi stu nastaje rotacijom krivulje r = R, [0, ], oko x-osi. Volumen kugle jednak je

V = =

R sin (R sin ) d = R
1 1

(1 cos2 ) sin d

cos = t = R3

(1 t2 ) dt =

4 3 R . 3

2.6.4

Oplo sje rotacionog tijela

Postupak ra cunanja oplo sja (povr sine pla sta) rotacionog tijela jo s se naziva komplanacija plohe. Povr sinu pla sta rotacionog tijela od to cke x = a do to cke x = b ra cunamo kao beskona cnu (integralnu) sumu beskona cno malih elemenata oplo sja. Element oplo sja dO je povr sina pla sta krnjeg sto sca ciji je radijus jedne baze jednak y = f (x), radijus druge baze jednak y + dy = f (x) + f (x) dx, a duljina izvodnice jednaka ds = dx2 + dy 2 (slika 2.23). Zapravo, u ovom slu caju duljinu luka krivulje u okolini to cke x aproksimiramo elementom duljine luka ds kao sto smo to u cinili u poglavlju 2.6.2. Povr sina pla sta krnjeg sto sca baznih radijusa r1 i r2 i izvodnice s jednaka je P = s (r1 + r2 ) . Dakle, u na sem slu caju vrijedi dO = ds(|y | + |y + dy |) = 2 |y | ds 2 dy ds . U ovoj formuli smo uzeli apsolutne vrijednosti, jer se radi o radijusima koji ne mogu biti negativni. Kako je drugi pribrojnik, 2 dy ds , innitezimalno manji od prvog, mo zemo ga zanemariti, pa je kona cno element oplo sja dan s (formalan dokaz izostavljamo) dO = 2 |y | dS . U Kartezijevim koordinatama element duljine luka dS dan je izrazom (2.4)

2.6

Primjene odredenog integrala

77

f(x)

y y+dy

x+dx

ds

Slika 2.23: Oplo sje rotacionog tijela i element oplo sja

pa se oplo sje rotacionog tijela ra cuna formulom

b

O=
[a,b]

dO = 2
a

|y |

1 + y 2 dx.

Za parametarski zadanu krivulju x = (t), imamo O = 2

t1 t2

y = (t),

t D R, (2.8)

|y (t)|

x (t)2 + y (t)2 dt,

a za krivulju zadanu u polarnim koordinatama, r = r (), imamo O = 2

1 2

[1 , 2 ], r 2 () + r 2 () d. (2.9)

|r () sin |

Zadatak 2.5 a) Izvedite formule (2.8) i (2.9). b) Izvedite formulu za oplo sje kugle radijusa r na sva tri na cina. Rje senje: 2 O = 4 r .

78

ODREDENI INTEGRAL

2.6.5

Sila i rad

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

seni rad U slu caju konstantnog ubrzanja, sila F je takoder konstantna i izvr deniramo kao umno zak sile F i prijedenog puta d: W = F d. U slu caju kada sila nije konstantna, postupamo na slijede ci na cin: neka se tijelo giba uzdu z x-osi od to cke x = a do to cke x = b i neka u to cki x na tijelo djeluje sila f (x). Neka je {x0 , x1 , . . . , xn } rastav segmenta [a, b] (vidi deniciju 2.1) takav da su svi podintervali jednake duljine, xi xi1 = x, i = 1, . . . , n. U podintervalu [xi1 , xi ] odaberimo to cku i . Kako je za veliki n duljina intervala x mala, a funkcija f je neprekidna, mo zemo pretpostaviti da je f gotovo konstantna na intervalu [xi1 , xi ]. Stoga je rad koji se izvr si prilikom pomicanja tijela od to cke x = xi1 do to cke x = xi pribli zno jednak Wi f (i ) x pa je cjelokupni rad pribli zno jednak
n n

Wi =
i=1 i=1

f (i ) x.

Intuitivno je jasno da ova aproksimacija postaje sve bolja sto je n ve ci. Kako je izraz na desnoj strani jedan oblik integralne sume, rad izvr sen prilikom pomicanja tijela od to cke x = a do to cke x = b deniramo kao
n b

W = lim

f (i ) x =
i=1 a

f (x) dx.

U metri ckom sustavu masa se mjeri u kilogramima (kg), pomak u metrima (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 d zulima (joule, J = N m).

2.6

Primjene odredenog integrala

79

Primjer 2.19 Ako na tijelo koje se nalazi x metara od ishodi sta djeluje sila od x2 + x njutna, rad koji se izvr si kada se tijelo pomakne od to cke x = 1 m do to cke x = 4 m jednak je
4

W =
1

(x2 + x) dx =

x3 x2 + 3 2

= 28.5 J.
1

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

x 0

a) Prirodni polo zaj opruge

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 dr zala opruga koje je od svoje prirodne duljine od 10 cm rastegnuta na duljinu od 15 cm. Izra cunajmo rad potreban da bi se opruga dalje rastegla na duljinu od 18 cm. 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 izvr seni rad jednak 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 sto sca visine h = 10 m i radijusa baze r = 3 m napunjen je vodom do visine 8 m (vidi sliku 2.25). Izra cunajmo rad koji je potreban za pra znjenje rezervara i to tako da se voda ispumpa preko gornjeg ruba.
3m

2m x
i

x r

10m

Slika 2.25: Rezervar s vodom U ovom slu caju prvo treba postaviti integral. Uvedimo koordinatni sustav 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 xi1 = x, i = 1, . . . , n. Na taj na cin smo i vodu u rezervaru podijelili na n dijelova pri cemu je i-ti dio pribli zno jednak cilindru visine x i radijusa baze ri . Iz sli cnosti trokuta slijedi 3 ri = , 10 xi 10 ri = 3 (10 xi ). 10

Volumen i-tog dijela vode je stoga pribli zno jednak

2 Vi r i x =

9 (10 xi )2 x , 100

2.6

Primjene odredenog integrala

81

pa je masa i-tog dijela vode pribli zno jednaka (masa je umno zak gusto ce i volumena, a gusto ca vode je 1000 kg/m3 ) mi 90 (10 xi )2 x . Sila potrebna za podizanje i-tog dijela vode mora nadi ci silu te zu pa je Fi = mi g 9.81 90 (10 xi )2 x 2774 (10 xi )2 x. Svaka cestica u i-tom dijelu vode mora prije ci put koji je pribli zno jednak xi . Stoga je rad potreban za ispumpavanje i-tog dijela vode pribli zno jednak Wi Fi xi 2774 (10 xi )2 xi x. Ukupni rad potreban za ispumpavanje citavog rezervara dobit cemo zbrajanjem doprinosa svih n dijelova i prelaskom na limes kada n :
n

W lim

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 ce oprugu dr zati sila od 20 N? Zadatak 2.7 Kabel du zine 40 m i te zine 60 kg visi s vrha nebodera. Koliki je rad potreban za povla cenje 10 m kabela na vrh nebodera? Zadatak 2.8 Horizontalno polo zen cilindri cni rezervar (cisterna) duljine 10 m i radijusa baze 1.5 m napunjen je do polovice benzinom gusto ce 760 kg/m3 . 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 te zina, 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 cava s dubinom zarona i to stoga sto se te zina vode iznad ronioca pove cava. Neka je, na primjer, tanka horizontalna plo ca povr sine A zaronjena u teku cinu gusto ce kg/m3 na dubinu od d metara ispod povr sine teku cine (slika 2.26).

d A

Slika 2.26: Zaronjena tanka plo ca Teku cina koja se nalazi direktno iznad plo ce ima volumen V = Ad pa je njena masa jednaka m = V = Ad. Sila kojom ta koli cina vode djeluje na plo cu jednaka je F = mg = gAd, pri cemu je g ubrzanje sile te ze. Tlak (pritisak) P denira se kao sila po jedinici povr sine: F P = = gd. 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 cesto koriste kilopaskali (kPa). Na primjer, tlak na dnu bazena dubine dva metra jednak je P = gd = 1000 kg/m3 9, 81 m/s2 2 m = 19620 Pa = 19.62 kPa. cini pritisak Eksperimentalno je utvrdeno da je na svakom mjestu u teku jednak u svim smjerovima. Za bolje razumijevanje hidrostatskog pritiska, izra cunajmo pritisak vode na branu prikazanu na slici 2.27. Brana ima oblik trapeza, visoka je 40 m, siroka je na vrhu 100 m, a na dnu 60 m. Zrcalo vode se nalazi 5 m ispod vrha brane. Ako postavimo koordinatnu x-os tako da se ishodi ste nalazi na povr sini vode, dubina vode je 35 m. Neka je {x0 , x1 , . . . , xn } rastav intervala [0, 35] takav da su svi podintervali jednake duljine, xi xi1 = x, i = 1, . . . , n. Sada je i-ti podjeljak brane

2.6

Primjene odredenog integrala

83

30m 0 x

20m

30

a x

40m

35 30m x

Slika 2.27: Hidrostatski pritisak na branu pribli zno jednak pravokutniku visine x i sirine i . Iz sli cnosti trokuta slijedi a 20 35 xi = , a= , 35 xi 40 2 pa je 35 xi i = 2 (30 + a) = 2 30 + = 95 xi . 2 Povr sina i-tog podjeljka brane je Ai = i x = (95 xi ) x. Kako je x mali, mo zemo pretpostaviti da je tlak na i-tom podjeljku brane gotovo konstantan i jednak Pi = gd = 1000 9.81 xi . Hidrostatska sila koja djeluje na i-ti podjeljak brane jednaka je umno sku tlaka i povr sine: 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

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.

84

ODREDENI INTEGRAL

Zadatak 2.9 Bazen za plivanje dug je 15 m, a sirok je 7 m, dok mu je dno ravna plo ca dubine 1 m na pli cem kraju i 2 m na dubljem kraju. Ako je bazen do vrha pun vode izra cunajte hidrostatsku silu koja djeluje na: a) pli ci kraj bazena, b) dublji kraj bazena, c) jednu od bo cnih stranica bazena i d) dno bazena.

2.6.7

Momenti i te zi ste

Te zi ste ravne plo ce P zadanog oblika je to cka T sa svojstvom da se plo ca poduprta u toj to cki nalazi u polo zaju ravnote ze (slika 2.28).
P T

Slika 2.28: Te zi ste ravne plo ce Izvod formule za te zi ste zapo cet cemo poznatim Arhimedovim Zakonom poluge: poluga kojoj se na kraju x1 nalazi masa m1 , a na kraju x2 nalazi masa m2 te koje je poduprta u to cki x , ce biti u ravnote zi ako je (slika 2.29) m1 ( x x1 ) = m2 (x2 x ), iz cega slijedi m1 x + m2 x = m1 x1 + m2 x2 , odnosno x = m1 x1 + m2 x2 m1 + m2
x x2 m2 x

x1 m1

Slika 2.29: Ravnote za poluge Broj mi xi je moment mase mi u odnosu na ishodi ste. Sli cno, te zi ste sustava od n cestica s masama m1 , m2 , . . . , mn , koje se nalaze u to ckama

2.6

Primjene odredenog integrala

85

x1 , x2 , . . . , xn na x-osi, nalazi se u to cki

n

m i xi x =
i=1 n

= mi

M , m

i=1

pri cemu je m = mi ukupna masa sustava, a M = mi xi moment sustava u odnosu na ishodi ste. Iz jednakosti mx = M zaklju cujemo sljede ce: ako bi se cestica mase m nalazila u to cki x njen moment bi bio isti kao i moment zadanog sustava. Poop cimo sada razmatranje na sustav od n cestica s masama m1 , m2 , . . . , mn , koje se nalaze u to ckama s koordinatama (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) u xy ravnini. Moment sustava oko y -osi jednak je
n

My =
i=1

mi xi ,

moment sustava oko x-osi jednak je

n

Mx =
i=1

mi y i ,

a te zi ste sustava je u to cki T = ( x, y ), pri cemu je x = My , m y = Mx . m

Zadatak 2.10 Izra cunajte momente i te zi ste sustava od tri cestice s masama 2, 3 i 5 koje se nalaze u to ckama A = (2, 1), B = (2, 0) i C = (3, 2). Promotrimo sada ravnu plo cu P uniformne gusto ce omedenu s x-osi, pravcima x = a i x = b i neprekidnim funkcijama y = f (x) i y = g(x), pri cemu je g(x) f (x) za x [a, b] (vidi sliku 2.30). Neka je {x0 , x1 , . . . , xn } rastav intervala [a, b] takav da su svi podintervali jednake duljine, xi xi1 = x, i = 1, . . . , n. U i-tom intervalu odaberimo sredi snju to cku x i = (xi1 + xi )/2. Za dovoljno mali x dio plo ce P od to cke x = xi1 do to cke x = xi mo zemo aproksimirati pravokutnikom Pi kao na slici 2.30. Zbog uniformne gusto ce plo ce, te zi ste pravokutnika Pi se nalazi u to cki f ( xi ) + g( xi ) . Ti = x i , 2

86

ODREDENI INTEGRAL

y f(x i) P
i

f(x) Ti P

g(x) a xi1 xi xi b x

Slika 2.30: Plo ca uniformne gusto ce Masa pravokutnika Pi je mi = [f ( xi ) g( xi )]x. Moment pravokutnika Pi jednak je umno sku mase i udaljenosti te zi sta Ti od y -osi, odnosno My (Pi ) = [f ( xi ) g( xi )] x x i . Zbrajanjem ovih momenta i uzimanje limesa kada n daje ukupni moment plo ce P oko y -osi:
n b

My = lim

i=1

x i [f ( xi ) g( xi )] x =

x [f (x) g(x)] dx.

Sli cno, moment pravokutnika Pi oko x-osi jednak je Mx (Pi ) = [f ( xi ) g( xi )] x f ( xi ) + g( xi ) 2

pa je ukupni moment plo ce P oko x-osi jednak:

n

Mx = lim

i=1

1 [f ( xi )2 g( xi )2 ]x = 2

b a

1 [f (x)2 g(x)2 ] dx. 2

Ukupna masa plo ce jednaka je umno sku gusto ce i povr sine,

b

m=
a

[f (x) g(x)] dx.

2.6

Primjene odredenog integrala

87

Te zi ste plo ce nalazi se u to cki T = ( x, y ), pri cemu, kao i kod sustava od n cestica, vrijedi x = My /m i y = Mx /m, odnosno
b b

x =
a b a

x [f (x) g(x)] dx
b

x [f (x) g(x)] dx
b a

[f (x) g(x)] dx 1 [f (x)2 g(x)2 ] dx 2

b a

[f (x) g(x)] dx
b

y =
a

1 [f (x)2 g(x)2 ] dx 2
b a

[f (x) g(x)] dx

[f (x) g(x)] dx

Napomena 2.3 Zbog uniformne gusto ce plo ce koordinate te zi sta ne ovise o gusto ci. Ukoliko ravna plo ca nema uniformnu gusto cu, tada za ra cunanje koordinata te zi sta koristimo dvostruke integrale, dok koordinate te zi sta tijela ra cunamo pomo cu trostrukog integrala (vidi poglavlje 4). Primjer 2.22 Koordinate te zi sta plo ce omedene parabolom y 2 = ax i pravcem x = a su (vidi sliku 2.31):
a

x =

a 0

x [ ax ( ax)] dx [ ax ( ax)] dx
y 2=ax

3 a, 5

y = 0.

T a x

Slika 2.31: Koordinate te zi sta plo ce zi ste polukru zne plo ce radijusa r . Zadatak 2.11 Nadite te

88

ODREDENI INTEGRAL

2.7

Numeri cko integriranje

Pored rje savanja elementarno rje sivih integrala koriste ci pravila opisana u poglavljima 1 i 2, ostale na cini ra cunanja odredenih integrala su numeri cko integriranje, integriranje razvoja podintegralne funkcije u red potencija, i kori stenje integrala ovisnih o parametru (vidi poglavlje 4.6). Prve dvije metode se mogu koristiti za rje savanje svih odredenih integrala, dakle, i onih koji su elementarno rje sivi, ukoliko je rje senje jednostavnije i dovoljno to cno. S druge stane, jednu od tih metoda moramo koristiti zelimo li izra cunati integral koji nije elementarno rje siv. Integrali ovisni o parametru opisani su u poglavlju 4.6. Postupak integriranja reda funkcija ve c smo opisali u poglavlju 1.8. Kod rje savanja sto na kraju uvrstimo granice odredenog integrala postupak je isti, samo i nademo sumu tako dobivenog reda, uz uvjet da se granice nalaze unutar podru cja konvergencije promatranog reda potencija. U ovom poglavlju detaljnije cemo opisati dvije osnovne metode numeri cke integracije trapeznu i Simpsonovu formulu. Obje formule se temelje na ra cunanju jedne integralne sume uz odgovaraju ce formule za procjenu gre ske. Kao ilustraciju pokazat cemo primjenu tih metoda na rje savanje elipti ckih incemo dati formulu za Richardsonovu ekstrapolaciju pomo cu tegrala. Takoder ska nastala numeri ckim integriranjem. Na kraju cemo koje se odreduje pogre dati Matlab programe za trapeznu i Simpsonovu formulu.

2.7.1

Elipti cki integrali

Elipti cki integrali su va zna klasa integrala koji nisu elementarno rje sivi, a na koji se svode mnoge tehni cke primjene. Op cenito, elipti cki integrali prvog tipa su integrali oblika
/2 /2

1
0

k2 sin2 x

dx =
0

1 dx, 1 k2 cos2 x

a elipti cki integrali drugog tipa su integrali oblika

/2 /2

1 k2 sin2 x dx =

1 k2 cos2 x dx,

2.7

Numeri cko integriranje

89

pri cemu je k2 < 1. Doka zimo jednakosti u gornjim formulama:

/2 /2

1 dx = 1 k2 cos2 x =

1
0

k2 sin2 (x

+ /2)

dx

t = x + /2, dt = dx,
0

x 0 /2 t /2 0
/2

=
/2

1 1 k2 sin2 t

dt =
0

1 1 k2 sin2 t

dt,

pri cemu zadnja jednakost vrijedi zbog parnosti podintegralne funkcije. U jednakost gornjih integrala se lako mo zete uvjeriti i gra cki, odnosno tako sto cete podintegralne funkcije nacrtati pomo cu programa NetPlot. Promotrimo parametarski zadanu elipsu x = 2 cos t, y = sin t, t [0, 2 ].

Opseg te elipse je prema poglavlju 2.6.2 jednak

/2 /2 /2

S=4
0

(2 sin2 t)2 + cos2 t dt = 4

4 3 cos2 t dt = 8

3 cos2 t dt. 4

Dakle, radi se o elipti ckom integralu drugog tipa. Tu vidimo i veliku razznice dok je podjednako lako izra cunati povr sine, like izmedu elipse i kru ra cunanje opsega elipse je bitno slo zenije od ra cunanja opsega kru znice. Uvedimo oznaku
/2

I=
0

3 cos2 t dt. 4

(2.10)

Elipti cki integrali se zbog svoje va znosti nalaze u mnogim matemati ckim tablicama. Tako iz tablice u poznatom Matemati ckom priru cniku Bron stejna i Semandjajeva mo zemo o citati vrijednost I 1.2111, pa je opseg zadane elipse pribli zno jednak S 9.6888.

90

ODREDENI INTEGRAL

2.7.2

Trapezna formula

Kod trapezne formule odaberemo dekompoziciju D koja dijeli interval [a, b] na n jednakih dijelova, D = {a = x0 , x1 , . . . , xn1 , b = xn }, ba . n Zadanu krivulju y = f (x) aproksimiramo izlomljenom crtom koja nastaje x = xi xi1 =
b

pa je prirast jednak

spajanjem to caka (xi1 , yi1 ) i (xi , yi ), a integral

f (x) dx aproksimiramo
a

s tako dobivenom integralnom sumom Jn (vidi sliku 2.32).

f(x)

a x

b x n-2 x n-1 x n

Slika 2.32: Trapezna formula Vidimo da je integralna suma zapravo suma povr sina dobivenih trapeza, pa odatle i ime trapezna formula. Poznata formula za povr sinu trapeza daje yi yi1 yi1 + yi x yi1 + x Jn = = x 2 2 i=1 i=1 yn y0 , + y 1 + y 2 + + y n1 + = x 2 2 odnosno, trapezna formula glasi Jn = x y0 + 2
n1 i=1 n n

yi +

yn 2

(2.11)

2.7

Numeri cko integriranje

91

Pogre sku trapezne formule daje slijede ci teorem. Teorem 2.6 Ako je druga derivacija f (x) neprekidna i omedena na intervalu [a, b], tada vrijedi
b

f (x) dx = Jn + R,
a

pri cemu je Jn dan formulom (2.11), dok za ostatak R vrijedi ocjena |R| M ba x2 , 12 M = max |f (x)|.
x[a,b]

Dokaz. Radi jednostavnijeg ozna cavanja uvedimo oznaku h x. Pogre ska trapezne formule na i-tom intervalu jednaka je
xi

Ri =
xi1

f (x) dx

h (yi1 + yi ). 2

Promotrimo Ri = Ri (h) kao funkciju prirasta h:

xi1 +h

Ri (h) =
xi1

f (x) dx

h [f (xi1 ) + f (xi1 + h)]. 2

Koriste ci pravilo o deriviranju slo zene funkcije imamo h 1 [f (xi1 ) + f (xi1 + h)] f (xi1 + h) 2 2 1 h = [f (xi1 + h) f (xi1 )] f (xi1 + h), 2 2 1 1 h Ri (h) = f (xi1 + h) f (xi1 + h) f (xi1 + h) 2 2 2 h = f (xi1 + h). 2
Ri (h) = f (xi1 + h) (0) = 0. Vrijedi Primijetimo da je Ri (0) = 0 i Ri h

R (h) R (0) = odnosno R (h) =

0 h

R (t) dt,
0

1 t f (xi1 + t) dt. 2

92

ODREDENI INTEGRAL

Teorem o srednjoj vrijednosti 2.4 primijenjen na funkcije (1/2) t f (xi1 +t) i t povla ci 1 R (h) = f (i ) 2 za neki i (xi1 , xi ). Sada imamo
h h

t dt =

h2 f (i ), 4

R(h) R(0) = pa je 1 R(h) = f (i ) 4 Dakle, Ri = Kona cno, |R| i teorem je dokazan.

n i=1 h

R (t) dt
0

t2 dt =

h3 f (i ). 12

(x)3 f (i ), 12 |Ri |

i (xi1 , xi ).

(b a)(x)2 max |f ( )| 12 (a,b)

Primjer 2.23 Izra cunajmo integral (2.10) trapeznom formulom za n = 4. Vrijednosti xi i yi dane su su slijede coj tablici: i xi yi 0 0 0.5 1 /8 0.59986 2 /4 0.79057 3 3/8 0.94348 4 /2 1 Dakle, y0 y4 + y1 + y2 + y3 + = 1.211051. 8 2 2 Tra zenje broja M u gornjoj formulu za ocjenu ostatka (pogre ske) je slo zeno. Ra cunanjem druge derivacije zadane funkcije mo ze se pokazati da je M 1 pa formula za ocjena pogre ske iz teorema 2.6 povla ci |R| 0.02. No, umjesto toga pogre sku mo zemo jednostavnije ocijeniti Richardsonovom ekstrapolacijom (poglavlje 2.7.4). J4 =

2.7

Numeri cko integriranje

93

2.7.3

Simpsonova formula

Simpsonovu formulu dobijemo kada umjesto linearnih koristimo kvadratne aproksimacije zadane funkcije. Preciznije, zadani interval [a, b] podicaka n = 2k, uzmemo jelimo na paran broj to x = ba , n

a zadanu funkciju f (x) na intervalu [x2i2 , x2i ], i = 1, . . . , k aproksimiramo kvadratnom parabolom p(x) = ax2 + bx + c koja prolazi kroz tri susjedne to cke (slika 2.33) (x2i2 , y2i2 ), (x2i1 , y2i1 ), (x2i , y2i ).

f(x)

p(x)

x 2i-2

x 2i-1

x 2i

Slika 2.33: Simpsonova formula Odredeni integral parabole p(x) na intervalu [x2i2 , x2i ] jednak je
x2i

(ax2 + bx + c) dx =
x2i2

x (y2i2 + 4 y2i1 + y2i ). 3

(2.12)

Zaista, postavimo li pomo cni koordinatni sustav tako da mu je ishodi ste u to cki x2i1 , tada je x2i2 = x, x2i1 = 0, x2i = x,

94 pa uvjeti da p(x) prolazi zadanim to ckama glase y2i1 = c,

ODREDENI INTEGRAL

y2i2 = a x2 b x + c, y2i = a x + b x + c.
2

(2.13)

Integral (2.12) jednak je, dakle, integralu

x

(ax2 + bx + c) dx = a
x

x2 x3 +b + cx 3 2

=
x

x (2 a x2 + 6c). 3

No, formule (2.13) povla ce 2 a x2 + 6c = y2i2 + 4y2i1 + y2i pa je formula (2.12) dokazana. Kona cno, zbrajanjem integrala (2.12) za i = 1, . . . , k, nakon sredivanja dobijemo Simpsonovu formulu Jn = x (y0 + 2 (y2 + y4 + + yn2 ) + 4 (y1 + y3 + + yn1 ) + yn ). (2.14) 3

Pogre sku Simpsonove formule daje slijede ci teorem2 : ako je cetvrta deIV rivacija f (x) neprekidna i omedena na intervalu [a, b], tada vrijedi
b

f (x) dx = Jn + R,
a

pri cemu za ostatak R vrijedi ocjena |R| M ba x4 , 180 M = max |f IV (x)|.

x[a,b]

Primjer 2.24 Izra cunajmo integral (2.10) Simpsonovom formulom za n = 4. Koriste ci vrijednosti dane u tablici iz primjera 2.23 imamo J4 = 1 (y0 + 2y2 + 4(y1 + y3 ) + y4 ) 1.211415. 3 8

Tra zenje broja M u gornjoj formulu za ocjenu pogre ske je slo zeno, pa cemo umjesto toga u slijede cem poglavlju pogre sku ocijeniti Richardsonovom ekstrapolacijom.
Teorem navodimo bez dokaza. Dokaz je sli can dokazu teorema 2.6 s time sto funkciju Ri (h) treba derivirati tri puta nakon cega treba primijeniti teorem srednje vrijednosti i dva puta integrirati.
2

2.7

Numeri cko integriranje

95

2.7.4

Richardsonova ekstrapolacija

Pojam Richardsonova ekstrapolacija ozna cava klasu metoda kojima se pomo cu pribli znog ra cuna s manje koraka posti ze ve ca to cnost. Kod numeri ckog ra cunanja integrala, Richardsonova ekstrapolacija je izuzetno jednostavan na cin za ocjenu pogre ske. Najjednostavniji oblik metode se sastoji u slijede cem: ako smo numeri cki izra cunali integral Jn i integral J2n koriste ci svostruko vi se to caka te ako se u pripadnoj ocjeni ostatka javlja clan (x)m , tada je pogre ska kod ra cunanja J2n pribli zno manja od broja E= nm (J2n Jn ). (2n)m nm

Drugim rije cima, ako je E > 0 tada je pribli zno

b

f (x) dx [J2n , J2n + E ],

a ako je E 0, tada je pribli zno

b

f (x) dx [J2n + E, J2n ].

Kod dokazivanja ovih formula pretpostavljamo da postoji broj takav da je In = I + Rn , Rn = (x)m (R) za svaki x. Ova pretpostavka nije uvijek to cno ispunjena, no u velikom broju slu cajeva mo zemo smatrati da ona vrijedi. Na primjer, kod trapezne formule je M (b a)/12 (teorem 2.6) pa pretpostavka (R) zna ci da mo zemo uzeti (pribli zno) isti za razli cite vrijednosti od x. Koriste ci pretpostavku imamo Rn = I In = (x)m = R2n = I I2n = (x/2)m Dakle, I2n In = (b a)m 1 1 nm (2n)m ba m , n ba m . = 2n

96 pa je = sto kona cno daje R2n E =

ODREDENI INTEGRAL

nm (2n)m I2n In , (b a)m (2n)m nm nm (J2n Jn ). (2n)m nm

Primjer 2.25 a) Ocijenimo pogre sku u integralu J4 iz primjera 2.23. Da bi primijenili Richardsonovu formulu, treba nam J2 , pri cemu mo zemo koristiti istu tablicu. Trapezna formula (2.11) za n = 2 daje J2 = pa je E= 1 22 (J4 J2 ) = (1.211051 1.209960) 0.000363666. 2 2 4 2 3 y0 y4 + y2 + 1.209960, 4 2 2

Dakle, za zadani integral (2.10) vrijedi I [1.211051, 1.211051 + 0.000363666] = [1.211051, 1.211414]. b) Ocijenimo pogre sku u integralu J4 iz primjera 2.24. Koriste ci tablicu iz primjera 2.23, Simpsonova formula (2.14) za n = 2 daje J2 = pa je E= 24 1 (J4 J2 ) = (1.211415 1.220581) = 0.000611066. 4 4 4 2 15 1 (y0 + 4y2 + y4 ) 1.220581, 3 4

Dakle, za integral (2.10) vrijedi I [1.211415 0.000611066, 1.211415] = [1.210803, 1.211415].

4

Zadatak 2.12 Izra cunajte

0

cu trapezne i Simpsonove forex dx pomo

mule za n = 8, a pogre ske ocijenite Richardsonovom ekstrapolacijom.

2.7

Numeri cko integriranje

97

2.7.5

Programi

Trapezna i Simpsonova formula, (2.11) i (2.14), mogu se vrlo jednostavno programirati u programskom jeziku Matlab. Program za trapeznu formulu glasi %%% TRAPEZNA FORMULA format long e %%% Interval [a,b] i broj to caka integracije n (paran) a=0 b=pi/2 n=4 dX=(b-a)/n %%% Vektor x x=a:dX:b %%% Podintegralna funkcija i vektor y y=sqrt(1-0.75*cos(x).^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,y) Program za Simpsonovu formulu glasi %%% SIMPSONOVA FORMULA format long e %%% Interval [a,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

98

ODREDENI INTEGRAL

y=sqrt(1-0.75*cos(x).^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,y) Zadatak 2.13 a) Izvedite ove programe pomo cu programa Octave On-line3 . za razne vrijednosti od n. Za koje (najmanje) vrijednosti od n je pogre ska E jednaka nuli?
100

b) Modicirajte programe tako da ra cunaju

0

ex dx. Izvedite pro-

grame za n = 100, 200, 400, 800. Koliko dobiveni rezultati odstupaju + 2 ex dx = /2? od
0

http://lavica.fesb.hr/octave/octave-on-line.php.

3.
VARIJABLI FUNKCIJE VISE

3.1 3.2 3.3 3.4

Denicija . . . . . . . . . . . . . . . . . . Limes . . . . . . . . . . . . . . . . . . . . Neprekidnost . . . . . . . . . . . . . . . . Plohe drugog reda . . . . . . . . . . . . . 3.4.1 Elipti cki paraboloid . . . . . . . . 3.4.2 Hiperboli cki paraboloid . . . . . . 3.4.3 Hiperboloid . . . . . . . . . . . . . 3.4.4 Sto zac . . . . . . . . . . . . . . . . 3.4.5 Cilindri . . . . . . . . . . . . . . . 3.4.6 Neke zanimljive plohe . . . . . . . 3.4.7 Presjek ploha . . . . . . . . . . . . 3.5 Parcijalne derivacije . . . . . . . . . . . . 3.6 Totalni diferencijal . . . . . . . . . . . . . 3.7 Tangencijalna ravnina . . . . . . . . . . . 3.8 Parcijalne derivacije kompozicije funkcija 3.9 Totalni diferencijal vi seg reda . . . . . . . 3.9.1 Taylorova formula . . . . . . . . . 3.10 Ekstremi funkcija vi se varijabla . . . . . . 3.11 Implicitno zadane funkcije . . . . . . . . . 3.12 Problem vezanog ekstrema . . . . . . . . .

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

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

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

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

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

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

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

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

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

99 106 109 111 112 114 116 116 118 119 119 122 126 129 134 135 136 139 148 159

3.1

Denicija

Denicija 3.1 Skup Rn = R R (n-terostruki Kartezijev produkt skupa realnih brojeva sa samim sobom), odnosno Rn = {(x1 , x2 , , xn )|xi R i = 1, , n}

100

VARIJABLI FUNKCIJE VISE

zovemo n-dimenzionalni Euklidski prostor, a uredene n-torke (x1 , x2 , , xn ) su to cke tog prostora. Preslikavanje f : D R, D Rn koje svakoj to cki iz podru cja denicije D pridru zuje realan broj zovemo realna funkcija od n realnih varijabla. Koristimo oznaku T f (T ), T D ili (x1 , x2 , , xn ) f (x1 , x2 , , xn ), (x1 , x2 , , xn ) D Za razliku od realne funkcije jedne realne varijable (slu caj n = 1) kad god imamo funkciju od n varijabla sa n > 1 govorimo o funkciji vi se varijabla. Takve funkcije mo zemo kao i u jednodimenzionalnom slu caju zadavati eksplicitnim analiti ckim izrazom, tablicom (u slu caju diskretnog podru cja denicije), gra cki (u slu caju n = 2), parametarskim jednad zbama i implicitnim analiti ckim izrazom. Primjer 3.1 Na primjer, eksplicitnom formulom z = x2 + y 2 denirana je jedna realna funkcija dviju varijabla cije prirodno podru cje denicije je D = {(x, y ) R2 |x2 + y 2 0} R2 . Da bi vidjeli gra cki tu funkciju koristimo projekcije na koordinatne rav 2 2 2 nine. Sustavom y = 0, z = x + y odredena je jednad zba z = x = |x| projekcije na xz -ravninu (vidi sliku 3.1).

-1

Slika 3.1: Projekcija funkcije z =

x2 + y 2 na xz -ravninu uz y = 0

x2 + y 2 odredena je jednad zba z = Sli cno, sustavom x = 0, z = = |y | projekcije na yz -ravninu, a dok za x = 1 jednad zba projekcije glasi z = 1 + y 2 (vidi sliku 3.2). y2 Napokon, za zadani z0 > 0 sustavom z = z0 , z = x2 + y 2 odredena je 2 jednad zba x2 + y 2 = z0 sto pokazuje da je presjek grafa zadane funkcije sa ravninom z = z0 jedna kru znica polumjera z0 (vidi sliku 3.3)

3.1

Denicija

101

-1

Slika 3.2: Projekcije funkcije z =

x2 + y 2 na yz -ravninu za x = 0 i x = 1

Slika 3.3: Projekcije funkcije z =

x2 + y 2 na xy -ravninu za z = 1 i z = 2

102

VARIJABLI FUNKCIJE VISE

Nacrtamo li sustavno prethodne projekcije, dobit cemo sliku 3.41 Zaklju cujemo da je graf funkcije kru zni sto zac kojemu je ishodi ste (0, 0, 0) vrh, a Oz -os os simetrije.

z 3 2 1 0 -3 -2 -1 0 x 0 1 2 y 3

3 -3

-2

-1

Slika 3.4: Kru zni sto zac z =

x2 + y 2

Op cenito z z0 = a2 (x x0 )2 + b2 (y y0 )2 je elipti cki sto zac s vrhom u to cki (x0 , y0 , z0 ), a presijek tog sto sca s ravninom z = c (c > z0 ) je elipsa (x x0 )2
c z 0 2 a

(y y0 )2
c z 0 2 b

=1

Na primjer, na slici 3.5 prikazan je elipti cki sto zac z3= 1 1 (x + 1)2 + (y 2)2 . 4 9

Napomena 3.1 Jednad zbama f (x1 , . . . , xn ) = c, gdje je c konstanta, odredene su takozvane nivo plohe koje slu ze za lak se predo cavanje grafa funkcije. U slu caju n = 2 nivo plohe jo s zovemo nivo krivulje i crtamo ih u istoj ravnini.
Projekcije crtamo kao parametarski zadanekrivulje u prostoru, odnosno crtamo 2 ), (x, y, z ) = (1, u, 1 + u 1 + u2 ), krivulje (x, y, z ) = (0, u, |u|), (x, y, z ) = (1 , u, (x, y, z ) = (u, 0, |u|), (x, y, z ) = (u, 1, 1 + u2 ), (x, y, z ) = (u, 1, 1 + u2 ), (x, y, z ) = (cos u, sin u, 1), (x, y, z ) = (2 cos u, 2 sin u, 2) i (x, y, z ) = (3 cos u, 3 sin u, 3).
1

3.1

Denicija

103

3+sqrt((x+1)**2/4+(y-2)**2/9) 6 5 4

7 5 3 0 2 4 y

-4

-2

x 0

-4

-2

Slika 3.5: Elipti cki sto zac

Na slici 3.3 vidimo nekoliko nivo krivulja funkcije z = x2 + y 2 . Na slici 3.5 nacrtane su nivo krivulje u xy -ravnini. Jo s su zanimljivije, na primjer, izohipse (krivulje na zemljopisnim kartama koje povezuju to cke iste nadmorske visine ili morske dubine) ili izobare (krivulje na meteorolo skim kartama koje povezuju to cke jednakog atmosferskog pritiska). Primjer izobara na slici 3.6 preuzet je sa web stranica Dr zavnog hidrometeorolo skog zavoda.

Primjer 3.2 a) Funkcija z = ln (x + y 2) denirana je na podru cju D 2 R odredenom nejednako s cu x + y 2 > 0 (vidi sliku 3.7). b) Formulom u = arcsin(x2 + y 2 + z 2 2) zadana je jedna funkcija triju varijabla denirana na podru cju D R3 koje je odredeno nejednakostima 2 2 2 1 x + y + z 2 1 odnosno D = {(x, y, z ) R3 | 1 x2 + y 2 + z 2 3} Nivo plohe su pla stevi kugli (vidi sliku 3.8). Nivo plohe su nacrtane koriste ci parametarski prikaz funkcije tri varijable. c) Funkcija triju varijabla u = x
2 +y 2

denirana je za

(x, y, z ) R3 \ {(x, y, 0) | (x, y ) R2 }. Nivo plohe su kru zni paraboloidi (bez tjemena). Na primjer za u = 1 2 dobijamo z = (x + y 2 ). Presjek sa ravninom x = 0 je parabola z = y 2 ,

104

VARIJABLI FUNKCIJE VISE

Slika 3.6: Izobare vremenske prognoze

111111111111 000000000000 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111 000000000000 111111111111
y 2 2

Slika 3.7: Podru cje denicije funkcije z = ln(x + y 2)

3.1

Denicija

105

sin(u)*cos(v), sin(u)*sin(v), cos(u) 0.5*sin(u)*cos(v), 0.5*sin(u)*sin(v), 0.5*cos(u) z 1

0.5 -0.5 x 0 0 0.5 -0.5 y

Slika 3.8: Nivo-plohe funkcije u = arcsin(x2 + y 2 + z 2 2) za u = 0.5 i u = 1 presjek sa ravninom y = 0 je parabola z = x2 , a presjek sa ravninom z = 1 je kru znica x2 + y 2 = 1. Nivo ploha u = 1 prikazana je na slici 3.9. Op cenito, z z0 = a2 (x x0 )2 + b2 (y y0 )2 je prema gore okrenut elipti cki 2 2 2 paraboloid s vrhom u to cki (x0 , y0 , z0 ), a z z0 = a (x x0 ) b (y y0 )2 je prema dolje okrenut elipti cki paraboloid s vrhom u to cki (x0 , y0 , z0 ). Zadatak 3.1 Nacrtajte slike 3.4, 3.8 i 3.9 pomo cu programa NetPlot2 . Denicija 3.2 Funkcija f je omedena ako postoji M > 0 takav da je |f (T )| M, T D . Denicija 3.3 Neka je zadana funkcija f : D R. Ako svim varijablama osim jedne, recimo xi , pridru zimo konkretne vrijednosti
0 0 0 x1 = x0 1 , , xi1 = xi1 , xi+1 = xi+1 , , xn = xn ,

onda mo zemo denirati funkciju jedne varijable fi : Di R, Di R formulom 0 0 0 fi (x) = f (x0 1 , , xi1 , x, xi+1 , , xn ).
2

http://lavica.fesb.hr/netplot

106

VARIJABLI FUNKCIJE VISE

-(x**2+y**2) -(x**2+y**2)/2 z

0 -2 -4

-1 0 x

-1

1 y

Slika 3.9: Nivo plohe funkcije u = x

2 +y 2

za u = 1 i u = 2

Ka zemo da je funkcija f rastu ca (strogo rastu ca, padaju ca, strogo padaju ca) s 0 ,x 0 , ,x = , , x = x = x obzirom na varijablu xi za x1 = x0 i1 n 1 i1 i+1 i+1 x0 n ako je funkcija fi takva. Primjer 3.3 Neka je z = f (x, y ) = 2 x3 y 2 i neka je zadana to cka T = (1, 2). Tada je funkcija f1 (x) = f (x, 2) = 2 x3 4 strogo rastu ca, dok je funkcija f2 (y ) = f (1, y ) = 2 y 2 strogo rastu ca za y 0 i strogo padaju ca za y > 0.

3.2

Limes

U ovom poglavlju denirat cemo limes funkcije vi se varijabli i dati osnovna svojstva limesa. Denicija 3.4 Neka su T1 = (x1 , x2 , , xn ) i T2 = (y1 , y2 , , yn ) dvije to cke iz Rn . Njihovu udaljenost deniramo kao d(T1 , T2 ) = Skup K (T, ) = {S Rn | d(T, S ) < } (x1 y1 )2 + (x2 y2 )2 + + (xn yn )2 .

3.2

Limes

107

nazivamo otvorena kugla radijusa oko to cke T ili -okolina to cke T . Napomena 3.2 Gornja formula za udaljenost je direktno poop cenje formula za udaljenost u R, R2 i R3 ). Za n = 1 K (T, ) je otvoreni interval oko to cke T , za n = 2 to je krug oko to cke T (bez oboda) radijusa , a za n = 3 to je kugla oko to cke T (bez pla sta) radijusa (vidi sliku 3.10)
n=1 ( T | T ) T+

n=2

n=3

Slika 3.10: Otvorene kugle za n = 1, 2, 3

Denicija 3.5 Neka su zadane funkcija f : D R i to cka T0 D takva da svaku -okolinu od T0 vrijedi K (T0 , ) D \ {T0 } = . Ka zemo da je a R grani cna vrijednost ili limes funkcije f u to cki T0 ako ( > 0)( > 0) T K (T0 , ) \ {T0 } |f (T ) a| < . Pi semo
T T0

lim f (T ) = a.

Primjer 3.4 Poka zimo da je x2 y = 0. (x,y )(0,0) x2 + y 2 lim Zbog x2 + y 2 2|xy | imamo (vidi sliku 3.23)
(x,y )(0,0)

lim

x2 y x x2 y = lim = lim = 0. 2 2 x +y (x,y )(0,0) 2xy (x,y )(0,0) 2

108

VARIJABLI FUNKCIJE VISE

Odredivanje limesa funkcije vi se varijabla te ze je nego odredivanje limesa funkcije jedne varijable jer se to cka T mo ze pribli zavati to cki T0 po neprebrojivo mnogo razli citih putova a limes po svim tim putovima mora biti isti. Teorem 3.1 Slijede ce tvrdnje su ekvivalentne: (i) lim f (T ) = a,
T T0

(ii) za svaki niz to caka (Tk D \ {T0 }, k N), koji konvergira prema to cki T0 , pripadaju ci niz funkcijskih vrijednosti (f (Tk ), k N) konvergira prema broju a. Gornji teorem nepogodan je za primjenu u slu caju kada moramo pokazati da neki limes postoji (potrebno je provjeriti beskona cno mnogo razli citih s nizova). Ce ce ga koristimo u slu caju kad zelimo pokazati da neki limes ne postoji (dovoljno je prona ci jedan ili dva niza koji upu cuju na nepostojanje limesa). Primjer 3.5 Poka zimo da funkcija f (x, y ) = x2 y 2 x2 + y 2

nema limes u to cki (0, 0). Uzmemo li nizove to caka ((1/n, 1/n), n N) i ((1/n, 0), n N) vidimo da oba konvergiraju k (0, 0), ali za pripadaju ce nizove funkcijskih vrijednosti imamo f (1/n, 1/n) = (1/n)2 (1/n)2 0, (1/n)2 + (1/n)2 (1/n)2 0 f (1/n, 0) = 1. (1/n)2 + 0 x2 y 2 ne postoji (vidi sliku (x,y )(0,0) x2 + y 2 lim

Koriste ci teorem 3.1 zaklju cujemo da 3.24).

Citirajmo ovdje i teorem o uzastopnim limesima za funkciju dviju varijabla: Teorem 3.2 Neka je L=
(x,y )(x0 ,y0 )

lim

f (x, y ).

3.3

Neprekidnost

109

Ako postoje uzastopni limesi L1 = lim lim f (x, y i L2 = lim lim f (x, y

x x0

y y0

y y0

x x0

onda je L1 = L = L2 . Jasno je da obratna tvrdnja od ove u gornjem teoremu ne vrijedi tj. postojanje i jednakost uzastopnih limesa L1 i L2 u to cki (x0 , y0 ) zna ci samo postojanje grani cne vrijednosti za dva od beskona cno mnogo putova pribli zavanja to cki (x0 , y0 ), sto ne osigurava postojanje limesa L. Medutim, postojanje uzastopnih limesa L1 i L2 koji su razli citi tj. L1 = L2 sigurno povla ci nepostojanje limesa L. Primjer 3.6 a) Za funkciju iz primjera 3.4 vrijedi lim x2 y + y2 x2 y lim 2 x 0 x + y 2
y 0 x2

x 0 y 0

lim

= lim 0 = 0,
x 0 y 0

lim

= lim 0 = 0.

b) Za funkciju iz primjera 3.5 vrijedi lim x2 y 2 y 0 x2 + y 2 x2 y 2 lim 2 x 0 x + y 2 lim x2 = 1, x 0 x2 y 2 = lim 2 = 1. y 0 y = lim

x 0 y 0

lim

3.3

Neprekidnost

Denicija neprekidnost funkcije vi se varijabli jednaka je deniciji neprekidnosti funkcije jedne varijable (M1, ...) Denicija 3.6 Funkcija f je neprekidna u to cki T0 D ako je
T T0

lim f (T ) = f (T0 ).

Ako je f neprekidna u svakoj to cki T A D ka zemo da je f neprekidna na skupu A, a ako je A = D ka zemo da je f neprekidna funkcija.

110 Neka je T = (x1 , x2 , , xn ), Veli cina xi = xi x0 i,

VARIJABLI FUNKCIJE VISE

0 0 T0 = (x0 1 , x2 , , xn ).

i = 1, 2, , n,

je prirast varijable xi u to cki T0 . Veli cina u = u u0 , u = f (T ), u0 = F (T0 ),

je prirast funkcije f u to cki T0 . Iz denicije 3.6 slijedi da je f neprekidna u to cki T0 ako i samo ako je lim [f (T ) f (T0 )] = 0 ili ekvivalentno
T T0 x1 0,...,xn 0

lim

u = 0,

odnosno, ako i samo ako prirast funkcije f u to cki T0 te zi k nuli cim prirasti svih varijabli xi istovremeno te ze k nuli. Svojstva neprekidnih funkcija vi se varijabli su sli cna svojstvima neprekidnih funkcija jedne varijable. Navedimo neka od tih svojstava: (i) Neka je funkcija f neprekidna i neka je f (T0 ) > 0 (< 0) u nekoj to cki T0 D . Tada postoji okolina to cke T0 za koju vrijedi T K (T0 , ) f (T ) > 0 (< 0). (ii) Neka je funkcija f neprekidna i neka je A D zatvoren i omeden podskup domene D . Tada funkcija f na skupu A dosti ze svoju najmanju i svoju najve cu vrijednost u nekim to ckama. Drugim rije cima, postoje to cke T1 , T2 A takve da je T A f (T1 ) f (T ) f (T2 ), odnosno f (T1 ) = min f (T ),
T A

f (T2 ) = max f (T )
T A

(vidi sliku 3.11). (iii) Ako su funkcije f, g : D R, D Rn , neprekidne, tada su zbroj f + g, razlika f g, produkt f g i kvocijent f /g (uz uvjet g = 0) takoder neprekidne funkcije.

3.4

Plohe drugog reda

f(x) f(A) max f(A) min A x A min max

111

Slika 3.11: Neprekidna funkcija na zatvorenom skupu

3.4

Plohe drugog reda

Ploha drugog reda je skup svih to caka trodimenzionalnog prostora koje zadovoljavaju jednad zbu drugog stupnja (ili reda): Ax2 + By 2 + Cz 2 + Dxy + Exz + F yz + Gx + Hy + Iz + K = 0, pri cemu je barem jedan od koecijenata3 A, B, C, D, E i F razli cit od nule, odnosno, u formuli postoji barem jedan netrivijalni nelinerani clan. Na primjer, jednad zba sfere (kugline plohe ) radijusa r s centrom u to cki (x0 , y0 , z0 ) dana je s: (x x0 )2 + (y y0 )2 + (z z0 )2 = r 2 . S ovom formulom su zapravo zadane dvije funkcije dvije varijable: z = f1 (x, y ) = z0 + z = f2 (x, y ) = z0 r 2 (x x0 )2 (y y0 )2 i

r 2 (x x0 )2 (y y0 )2 .

Nivo-plohe sfere (presjeci s ravninama paralelnim s xy -ravninom) i presjeci s ravninama paralelnim s xz - i yz -ravninama su kru znice.4 Nadalje, (x x0 )2 (y y0 )2 (z z0 )2 + + =1 a2 b2 c2 je jednad zba elipsoida cije su glavne osi paralne s koordinatnim osima x, y i z , a duljine poluosi su a, b i c redom (slika 3.12).
Svi koecijenti su realni brojevi. U rubovima je nivoploha ili pak presjek s ravninom koja je paralelna s xz - ili yz ravninom jednaka to cki koju mo zemo interpretirati kao degeneriranu kru znicu s radijusom 0.
4 3

112

VARIJABLI FUNKCIJE VISE

2 1 0 z -1 -2 -4 -2 0 y 2 5 4 2.5 0 x -5 -2.5

Slika 3.12: Elipsoid x2 /36 + y 2 /16 + z 2 /4 = 1

Nivo-plohe elipsoida kao i presjeci s ravninama paralelnim s xz - i yz ravninama su elipse. Zadatak 3.2 Za elipsoid iz slike 3.12 nacrtajte nivo-plohu za z = 1 i presjek s ravninama x = 4 i x = 7. Elipsoid na slici mo zemo denirati i parametarski kao skup to caka: E = {(x, y, z ) : x = 6 cos t cos u, y = 4 sin t cos u, z = 2 sin u, t {0, 2 }, u {/2, /2}}. Elipsoid na slici 3.12 nacrtan je upravo koriste ci parametarski prikaz.

3.4.1

Elipti cki paraboloid

Op ca formula elipti ckog paraboloida je (vidi sliku 3.13): z= x2 y 2 + 2. a2 b

Nivo plohe elipti ckog paraboloida su elipse, a presjeci s ravninama koje su paralelne s xz -ravninom i yz ravninom su parabole (vidi sliku 3.14). Paraboloid na slici mo zemo prikazati i parametarski kao skup P = {(x, y, z ) : x = 2 u cos t, y = u sin t, z = u, t {0, 2 }, u 0}.

3.4

Plohe drugog reda

113
x -5 0 5

10

0 -2 0 y 2

Slika 3.13: Paraboloid z = x2 /4 + y 2

z

4 x=3
3 2 1 0 -1 -2 -3 -6 -4 -2 0 2 4 6

x=0

2 x=1 -3 -2 -1 1 2 3 y

(A)

(B)

Slika 3.14: (A) Nivo plohe i (B) presjeci paralelni s yz -ravninom za paraboloid z = x2 /4 + y 2 .

114

VARIJABLI FUNKCIJE VISE

Elipti cki paraboloid s vrhom u to cki (x0 , y0 , z0 ) zadan je s formulom (slika 3.15): (x x0 )2 (y y0 )2 + . z z0 = a2 b2
x y -2 -4 15 0 0 2 4 6

12.5 z

10 7.5 5

Slika 3.15: Pomaknuti paraboloid z 5 = (x 3)2 + 4(y + 2)2 Zamjenom varijabli dobijemo elipti cki paraboloid uzdu z neke druge osi, a pomo cu predznaka nezavisne varijable odredujemo na koju stranu je paraboloid otvoren (slika 3.16).

3.4.2

Hiperboli cki paraboloid

Op ca formula hiperboli ckog paraboloida je (vidi sliku 3.17): z= x2 y 2 2. a2 b

Hiperboli cki paraboloid ima oblik sedla. Nivo plohe su hiperbole (slika 3.18), a presjeci s ravninama koje su paralelne s xz -ravninom i yz ravninom su parabole.

3.4

Plohe drugog reda

115

0 z -2 -8 -6 -4 x -2 2 0 0 y -2

Slika 3.16: Polegnuti paraboloid x = y 2 + z 2

y 0 -2

-4 2

x -2 0 2 4

0 z -5

Slika 3.17: Hiperboli cki paraboloid z = x2 y 2

116
3 2 1 0 -1 -2 -3 -4 -2 0

VARIJABLI FUNKCIJE VISE

Slika 3.18: Nivo plohe za z = x2 y 2 . Zadatak 3.3 Nacrtajte nivo-plohe za z = 0, 2, 3 i presjeke s yz -ravninom za x = 4 za z 2 = x2 (y 2)2 /4.

3.4.3

Hiperboloid

Jednokrilni hiperboloid zadan je s formulom (slika 3.19): x2 y 2 z 2 + 2 2 = 1. a2 b c Dvokrilni hiperboloid zadan je s formulom (slika 3.19): x2 y 2 z 2 2 + 2 = 1. a2 b c

Nivo-plohe hiperboloida su elipse, a presjeci s ravninama koje su paralelne s z -osi su hiperbole. Kao i kod ostalih ploha, pomo cu transformacije x x x0 pomi cemo sredi ste hiperboloida, a cikli ckom zamjenom varijabli nastaju hiperboloidi koji se prote zu u smjeru ostalih koordinatnih osi. Zadatak 3.4 Prika zite hiperboloide sa slike 3.19 u parametarskom obliku. Uputa: treba koristiti hiperbolne funkcije sinh i cosh.

3.4.4

Sto zac

Sto zac ili konus je zadan s formulom (vidi sliku 3.20): (z z0 )2 = (x x0 )2 (y y0 )2 + . a2 b2

3.4

Plohe drugog reda

117

x -2 -1 2 y -1 -2 1 0 0 1 2

1 0 z -1 -2 -2 0 y 2 2 0 x -2

-2

(A)

(B)

Slika 3.19: (A) Jednokrilni i (B) dvokrilni hiperboloid za a = b = c = 1.

118
x 5 2.5 0 -5 -2.5 -2.5 -5

VARIJABLI FUNKCIJE VISE

y 0 2.5 5 5

2.5

0 z -2.5

-5

Slika 3.20: Sto zac z 2 = x2 + y 2 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 + . a2 b2

3.4.5

Cilindri

Cilindri cna ploha ili cilindar nastaje kada jednad zbu krivulje u ravnini interpretiramo u trodimenzionalnom prostoru. Tako su, na primjer, x2 y 2 + 2 = 1, a2 b x2 y 2 2 = 1, a2 b z = y2,

3.4

Plohe drugog reda

119

jednad zbe elipti ckog , hiperboli ckog i paraboli ckog cilindra redom (vidi slike 3.21 i 3.22).
x -3 2 -2.5 -2 -1.5 -1

1 y -1 -2 0

y 0.5 0 -0.5 -1 2

x 1 -1 0 1

-1

-2
-2

(A)

(B)

Slika 3.21: (A) (x + 2)2 + y 2 /4 = 1 i (B) x2 y 2 = 1.

3.4.6

Neke zanimljive plohe

Slijede grafovi i nivo-plohe nekih zanimljivih funkcija dvije varijable:

3.4.7

Presjek ploha

Kod rje savanja dvostrukih integrala va zno je znati predo citi presjek raznih ploha. Neka je skup D zadan s D = {(x, y ) : (x 1/2)2 + y 2 1/4, y 0}, a ploha K sa (gornja polukugla) s K = {(x, y, z ) : x2 + y 2 + z 2 = 1, z 0}.

120

VARIJABLI FUNKCIJE VISE

y 0 -1

2 1.5 z 1 0.5 0 -1 0 1 x 2

Slika 3.22: Paraboli cki cilindar z = y 2

0 1 0 2 -1 0 -2 0 -2 2 -3 -3 -2 -1 0 1 2 3 -2

-1

Slika 3.23: (x2 y )/(x2 + y 2 )

3.4

Plohe drugog reda

121

1 0.5 0 -0.5 -1 0 -2 0 -2 2 2

-1

-2

-3 -3 -2 -1 0 1 2 3

Slika 3.24: (x2 y 2 )/(x2 + y 2 )

1 0.5 0 -0.5 -1 -2 -1 0 1 2 -2 -1 1 2

-1 0

-2 -2 -1 0 1 2

Slika 3.25: sin x sin y

122
2

VARIJABLI FUNKCIJE VISE

0 2 1 0 -2 -1 0 1 2 -2 -1 -2 -2 -1 0 1 2 1 0 -1 2

Slika 3.26: exp(sin(x/y ))

Tada dvostruki integral

1 0

I=
0

1 x2 y 2 dx
1/4(x1/2)2

daje volumen tijela s bazom D od xy ravnine do pla sta kugle, odnosno stom sto sca cije tijela koje je odozdo omedeno xy -ravninom, sa strane s pla 2 2 su stranice x-os i polukru znica (x 1/2) + y = 1 za y 0, i odozgo s pla stom kugle (vidi sliku 3.27). Ovaj integral se rje sava prelaskom na polarne koordinate: D= I=
3 2

(r, ) :
2 cos

3 , 2 , r [0, cos ] , 2

1 r 2 r dr d.

Zadatak 3.5 Nacrtajte sve slike iz poglavlja 3.4 pomo cu programa NetPlot.

3.5

Parcijalne derivacije

Denicija 3.7 Parcijalna derivacija funkcije f : D R, D Rn , po 0 0 varijabli xi u to cki T0 = (x0 1 , x2 , , xn ) je derivacija funkcije jedne varijable

3.5

Parcijalne derivacije
y -0.2 -0.4 00 0.25 0.5 0.75 1 1 x

123

0.75
1

0.5
0.75 z 0.5 0.25 0 -1 -0.5 0 x 0.5 1 -1 -0.5 0 1 0.5

0.25

Slika 3.27: Presjek ploha.

fi : Di R, Di R denirane sa
0 0 0 fi (x) = f (x0 1 , , xi1 , x, xi+1 , , xn ),

x Di ,

(3.1)

u to cki x0 i . Dakle, f (T0 ) fi (x) fi (x0 i) . = fi (x0 ) = lim i 0 0 xi x xi x xi Za parcijalne derivacije jo s koristimo i sljede ce oznake: f (T0 ) fx (T0 ) fxi (T0 ). i xi
(T ) po svim Ako za funkciju f u to cki T0 postoje parcijalne derivacije fx 0 i varijablama xi onda ka zemo da je funkcija f derivabilna u to cki T0 . Ako je funkcija f derivabilna u svakoj to cki T D onda ka zemo da je f derivabilna funkcija.

Denicija 3.8 Neka je A D skup svih to caka T D u kojima postoji (T ) po varijabli x . Funkciju f : A R zovemo parcijalna derivacija fx i xi i parcijalna derivacija funkcije f po varijabli xi . To je opet jedna funkcija od n varijabli koja mo ze imati svoje parcijalne derivacije. Parcijalnu derivaciju zovemo parcijalna derivacija drugog reda funkcije po varijabli xj funkcije fx i f po varijablama xi , xj i ozna cavamo sa 2f fx f xi xj . i xj xi xj

124

VARIJABLI FUNKCIJE VISE

Analogno deniramo parcijalnu derivaciju tre ceg reda funkcije f po varijablama xi , xj , xk , 3f fx f xi xj xk . i xj xk xi xj xk Indukcijom deniramo parcijalnu derivaciju m-tog reda funkcije f po varijablama xi1 , xi2 , , xim , mf (m) fxi1 xi2 xim fxi1 xi2 xim , xi1 xi2 xin gdje je i1 , i2 , , im {1, 2, , n} i m N. Primjer 3.7 Funkcija f (x, y ) = sin(x + y 2 ) dobro je denirana na D = R2 te ima parcijalne derivacije svakog reda. Postupak deriviranja je jednosta (x, y ) varijablu y u izrazu za f (x, y ) tretiramo kao van: kad ra cunamo fx (x, y ) onda varijablu x u izrazu za f (x, y ) konstantu, a kad ra cunamo fy tretiramo kao konstantu. Dakle
fx (x, y ) =

[sin(x + y 2 )] = cos(x + y 2 ), x [sin(x + y 2 )] = 2y cos(x + y 2 ). fy (x, y ) = y

Sli cno postupamo kod ra cunanja parcijalnih derivacija vi seg reda. Na primjer, parcijalne derivacije drugog reda su
fxx (x, y ) = (x, y )] [ fx x (x, y )] [ f x fxy (x, y ) = y (x, y ) fy (x, y ) = fyx x (x, y ) f y fyy (x, y ) = y

[cos(x + y 2 )] = sin(x + y 2 ), x [cos(x + y 2 )] = = 2y sin(x + y 2 ), y = = [2y cos(x + y 2 )] = 2y sin(x + y 2 ), x [2y cos(x + y 2 )] = = 2 cos(x + y 2 ) 4y 2 sin(x + y 2 ). y

i f jednake. To nije U gornjem primjeru vidimo da su funkcije fxy yx slu cajnost ve c pravilo. Naime vrijedi slijede ci va zan teorem kojega navodimo bez dokaza:

Teorem 3.3 (Schwartz) Pretpostavimo da funkcija f : D R, D Rn , u nekoj okolini K (T0 , ) to cke T0 D ima neprekidne sve parcijalne derivacije do uklju civo (r 1)-vog reda i da u toj okolini od T0 postoje sve parcijalne

3.5

Parcijalne derivacije

125

derivacije r -tog reda. Ako su parcijalne derivacije r -tog reda od f neprekidne u to cki T0 onda njihove vrijednosti u toj to cki ne zavise od redoslijeda deriviranja po pojedinim varijablama. Primjer 3.8 Za funkciju dviju varijabla formalno mo zemo promatrati ukupno 23 = 8 parcijalnih derivacija tre ceg reda. To su redom 3f , xxx 3f , yxx 3f , xyy 3f 3f , , xxy xyx 3f 3f , , yyx yxy 3f . yyy

Medutim, koriste ci teorem 3.3 stvarno promatramo samo 4 parcijalne derivacije tre ceg reda (uz razumljivu pretpostavku o njihovoj neprekidnosti). Prvu od funkcija u gornjem nizu ozna cavamo kra ce s 3f , x3 druga, tre ca i cetvrta su jednake i ozna cavamo ih kra ce sa 3f , x2 y peta, sesta i sedma u nizu su jednake i ozna cavamo ih s 3f , xy 2 a osmu ozna cavamo kra ce sa 3f . y 3

Op cenitije, za bilo koji r N formalno postoji 2r parcijalnih derivacija r -tog reda, ali ih razli citih ima stvarno samo (r + 1) i ozna cavamo ih s r f , xi y ri i = 0, 1, , r.

Zadatak 3.6 a) Izra cunaj sve parcijalne derivacije tre ceg reda za funkciju 2 triju varijabla u = ln(x + y + z ). Koliko ih ima stvarno razli citih? b) Koliko ima stvarno razli citih parcijalnih derivacija r -tog reda funkcije od m varijabla?

126

VARIJABLI FUNKCIJE VISE

Za razliku od funkcije jedne varijable koja je neprekidna u svakoj to cki u kojoj je derivabilna, derivabilnost funkcije vi se varijabla u nekoj to cki ne povla ci nu zno neprekidnost funkcije u toj to cki. Primjer 3.9 Funkcija f (x, y ) = x2 xy , za (x, y ) = (0, 0), + y2 0, za (x, y ) = (0, 0).

je denirana na D = R2 i ima prekid u to cki (0, 0). Naime, nizovi to caka {(1/n, c/n), n N} za razli cite vrijednosti od c svi konvergiraju k nuli, a pripadaju ci nizovi funkcijskih vrijednost imaju razli cite limese za razli cite vrijednosti od c jer f 1 c , n n = c c . 2 1+c 1 + c2

S druge strane u to cki (x, y ) = (0, 0) imamo

fx (x, y ) =

y (y 2 x2 ) y (x2 + y 2 ) xy (2x) = , (x2 + y 2 )2 (x2 + y 2 )2 y (x2 y 2 ) x(x2 + y 2 ) xy (2y ) fy (x, y ) = = , (x2 + y 2 )2 (x2 + y 2 )2

a u to cki (0, 0) je
fx (0, 0) = lim

00 f (x, 0) f (0, 0) = lim = 0, x 0 x x f (0, y ) f (0, 0) 00 fy (0, 0) = lim = lim = 0. y 0 y 0 y y

x 0

Dakle f je derivabilna u to cki (0, 0), ali nije neprekidna u toj to cki.

3.6

Totalni diferencijal

Neka je zadana funkcija f i to cke

0 0 T0 = (x0 1 , x2 , , xn ) D ,

T = (x1 , x2 , , xn ) D .

Uvedimo oznake u = f (T ), u0 = f (T0 ), u = u u0 .

3.6

Totalni diferencijal

127

Prirast xi = xi x0 s nazivamo i diferencijalom nezavisne varijable xi i i jo ozna cavamo s dxi . Parcijalni diferencijal funkcije f u to cki T0 s obzirom na varijablu xi deniramo kao diferencijal funkcije jedne varijable fi denirane relacijom (3.1):
0 dxi f (T0 ) dxi (u0 ) = dfi (x0 i ) = fi (xi )dxi = fxi (T0 )dxi =

f (T0 ) dxi . xi

Denicija 3.9 Neka je funkcija f derivabilna u to cki T0 i neka je = d(T0 , T ) = Ako je

(T0 )xn + () u = f x (T0 )x1 + + fx n 1

(xi )2 + + (xn )2 .

gdje je : (0, ) R funkcija za koju vrijedi

0

lim () = 0,

tada je funkcija f diferencijabilna u to cki T0 , a izraz

(T0 )dxn df (T0 ) = fx (T0 )dx1 + + fx n 1

je totalni diferencijal (ili kra ce diferencijal) funkcije f u to cki T0 . Ako je f diferencijabilna u svakoj to cki T D tada je f diferencijabilna funkcija. Napomena 3.3 (1) Iz denicije 3.9 vidimo da za malene vrijednosti prirasta xi , i = 1, , n, prirast u mo zemo aproksimirati diferencijalom df (T0 ), (2) Iz same denicije diferencijabilnosti slijedi da je diferencijabilnost ja ce svojstvo od derivabilnosti: ako je funkcija f diferencijabilna onda je f i derivabilna, dok obratno ne mora vrijediti. (3) Funkcija f mo ze biti derivabilna u to cki T0 a da u toj to cki nije neprekidna (vidi primjer 3.9), do cim funkcija f koja je diferencijabilna u to cki T0 nu zno mora biti neprekidna u toj to cki. Naime, T T0 onda i samo onda kad xi 0 za sve i = 1, , n, odnosno, onda i samo onda kad = d(T0 , T ) 0. Zato imamo
T T0

lim u = =

xi 0,i=1, ,m xi 0,i=1, ,m

lim

u
fx (T0 )x1 + + fx (T0 )xm + lim () m 1 0

lim

= 0.

128 Medutim, je ekvivalentno s

T T0

VARIJABLI FUNKCIJE VISE

lim u = 0

odnosno, s neprekidno s cu funkcije f u to cki T0 . Primjer 3.10 Funkcija x2 y , za (x, y ) = (0, 0), f (x, y ) = x2 + y 2 0, za (x, y ) = (0, 0),

T T0

lim f (T ) = f (T0 ),

je neprekidna na D = R2 (vidi primjer 3.4 i sliku 3.23). Takoder,

fx (0, 0) = lim

00 f (x, 0) f (0, 0) = lim = 0, x 0 x 0 x x f (0, y ) f (0, 0) 00 fy (0, 0) = lim = lim = 0, y 0 y 0 y y

sto zna ci da je f derivabilna u to cki (0, 0). Medutim f nije diferencijabilna u to cki (0, 0). Naime, vrijedi x = x 0 = x, odnosno, = Zato je
0

y = y 0 = y, 0 x 0, y 0.

(x)2 + (y )2 =

x2 + y 2

lim () = lim

(0, 0)dx + f (0, 0)dy ] f (0, 0) [fx y 0 f (x, y ) f (0, 0) = lim 0 x2 y = lim 3 x0,y 0 (x2 + y 2 ) 2

Za nizove to caka ((1/n, c/n), n N) koji konvergiraju u (0, 0) za sve c R imamo 1 c c c n2 n lim 3 = 3 , 3 = lim n n 2) 2 2) 2 (1 + c (1 + c 1 c2 2 + n2 n2 sto je zavisno od c pa zaklju cujemo da lim () ne postoji i zato f nije diferencijabilna u to cki (0, 0).
0

3.7

Tangencijalna ravnina

129

Razlog radi kojeg funkcija f iz prethodnog primjera nije diferencijabilna u to cki (0, 0), premda je u toj to cki i neprekidna i derivabilna, je taj sto i f nisu neprekidne u to i parcijalne derivacije fx c ki (0 , 0). To potvrduje y slijede ci teorem kojega dajemo bez dokaza: Teorem 3.4 Ako postoji okolina K (T, ) to cke T takva da je f derivabilna , i = 1, , n neprekidne na K (T, ), te ako su sve parcijalne derivacije fx i u to cki T , onda je funkcija f diferencijabilna u to cki T . Iz svega dosad re cenog vidimo da postoji bitna razlika izmedu funkcija jedne varijable i funkcija vi se varijabla. Naime, za funkciju jedne varijable vrijedi (i) f je derivabilna u to cki x f je diferencijabilna u to cki x, f je neprekidna u

(ii) f je derivabilna (diferencijabilna) u to cki x to cki x,

do cim za funkciju f od n > 1 varijabla vrijede slijede ce implikacije: (i) f je diferencijabilna u to cki T f je derivabilna u to cki T , f je diferencijabilna u to cki

(ii) f je neprekidno derivabilna u to cki T T, (iii) f je diferencijabilna u to cki T

f je neprekidna u to cki T .

3.7

Tangencijalna ravnina

Ako je funkcija jedne varijable f : D R, D R, derivabilna (dakle diferencijabilna) u to cki x0 , onda je pravac t zadan jednad zbom t . . . y y0 = f (x0 )(x x0 ), y0 = f (x0 ) tangenta krivulje y = f (x) u to cki (x0 , y0 ). Diferencijal df (x0 ) = f (x0 )dx mo zemo interpretirati kao prirast te tangente u promatranoj to cki koji odgovara prirastu dx x nezavisne varijable (vidi sliku 3.28). Sli cno mo zemo postupiti kad imamo funkciju dviju varijabla. Neka je f : D R, D R2 . Ako je f diferencijabilna u to cki (x0 , y0 ), onda postoje

130

VARIJABLI FUNKCIJE VISE

y+ y=f(x+ x) y+dy y=f(x) dy=f(x) x

x+ x

Slika 3.28: Diferencijal funkcije jedne varijable

(x , y ) i f (x , y ), te mo zemo denirati dva pravca parcijalne derivacije fx 0 0 y 0 0 tx i ty u prostoru koji prolaze to ckom (x0 , y0 , z0 ), gdje je z0 = f (x0 , y0 ):

tx

y y0 z z0 x x0 = = , 1 0 fx (x0 , y0 ) x x0 y y0 z z0 ty = = . 0 1 fy (x0 , y0 )

Kad gledamo dvodimenzionalno, pravac tx mo zemo interpretirati kao tangentu na krivulju z = f (x, y0 ) u to cki s koordinatama (x0 , z0 ) (sve se nalazi u ravnini y y0 = 0 kao sto se vidi na Slici 3.29). Sli cno, pravac ty mo zemo interpretirati kao tangentu na krivulju z = f (x0 , y )) u to cki s koordinatama (y0 , z0 ) (sve se nalazi u ravnini x x0 = 0). Pravci tx i ty imaju vektore smjerova
sx = i + fx (x0 , y0 ) k, sy = j + fy (x0 , y0 ) k,

cno jednu ravninu Rt koja prolazi to ckom (x0 , y0 , z0 ) i ima te odreduju to vektor normale i j k (x , y ) n = sx sy = 1 0 fx 0 0 = fx (x0 , y0 ) i fy (x0 , y0 ) j + k. (x , y ) 0 1 fy 0 0 Prema tome, jednad zba ravnine Rt glasi
Rt . . . z z0 = fx (x0 , y0 )(x x0 ) + fy (x0 , y0 )(y y0 ),

z0 = f (x0 , y0 ).

Ravnina Rt je tangencijalna ravnina na plohu z = f (x, y ) u to cki (x0 , y0 , z0 ). Diferencijal (x0 , y0 )dy df (x0 , y0 ) = fx (x0 , y0 )dx + fy

3.7

Tangencijalna ravnina

131

mo zemo interpretirati kao prirast varijable z u tangencijalnoj ravnini odgovara prirastima dx i dy nezavisnih varijabli. Primjer 3.11 Za paraboloid z = 2(x 1)2 y 2 , koji je diferencijabilan u svakoj to cki, u to cki (x0 , y0 ) = (3/2, 1/2) imamo z0 = 3/4, tx y + 1/2 z + 3/4 x 3/2 = = , 1 0 2 x 3/2 y + 1/2 z + 3/4 ty = = . 0 1 1

Dakle, u zadanoj to cki normala je jednaka i j k n = 1 0 2 = 2 i 1 j + k, 0 1 1 a jednad zba tangencijalne ravnine glasi (vidi sliku 3.29) 3 1 3 Rt . . . z = 2 (x ) + 1 (y + ). 4 2 2 Napomena 3.4 Iz prethodnog izlaganja je jasno da ravninu Rt mo zemo denirati cim je funkcija f derivabilna u to cki (x0 , y0 ). Medutim, ravninu Rt ima smisla zvati tangencijalnom ravninom plohe z = f (x, y ) u to cki (x0 , y0 , z0 ) samo onda kad je f diferencijabilna u to cki (x0 , y0 ) jer tada svaki pravac u ravnini Rt kroz to cku (x0 , y0 , z0 ), a ne samo pravce tx i ty , mo zemo promatrati kao tangentu na plohu z = f (x, y ) u to cki (x0 , y0 , z0 ), Naime, bilo koji pravac u ravnini Rt kroz to cku (x0 , y0 , z0 ) razli cit od tx mo ze se dobiti kao presjek ravnine Rt i ravnine paralelne sa Oz osi y y0 = c(x x0 ), gdje je c R dana konstanta. Taj pravac ima jednad zbu tc y y0 z z0 x x0 = = . (x , y ) 1 c fx (x0 , y0 ) + cfy 0 0

S druge strane, presijek plohe z = f (x, y ) i ravnine y y0 = c(x x0 ) mo zemo promatrati kao graf funkcije jedne varijable x z = gc (x) = f (x, y0 + c(x x0 )) (sve se dakako nalazi u ravnini y y0 = c(x x0 )). Nije te sko vidjeti da je zbog diferencijabilnosti funkcije f u to cki (x0 , y0 ) funkcija gc derivabilna (x ) = f (x , y ) + cf (x , y ), te da je tangenta u to cki x0 s derivacijom gc 0 y 0 0 x 0 0 na krivulju z = gc (x) u x0 upravo pravac tc . U ovom smislu onda pravac tc promatramo i kao tangentu na plohu z = f (x, y ) u to cki (x0 , y0 , z0 ).

132

VARIJABLI FUNKCIJE VISE

z -2*(x-1)**2-y**2 -0.75-2*(x-1.5)+1*(y+0.5) 0 -2 -4

1 y

0 -1

1 -1 0 x

-2*(x-1)**2-y**2 -0.75-2*(x-1.5)+1*(y+0.5) z 0 -2 -4

1 0 -1 y

-1

1 x

Slika 3.29: Tangencijalna ravnina paraboloida z = 2(x 1)2 y 2 u to cki (2, 1, 3)

3.7

Tangencijalna ravnina

133

Primjer 3.12 Za funkciju f iz primjera 3.10 u to cki (0, 0) pravci tx , ty i ravnina Rt imaju jednad zbe tx . . . y z x = = , 1 0 0 y z x = = , ty . . . 0 1 0 Rt . . . z = 0,

ali nijedan drugi pravac u ravnini z = 0, osim pravaca tx i ty , nije tangenta plohe z = f (x, y ) u to cki (0, 0) (vidi Sliku 3.23). Naime, za dani c R pravac tc u ravnini Rt ima jednad zbu tc a za funkciju gc dobijamo gc (x) = i o cito je za c = 0
gc (0) = cx , 1+c2

x y z = = , 1 c 0

0,

za x = 0, za x = 0

c = fx (0, 0) + cfy (0, 0) = 0. 1 + c2

Zadatak 3.7 a) Odredi jednad zbu tangencijalne ravnine na plohu z = f (x, y ) u to cki (0, 0) ako je f funkcija iz primjera 3.7. b) Ispitaj neprekidnost, derivabilnost i diferencijabilnost funkcije f (x, y ) = u to cki (0, 0). c) Odredi jednad zbu tangencijalne ravnine na plohu z = arctg u to cki (0, 0). x+y 1 + xy xy
x 2 +y 2

, za (x, y ) = (0, 0), za (x, y ) = (0, 0)

0,

134

VARIJABLI FUNKCIJE VISE

3.8

Parcijalne derivacije kompozicije funkcija

Prisjetimo se formule za derivaciju kompozicije funkcija jedne varijable [g(f (x))] = g (f (x))f (x). Kad imamo funkcije vi se varijabla tada za ra cunanje parcijalnih derivacija slo zene funkcije (kompozicije funkcija) vrijedi analogno pravilo, dakako uz ne sto kompliciraniji zapis. Teorem 3.5 Neka su zadane funkcije 1 , , k : D R, f : X R, pri cemu je 1 [D] k [D] X. Tada mo zemo denirati kompoziciju F = f (1 , , k ) : D R formulom F (x1 , , xn ) = f (1 (x1 , , xn ), , k (x1 , , xn )), (x1 , , xn ) D. Ako su funkcije 1 , , k i f diferencijabilne, onda je i funkcija F takoder diferencijabilna, a njene parcijalne derivacije su dane formulom F = xi
k j =1

D Rn ,

X Rk ,

f j , uj xi

i = 1, , n,

gdje je uj = j (x1 , , xn ), j = 1, , k. Primjer 3.13 Neka su zadane diferencijabilne funkcije : D [a, b], : D [c, d], D R3 , f : [a, b] [c, d] R i neka je F (x, y, z ) = f ((x, y, z ), (x, y, z )), (x, y, z ) D. Uvedemo li oznake u = (x, y, z ) i v = (x, y, z ) onda prema prethodnom teoremu imamo
Fx = fu x + fv x , Fy = fu y + fv y , Fz = fu z + fv z .

3.9

Totalni diferencijal vi seg reda

135

Napomena 3.5 Ako je funkcija F zadana kao u teoremu 3.5, onda je njen diferencijal jednak
m

dF (x1 , , xm ) = =

i=1 m i=1 k

Fx (x1 , , xm )dxi i

k j =1

fu (u1 , , uk ) (j ) xi (x1 , , xm ) dxi j m i=1

=
j =1 k

fu (u1 , , uk ) j (u1 , , uk )duj fu j

(j ) xi (x1 , , xm )dxi

=
j =1

= df (u1 , , uk ). Zadatak 3.8 Neka su, uz oznake kao u primjeru 3.13, zadane funkcije f (u, v ) = y u2 v , (x, y, z ) = xyz i (x, y, z ) = x + cos . z
direktno i pomo cu formula iz primjera 3.13. a) Izra cunjte Fx

b) Provjerite za ovu funkciju formule iz napomene 3.5.

3.9

Totalni diferencijal vi seg reda

Denicija 3.10 Neka funkcija f ima u nekoj okolini K (T ) D sve parcijalne derivacije do uklju civo (r 1)-vog reda. Ako su sve parcijalne derivacije (r 1)-vog reda funkcije f diferencijabilne u to cki T , onda totalni diferencijal r -tog reda funkcije f u to cki T deniramo kao
n n n

dr f (T ) =
i1 =1 i2 =1

ir =1

r f (T ) dxi1 dxi2 dxir . xi1 xi2 xir

Primjer 3.14 Neka je f funkcija dviju varijabla. Pod pretpostavkom da f u nekoj okolini to cke (x, y ) ima neprekidne sve parcijalne derivacije r -tog reda, uva zavaju ci Schwarzov teorem, za r = 2 imamo
d2 f (x, y ) = fxx (x, y )dxdx + fxy (x, y )dxdy + fyx (x, y )dydx + fyy (x, y )dydy = fxx (x, y )(dx)2 + 2fxy (x, y )dxdy + fyy (x, y )(dy )2 ,

136 a za r = 3 imamo

VARIJABLI FUNKCIJE VISE

(x, y )dxdxdy (x, y )dxdxdx + fxxy d3 f (x, y ) = fxxx + fxyx (x, y )dxdydx + fxyy (x, y )dxdydy + fyxx (x, y )dydxdx + fyxy (x, y )dydxdy + fyyx (x, y )dydydx + fyyy (x, y )dydydy = fxxx (x, y )(dx)3 + 3fxxy (x, y )(dx)2 dy + 3fxyy (x, y )dx(dy )2 + fyyy (x, y )(dy )3 .

Nije te sko dokazati (na primjer indukcijom) da za bilo koji r vrijedi

r

dr f (x, y ) =
i=0

r r f (x, y ) (dx)ri (dy )i . i xri y i

Zbog o cigledne analogije sa binomnom formulom gornji izraz cesto skra ceno zapisujemo kao dr f (x, y ) = dx + dy x y
r

f (x, y ).

Zadatak 3.9 a) Odredi d2 f (0, 0) ako je f funkcija iz primjera 3.7. b) Koriste ci formulu iz primjera 3.14 odredi dr f (0, 0) za funkciju f (x, y ) = ex2y .

3.9.1

Taylorova formula

Promatrimo funkciju f : D R, D Rn , i to cke

0 0 T0 = (x0 1 , x2 , , xn ),

T = (x1 , x2 , , xn ),

iz D . Cinjenicu da je f diferencijabilna u to cki T0 mo zemo reinterpretirati na slijede ci na cin: za svaku to cku T K (T0 , ) D vrijedi
n

f (T ) = f (T0 ) +
i=1

fx (T0 )(xi x0 i ) + R1 (T ), i

pri cemu ostatak R1 (T ) ima svojstvo da te zi k nuli kad T te zi k T0 i to br ze nego T te zi k T0 , odnosno lim R1 (T ) = 0, = d(T, T0 ) =
n i=1 2 (xi x0 i) .

T T0

3.9

Totalni diferencijal vi seg reda

137

Prakti cna korist od gornje interpretacije je slijede ci zaklju cak: ako je to cka T blizu to cki T0 tj. ako je malen onda je veli cina R1 (T ) zanemarivo malena pa se vrijednost funkcije f u to cki T mo ze ra cunati kori stenjem pribli zne jednakosti
n

f (T ) f (T0 ) +

i=1

fx (T0 )(xi x0 i ). i

Desnu stranu u gornjoj pribli znoj jednakosti je jednostavno ra cunati ako zelimo imati prisu poznate vrijednosti f (T0 ) i fxi (T0 ), i = 1, , n. Ako bli znu jednakost sa ve cim stupnjem to cnosti onda u ra cun moramo ubaciti i vrijednosti parcijalnih derivacija vi sih redova funkcije f u to cki T0 . Koriste ci Taylorovu formulu za realne funkcije jedne varijable te formulu za deriviranje kompozicije funkcija vi se varijabla lako se dobije Taylorova formula za funkcije vi se varijabla. Taj rezultat ovdje iskazujemo bez dokaza: Teorem 3.6 Ako funkcija f ima u nekoj okolini K (T0 , ) D neprekidne parcijalne derivacije do uklju civo (m + 1)-vog reda, m N {0}, onda za svaku to cku T K (T0 , ) vrijedi Taylorova formula
m

f (T ) = f (T0 ) +
r =1

1 r!

n i=1

(xi

x0 i)

xi

f (T0 ) + Rm (T ).

Ovdje je (1 )m+1p Rm (T ) = m! p
n i=1

(xi

x0 i)

xi

m+1

f (T )

za neki unaprijed zadani p N, a 0 < < 1 zavisi od to cke T i odreduje to cku 0 0 0 T = (x0 1 + (x1 x1 ), , xn + (xn xn )) koja se nalazi izmedu to caka T0 i T . Napomena 3.6 1) Izraz kojim je dan ostatak Rn (T ) u iskazu teorema 3.6 je takozvani Schl omlichov oblik ostatka. Za p = 1 dobivamo Cauchyjev oblik ostatka, a za p = m + 1 dobivamo Lagrangeov oblik ostatka koji je najjednostavniji i naj ce s ce kori sten. Takoder nije te sko pokazati da vrijedi lim Rm (T ) = 0, m = d(T, T0 ) =
n i=1 2 (xi x0 i) ,

T T0

138

VARIJABLI FUNKCIJE VISE

sto se u literaturi (naro cito u numeri ckoj analizi) simboli cki zapisuje kao Rm (T ) = O(m ) (ovakav zapis zovemo Peannov oblik ostatka). Posebno za m = 0 tvrdnja u teoremu 3.6 svodi se prakti cno na uvodnu interpretaciju diferencijabilnosti funkcije f u to cki T0 . 2) Ako su uvjeti teorema 3.6 ispunjeni za svako m N {0} i ako je
m

lim Rm (T ) = 0,

T K (T0 , ),

onda grani cnim prijelazom iz Taylorove formule dobivamo razvoj funkcije u Taylorov red oko to cke T0 koji glasi f (T ) = f (T0 ) +
r =1

1 r!

n i=1

(xi

x0 i)

xi

f (T0 ).

U slu caju kad je T0 = (0, , 0) Taylorova formula (red) zove se Maclaurinova formula (red). Primjer 3.15 U ovom jednostavnom primjeru izra cunat cemo razvoj funkcije f (x, y ) = ex+y u Taylorov red u okolini to cke T0 = (1, 1). Zadana funkcija ima u svakoj to cki ravnine R2 parcijalne derivacije proizvoljno visokog reda. Sve te derivacije su jednake polaznoj funkciji pa su ujedno i neprekidne. Dakle, dk f (1, 1) = =
i=0 k

dx + dy x y
k

f (1, 1)

k k f (1, 1) ki i dx dy i xki y i k 1 dxki dy i = (dx + dy )k i

=
i=0

= [(x 1) + (y + 1)]k = (x + y )k . Ukoliko poka zemo da Rk (x, y ) 0 u svakoj to cki (x, y ) R2 , tada razvoj u Taylorov red zadane funkcije glasi ex+y =
k =0

(x + y )k . k!

(3.2)

3.10 Ekstremi funkcija vi se varijabla

139

Zaista, za Lagrangeov oblik ostatka imamo |Rk (x, y )| 1 |x + y |k+1 , (k + 1)!

pa je limk |Rk (x, y )| = 0 (vidi Matematiku 1) i formula (3.2) vrijedi za svaki (x, y ) R2 . U ovom slu caju smo red (3.2) mogli dobiti i direktno iz Maclaurinovog xn koji konvergira za svaki x R razvoja funkcije jedne varijable ex = n=0 n! pomo cu formalne zamjene x x + y .

3.10

Ekstremi funkcija vi se varijabla

Denicija 3.11 Funkcija f ima u to cki T0 lokalni minimum (maksimum) ako postoji okolina K (T0 , ) D takva da za sve T K (T0 , ) \ {T0 } vrijedi f (T ) > f (T0 ) (f (T ) < f (T0 )). To cke lokalnih minimuma i to cke lokalnih maksimuma funkcije f zajedni ckim imenom zovemo to ckama lokalnih ekstrema funkcije f . Kao i kod funkcija jedne varijable, ukoliko je funkcija f vi se varijabla neprekidna te barem dvaput derivabilna u nekoj okolini promatrane to cke T0 , mo zemo dati nu zne i dovoljne uvjete da bi f imala lokalni ekstrem u T0 izra zene pomo cu vrijednosti parcijalnih derivacija od f u promatranoj to cki. Ti su uvjeti analogni onima za funkcije jedne varijable, ali dakako ne sto slo zenije izra zeni. Teorem 3.7 (Nu zan uvjet ekstrema) Neka funkcija f ima lokalni ekstrem u to cki T0 . Ako postoji parcijalna derivacija od f po varijabli xi u to cki T0 , onda je nu zno fx (T0 ) = 0. i Dokaz. Ako funkcija f ima lokalni ekstrem u to cki T0 , onda za ksirani i i funkcija jedne varijable fi : Di R denirana s
0 0 0 fi (x) = f (x0 1 , , xi1 , x, xi+1 , , xn ),

x Di ,

0 0 0 cki x0 gdje je Di = {x R | (x0 1 , , xi1 , x, xi+1 , , xn ) D }, ima u to i lokalni ekstrem. Ako za neki indeks i postoji parcijalna derivacija od f po varijabli xi u to cki T0 onda je u stvari fx (T0 ) = fi (x0 i ). i

140

VARIJABLI FUNKCIJE VISE

Kako nu zan uvjet ekstrema za funkcije jedne varijable povla ci fi (x0 i ) = 0, zaklju cujemo da mora biti fxi (T0 ) = 0.

Napomena 3.7 Neka je funkcija f kao u iskazu teorema 3.7. Ako je f diferencijabilna u to cki T0 onda se nu zan uvjet da bi f imala lokalni ekstrem u to cki T0 , (T0 ) = 0, i = 1, , n, fx i mo ze ekvivalentno iskazati kori stenjem diferencijala kao df (T0 ) = 0. Kao sto cemo vidjeti, ovaj uvjet je nu zan ali ne i dovoljan. Ina ce, ako je funkcija f diferencijabilna u to cki T0 i pri tom je df (T0 ) = 0 onda ka zemo da je T0 stacionarna to cka funkcije f . U slu caju funkcije dviju varijabla (n = 2) stacionarnu to cku (x0 , y0 ) funkcije f geometrijski mo zemo interpretirati kao to cku u kojoj je tangencijalna ravnina na plohu z = f (x, y ) paralelna sa xOy koordinatnom ravninom. Naime, jednad zba tangencijalne ravnine (vidi poglavlje 3.7) u stacionarnoj to cki (x0 , y0 ) glasi z = z0 , z0 = f (x0 , y0 ).

Primjer 3.16 a) To cka (1, 2) je stacionarna to cka funkcije f (x, y ) = x2 + 2x + y 2 4y + 3, (x, y ) R2

jer je ta funkcija beskona cno puta diferencijabilna s parcijalnim derivacijama prvog reda
fx (x, y ) = 2x + 2, fy (x, y ) = 2y 4

(1, 2) = 0 i f (1, 2) = 0. Nadalje to i o cito je fx cka (1, 2) je i to cka y 2 lokalnog minimuma (u stvari to cka globalnog minimuma na R ) za ovu funkciju jer je

f (x, y ) = (x + 1)2 + (y 2)2 2 > 2 = f (1, 2),

(x, y ) = (1, 2).

Jednad zba tangencijalne ravnine na plohu z = x2 + 2x + y 2 4y + 3 u to cki (1, 2) glasi z = 2 (vidi sliku 3.30). b) Funkcija f (x, y ) = xy, (x, y ) R2

3.10 Ekstremi funkcija vi se varijabla

141

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 3.30: Lokalni minimum

je beskona cno puta diferencijabilna, a parcijalne derivacije prvog reda su joj fx (x, y ) = y, fy (x, y ) = x.
(0, 0) = 0 i f (0, 0) = 0, pa je to cka (0, 0) stacionarna to cka za O cito je fx y ovu funkciju. Medutim to cka (0, 0) nije to cka lokalnog ekstrema funkcije f . Naime, u svakoj okolini to cke (0, 0) postoje to cke oblika (t, t), t = 0, u kojima je f (t, t) = t2 > 0 = f (0, 0),

ali isto tako i to cke oblika (t, t), t = 0 u kojima je f (t, t) = t2 < 0 = f (0, 0). Stoga zaklju cujemo da (0, 0) nije ni to cka lokalnog maksimuma ni to cka lokalnog minimuma. To cku (0, 0) zovemo sedlastom to ckom plohe z = xy . Jednad zba tangencijalne ravnine na plohu z = xy u to cki (0, 0) glasi z = 0 (vidi sliku 3.31). c) Funkcija f (x, y ) = 1 x2 2x |y 2|, (x, y ) D = R2

ima u to cki (1, 2) lokalni maksimum (u stvari globalni maksimum na D) jer je f (x, y ) = 2 (x + 1)2 |y 2| < 2 = f (1, 2), (x, y ) = (1, 2).

142

VARIJABLI FUNKCIJE VISE

x*y 0

2 0 -2 2 0 -2 x 0 2 -2 y

Slika 3.31: Sedlasta to cka

cku (1, 2) ne mo zemo nazvati stacionarnom to ckom od f u Medutim to smislu napomene 3.7 jer f nije diferencijabilna u toj to cki. Naime, lako (1, 2) = 0 ali i da f (1, 2) ne postoji. Prema tome, se vidi da je fx y tangencijalna ravnina na plohu z = 1 x2 2x |y 2| u to cki (1, 2) ne postoji (vidi sliku 3.32).

Kako smo vidjeli u gornjem primjeru stacionarnost neke to cke nije dovoljan uvjet da bi ta to cka bila to cka lokalnog ekstrema. Da bi mogli dati primjenjive dovoljne uvjete moramo, kao i u slu caju funkcija jedne varijable, koristiti derivacije vi sih redova. Iz denicije 3.11 je vidljivo da je T0 to cka lokalnog ekstrema funkcije f ako i samo ako je razlika f (T ) f (T0 ) stalnog predznaka u nekoj okolini K (T0 , ) to cke T0 . Za ocjenu predznaka te razlike najprikladnije je upotrijebiti Taylorovu formulu danu u teoremu 3.6 i to sa n = 1 ( sto zna ci kori stenje parcijalnih derivacija od f do uklju civo drugog reda) koja se dodatno pojednostavnjuje uva zavanjem nu znog uvjeta df (T0 ) = 0. Dakle, uz pretpostavku da je f funkcija od n varijabla koja u nekoj 0 okolini K (T0 , ) D stacionarne to cke T0 = (x0 1 , , xn ) ima neprekidne parcijalne derivacije do uklju civo drugog reda, primjenom Taylorove formule s Lagrangeovim oblikom ostatka R1 (T ) dobivamo da za svaku to cku T =

3.10 Ekstremi funkcija vi se varijabla

143

2 0 -2

1-x**2-2*x-abs(y-2) 1.5 1 0

-2

4 x 0 2 2 0 y

Slika 3.32: Lokalni maksimum u nestacionarnoj to cki

(x1 , , xn ) K (T0 , ) vrijedi 1 f (T ) f (T0 ) = 2

n i=1

(xi x0 i)

xi

f (T ).

U daljnjoj analizi klju cno je uo citi da se, zbog pretpostavljene neprekidnosti svih parcijalnih derivacija drugog reda funkcije f , ostatak 1 R1 (T ) = 2 i veli cina 1 (T ) = 1 R 2
n i=1

(xi

x0 i)

xi

f (T )

n i=1

(xi x0 i)

xi

f (T0 )

vrlo malo razlikuju cim je to cka T dovoljno blizu to cki T0 , odnosno, cim je d(T0 , T ) dovoljno maleno. Posljedica toga su slijede ca cetiri zaklju cka: 1 (T ) > 0 za sve T K (T0 , ) \{T0 } onda f u to a) Ako je R cki T0 ima lokalni minimum. 1 (T ) < 0 za sve T K (T0 , ) \{T0 } onda f u to b) Ako je R cki T0 ima lokalni maksimum.

144

VARIJABLI FUNKCIJE VISE

1 (T ) mijenja predznak na K (T0 , )\{T0 }, odnosno ako je R 1 (T ) > 0 c) Ako R u nekim to ckama T K (T0 , ) \ {T0 } i R1 (T ) < 0 u nekim to ckama T K (T0 , ) \ {T0 }, onda f u to cki T0 nema lokalni ekstrem (ka zemo da je T0 sedlasta to cka od f ). 1 (T ) 0 za sve T K (T0 , ) \ {T0 } i ako postoji to d) Ako je R cka T = T0 u kojoj je R1 (T ) = 0, ili ako je R1 (T ) 0 za sve T K (T0 , ) \ {T0 } i 1 (T ) = 0, onda ne mo postoji to cka T = T0 u kojoj je R zemo bez daljnje analize odgovoriti da li je to cka T0 to cka lokalnog ekstrema funkcije f ili nije. Interesantno je da nastupanje bilo kojeg od gore navedenih cetiriju slu cajeva zavisi isklju civo o vrijednostima parcijalnih derivacija drugog reda funkcije f u promatranoj to cki T0 . Naime vrijedi slijede ci teorem: Teorem 3.8 (Dovoljni uvjeti ekstrema) Neka funkcija f u nekoj okolini K (T0 , ) D stacionarne to cke T0 ima neprekidne parcijalne derivacije do uklju civo drugog reda. Uvedimo oznake
(T0 ), Aij = fx i xj

i, j = 1, 2, , n

i denirajmo veli cine r , r = 1, 2, , n formulama 1 = A11 , A11 .. . r = . . . Ar1 A1r . . . , Arr r = 2, , n.

Tada vrijedi: a) ako je r > 0 za sve indekse r , onda f u to cki T0 ima lokalni minimum; b) ako je r < 0 za sve neparne indekse r i r > 0 za sve parne indekse r , onda f u to cki T0 ima lokalni maksimum; c) ako je r < 0 za barem jedan paran indeks r ili ako postoje dva neparna cki T0 nema indeksa r i r takva da je r > 0 i r < 0, onda f u to lokalni ekstrem; 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 , onda f mo ze ali i ne mora imati lokalni ekstrem u to cki T0 .

3.10 Ekstremi funkcija vi se varijabla

145

Napomena 3.8 a) Treba uo citi da za brojeve Aij iz iskaza teorema 3.8 vrijedi Aji = Aij (Schwarzov teorem), odnosno da je matrica A = (Aij ) simetri cna. Dokaz samog teorema osniva se na na nu znim i dovoljnim uvjetima uz koje je kvadratna forma denirana simetri cnom matricom A pozitivno ili negativno denitna (semidenitna) ili indenitna te ga izostavljamo. b) U posebnom slu caju za funkciju dviju varijabla koja u nekoj okolini K (T0 , ) D stacionarne to cke T0 = (x0 , y0 ) ima neprekidne parcijalne derivacije do uklju civo drugog reda imamo:
(x0 , y0 ), A11 = fxx A12 = A21 = fxy (x0 , y0 ), A22 = fyy (x0 , y0 )

i 1 = A11 , 2 = A11 A22 A2 12 . Tvrdnje teorema 3.8 svode se na slijede ca cetiri slu caja: (1) ako je 1 > 0 i 2 > 0, onda funkcija f u to cki (x0 , y0 ) ima lokalni minimum, (2) ako je 1 < 0 i 2 > 0, onda funkcija f u to cki (x0 , y0 ) ima lokalni maksimum, (3) ako je 2 < 0, onda f u to cki (x0 , y0 ) nema lokalni ekstrem, (4) ako je 2 = 0 onda f u to cki (x0 , y0 ) mo ze ali i ne mora imati lokalni ekstrem. Primjer 3.17 a) Za funkciju iz primjera 3.16 a) f (x, y ) = x2 + 2x + y 2 4y + 3, (x, y ) R2

jedina stacionarna to cka je (1, 2). Parcijalne derivacije drugog reda od f su konstantne funkcije,
fxx (x, y ) = 2, fxy (x, y ) = fyx (x, y ) = 0, fyy (x, y ) = 2,

pa u to cki (1, 2) imamo 1 = 2 > 0, 2 = 2 0 = 4 > 0. 0 2

Po teoremu 3.8 a) zaklju cujemo da funkcija f u to cki (1, 2) ima lokalni minimum.

146 b) Za funkciju iz primjera 3.16 b) f (x, y ) = xy,

VARIJABLI FUNKCIJE VISE

(x, y ) R2

jedina stacionarna to cka je (0, 0). Parcijalne derivacije drugog reda od f su konstantne funkcije
fxx (x, y ) = 0, fxy (x, y ) = fyx (x, y ) = 1, fyy (x, y ) = 0,

pa u to cki (0, 0) imamo 1 = 0, 2 = 0 1 = 1 < 0. 1 0

Po teoremu 3.8 c) zaklju cujemo da funkcija f u to cki (0, 0) nema lokalni ekstrem. c) Funkcija iz primjera 3.16 c) f (x, y ) = 1 x2 2x |y 2|, (x, y ) R2

ima u to cki (1, 2) lokalni maksimum, ali taj zaklju cak ne mo zemo dobiti primjenom teorema 3.8 jer f ne udovoljava pretpostavkama tog teorema (nema neprekidne sve parcijalne derivacije drugog reda). d) Funkcija triju varijabla f (x, y, z ) = 2x2 y 2 3z 2 , (x, y, z ) R3

je beskona cno puta diferencijabilna, a parcijalne derivacije prvog reda su joj fx (x, y, z ) = 4x,
fy (x, y, z ) = 2y, fz (x, y, z ) = 6z.

O cito je (0, 0, 0) jedina stacionarna to cka funkcije f . Parcijalne derivacije drugog reda funkcije f su konstantne (po Schwarzovom teoremu dovoljno ih i gledati samo sest)
fxx = 4, fxy = fxz = 0, fyy = 2, fyz = 0, fzz = 6,

pa u to cki (0, 0, 0) imamo 1 = 4 < 0, 2 = 4 0 = 8 > 0, 0 2 4 0 0 0 2 0 = 48 < 0. 0 0 6

3 =

3.10 Ekstremi funkcija vi se varijabla

147

Po teoremu 3.8 b) zaklju cujemo da funkcija f ima u to cki (0, 0, 0) lokalni maksimum. e) Sli cno kao u prethodnom primjeru, funkcija triju varijabla f (x, y, z ) = 2x2 + y 2 3z 2 , (x, y, z ) R3

je beskona cno puta diferencijabilna, a parcijalne derivacije prvog reda su joj fx (x, y, z ) = 4x,
fy (x, y, z ) = 2y, fz (x, y, z ) = 6z.

Opet je (0, 0, 0) jedina stacionarna to cka od f , a parcijalne derivacije drugog reda su sada
= 4, fxx fxy = fxz = 0, fyy = 2, fyz = 0, fzz = 6.

U to cki (0, 0, 0) imamo 1 = 4 > 0, 4 0 = 8 > 0, 0 2

2 =

4 0 0 3 = 0 2 0 = 48 < 0, 0 0 6 pa po teoremu 3.8 c) zaklju cujemo da funkcija f u to cki (0, 0, 0) nema lokalni ekstrem. f) Da bi ilustrirali zaklju cak d) iz teorema 3.8 pogledajmo slijede ce dvije funkcije triju varijabla f (x, y, z ) = x2 + y 2 + z 4 , g(x, y, z ) = x2 + y 2 + z 3 , (x, y, z ) R3 . (x, y, z ) = (0, 0, 0).

To cka (0, 0, 0) je to cka lokalnog minimuma funkcije f jer je o cito f (x, y, z ) = x2 + y 2 + z 4 > 0 = f (0, 0, 0),

Nadalje to cka (0, 0, 0) nije to cka lokalnog ekstrema funkcije g sto odmah slijedi iz slijede cih dviju nejednakosti g(0, 0, t) = t3 > 0 = g(0, 0, 0), g(0, 0, t) = t3 < 0 = g(0, 0, 0), t > 0.

148

VARIJABLI FUNKCIJE VISE

S druge strane to cka (0, 0, 0) je jedina stacionarna to cka i od f i od g, sto se lako provjeri, Jednostavnim ra cunom parcijalnih derivacija drugog reda u to cki(0, 0, 0) za obje funkcije dobivamo 1 = 2 > 0, 2 0 = 4 > 0, 2 = 0 2 2 0 0 3 = 0 2 0 = 0, 0 0 0

odnosno radi se o slu caju d) iz teorema 3.8

3.11

Implicitno zadane funkcije

U Matematici 1 smo ve c govorili o tome kako jednad zbu oblika F (x, y ) = 0, gdje je F : D R, D R2 , neka funkcija dviju varijabla, mo zemo interpretirati i kao jednad zbu kojom je implicitno zadana neka funkcija jedne varijable y = f (x), x I R. Jednad zbi F (x, y ) = 0 prirodno pridru zujemo skup S R2 deniran s S = {(x, y ) D | F (x, y ) = 0} i u pravilu ga poistovje cujemo sa samom jednad zbom kojoj je pridru zen. Denicija 3.12 Za funkciju jedne varijable f : I R, gdje je I R (obi cno je I interval ili unija intervala u R), za koju vrijedi F (x, f (x)) = 0, x I

ka zemo da je implicitno zadana jednad zbom F (x, y ) = 0. Ovo iskazujemo i ekvivalentnim zahtjevom da je graf f funkcije f sadr zan u skupu S , odnosno f = {(x, f (x)) | x I } S. Ova denicija zahtijeva dva komentara koja dajemo u slijede ce dvije napomene, zajedno s jednostavnim primjerima Napomena 3.9 Ako je funkciju f : I R I R implicitno zadana jednad zbom F (x, y ) = 0 onda je prema Deniciji 3.12 i svaka restrikcija f : I R, I I od f implicitno zadana istom tom jednad zbom. Dakle,

3.11 Implicitno zadane funkcije

149

F (x, y ) = 0 u pravilu promatramo kao jednad zbo kojom je implicitno zadana ne jedna ve c vi se funkcija jedne varijable, a dijelovi od S su grafovi tih funkcija. Naravno, od interesa je slu caj kada postoji to cno jedna osnovna funkcija f koja je implicitno zadana tom jednad zbom i ciji se graf podudara sa citavim skupom S , f = S . Takvu funkciju f dakako nije uvijek mogu ce na ci. Primjer 3.18 a) Ako je funkcija f zadana eksplicitno formulom y = f (x), x I R,

onda je mo zemo shvatiti i kao funkciju koja je implicitno zadana jednad zbom F (x, y ) y f (x) = 0, pri cemu je domena od F skup D = I R, a skup S je upravo graf f zadane funkcije f . b) Kako je dobro poznato, jednad zbu x2 + y 2 1 = 0 obi cno zovemo implicitnom jednad zbom kru znice sa sredi stem u ishodi stu (0, 0) i polumjerom 1. Jasno je da je mo zemo shvatiti i kao jednad zbu oblika F (x, y ) = 0 kojom je implicitno zadana neka funkcija jedne varijable x. U ovom slu caju je F (x, y ) = x2 + y 2 1 denirana na D = R2 , a pridru zeni skup S sastoji se od to caka (x, y ) ravnine koje su od ishodi sta (0, 0) udaljene za 1. Kad tu jednad zbu razrije simo po varijabli y kao nepoznanici dobivamo y = 1 x2 , odnosno y nije jednozna cno odreden. Zaklju cujemo da ne postoji jedna osnovna funkcija f ciji se graf podudara sa S . U stvari, jednad zbu x2 + 2 y 1 = 0 obi cno interpretiramo kao jednad zbu kojom su implicitno zadane slijede ce dvije osnovne funkcije (vidi Sliku 3.33) f (x) = 1 x2 , f + (x) = 1 x2 , x I = [1, 1].

Jasno je da je na primjer i funkcija (vidi Sliku 3.34) 2 1 x , za x [1, 0.5) f (x) = 1 x2 , za x [0.5, 1] zbom x2 + y 2 1 = 0. takoder implicitno zadana jednad

150

VARIJABLI FUNKCIJE VISE

sqrt(1-x**2) -sqrt(1-x**2)

Slika 3.33: Implicitno zadana kru znica

Slika 3.34: Implicitno zadana funkcija izvedena iz kru znice

3.11 Implicitno zadane funkcije

151

Napomena 3.10 Prema deniciji 3.12, jednad zbu F (x, y ) = 0 interprecemu varijablu x tiramo kao implicitnu vezu izmedu varijabla x i y , pri tretiramo kao nezavisnu, a varijablu y kao zavisnu. Naravno da je ponekad zgodno zamijeniti takve uloge varijabla x i y . Primjer 3.19 a) Jednad zbu x+2=0 cesto interpretiramo kao jednad zbu pravca u ravnini koji prolazi to ckom (2, 0) na osi Ox i paralelan je sa osi Oy . Jasno je da u toj jednad zbi varijablu y ne mo zemo tretirati kao zavisnu jer se ona u njoj ne pojavzbu mo zemo interpretirati kao jednad zbu oblika ljuje. Medutim tu jednad 2 F (x, y ) = 0 sa F (x, y ) = x + 2, (x, y ) R , u kojoj varijablu y tretiramo kao nezavisnu. Stoga je tom jednad zbom implicitno zadana konstantna funkcija x = f (y ) = 2, y I = R. b) Jednad zbu x + y2 = 0 obi cno nazivamo implicitnom jednad zbom parabole. Tu je F (x, y ) = x + y 2 denirana na D = R2 . Ako u toj jednad zbi varijablu x interpretiramo kao nezavisnu onda su njom implicitno zadane dvije osnovne funkcije ciji grafovi su dijelovi skupa S pridru zenog jednad zbi (vidi Sliku 3.35). To su funkcije y = f (x) = x, y = f + (x) = x, x I = (, 0].

sqrt(-x) -sqrt(-x)

Slika 3.35: Implicitno zadana parabola

152

VARIJABLI FUNKCIJE VISE

S druge strane zgodnije je varijablu y interpretirati kao nezavisnu jer se onda x + y 2 = 0 mo ze interpretirati kao jednad zba kojom je implicitno zadana jedna osnovne funkcija x = f (y ) = y 2 , y I = R,

ciji graf se podudara sa skupom S pridru zenim toj jednad zbi. Deniciju 3.12 na prirodan na cin poop cavamo na slu caj implicitne veze (n + 1)-ne varijable (n 1): Denicija 3.13 Neka je F : X R funkcija od (n + 1)-ne varijable denirana na X Rn+1 i neka je skup S Rn+1 deniran kao S = {(x1 , , xn , xn+1 ) X | F (x1 , , xn , xn+1 ) = 0}. Za bilo koju funkciju f : D R od n varijabla koja je denirana na D Rn i za koju vrijedi F (x1 , , xn , f (x1 , , xn )) = 0, ka zemo da je implicitno zadana jednad zbom F (x1 , , xn , xn+1 ) = 0. Ovo iskazujemo i ekvivalentnim zahtjevom da je graf f funkcije f sadr zan u skupu S : f = {(x1 , , xn , f (x1 , , xn )) | (x1 , , xn ) D} S. Napomena 3.11 Primjedbe sli cne onima u napomeni 3.9 mogu se dati i uz Deniciju 3.13. Dakle, jednad zbu F (x1 , , xn , xn+1 ) = 0 uvijek promatramo kao jednad zbu kojom mo ze biti implicitno zadano vi se funkcija od n varijabla pri cemu varijablu xn+1 tretiramo kao zavisnu a x1 , , xn kao nezavisne varijable. Jasno je da i ovdje po potrebi mo zemo zamijeniti uloge varijabla tj. bilo koju od varijabla, recimo varijablu xi , tretirati kao zavisnu a preostale varijable x1 , , xi1 , xi+1 , , xn+1 kao caju veze triju varijabla (n = 2) umjesto x1 , x2 i nezavisne. Takoder, u slu x3 koristimo uobi cajene oznake x, y i z . (x1 , , xn ) D

3.11 Implicitno zadane funkcije

153

Primjer 3.20 a) Jednad zbom x2 + y 2 z 2 = 0 implicitno su zadana dva kru zna sto sca, oba s vrhom u ishodi stu (0, 0, 0), jednom je os simetrije negativna Oz poluos, a drugomu pozitivna Oz poluos (vidi sliku 3.20). Naime, ovdje je F (x, y, z ) = x2 + y 2 z 2 denirana na X = R3 , pa ako varijablu z tretiramo kao zavisnu onda su gornjom jednad zbom implicitno zadane dvije osnovne funkcije dviju nezavisnih varijabla x i y : z = f (x, y ) = x2 + y 2 , z = f + (x, y ) = x2 + y 2 , (x, y ) R2 .

Ako bi na primjer u gornjoj jednad zbi varijablu y tretirali kao zavisnu onda su tom jednad zbom implicitno zadane slijede ce dvije osnovne funkcije dviju nezavisnih varijabla x i z y = f (x, z ) = i y = f + (x, z ) = z 2 x2 , (x, z ) D = {(x, z ) R2 | |z | |x|}. z 2 x2 , (x, z ) D = {(x, z ) R2 | |z | |x|}

Kako izgledaju grafovi ovih funkcija mo zemo vidjeti na slici 3.36.

u, sqrt(v**2-u**2), v u, -sqrt(v**2-u**2), v

3 0 -3

-4

-2 x 0 2

-4

-2

2 y

Slika 3.36: Implicitno zadan sto zac

154 b) U jednad zbi

VARIJABLI FUNKCIJE VISE

x + y 2 + 2y + z 2 = 0 je F (x, y, z ) = x + y 2 + 2y + z 2 denirana na X = R3 . Najjednostavnije je varijablu x tretirati kao zavisnu jer je u tom slu caju ovom jednad zbom implicitno zadana to cno jedna osnovna funkcija dviju nezavisnih varijabla yiz x = f (y, z ) = y 2 2y z 2 , (y, z ) R2 . U stvari se ova jednad zba mo ze ekvivalentno zapisati kao x 1 = (y + 1)2 z 2 iz cega se vidi da je to jednad zba kru znog paraboloida s vrhom u to cki (1, 1, 0) okrenutog u smjeru negativne Ox poluosi (parboloid je sli can onome na slici 3.16 uz pomaknuti vrh). Kako smo u prethodnom izlaganju vidjeli, jednad zbu oblika F (x1 , , xm , xm+1 ) = 0 interpretiramo kao implicitnu vezu izmedu (n + 1)-ne varijable kojom jedna od varijabla, na primjer xn+1 , mo ze biti zadana kao funkcija preostalih n sta o tome koji su dovoljni uvjeti da bi varijabla. Medutim nismo rekli ni takva eksplicitna veza xn+1 = f (x1 , , xn ) sta o svojstvima funkcije f implicitno zapostojala. Takoder nismo rekli ni dane gornjom jednad zbom. Odgovore na ta pitanja daje slijede ci teorem:

Teorem 3.9 Neka je F : X R funkcija od (n + 1)-ne varijable denirana na otvorenom skupu X Rn+1 koja ima neprekidne parcijalne derivacije Fx i na X po svim varijablama xi , i = 1, , n + 1 (dakle, F je diferencijabilna 0 0 cka iz u svim to ckama iz X ). Dalje, neka je T0 = (x0 1 , , xn , xn+1 ) X to X za koju vrijedi
0 0 F (x0 1 , , xn , xn+1 ) = 0, 0 0 Fx (x0 1 , , xn , xn+1 ) = 0. n+1

Tada vrijedi:
0 (i) Postoji okolina D Rn to cke (x0 1 , , xn ) i samo jedna funkcija f : D R za koju vrijedi 0 0 x0 n+1 = f (x1 , , xn )

i F (x1 , , xn , f (x1 , , xn )) = 0, (x1 , , xn ) D .

3.11 Implicitno zadane funkcije

155

na D po svim va(ii) Funkcija f ima neprekidne parcijalne derivacije fx i rijablama xi , i = 1, , n, te u svakoj to cki (x1 , , xn ) D vrijede formule fx (x1 , , xn ) = i (x , , x , x Fx 1 n n+1 ) i , Fxn+1 (x1 , , xn , xn+1 )

i = 1, , n,

gdje je xn+1 = f (x1 , , xn ). Napomena 3.12 a) Kad imamo implicitnu vezu dviju varijabla F (x, y ) = 0 deniranu pomo cu funkcije F : X R koja na X R2 ima nepre i F , teorem 3.9 ka ze da ce za svaku to cku kidne parcijalne derivacije Fx y (x0 , y0 ) X u kojoj vrijedi F (x0 , y0 ) = 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, y ) = 0 i koja je neprekidno derivabilna na D. Derivacija f (x) u bilo kojoj to cki x D je odredena s f (x) =
(x, y ) Fx , (x, y ) Fy

F (x, y ) = 0.

b) U slu caju implicitne veze triju varijabla F (x, y, z ) = 0 denirane pomo cu funkcije F : X R koja na X R3 ima neprekidne , F i F , teorem 3.9 ka ze da ce za svaku to cku parcijalne derivacije Fx z y (x0 , y0 , z0 ) X u kojoj je F (x0 , y0 , z0 ) = 0,
Fz (x0 , y0 , z0 ) = 0

postojati okolina D R2 to cke (x0 , y0 ) i samo jedna funkcija f : D R koja je implicitno zadana sa F (x, y, z ) = 0 i koja ima neprekidne parci i f na D . Vrijednosti parcijalnih derivacija f (x, y ) i jalne derivacije fx x y cki (x, y ) D su odredene s fy (x, y ) u bilo kojoj to
(x, y, z ) Fx , (x, y, z ) Fz (x, y, z ) Fy , fy (x, y ) = Fz (x, y, z ) F (x, y, z ) = 0. fx (x, y ) =

156

VARIJABLI FUNKCIJE VISE

Primjer 3.21 a) U primjeru 3.19 b) smo vidjeli da su jednad zbom x + y2 = 0 implicitno zadane dvije osnovne funkcije nezavisne varijable x x I = (, 0]. y = f (x) = x, y = f + (x) = x, Ovdje je F (x, y ) = x + y 2 denirana i neprekidno derivabilna na X = R2 te su joj parcijalne derivacije dane formulama
Fx (x, y ) = 1, Fy (x, y ) = 2y.

U to cki (4, 2) imamo F (4, 2) = 0,

Fx (4, 2) = 1, Fy (4, 2) = 4.

Dakle pretpostavke teorema 3.9 su ispunjene i zato mora postojati okolina D R od 4 i samo jedna derivabilna funkcija f : D R implicitno zadana jednad zbom x + y 2 = 0. O cito, to je funkcija f . Medutim, tu funkciju ne mo zemo gledati na citavom I = (, 0] ve c samo na podskupu D = (, 0), jer u to cki 0 nije derivabilna. Dakle x D = (, 0), f (x) = x, Da bi izra cunali na primjer f (4) ne treba nam eksplicitni izraz za f (x) ve c imamo F (4, 2) 1 1 f (4) = x = . = Fy (4, 2) 4 4 U ovom slu caju gornji ra cun mo zemo provjeriti koriste ci eksplicitni izraz 1 f (x) = , 2 x x D = (, 0),

Jasno je da op cenito takvu provjeru ne cemo mo ci napraviti jer ne cemo imati funkciju f eksplicitno zadanu ve c cemo samo znati da postoji!. Uo cimo jo s da i to cka (0, 0) zadovoljava F (0, 0) = 0, ali teorem 3.9 u toj (0, 0) = 0. to cki nije primjenjiv jer je Fy b) Promotrimo jednad zbu xyz exyz = 0 kao implicitnu vezu triju varijabla. Zbog o cite simetrije svejedno je koju varijablu tretiramo kao zavisnu pa uzmimo da je to varijabla z . Imamo F (x, y, z ) = xyz exyz , (x, y, z ) X = R3

3.11 Implicitno zadane funkcije

157

i u svim to ckama (x, y, z ) X vrijedi

Fx (x, y, z ) = 1 + exyz yz, Fy (x, y, z ) = 1 + exyz xz, Fz (x, y, z ) = 1 + exyz xy.

Kako je 1 + exyz > 1, imamo

(x, y, z ) = 1 + exyz xy = 0 Fz

(x, y, z ) X, x = 0 y = 0.

Prema tome, teorem 3.9 mo zemo primijeniti u svakoj to cki (x, y, z ) X u kojoj je zadovoljena po cetna jednad zba i za koju je x = 0 i y = 0. Dakle, za svaku takvu to cku postojat ce okolina D R2 i samo jedna funkcija f nezavisnih varijabla x i y koja je implicitno zadana po cetnom jednad zbom i neprekidno derivabilna na D . Za parcijalne derivacije funkcije f vrijedit ce
fx (x, y ) =

z F x(x, y, z ) = , F z (x, y, z ) x F x(x, y, z ) z fy (x, y ) = = . F z (x, y, z ) y

Naravno, za konkretno zadane vrijednosti x = 0 i y = 0 pripadaju ca cetnom jednad zbom i vrijednost varijable z je jednozna cno odredena po ne mo zemo je egzaktno izraziti pomo cu elementarnih funkcija varijabla x i y . Medutim i u ovom primjeru mo zemo gornje formule za parcijalne derivacije provjerit neposrednim deriviranjem sli cno kao u prethodnom primjeru. Naime, uvodenjem pomo cne varijable t = xyz po cetnu jednad zbu mo zemo napisati kao t = et , t = xyz.

Stoga jednad zba t = et ima to cno jedno rje senje t = c. Veli cinu c ne mo zemo egzaktno izraziti koriste ci elementarne funkcije jedne varijable ve c samo mo zemo upotrijebiti neku od elementarnih numeri ckih metoda (na primjer metodu bisekcije) da bi dobili po volji to cnu pribli znu vrijednost za c (vrijedi c 0.56). Zaklju cujemo da je po cetna jednad zba ekvivalentna sa jednad zbom xyz = c

Krivulja y = ex i pravac y = x sijeku se to cno u jednoj to cki s apscisom c (0, 1) kako se vidi na Slici 3.37.

158

VARIJABLI FUNKCIJE VISE

x exp(-x) 4

-2

0 x

Slika 3.37: Sjeci ste krivulja y = x i y = ex

iz koje dobivamo eksplicitno varijablu z kao funkciju varijabla x i y (visi sliku 3.38), c z = f (x, y ) = , x = 0 y = 0. xy Sada neposrednim deriviranjem dobijamo
fx (x, y ) =

c z = , x2 y x

fy (x, y ) =

c z = . xy 2 y

0.56/(x*y) 0

4 0 -4

-2 x 0 2 -2 2 0 y

Slika 3.38: Implicitno zadana funkcija xyz = exyz

3.12 Problem vezanog ekstrema

159

3.12

Problem vezanog ekstrema

Pretpostavimo da su zadane dvije funkcije dviju varijabla f, : D R denirane na skupu D R2 . Funkciji pridru zimo implicitnu jednad zbu (x, y ) = 0 i pripadaju ci skup S D deniran tom jednad zbom S = {(x, y ) D | (x, y ) = 0} Denicija 3.14 Ako za to cku T0 = (x0 , y0 ) S postoji okolina K (T0 , ) D tako da je f (x, y ) > f (x0 , y0 ), (x, y ) S K (T0 , ) \ {T0 }

onda ka zemo da funkcija f u to cki T0 ima vezani (uvjetni) lokalni minimum uz uvjet (x, y ) = 0. Ako je f (x, y ) < f (x0 , y0 ), (x, y ) S K (T0 , ) \ {T0 }

onda ka zemo da funkcija f u to cki T0 ima vezani (uvjetni) lokalni maksimum uz uvjet (x, y ) = 0. Zajedni ckim imenom to cke vezanih lokalnih minimuma ili maksimuma zovemo to ckama vezanih (uvjetnih) lokalnih ekstrema . caka u kojima funkcija z = f (x, y ) ima vezane Problem odredivanja to lokalne ekstreme uz uvjet (x, y ) = 0 kra ce zapisujemo z = f (x, y ) min, max (x, y ) = 0 Taj problem mo zemo geometrijski interpretirati na slijede ci na cin: medu to ckama (x, y, z ) plohe zadane eksplicitno sa z = f (x, y ) cije prve dvije cku iz skupa S tra zimo one u kojima je vrijednost koordinate odreduju to tre ce koordinate z lokalno najmanja (najve ca) (vidi Sliku 3.39). Ukoliko su funkcije f i kojima je zadan problem vezanog ekstrema dovoljno lijepe (na primjer neprekidno derivabilne) mogu se dati nu zni i dovoljni uvjeti da bi to cka (x0 , y0 ) bila rje senje tog problema. Promatramo dakle gore opisani problem vezanog ekstrema i pretpostavljamo da funkcije f i imaju neprekidne sve parcijalne derivacije do uklju civo drugog reda. Neka je to cka (x0 , y0 ) S takva da je y (x0 , y0 ) = 0.

160

VARIJABLI FUNKCIJE VISE

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 3.39: Problem vezanog ekstrema

Koriste ci tvrdnju (i) iz teorema 3.9 zaklju cujemo da mora postojati otvoreni interval I R sa x0 I i to cno jedna funkcija y = g(x), x I implicitno zadana jednad zbom (x, y ) = 0. Zbog toga funkciju z = f (x, y ), (x, y ) S mo zemo lokalno u nekoj okolini promatrane to cke (x0 , y0 ) interpretirati kao funkciju samo jedne varijable x, (x) = f (x, g(x)), z=f xI

O cigledno vrijedi slijede ca tvrdnja: Funkcija f u to cki (x0 , y0 ) ima lokalni u to vezani minimum (maksimum) ako i samo ako funkcija f cki x0 ima lokalni minimum (maksimum). Prema tvrdnji (ii) teorema 3.9 znamo da je funkcija g neprekidno derivabilna na I i derivacija joj zadovoljava g (x) = x (x, y ) . y (x, y ) (A1)

U stvari zbog pretpostavke da ima neprekidne i parcijalne derivacije drugog reda, zaklju cujemo da g na I ima neprekidnu i drugu derivaciju. Iz formule (A1) koriste ci formulu za derivaciju kompozicije funkcija vi se varijabla dobivamo da je g (x) jednako
xx (x, y ) + xy (x, y )g (x) y (x, y ) x (x, y ) yx (x, y ) + yy (x, y )g (x) , 2 y (x, y )

3.12 Problem vezanog ekstrema

161

sto se sredivanjem i jo s jednom upotrebom formule (A1) mo ze zapisati kao g (x) = 1 y (x, y )
2 xx (x, y ) + 2xy (x, y )g (x) + yy (x, y )g (x) .

(A2)

Nadalje zbog pretpostavke da funkcija f ima neprekidne parcijalne deri ima na I neprekidnu prvu i vacije drugog reda zaklju cujemo da i funkcija f drugu derivaciju. Koriste ci opet formulu za deriviranje kompozicije funkcija vi se varijabla, dobivamo da za sve x I vrijedi (x) = f (x, y ) + f (x, y )g (x). f x y (B1) (x) jednako Iz ove formule jo s jednim deriviranjem dobivamo da je f
fxx (x, y ) + fxy (x, y )g (x) + fyx (x, y ) + fyy (x, y )g (x) g (x) + fy (x, y )g (x),

sto se nakon sredivanja i uvr stavanja izraza za g (x) danog formulom (A2) mo ze zapisati kao (x) = f (x, y ) + 2f (x, y )g (x) + f (x, y )g (x)2 f xx xy yy
(x, y ) fy 2 xx (x, y ) + 2xy (x, y )g (x) + yy (x, y )g (x) ( x, y ) y

(B2)

Sad mo zemo na jednostavan na cin dobiti nu zne i dovoljne uvjete lokalnih vezanih ekstrema funkcije z = f (x, y ) uz uvjet (x, y ) = 0. Teorem 3.10 ( Nu zan i dovoljan uvjet vezanog ekstrema) Neka funkcije f, : D R, D R2 , imaju na D neprekidne sve parcijalne derivacije do uklju civo drugog reda. (i) Ako funkcija f u to cki (x0 , y0 ) D u kojoj je y (x0 , y0 ) = 0 ima lokalni vezani ekstrem uz uvjet (x, y ) = 0, onda mora postojati realan broj 0 takav da za trojku (x0 , y0 , 0 ) vrijedi fx (x0 , y0 ) + 0 x (x0 , y0 ) = 0, (x , y ) + (x , y ) = 0, (C) fy 0 0 0 y 0 0 (x0 , y0 ) = 0. (x0 ) = 0, f (x) denirano formulom (B2), onda funkcija f u to pri cemu je f cki (x0 , y0 ) ima lokalni vezani ekstrem uz uvjet (x, y ) = 0 i to minimum (x0 ) > 0, odnosno maksimum ako je f (x0 ) < 0. ako je f

(ii) Ako su to cka (x0 , y0 ) D i realan broj 0 takvi da trojka (x0 , y0 , 0 ) zadovoljava uvjet (C) i ako je

162

VARIJABLI FUNKCIJE VISE

Dokaz. Tre ca jednakost u (C) je o cito nu zna po Deniciji 3.14. Zbog ( x , y ) = 0 vrijede sva prethodna razmatranja pa pretpostavke da je 0 0 y je pretpostavka da f u to cki (x0 , y0 ) ima lokalni vezani ekstrem uz uvjet jedne varijable x ima (x, y ) = 0 ekvivalentna pretpostavci da funkcija f (x0 ) = 0, obi can lokalni ekstrem u to cki x0 . Zato je nu zno da bude f sto zbog (B1) daje jednakost
fx (x0 , y0 ) + fy (x0 , y0 )g (x0 ) = 0.

Ovu jednakost, uva zavaju ci formulu (A1), mo zemo zapisati u obliku

fx (x0 , y0 ) + (x , y ) fy 0 0 ( x y 0 , y0 )

x (x0 , y0 ) = 0.

Ovo je upravo prva jednakost u (C) ako deniramo realan broj 0 s jednako s cu (x , y ) fy 0 0 , 0 = y (x0 , y0 ) koja je o cito ekvivalentna drugoj jednakosti u (C). Time je prvi dio teorema dokazan. Istinitost drugog dijela teorema slijedi neposredno primjenom dovoljnih jedne varijable x i uva uvjeta za obi can ekstrem funkcije f zavanjem razmatranja koja su prethodila teoremu.

Napomena 3.13 Jasno je da zbog ravnopravnosti varijabla x i y sve sto smo do sada rekli o problemu vezanog ekstrema vrijedi i ako zamijenimo uloge varijabla. To zna ci da smo umjesto od pretpostavke da je y (x0 , y0 ) = 0 u promatranoj to cki mogli krenuti od pretpostavke da je ( x x 0 , y0 ) = 0. Zbog simetrije po x i y nu zan uvjet (C) lokalnog vezanog ekstrema ostao bi (y0 ). Pri tome bi isti, dok bi se dovoljan uvjet iskazao pomo cu vrijednosti f (y ) bilo denirano desnom stranom od (B2) u kojoj je g (x) zamijenjeno sa f g (y ) = y (x, y )/x (x, y ), a faktor fy (x, y )/y (x, y ) zamijenjen faktorom fx (x, y )/x (x, y ). Problem vezanog ekstrema z = f (x, y ) min, max (x, y ) = 0 ponekad rje savamo uvodenjem Lagrangeove funkcije (Lagrangeijana) L(x, y, ) triju nezavisnih varijabla x, y i : L(x, y, ) = f (x, y ) + (x, y ), (x, y ) D , R.

3.12 Problem vezanog ekstrema

163

Parametar zove se Lagrangeov multiplikator. O cito je da se nu zan uvjet (C) lokalnog vezanog ekstrema funkcije f (x, y ) uz uvjet (x, y ) = 0 u to cki (x0 , y0 ) podudara s nu znim uvjetom obi cnog ekstrema Lagrangeove funk se ti cije L(x, y, ) u to cki (x0 , y0 , 0 ). Sto ce dovoljnih uvjeta, nije te sko (x0 ) mo neposrednim ra cunom provjeriti da se vrijednost f ze izraziti kao 0 x (x0 , y0 ) y (x0 , y0 ) 1 (x0 , y0 ) Lxx (x0 , y0 , 0 ) Lxy (x0 , y0 , 0 ) . f (x0 ) = y (x0 , y0 )2 x y (x0 , y0 ) Lxy (x0 , y0 , 0 ) Lyy (x0 , y0 , 0 ) Naravno, s izmjenjenim ulogama varijabla x i y imali bi (y0 ) = f 0 x (x0 , y0 ) y (x0 , y0 ) 1 ( ( x , y , ) L ( x , y ) L xy x0 , y0 , 0 ) . xx 0 0 0 x 0 0 2 x (x0 , y0 ) (x , y ) L (x , y , ) L (x , y , ) y 0 0 xy 0 0 0 yy 0 0 0

To nas navodi na slijede cu jednostavniju formulaciju dovoljnih uvjeta: neka trojka (x0 , y0 , 0 ) zadovoljava uvjet (C) i neka je 0 = x (x0 , y0 ) y (x0 , y0 ) x (x0 , y0 ) Lxx (x0 , y0 , 0 ) L xy (x0 , y0 , 0 ) y (x0 , y0 ) Lxy (x0 , y0 , 0 ) L yy (x0 , y0 , 0 ) .

Ako je < 0 onda funkcija f u to cki (x0 , y0 ) ima lokalni vezani minimum, a ako je > 0 onda f u to cki (x0 , y0 ) ima lokalni vezani maksimum. Ako trojka (x0 , y0 , 0 ) zadovoljava uvjet (C), mo zemo promatrati i samo vrijednost L (x0 , y0 , 0 ) L xy (x0 , y0 , 0 ) = xx (x , y , ) . L ( x , y , ) L xy 0 0 0 yy 0 0 0 Interesantno je da vrijedi slijede ce: ako je > 0 i L xx (x0 , y0 , 0 ) > 0, onda je sigurno < 0 pa funkcija f u to cki (x0 , y0 ) ima lokalni vezani minimum, a ako je > 0 i L cki xx (x0 , y0 , 0 ) < 0, onda je sigurno > 0 pa f u to (x0 , y0 ) ima lokalni vezani maksimum. Medutim, ako je 0 ne mo zemo ni sta zaklju citi ve c moramo izra cunati . Nala zenje vezanog ekstrema ilustrirat cemo s tri primjera. Primjer 3.22 Neka je zadan problem vezanog ekstrema z = xy min, max x2 + y 2 2 = 0 Pridru zena Lagrangeova funkcija je L(x, y, ) = xy + (x2 + y 2 2),

164 pa je nu zan uvjet ekstrema

VARIJABLI FUNKCIJE VISE

L x = y + 2x = 0, L y = x + 2y = 0,
2 2 L = x + y 2 = 0.

Iz prve dvije jednad zbe dobivamo = odakle slijedi y 2 = x2 y = x. x = 1. 1 , 2 1 2 = , 2 1 3 = , 2 1 4 = . 2 Uvr stavanje u tre cu jednad zbu daje x2 + (x)2 2 = 0 x y = , 2x 2y

Zaklju cujemo da postoje cetiri to cke koje zadovoljavaju nu zan uvjet: T1 = (1, 1), T2 = (1, 1), T3 = (1, 1), T4 = (1, 1), Kako je = 1 =

L 2 1 xx Lxy = 42 1, = 1 2 Lxy Lyy

uvr stavanjem odgovaraju ce vrijednosti od za sve cetiri to cke dobivamo = 0 pa ne mo zemo donijeti zaklju cak ve c moramo ra cunati 0 0 2x 2y y x = x Lxx L = 2 x 2 1 . xy 2y 1 2 y Lxy Lyy Uvr stavanjem odgovaraju cih vrijednosti od x, y i za pojedine to cke dobivamo: u to ckama T1 i T2 je = 16 < 0, a u to ckama T3 i T4 je = 16 > 0, Zaklju cujemo da funkcija z = xy ima u to ckama T1 i T2 lokalni vezani minimum uz dani uvjet x2 + y 2 2 = 0, a u to ckamaT3 i T4 lokalni vezani maksimum (vidi Sliku 3.40).

3.12 Problem vezanog ekstrema

165

z 4 0 -4

u, v, u*v u, sqrt(-u**2+2), v u, -sqrt(-u**2+2), v

2 -2 x 0 0 2 -2 y

Slika 3.40: Vezani ekstremi

Primjer 3.23 Za problem vezanog ekstrema z = x2 + y 2 min, max x+y2=0 imamo Lagrangeovu funkciju L(x, y, ) = x2 + y 2 + (x + y 2). Nu zan uvjet ekstrema glasi L x = 2x + = 0, L y = 2y + = 0, L = x + y 2 = 0. Iz prve dvije jednad zbe dobivamo = 2x = 2y x+x2=0 T0 = (1, 1), y = x,

pa uvr stavanjem u tre cu jednad zbu dobijamo x = 1.

Zaklju cujemo da postoji samo jedna to cka koja zadovoljava nu zan uvjet: 0 = 2.

166 Kako je =

VARIJABLI FUNKCIJE VISE

L 2 0 xx Lxy =4 = 0 2 Lxy L yy

vidimo da u to cki T0 vrijedi L xx (1, 1, 2) = 2 > 0 i = 4 > 0. Dakle ne moramo ra cunati vrijednost ve c smijemo zaklju citi da funkcija z = x2 + y 2 u to cki T0 ima lokalni vezani minimum uz dani uvjet x + y 2 = 0 (vidi sliku 3.41).

u, v, u**2+v**2 u, -u+2, v+4

4 0

-2 x

-2

2 y

Slika 3.41: Lokalni vezani minimum

Primjer 3.24 Problemu vezanog ekstrema z = xy min, max yx=0 pridru zena je Lagrangeova funkcija L(x, y, ) = xy + (y x), pa je nu zan uvjet ekstrema L x = y = 0, L = y x = 0.

L y = x + = 0,

3.12 Problem vezanog ekstrema

167

O cigledno je da su gornje jednad zbe zadovoljene u samo jednoj to cki T0 = (0, 0), Takoder imamo = 0 = 0.

L 0 1 xx Lxy = 1 = 1 0 Lxy L yy

sto zna ci da u to cki T0 vrijedi = 1 < 0. Dakle ne mo zemo donijeti zaklju cak ve c moramo ra cunati vrijednost . Za sve to cke imamo 0 0 1 1 y x L L 0 1 = 2, = x xx xy = 1 L L 1 1 0 yy xy y pa je = 2 < 0 i u to cki T0 . Zaklju cujemo da funkcija z = xy ima u to cki T0 lokalni vezani minimum uz dani uvjet y x = 0 (vidi sliku 3.42).

u, v, u*v u, u, v z

4 0 2 -2 0 y 2 -2 0 x

Slika 3.42: Lokalni vezani minimum

168

VARIJABLI FUNKCIJE VISE

4.
VISESTRUKI INTEGRALI

4.1 4.2

Denicija i osnovna svojstva . . . . . . . . . . . . . . . . . 169 Dvostruki integral . . . . . . . . . . . . . . . . . . . . . . 173 4.2.1 4.2.2 4.2.3 Volumen i povr sina . . . . . . . . . . . . . . . . . . 176 Polarne koordinate . . . . . . . . . . . . . . . . . . 177 Nepravi integral . . . . . . . . . . . . . . . . . . . 180 Cilindri cne i sferne koordinate . . . . . . . . . . . 184

4.3 4.4 4.5 4.6 4.7

Trostruki integral . . . . . . . . . . . . . . . . . . . . . . . 183 4.3.1 Zamjena varijabli . . . . . . . . . . . . . . . . . . . . . . . 188 Momenti i te zi sta . . . . . . . . . . . . . . . . . . . . . . . 190 Integrali ovisni o parametru . . . . . . . . . . . . . . . . . 195 Varijacioni ra cun . . . . . . . . . . . . . . . . . . . . . . . 200 4.7.1 4.7.2 4.7.3 4.7.4 Nu zni i dovoljni uvjeti ekstrema . . . . . . . . . . 203 Primjeri . . . . . . . . . . . . . . . . . . . . . . . . 206 Uvjetni ekstrem . . . . . . . . . . . . . . . . . . . 213 Eulerova metoda kona cnih razlika . . . . . . . . . 218

4.1

Denicija i osnovna svojstva

Vi sestruki integral (ili n-terostruki integral je integral funkcije n varijabli koja je denirana na zatvorenom n-dimenzionalnom kvadru K = [a1 , b1 ] [a1 , b1 ] [an , bn ] Rn , [ai , bi ] R,

a denira se sli cno odredenom integralu funkcija f : [a, b] R.

170
(i) (i)

INTEGRALI VISESTRUKI
(i)

Denicija 4.1 Neka je Di = {x0 , x1 , . . . , xn }, pri cemu je

(i) ai = x0 x1 x2 xn1 xn = bi , (i) (i) (i) (i)

jedan rastav segmenta [ai , bi ] prema deniciji 2.1. Neka Di ozna cava skup svih rastava segmenta [ai , bi ]. Kartezijev produkt D = D1 D2 Dn , Di Di ,

zove se rastav (dekompozicija) kvadra K . Skup svih rastava kvadra K ozna cit cemo s D . Neka je f : K R omedena funkcija, to jest, neka postoje m, M R takvi da je m f (x1 , x2 , . . . , xn ) M,
k1 k2

(x1 , x2 , . . . , xn ) K.

Tada svakom rastavu D D mo zemo pridru ziti gornju integralnu suma

kn

g(f, D) =
i1 =1 i2 =1

in =1

Mi1 ,i2 ,...,in (xi1 xi1 1 )(xi2 xi2 1 ) (xin xin 1 ),

(1)

(1)

(2)

(2)

(n)

(n)

gdje je Mi1 ,i2 ,...,in = sup{f (x1 , x2 , . . . , xn ) : xk [xik 1 , xik ]}, i donju integralnu suma
k1 k2 kn (k ) (k )

d(f, D) =
i1 =1 i2 =1

in =1

mi1 ,i2 ,...,in (xi1 xi1 1 )(xi2 xi2 1 ) (xin xin 1 ),

(1)

(1)

(2)

(2)

(n)

(n)

gdje je Mi1 ,i2 ,...,in = sup{f (x1 , x2 , . . . , xn ) : xk [xik 1 , xik ]}. Ako je inf {g(f, D) : D D} = sup{d(f, D) : D D} = I, sestruki, n-terostruki) integral funkcije f na kvadru K . broj I je odredeni (vi Ka zemo da je funkcija f integrabilna na kvadru K i pi semo I=
K (k ) (k )

f (x1 , x2 . . . , xn ) dx1 dx2 dxn =

K

f (x1 , . . . , xn ) dx1 dxn .

Deniciju cemu ilustrirati sljede cim jednostavnim primjerom.

4.1

Denicija i osnovna svojstva

171

Primjer 4.1 Izra cunajmo dvostruki integral funkcije f (x, y ) : [0, 4][0, 3] R deniranu formulom f (x, y ) = 3 x/4 y/3. Radi se zapravo o dijelu ravnine z = 3 x/4 y/3 koji se nalazi iznad kvadra (pravokutnika) K = [0, 4] [0, 3]. Vrhovi tog dijela ravnine su to cke (0, 0, 3), (4, 0, 1), (0, 3, 2) i (4, 3, 0). Funkcija je prikazan na slici 4.1 na kojoj se vidi i jedan rastav kvadra K . Kvadar (pravokutnik) je u ovom slu caju rastavljen na 48 dijelova: segment [0, 4] je rastavljen na osam, a segment [0, 3] na sest dijelova.

3-x/4-y/3

3 2 1 0 3 0 2 1 x 2 1 3 40 y

Slika 4.1: Primjer vi sestrukog integrala Zadana funkcija na svakom dijelu [xi1 , xi ] [yi1 , yi ] o cito posti ze maksimum u prednjem lijevom uglu, a minimum u stra znjem desnom uglu, Mi,j = mi,j xi1 yj 1 , 4 3 xi yj = max f (x, y ) = f (xi , yj ) = 3 . 4 3 (x,y )[xi1 ,xi ][yi1 ,yi ]
(x,y )[xi1 ,xi ][yi1 ,yi ]

max

f (x, y ) = f (xi1 , yj 1 ) = 3

Uz oznake xi = xi xi1 i yj = yj yj 1 , donja suma je jednaka d(f, D) =

i j

f (xi , yi )xi yj =
i j

xi y j xi y i 4 3 1 3 xi
i j

=3
i j

1 xi y i 4 3 4 xi xi

y j
j i

xi xi

y j y j

= 3 12

4 3

y j y j .
j

172

INTEGRALI VISESTRUKI

Prelaskom na limes kada xi 0 i yj 0 i kori stenjem denicije odredenog integrala iz poglavlja 2.1 imamo 3 sup d(f, D) = lim d(f, D) = 36 x i 0 4
yj 0 4

4 x dx 3

y dy = 24.
0

Sli cno se poka ze da je inf g(f, D) = lim g(f, D) = 24

x i 0 yj 0

pa je zadana funkcija integrabilna na kvadru K i vrijedi 3

K

x y 4 3

dx dy = 24.

Ukoliko podru cje integracije nije kvadar, vi sestruki integral deniramo na sljede ci na cin. Denicija 4.2 Neka je f : D R, D Rn omedena funkcija i neka je D sadr zano u nekom kvadru K (D ne mora biti kvadar). Funkciju g : K R deniramo kao pro sirenje funkcije f : g(x1 , . . . , xn ) = f (x1 , . . . , xn ), (x1 , . . . , xn ) D, 0, (x1 , . . . , xn ) K \ D.

Ako je funkcija g integrabilna na kvadru K , integral funkcije f na skupu D deniramo kao f (x1 , . . . , xn ) dx1 dxn =
D K

g(x1 , . . . , xn ) dx1 dxn .

Skup D je podru cje integracije. Iz prethodnih denicija slijede osnovna svojstva vi sestrukog integrala. Za funkcije f i g koje su integrabilne na podru cju D vrijedi: V1. linearnost, odnosno (f + g) dx1 dxn =
D D

f dx1 dxn +
D

g dx1 dxn ,

gdje su , R, i

4.2

Dvostruki integral

173

V2. integriranje po dijelovima podru cja integracije, odnosno f dx1 dxn =

D D

f dx1 dxn +
D

f dx1 dxn ,

gdje je D = D1 D2 i D1 D2 = .

4.2

Dvostruki integral

Dvostruki integral ra cunamo uzastopnim ra cunanjem dva jednostruka integrala pomo cu Newton-Leibnitzove formule (vidi poglavlje 2.2). Opisat cemo postupak integriranja u slu cajevima kada je podru cje integracije: pravokutno, omedeno dvjema neprekidnim funkcijama, i zadano u polarnim koordinatama. Teorem 4.1 Neka je f : K R neprekidna funkcija denirana na pravokutniku K = [a, b] [c, d].1 Tada je
d b b d

f (x, y ) dx dy =
K c a

f (x, y ) dx dy =
a c

f (x, y ) dy dx.

Dokaz teorema se temelji na svojstvu da kod dvostrukih suma mo zemo zamijeniti poredak zbrajanja, 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 .

Detalje dokaza izostavljamo. Primjer 4.2 Izra cunajmo I=

K
1

x y 2 dx dy

Funkcija f je takoder omedena na zatvorenom skupu [a, b] [c, d] po svojstvu (ii) iz poglavlja 3.3.

174

INTEGRALI VISESTRUKI

pri cemu je K = [a, b] [c, d]. Prema teoremu 4.1 vrijedi

b d b

I=
a c

x y dy dx =
a

y3 x 3

dx =
c a

d3 c3 3 3

dx

1 3 (d c3 ) 3 2

x2 b
a

1 3 (d c3 )(b2 a2 ). 6

Isti rezultat dobit cemo i pomo cu integrala

d b

I=
c a

x y 2 dx dy.

Napomena 4.1 Iz primjera 4.2 vidimo da se prvo integrira po jednoj, a zatim po drugoj varijabli, pri cemu rezultat ne ovisi o redoslijedu integriranja. Sli cno vrijedi i kada podru cje integracije nije pravokutnik, kao i kod vi sih dimenzija. Napomena 4.2 Integral iz primjera 4.2 je integral sa separiranim varijablama, odnosno mo ze se rastaviti na produkt dva jednostruka integrala, sto op cenito nije slu caj:
b d b d

x y dy dx =
a c a

x dx

y 2 dy.
c

Ako je podru cje integracije D zadano dvama neprekidnim funkcijama, D = {(x, y ) : a x b, g(x) y h(x)}, tada je
b h(x)

f (x, y ) dx dy =
D a g (x)

f (x, y ) dy dx.

Primjer 4.3 Izra cunajmo integral I=

D

(x + y 2 ) dx dy,

pri cemu je D podru cje omedeno funkcijama y = x2 i y = x4 . Za odredivanje granica integracije potrebno je skicirati podru cje D, sto je napravljeno na slici 4.2.

4.2

Dvostruki integral

175

x**2 x**4

-1

Slika 4.2: Podru cje integracije dvostrukog integrala

Vidimo da je D = {(x, y ) : 1 x 1, 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 . 91

No, prema napomeni 4.1 i svojstvu V2, integral mo zemo rije siti i integriraju ci prvo po varijabli x. Podru cje D rastavljamo na uniju dva disjunktna podru cja D1 i D2 , gdje je D1 = {(x, y ) : 0 y 1, 4 y x y }, D2 = {(x, y ) : 0 y 1, y x 4 y }, pa je
1 y 1 4y

I=
0 4y

(x + y 2 ) dx dy +
0 y

(x + y 2 ) dx dy = =

4 . 91

176

INTEGRALI VISESTRUKI

4.2.1

Volumen i povr sina

Dvostruki integral koristimo za ra cunanje volumena (obujma) i povr sine. 2 Neka je podintegralna funkcija f : D R, D R , neprekidna (tada je i omedena) i nenegativna, i neka je podru cje D omedeno s po dijelovima glatkom jednostavnom zatvorenom krivuljom2 . Tada je vrijednost pripadnog dvostrukog integrala jednaka volumenu tijela koje je omedeno bazom D u xy -ravnini i plohom z = f (x, y ), V () =
D

f (x, y ) dx dy =
D

z dP.

Izraz dP = dx dy ozna cava element povr sine, odnosno povr sinu pravokutnika sa stranicama dx i dy . Ako je z = f (x, y ) = 1, tada dvostruki integral daje povr sinu podru cja D (volumen tijela s bazom D visine 1 jednak je povr sini baze): P (D) = V () =
D

dP.

Primjer 4.4 Izra cunajmo obujam tijela omedenog ravninama z = 0, y = x, y = 3x, y = 2 x, y = 4 x,

i plohom z = x2 + y 2 . Zadana ploha je kru zni paraboloid s vrhom u ishodi stu cetiri zadnje (vidi poglavlje 3.4.1). Podru cje integracije D odredeno je s ravnine i prikazano je na slici 4.3. Rastavljaju ci podru cje integracije na dva dijela imamo
1 3x

V =
1/2 2x

(x2 + y 2 ) dy dx +
1

2 4x x

(x2 + y 2 ) dy dx.

Alternativno, rastavljaju ci podru cje integracije na tri dijela i integriraju ci prvo po varijabli x imamo
3/2 y 2 y

V =
1 2y

(x + y ) dx dy +
3/2 y/3

(x + y ) dx dy +
2 y/3

3 4y

(x2 + y 2 ) dx dy.

Rije site primjer do kraja na oba na cina.

Krivulja je glatka, sto zna ci da se sastoji od kona cno glatkih dijelova; krivulja je jednostavna, sto zna ci da ne presijeca samu sebe; i krivulja je zatvorena, sto zna ci da po cima i zavr sava u istoj to cki.
2

4.2

Dvostruki integral
y 3

177

y=3x 2 3/2 1

111111 000000 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111
D y=2x 1 2

y=x

y=4x

1/2

Slika 4.3: Podru cje integracije za ra cunanje volumena

Nadalje, volumen tijela omedenog plohama z = f (x, y ) i z = g(x, y ), pri cemu je f, g : D R, g(x, y ) f (x, y ) (x, y ) D,

a D R2 je podru cje omedeno po dijelovima glatkom jednostavnom zatvorenom krivuljom, se ra cuna po formuli V () =
D

(f (x, y ) g(x, y )) dx dy.

(4.1)

Ovo je prirodno poop cenje formule za ra cunanje povr sine ravninskih likova pomo cu jednostrukog integrala iz poglavlja 2.6.1.

4.2.2

Polarne koordinate

Neka je podru cje D R2 zadano u polarnom koordinatnom sustavu kao D = {(r, ) : 1 2 , r1 () r r2 ()}, gdje su r1 , r2 : [1 , 2 ] R neprekidne funkcije. Tada koristimo supstituciju (usporedi s poglavljem 2.6.1) x = r cos , y = r sin . (4.2)

Element povr sine prikazan je na slici 4.4.

178

INTEGRALI VISESTRUKI

r2() dr dP r 2 d r1()

Slika 4.4: Element povr sine u polarnim koordinatama II

Formula za povr sinu kru znog isje cka daje dP = 1 1 1 (r + dr )2 d r 2 d = (r 2 + (dr )2 + 2r dr r r ) d 2 2 2 1 2 = r dr d (dr ) d 2 r dr d,

1 pri cemu izraz 2 (dr )2 d mo zemo zanemariti jer te zi k nuli br ze od izraza r dr d. Prema tome, vrijedi 2 r2 ()

f (x, y ) dx dy =
D 1 r1 ()

f (r cos , r sin ) r dr d.

Uo cimo da se u polarnim koordinatama uvijek integrira prvo po r pa onda po . Op ce pravilo zamjene varijabli u vi sestrukom integralu dano je u poglavlju 4.4. Primjer 4.5 Izra cunajmo integral 1 x2 y 2 dx dy,
D

gdje je D polukrug u prvom kvadrantu omeden kru znicom (x 1/2)2 + y 2 = 1/4 i osi x (slika 4.5). Radi se o volumenu tijela sto ga iz polukugle

4.2

Dvostruki integral

179

ze cilindar s bazom D (usporedi sa sli cnim tijelom iz z = 1 x2 y 2 izre poglavlja 3.4.7).

1/2

Slika 4.5: Polukrug u prvom kvadrantu

Da bi mogli podru cje D opisati u polarnim koordinatama, potrebno je na ci odgovaraju cu jednad zbu zadane kru znice. Uvr stavanje supstitucije (4.2) u jednad zbu kru znice daje

r cos

1 2

+ (r sin )2 =

1 , 4

odnosno r 2 cos2 r cos + 1 1 + r 2 sin2 = . 4 4

Vrijedi r (r cos ) = 0 pa jednad zba zadane kru znice u polarnim koordinatama glasi r = cos .

Dakle, podru cje D (polukru znica) opisano je s

D = {(r, ) : [0, /2], r [0, cos ]}

180 pa je
/2 cos

INTEGRALI VISESTRUKI

I=
0 0

1 r 2 r dr d = 1 t dt d = 3

2 r dr = dt
/2 sin2 3/2 1 /2

1 r2 = t

r 0 cos t 1 sin2

/2 sin2

1 = 2 1 = 3

t
0 /2 0

0 /2

1 3

d = {sin > 0} (1 cos2 ) sin d 2 . 6 9

1 (sin 1) d = 3 1 + 6 3
1 0

1 3

= {cos = u} =

(1 u2 ) du =

4.2.3

Nepravi integral

Nepravi integrali funkcija vi se varijabli deniraju se pomo cu limesa, sli cno kao i nepravi integral funkcije jedne varijable (vidi poglavlje 2.5). Pri tome nastupaju razni fenomeni i problemi sli cni fenomenima kod prou cavanja limesa funkcija vi se varijabli (vidi poglavlje 3.2), koje ne cemo detaljno izu cavati. Navest cemo samo sljede ci zanimljiv primjer. Izra cunajmo I=

ex dx.
2

Geometrijski se radi o povr sini izmedu krivulje y = ex i x-osi (vidi sliku 4.6). Ovaj integral se koristi u teoriji vjerojatnosti. Naime, zadana podintegralna funkcija je vrlo sli cna funkciji (x)2 1 (x) = e 22 , 2 sto je takozvana funkcija gusto ce vjerojatnosti normalne razdiobe (ili Gaussove razdiobe) s o cekivanjem i standardnom devijacijom 3 . Parnost podintegralne funkcije i prelazak na limes daju
r

I =2
0
3

x 2

dx = 2 lim

ex dx 2 lim Ir .
r

Vi se informacija o ovim pojmovima http://www.wikipedia.org/wiki/Normal distribution.

mo zete

na ci

na

adresi

4.2

Dvostruki integral

181

1 0.8 0.6 0.4 0.2

exp(-x**2)

-4

-2

2
2

Slika 4.6: Funkcija y = ex

Ako lim Ir postoji, tada je lim Ir

2 2 = lim Ir , r

pa je I =2 Vrijedi
r 2 Ir r r r x 2 y 2

lim I 2 . r r

= Ir I r =
D

e
0

dx

e
0

dy =
0 0

e(x

2 +y 2 )

dx dy

(x2 +y 2 )

dx dy.

Podru cje integracije D je, dakle, kvadrat s stranicom r u prvom kvadrantu. Neka je Kr cetvrtina kruga u prvom kvadrantu upisana kvadratu D i neka cetvrtina kruga u prvom kvadrantu opisana kvadratu D (vidi sliku je K 2 r 4.7). Kako je e(x
2 +y 2 )

> 0 i Kr D K2 r , vrijedi
2 +y 2 )

e(x
Kr

dx dy Ir
K2 r

e(x

2 +y 2 )

dx dy.

(4.3)

182

INTEGRALI VISESTRUKI

111111 000000 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111 000000 111111
Kr r

K D

sqrt(2)r

Slika 4.7: Kvadrat s upisanom i opisanom cetvrtinom kruga

U polarnim koordinatama vrijedi

/2 r

e
Kr

(x2 +y 2 )

dx dy =
0 0

et t dt d.

Uz supstituciju

t2

= u vrijedi
2

et t dt = pa je e(x
Kr
2 +y 2 )

1 2

eu du = 2 1 2 et 2
2 +y 2 )

1 2
r

1 2 eu et 2 =
0

dx dy =

2 er + 1 . 4

Dakle, e(x
Kr

dx dy

kada t . Sli cno vrijedi e(x

K 2 r
2 +y 2 )

dx dy =

2 e2r + 1 4 4

kada t . Relacija (4.3) i Teorem o uklije stenoj funkciji [M1, teorem 4.4] povla ce lim I 2 = r r 4 pa je kona cno I = .

4.3

Trostruki integral

183

4.3

Trostruki integral

Trostruki integral neprekidne funkcije f : D R, D R3 , ra cunamo sli cno kao i dvostruki integral. Ako je podru cje integracije kvadar, D = [a, b] [c, d] [e, g], tada je
b d g

f (x, y, z ) dx dy dz =
D a c e

f (x, y, z ) dz dy dx,

pri cemu je dV = dx dy dz element volumena. Kao i u slu caju dvostrukog integrala, mogu ci su i drugi redoslijedi integriranja. Ako je podru cje D odredeno relacijama a x b,

g1 (x, y ) y g2 (x, y ), tada je

b h2 (x) g2 (x,y )

h1 (x) y h2 (x),

f (x, y, z ) dV =
D a h1 (x) g1 (x,y )

f (x, y, z ) dz dy dx.

Tipi cne primjene trostrukog integrala su sljede ce: ako je f (x, y, z ) gusto ca tijela koje zaprema podru cje D u to cki T = (x, y, z ), tada je trostruki integral f ( x, y, z ) dV jednak masi tog D tijela; ako je f (x, y, z ) = 1, tada trostruki integral daje volumen podru cja 4 D ,
b h2 (x) g2 (x,y )

V (D) =
D

dV =
a h1 (x) g1 (x,y )

dz dy dx.

Primjer 4.6 Odredimo volumen tijela omedenog plohama z = x2 + y 2 i z = x2 + y 2 . Rad se o volumenu podru sca ciji cja izmedu paraboloida i sto je presjek s ravninom y = 0 prikazan na slici 4.8.
4

Integriranje ove formule po varijabli z daje formulu 4.1.

184

INTEGRALI VISESTRUKI

1 0.8 0.6 0.4 0.2

abs(x) x**2

-1

-0.5

0.5

Slika 4.8: Projekcija presjeka paraboloida i sto sca na xz -ravninu

Za postavljanje integrala trebamo opisati podru cje D. Nadimo presjek zadanbih ploha: izjedna cavanje z = z daje jednad zbu x2 + y 2 = x2 + y 2

koja ima rje senja x = y = 0 i x2 + y 2 = 1 odnosno x2 + y 2 = 1. Dakle, prvo rje senje je ishodi ste gdje se dvije zadane plohe o cito sijeku, a iz drugog rje senja vidimo da se plohe jo s sijeku u jedini cnoj sredi snjoj kru znici za z = 1. Stoga je zadani volumen jednak
1 1x2

x 2 +y 2

V =
1 1x2 x2 +y 2

dz dy dx.

Primjer cemo rije siti do kraja u slijede cem poglavlju koriste ci cilindri cne koordinate.

4.3.1

Cilindri cne i sferne koordinate

Cilindri cni koordinatni sustav odnosno cilindri cne koordinate zadane su transformacijama: x = r cos , y = r sin , z = z,

4.3

Trostruki integral

185

pri cemu je r 0 i [0, 2 ] ili [, ]. Dakle, element volumena jednak je umno sku povr sine baze i visine, s time sto se povr sina baze ra cuna u polarnim koordinatama (vidi sliku 4.9) dV = r dr d dz pa je f (x, y, z ) dV =
D D

f (r cos , r sin , z ) r dr d dz.

z z+dz z

r r+dr d x y

Slika 4.9: Element volumena u cilindri cnim koordinatama

Primjer 4.7 Volumen iz primjera 4.6 je lako izra cunati prelaskom na cilindri cne koordinate. Vrijedi
2 1 r 1 2 0 r r2

V =
0 0 r2 1

dz r dr d =

z
0

r dr

= 2
0

(r 2 r 3 ) dr =

1 . 6

Sferne koordinate ili prostorne polarne koordinate zadane su transforma-

186 cijama x = r sin cos , y = r sin sin , z = r cos ,

INTEGRALI VISESTRUKI

pri cemu je r 0, a obi cno se odabire [0, ] i [, ]. Uz oznaku = r sin mo zemo pisati x = cos , y = sin , z = r cos . Sferne koordinate prikazane su na slici 4.10.
z

T r y x

Slika 4.10: Sferne koordinate

Zadatak 4.1 Prethodne formule slu ze za prebacivanje iz sfernih u Kartezijeve koordinate, (r, , ) (x, y, z ). Izvedite formule za prebacivanje iz Kartezijevih u sferne koordinate, (x, y, z ) (r, , ). Primjer 4.8 Primjer jedne verzije sfernog koordinatnog sustava koji je cesto u upotrebi su zemljopisne karte. Udaljenost r se prikazuje kao nadmorska visina, kut je zemljopisna du zina koja se mjeri isto cno i zapadno od Greenwicha, sto odgovara odabiru [, ], a kut je zemljopisna sirina koja se mjeri sjeverno i ju zno od ekvatora, sto odgovara odabiru [/2, /2]. Odabir [0, ] je matemati cki povoljniji (vidi kasnije), jer je tada sin 0.

4.3

Trostruki integral

187

Za ra cunanje trostrukog integrala u sfernom koordinatnom sustavu potrebno je izra cunati element volumena dV . Iz slike 4.11 vidimo da je dV a b dr, pri cemu je a = r sin d, Dakle, dV r 2 sin d dr d. To can izraz za dV sadr zi jo s i druge clanove, no oni te ze k nuli br ze nego 5 glavni izraz pa ih izostavljamo . Dakle, u sfernim koordinatama vrijedi f (x, y, z ) dV =
D D

b = r d.

f (r sin cos , r sin sin , r cos ) r 2 sin d dr d.

d r r+dr x

Slika 4.11: Element volumena u sfernim koordinatama

Usporedi sa izvodom elementa povr sine dP u polarnim koordinatama iz poglavlja 4.2.2.

188

INTEGRALI VISESTRUKI

Primjer 4.9 Volumen kugle K radijusa R jednak je

R

V =
K

1 dV =

r 2 sin dr d d
0 0 R

sin d

r 2 dr =
0

( cos )

r3 3

R 0

4 3 R . 3

4.4

Zamjena varijabli

U prethodnom poglavljima izveli smo dvije zamjene varijabli: iz Kartezijevih u cilindri cne i iz Kartezijevih u sferne koordinate. No, problem zamjene varijabli u vi sestrukom integralu je op ceniti problem koji ima op cenito rje senje. Za trostruki integral (n = 3) postupak je dan sljede cim teoremom kojeg navodimo bez dokaza. Teorem 4.2 Neka je zadan integral I=
D

f (x, y, z ) dx dy dz,

D R3 ,

i neka je funkcija f neprekidna i integrabilna na skupu D. neka je D R3 i neka su , , : D R diferencijabilne funkcije za koje je preslikavanje p : D D denirano s p(u, v, w) = ((u, v, w), (u, v, w), (u, v, w)) bijekcija. Ako je Jakobijan (Jacobijeva matrica) u J (u, v, w) = u u tada je f (x, y, z ) dx dy dz =
D D

v v v

w = 0, w w (u, v, w) D ,

f ((u, v, w), (u, v, w), (u, v, w )) |J | du dv dw.

4.4

Zamjena varijabli

189

U prethodnom teoremu varijable x, y i z mogu biti varijable u bilo kojem koordinatnom sustavu (ne nu zno Kartezijevom). Zamjena varijabli se na analogan na cin denira i za ostale dimenzije (n = 2, n = 4, n = 5, . . . ). Primjer 4.10 Kod prelaza iz Kartezijevog u sferni koordinatni sustav mo zemo uzeti u = r, v = , w = , (r, , ) = r sin cos , (r, , ) = r sin sin , (r, , ) = r cos .

Nadalje, ako je D = R3 tada je D = [0, ] [0, ] [, ]. Iz denicije sfernih koordinata slijedi da je preslikavanje p : D D, r J= r r sin cos r cos cos r sin sin = sin sin r cos sin r sin cos = r 2 sin . cos r sin 0 p(r, , ) = (x, y, z ),

bijekcija. Funkcije , i su diferencijabilne, a Jakobijan glasi

Kona cno, zbog [0, ] je sin 0 pa je

|J | = |r 2 sin | = r 2 sin .

Zadatak 4.2 Izvedite Jakobijan za cilindri cne koordinate. Primjer 4.11 Za n = 2 teorem 4.2 vrijedi tako sto jednostavno zanemarimo tre cu varijablu pa Jakobijan postaje determinanta drugog reda. Na primjer, za prelaz iz Kartezijevih u polarne koordinate vrijedi x = r cos (r, ), y = r sin (r, ). = Stoga je J= r pa je, zbog r 0, i |J | = r .

cos r sin =r sin r cos

190

INTEGRALI VISESTRUKI

4.5

Momenti i te zi sta

U ovom poglavlju poop cit cemo razmatranja iz poglavlja 2.6.7 na dvodimenzionalni i trodimenzionalni slu caj. R2 . Promotrimo ravnu plo cu P gusto ce (x, y ) koja zauzima podru cje D Plo cu cemo podijeliti na male pravokutnike Pij povr sine P = xy . Ozna cimo li sredi ste pravokutnika Pij s ( xi , y j ), masa mij doti cnog pravokutnika je pribli zno jednaka mij ( xi , y j )P, dok su momenti oko osi x-osi i y -osi pribli zno jednaki [Mx ]ij mij y ij = [( xi , y j )P ] y ij , [My ]ij mij x ij = [( xi , y j )P ] x ij . mij =
i,j D

Sumiraju ci po svim i i j i prelaskom na limes kada P 0, slijedi m = lim

P 0

(x, y ) dP, y (x, y ) dP,

D

Mx = lim My = lim

P 0

[Mx ]ij =
i,j

P 0

[My ]ij =
i,j D

x(x, y ) dP,

pri cemu su m, Mx i My redom masa plo ce P , moment plo ce P oko x-osi i moment plo ce P oko y -osi. Koordinate te zi sta plo ce P su, kao i u poglavlju 2.6.7, jednake x = My , m y = Mx . m

Primjer 4.12 Odredimo te zi ste polukru zne plo ce cija je gusto ca jednaka udaljenosti od sredi sta kruga: ako sredi ste kruga smjestimo u ishodi ste, tada jednad zba kruga glasi x2 + y 2 = a2 (vidi sliku 4.12) pa je gusto ca plo ce u to cki (x, y ) dana formulom (x, y ) = x2 + y 2 .

Prelaskom na polarne koordinate imamo

a

m=
D

(x, y ) dP =
D

x2 + y 2 dP =
0 0

1 r r dr d = a3 3

4.5

Momenti i te zi sta

191

Slika 4.12: Polukru zna plo ca

Nadalje, kako su i plo ca i funkcija gusto ce simetri cne s obzirom na y -os, te zi ste se nalazi na y -osi, odnosno vrijedi x = 0, dok je 1 y = m
D

3 y (x, y ) dP = a3
0

r sin r r dr d =

3a . 2

Dakle, te zi ste se nalazi u to cki T = (0, 3 a/(2 )). zi ste trokutaste plo ce s vrhovima (0, 0), (2, 0) i (0, 1) Zadatak 4.3 Nadite te i funkcijom gusto ce (x, y ) = 1 + 2x + y . Moment inercije ili moment drugog reda cestice mase m oko x-osi deniramo kao m d3 , pri cemu je d udaljenost cestice od osi. Kao i u prethodnom izlaganju plo cu podijelimo na male pravokutnike, zbrojimo momente inercije oko x-osi svih pravokutnika te predemo na limes kada povr sine pravokutnika te ze u nulu. na taj na cin smo dobili moment inercije plo ce P oko x-osi: Ix =
D

y 2 (x, y ) dP.

Sli cno dobijemo i izraz za moment moment inercije plo ce P oko x-osi: Iy =
D

x2 (x, y ) dP.

Moment inercije plo ce P oko ishodi sta deniramo kao Io =

D

(x2 + y 2 )(x, y ) dP.

Primijetimo da je Io = Ix + Iy .

192

INTEGRALI VISESTRUKI

Primjer 4.13 Nadimo momente inercije homogenog diska gusto ce , radijusa a s centrom u ishodi stu. Rub podru cja integracije D je kru znica x2 + y 2 = a2 . U polarnim koordinatama vrijedi
2 a

Io =
D

(x + y ) dP =
0 0

r 2 r dr d =

1 a4 . 2

Zbog simetrije problema je Ix = Iy iz cega slijedi Ix = Iy = Uo cimo da je masa diska jednaka m = a2 pa stoga mo zemo pisati 1 m a2 . 2 Dakle, ako pove camo radijus ili masu diska, pove cat ce se i moment inercije. je moment inercije ve Sto ci, to je te ze pokretanje i zaustavljanje rotacije diska oko osovine. Io = Promotrimo sada trodimenzionalni slu caj tijela gusto ce (x, y, z ) za3 uzima podru cje D R . Sli cnim razmatranjem kao i do sada, masa tijela jednaka je m=
D

1 1 Io = a4 . 2 4

(x, y, z ) dV,

pri cemu je dV element volumena (vidi poglavlje 4.3). Momenti oko koordinatnih ravnina su redom Myz =
D

x (x, y, z ) dV, y (x, y, z ) dV,

D

Mxz = Mxy =
D

z (x, y, z ) dV.

Te zi ste se nalazi u tu cki T = ( x, y , z ), gdje je x = Myz , m y = Mxz , m z = Mxy . m

4.5

Momenti i te zi sta

193

Momenti inercije oko koordinatnih osiju su

Ix =
D

(y 2 + z 2 ) (x, y, z ) dV, (x2 + z 2 ) (x, y, z ) dV,

D

Iy = Iz =
D

(x2 + y 2 ) (x, y, z ) dV.

zi ste tijela homogene gusto ce koje je omedeno Primjer 4.14 Nadimo te plohom z = 1 1 (x 1)2 i ravninama x = 0, y = 0, y = 1 i z = 0. Tijelo, koje ima oblik idealne naprave za blokadu kota ca, i njegova projekcija na xz -ravninu prikazani su na slikama 4.13(a) i 4.13(b), redom.

z 1

(a)

(b)

Slika 4.13: Blokada kota ca i projekcija na xz -ravninu

Tijelo zaprema podru cje D = {(x, y, z ) R3 : 0 x 1, 0 y 1, 0 z 1 1 (x 1)2 }.

194 Masa tijela jednaka je

1 1 1

INTEGRALI VISESTRUKI

1(x1)2

m=
D 1

dV =
0 0 0

dz dy dx = y
0 0

1 0

1(x1)2

dx

=
0

(1

1 (x 1)2 ) dx = 1

0.215 .

Prethodni integral se mo ze rije siti supstitucijom x 1 = sin t, no do rje senja mo zemo do ci i jednostavnije: u ovom slu caju tijelo ima homogenu gusto cu pa je masa jednaka umno sku gusto ce i volumena. Volumen V je jednak umno sku povr sine baze, koja je prikazana na slici 4.13(b), i visine koja je jednaka 1. Povr sina baze P jednaka je razlici povr sine jedini cnog kvadrata i cetvrtine povr sine jedini cnog kruga. Dakle V = P 1 = 1 /4. Vrijedi Mxz =
D

y dV =

1 2 y 2

1 0

z
0

1 0

1(x1)2

dx

1 1 2 4 pa je y = Mxz /m = 1/2. To je i logi cno jer tijelo ima homogenu gusto cu, a simetri cno je s obzirom na pravac y = 1/2. Nadalje, 1 2 1 z 2 1 1(x1) Mxy = z dV = y dx 2 0 0 =
D 0

1 2 1 2

0 2

(1

1 (x 1)2 )2 dx = 10 3 12

x 1 = sin t

dx = cos t dt

x t

0
3 2

1 2

= pa je

(1 cos t)2 dt =
3 2

10 3 Mxy = 0.223. m 3(4 ) Zbog simetrije zaklju cujemo da mora vrijediti x = z pa6 se te zi ste tijela nalazi u to cki 10 3 1 10 3 T = , , . 3(4 ) 2 3(4 ) z =
6

Uvjerite se u ovu tvrdnju tako sto cete izra cunati moment Myz .

4.6

Integrali ovisni o parametru

195

Zadatak 4.4 Nadite te zi ste tijela homogene gusto ce koje je omedeno paraboli ckim cilindrom y 2 = x i ravninama x = 1, z = 0 i z = x.

4.6

Integrali ovisni o parametru

U ovom poglavlju opisat cemo postupke deriviranja i integriranja integrala ovisnih o parametru, kao i primjene tih postupaka na rje savanje nekih cemo obraditi gama i beta funkcije. odredenih integrala. Takoder Promotrimo integral
b

I () =
a

f (x, ) dx

u kojem integrand f (x, ) ovisi o parametru , pri cemu i granice integracije takoder mogu biti funkcije od . Kada se mijenja, vrijednost odredenog integrala se takoder mijenja pa je zadani integral funkcija od . Kao i kod svih funkcije jedne varijable (vidi [M1, 5], ra cunanje derivacija je od izuzetne va znosti.
(x, ) Teorem 4.3 Neka su funkcija f (x, ) i njena parcijalna derivacija f neprekidne za skupu

A = {(x, ) : a x b, c d}. Tada za svaki (c, d) vrijedi Leibnitzova formula I () =

f (x, ) dx =

b f (x, ) dx. a

Dokaz. Prema deniciji derivacije [M1, (5.1)] je I () = lim I (x, + ) I (x, ) 0 b 1 f (x, + ) dx = lim 0
a b

= lim

f (x, + ) f (x, ) dx.

f (x, ) dx

196

INTEGRALI VISESTRUKI

Lagrangeov teorem srednje vrijednosti [M1, teorem 5.9 i dalje]

b

I () lim

f (x, + ) dx a

za neki 0 < < 1 pa prelazak na limes daje tvrdnju teorema. U slu caju kada su i granice integracije funkcije parametra, imamo sljede ci rezultat: Teorem 4.4 Neka su, uz uvjete teroema 4.3, funkcije () i () neprekidne i derivabilne na intervalu (c, d) i neka je a () () b za svaki (c, d). Neka je
()

I () =
()

f (x, ) dx.

Tada za svaki (c, d) vrijedi

()

I () =
()

f (x, ) dx + f ( (), )

d d f ((), ) . d d

Dokaz. Interpretiramo li zadani integral kao I () I (, (), ()), pravilo za deriviranje kompozicije funkcija (teorem 3.5) daje I () = Prema teoremu 4.3 je
()

dI I I d I d = + + . d d d I =
()

f (x, ) dx.

Neka je F (x, ) primitivna funkcija funkcije f (x, ) za neki , odnosno (x, ) = f (x, ). Tada je Fx
()

I =
()

f (x, ) dx =

F (x, )

() ()

[F ( (), ) F ((), )] = f ( (), ).

4.6

Integrali ovisni o parametru

197

Sli cno se poka ze da je I = f ((), ) pa tvrdnja teorema slijedi iz cetiri prethodne relacije. Prethodni teoremi koriste se za rje savanje nekih diferencijalnih jednad zbi, ra cunanje Fourierovih koecijenata i nala zenje nekih odredenih integrala. Primjer 4.15 Izra cunajmo integral
1

I=
0

xm (ln x)n dx,

m, n N.

Vrijedi
1

xm dx =
0

1 . m+1

(x, m) = xm ln x su neprekidne za 0 < x < 1 i Funkcije f (x, m) = xm i fm m > 0 pa teorem 4.3 daje 1 1

d dm
0

x dx =
0

xm ln x dx =

1 . (m + 1)2

Nakon jo se jednog deriviranja imamo

1

xm (ln x)2 dx =
0

2! (m + 1)3

iz cega zaklju cujemo da n deriviranja po varijabli m daje I = (1)n Primjer 4.16 Izra cunajmo integral

n! . (m + 1)n+1

I (k, ) =
0

ekx

sin x dx. x

198

INTEGRALI VISESTRUKI

Koriste ci teorem 4.3 i tehniku integriranja iz primjera 1.6 d) imamo dI = d

0

ekx cos x dx =

ekx ( sin x k cos x k 2 + 2

k2

k . + 2

k d = arctg + C. 2 + k Iz 0 = I (0, 0) = arctg 0 + C = C slijedi C = 0 pa je I (k, ) = k2 I (k, ) = arctg . k Ovaj rezultat ujedno daje i vrijednost Dirichletovog za 2 sin x dx = lim arctg = 0 za k 0+ x k 0 za 2

Dakle, vrijedi

integrala: < 0, = 0, > 0.

Zadatak 4.5 Izra cunajte sljede ce integrale: a) I () =

0

ex ex dx x 1 dx, + )n+1

(rje senje: I () = ln ),

b) I () =
0

(x2

n N,

> 0,

(rje senje: I () =

(2n 1)!! ), (2n)!! 2n

2

c) I () =
0

x2 2
x

dx,

2 e ), (rje senje: I () = 2 1 arctg ln(1 + 2 ) ). 2

d) I () =
0

ln(1 + x) dx, 1 + x2

(rje senje: I () =

Primjer 4.17 Gama funkcija ili Eulerov integral druge vrste je integral (slika 4.14)

() =
0

x1 ex dx.

4.6

Integrali ovisni o parametru

199

10

-3

-2

-1

-5

-10

Slika 4.14: Gama funkcija

Za = 1 vrijedi (vidi poglavlje 2.5):

(1) =
0

ex dx = 1.

Za > 1 parcijalna integracija daje

() =
0

1 x

dx = x

1 x

+ ( 1)

x2 ex dx

iz cega slijedi () = ( 1) ( 1). Stoga za = n N vrijedi (n) = (n 1) (n 2) 3 2 (1) = (n 1)! Beta funkcija ili Eulerov integral prve vrste je integral
1

B (, ) =
0

x1 (1 x) 1 dx,

, > 0.

Beta funkcija je simetri cna s obzirom na svoje parametre, odnosno vrijedi B (, ) = B (, ). Bez dokaza navodimo dvije veze izmedu gama funkcije i

200 beta funkcije: B (, ) = () ( ) , ( + )

INTEGRALI VISESTRUKI

() (1 ) = B (, 1 ) = Tako je, na primjer, pa je (1/2) = . 1 2

2

, sin

0 < < 1.

=B

1 1 ,1 2 2

Gama funkcija i beta funkcija se javljaju u brojnim aplikacijama i po va znosti su odmah iza elementarnih funkcija.

4.7

Varijacioni ra cun

U ovom poglavlju objasnit cemo osnove varijacionog ra cuna (ili ra cuna varijacija), metode koja slu zi za modeliranje i rje savanje va znih matemati ckih, zikalnih i in zenjerskih problema. Problemi varijacionog ra cuna svode se na diferencijalne jednad zbe. Za bolje razumijevanje izlaganja u ovom poglavlju potrebno je poznavati neke tehnike za rje savanje diferencijalnih jednad zbi iz glave 5, no gradivo je izlo zeno na na cin da je ta potreba svedena na minimum. Izrazom I (y ) =
a b

F (x, y, y ) dx,

gdje je y = y (x) neka neprekidno derivabilna funkcija i a, b R, denirana je funkcija I funkcije y (x) koja svakoj neprekidno derivabilnoj funkciji pridru zuje vrijednost integrala I . Funkcija (integral) I se zove funkcional. Primjer 4.18 Promotrimo funkcional
1

I (y ) =
0

(y + x y ) dx.

Za y = x je
1

I=
0

x2 (x + x 1) dx = 2 2

= 1,
0

4.7

Varijacioni ra cun

201

za y = 2 x2 je
1

I=
0

(2 x2 + x 4 x) dx = 6

x3 3

= 2,
0

a za y =

ex

je (vidi primjer 1.6a) )

1 1

I=
0

(ex + x ex ) dx = (ex + x ex ex )

= e.
0

Zadatak je na ci neprekidno derivabilnu funkciju y za koju funkcional I (y ) dosti ze ekstremnu vrijednost (ako takva funkcija postoji). Mogu ce je zahtijevati da funkcija y zadovoljava i jedan ili oba rubna uvjeta: y (a) = A, y (b) = B, A, B R.

caka Primjer 4.19 Problem najkra ceg puta glasi: na ci najkra ci put izmedu to A = (x0 , y0 ) i B = (x1 , y1 ) (vidi sliku 4.15). Prema poglavlju 2.6.2 duljina puta od to cke A do to cke B je
b

S=
a

1 + y 2 dx

pa je rje senje zadatka krivulja y = y (x) koja minimizira funkcional

b

I (y ) =
a

1 + y 2 dx,

a vrijednost funkcionala za tu krivulju daje duljinu najkra ceg puta. Primjer 4.20 Problem najkra ceg vremena glasi: odredite krivulju po kojoj ce te ska materijalna to cka ispu stena iz ishodi sta kli zu ci se bez trenja najbr ze sti ci u to cku A = (a, b) (vidi sliku 4.16). Takva krivulja zove se brahistohrona.7 Neka su (x(t), y (t)) koordinate materijalne to cke u trenutku t. Neka je s cke. Konstantnu gravitacije prijedeni put, v brzina i m masa materijalne to ozna cit cemo s g. Prema zakonu o o cuvanju energije vrijedi 1 m v m g x = 0, 2
Na gr ckom jeziku brahistos zna ci najkra ci, a hronos zna ci vrijeme. Problem je 1696. godine postavio Johann Bernoulli, a rije sio ga je iste godine Isaac Newton
7

202
y

INTEGRALI VISESTRUKI

x0

x1 x

Slika 4.15: Problem najkra ceg puta

b y g

a x

Slika 4.16: Problem brahistohrone

odnosno, v= 2 g x. ds . 2g x 1 + y 2 dx pa je S druge strane je v = ds/ dt pa nakon uvr stavanja i sredivanja imamo dt =

Prema poglavlju 2.6.2 element duljine luka jednak je ds = dt = 1 + y 2 dx. 2gx

a

Integral daje ukupno vrijeme spu stanja: 1 t = t(y ) = 2g x

0

1 + y 2 dx. x

4.7

Varijacioni ra cun

203

Dakle, brahistrona je krivulja koja minimizira funkcional t.

4.7.1

Nu zni i dovoljni uvjeti ekstrema

Pretpostavimo da je krivulja y0 = y0 (x) ekstrem funkcionala I (y ) = pri cemu je F (x, y, y ) neprekidna dva puta derivabilna funkcija svojih argumenata. Neka je krivulja y = y (x) blizu krivulji y0 , odnosno, neka za > 0 vrijedi
b a F (x, y, y ) dx,

y0 (x) y (x) y0 (x) + ,

x [a, b].

Razlika y = y y0 zove se varijacija funkcije y0 (vidi sliku 4.17).

y0 + y y y0 y0

Slika 4.17: Funkcija y0 i njene varijacije Dakle, vrijedi y = y0 + y . No, ovu jednakost mo zemo zapisati i kao y = y0 + , gdje je = (x) neka derivabilna funkcija, a > 0 dovoljno mali broj. Sada vrijedi y = y0 + pa je
b b

I=
a

F (x, y, y ) dx =
a

F (x, y0 + , y0 + ) dx.

Ako ksiramo , tada funkcional I postaje funkcije varijable , odnosno

b

I = I () =
a

+ ) dx F (x, y0 + , y0

204 pa nu zni uvjet ekstrema glasi

INTEGRALI VISESTRUKI

dI = 0. d Funkcija y0 rje senje problema pa mora biti i = 0. Dakle, dI d = 0.

=0

Prema pravilu za deriviranje pod znakom integrala (teorem 4.3) i pravilu za deriviranje slo zenih funkcija (teorem 3.5) vrijedi dI = d
b

F F (x, y0 + , y0 + ) + (x, y0 + , y0 + ) dx. y y

pa parcijalne derivacije po y i y postaju Za = 0 je y = y0 i y = y0 . Stoga je parcijalne derivacije po y0 i y0

dI d

=
=0 a

F F ) dx = 0. (x, y0 , y0 ) + (x, y0 , y0 y0 y0

Parcijalna integracija drugog clana uz u= daje

b

F , y0

du =

d dx

F y0
b a

dx,
b

dv = dx,

v=

F F dx + y0 y0 F y0
b b

d dx

F y0

dx = 0,

odnosno +
a a

d F y0 dx

F y0

dx = 0.

(4.4)

Razlikujemo dva slu caja. Slu caj 1. Ako funkcija y0 zadovoljava rubne uvjete y0 (a) = A i y0 (b) = B , tada u obzir dolaze samo one funkcije y koje takoder zadovoljavaju iste rubne uvjete, odnosno za koje je y (a) = A i y (b) = B . No, tada je o cito (a) = (b) = 0 pa je prvi clan u relaciji (4.4) jednak nuli te nu zan uvjet ekstrema glasi
b

d F y0 dx

F y0

dx = 0.

(4.5)

Sada nam je potreban sljede ci teorem:

4.7

Varijacioni ra cun

205

Teorem 4.5 Ako za neprekidnu funkciju (x) vrijedi

b

(x) (x) dx = 0
a

za svaku neprekidno derivabilnu funkciju za koju je (a) = (b) = 0, tada je funkcija identi cno jednaka nuli, odnosno (x) = 0 za svaki x [a, b]. Dokaz. Teorem cemo dokazati pomo cu kontradikcije. Pretpostavimo da postoji to cka x (a, b) za koju je ( x) = 0, recimo ( x) > 0. Tada je radi neprekidnosti (x) > 0 i na nekoj okolini to cke x , recimo (x) > 0, x xx + ,

za neki > 0. Denirajmo funkciju na sljede ci na cin: x [a, x ], 0, 2 2 (x) = (x x + ) (x x ) , x ( x , x + ), 0, x [ x + , b].

b +

Funkcija zadovoljava pretpostavku teorema (provjerite). S druge strane, vrijedi (x) (x) dx =
a x

(x) (x) dx > 0,

sto je suprotno pretpostavki teorema i teorem je dokazan. Direktnom primjenom teorema 4.5 na relaciju (4.5), uz ispu stanje indeksa 0 radi jednostavnosti, dobili smo Eulerovu jednad zbu d F y dx F y = 0. (4.6)

Dakle, ako je funkcija y ekstrem polaznog funkcionala, ona je nu zno i rje senje Eulerove jednad zbe. Slu caj 2. Ako funkcija y0 ne zadovoljava nikakve rubne uvjete, postupamo na sljede ci na cin: relacija (4.4) vrijedi za proizvoljnu funkciju pa i za takve za koje je (a) = (b) = 0. Stoga zaklju cujemo da i u ovom slu caju clan rje senje y mora zadovoljiti Eulerovu jednad zbu. Medutim, sada i prvi u relaciji (4.4) mora biti jednak nuli za svaku funkciju pa rje senje y mora zadovoljavati uvjete transverzalnosti (popre cnosti) F (a, y (a), y (a)) = 0, y F (b, y (b), y (b)) = 0. y

206

INTEGRALI VISESTRUKI

Naravno, mogu ca je kombinacija prethodnih slu cajeva: ako je rubni uvjet zadan samo u jednom kraju, tada u drugom kraju mora biti zadovoljen uvjet transverzalnosti. Dovoljne uvjete ekstrema (Lagrangeove uvjete) navodimo bez dokaza. Neka funkcija y zadovoljava nu zne uvjete ekstrema funkcionala I . Tada vrijedi:
0, tada funkcija y daje minimum funkcionala I , a (i) ako je Fy y 0, tada funkcija y daje maksimum funckionala I . (ii) ako je Fy y

4.7.2

Primjeri

Sljede ci primjeri ilustriraju primjene varijacionog ra cuna i kori stenje nu znih i dovoljnih uvjeta ekstrema iz prethodnog poglavlja. Primjer 4.21 Rije simo problem najkra ceg puta iz primjera 4.19:
b

I (y ) =
a

1 + y 2 dx,

y (x0 ) = y0 ,

y (x1 ) = y1 .

O cito se radi o prvom slu caju iz poglavlja 4.7.1 pa rje senje y mora zadovoljavati Eulerovu jednad zbu F d y dx Iz F (x, y, y ) = 1 + y 2 slijedi F = 0, y pa zaklju cujemo da je y 1 + y 2 F = y y 1 + y 2 , F y = 0.

=C

za neku konstantu C . Nakon kvadriranja, sredivanja i ponovnog korjenovanja imamo C y = . 1 C2 zbu Uz oznake a = C/ 1 C 2 i y = dy/dx, dobili smo diferencijalnu jednad sa separiranim varijablama (vidi poglavlje 5.2) dy = a dx.

4.7

Varijacioni ra cun

207

Rje senje jednad zbe je y = a x + b, pri cemu su a i b konstante. Dakle, rje senje problema najkra ceg puta je pravac, kao sto smo i o cekivali. Konstante a i b mo zemo odrediti iz rubnih uvjeta: y (x0 ) = a x0 + b = y0 , y (x1 ) = a x1 + b = y1 . Oduzimanje prve jednad zbe od druge daje a= y1 y0 x1 x0 y1 y0 x0 . x1 x0

pa uvr stavanje u prvu jednad zbu daje b = y0

Dobili smo poznatu formulu za jednad zbu pravca kroz dvije to cke (vidi [M1, primjer 3.11]). Provjerimo na kraju dovoljne uvjete ekstrema: kako je
Fy y =

1 (1 + y 2 ) 1 + y 2

> 0,

zaklju cujemo da se zaista radi o minimumu. Primjer 4.22 Nadimo brahistohronu iz primjera 4.20:
a

I (y ) =
0

1 + y 2 dx, x

y (0) = 0,

y (a) = b.

Opet se radi o prvom slu caju iz poglavlja 4.7.1. Kao i u prethodnom primjeru vrijedi F/y = 0 pa se Eulerova jednad zba svodi na y x (1 + y 2 ) =C

za neku konstantu C . Nakon kvadriranja, sredivanja i ponovnog korjenovanja imamo x . y = C 1 C 2x Uz oznaku y = dy/dx dobili smo diferencijalnu jednad zbu sa separiranim dy = C x dx. 1 C 2x

208 Integriranje daje y=C = x dx = C 1 C 2x

INTEGRALI VISESTRUKI

1 (t sin t) + C1 . 2 C2

x dx = x C 2 x2

1 x= C 2 (1 cos t), 1 dx = C 2 sin t dt

Konstantu integracije C1 odredit cemo iz rubnog uvjeta y (0) = 0: iz x = 0 slijedi cos t = 1 pa je t = 0. Dakle, 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), (4.7)

x(t) = a (1 cos t),

odnosno rje senje je cikloida (vidi [M1, primjer 4.3])8 Provjerimo jo s dovoljne uvjete ekstrema: kako je
Fy y =

1 > 0, (1 + y 2 ) x (1 + y 2 )

zaklju cujemo da se zaista radi o minimumu. Parametar a iz jednad zbi (4.7) se odredi iz uvjeta da cikloida prolazi to ckom A. Parametar se op cenito ne mo ze odrediti egzaktno, ve c je potrebno koristiti neku od numeri ckih metoda. Ako je, na primjer, A = (1, 2), uvr stavanje u (4.7) daje sustav jednad zbi 1 = a (1 cos t), 2 = a (t sin t).

Izjedna cavanje parametra a daje jednad zbu 2 cos t sin t + t 2 = 0. Nul-to cku ove funkcije mo zemo pribli zno izra cunati metodom bisekcije9 . Vrijedi t 3.508 pa je a= 1 1 = 0.517. 1 cos t 1 cos(3.508)

Funkcija je prikazana na slici 4.18.

Prethodni integral smo rije sili koriste ci nestandardnu supstituciju iz koje se odmah vidi da rje senje ima oblik cikloide. Integral se mo ze rije siti i pomo cu standardne racionalne supstitucije x/(1 C 2 x) = t2 (vidi poglavlje 1.7.1). 9 Vidi, na primjer, Java program http://lavica.fesb.hr/mat1/java/Bisekcija.html.
8

4.7

Varijacioni ra cun

209

0.5

0.517*(t-sin(t)), 0.517*(1-cos(t)) 1 x 0.5 1 1.5 2

Slika 4.18: Cikloida kao rje senje problema najkra ceg vremena

U prethodna dva primjera problem se, zbog F/y = 0, sveo na rje savanje jednostavne diferencijalne jednad zbe prvog reda sa separiranim varijablama (vidi poglavlje 5.2). Op cenito se dobije diferencijalna jednad zba drugog reda (vidi poglavlje 5.9).

Primjer 4.23 Rije simo problem najmanjeg oplo sja: od svih krivulja koje prolaze to ckama A = (a, c) i B = (b, d) nadimo onu koja rotacijom oko x-osi opisuje tijelo najmanjeg oplo sja (slika 4.19).
y A B

b x

Slika 4.19: Cikloida kao rje senje problema najkra ceg vremena

210

INTEGRALI VISESTRUKI

Prema poglavlju 2.6.4, oplo sje rotacionog tijela ra cuna se formulom

b

O = 2
a

1 + y 2 dx,

pri cemu je y > 0. Dakle, potrebno je minimizirati funkcional

b

I (y ) = 2
a

1 + y 2 dx,

y (a) = c,

y (b) = d.

Eulerova jednad zba glasi 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 .

Jednad zbu cemo rije siti koriste ci supstituciju y = p. Kako je y = d d dp dy dp y = p= = p, dx dx dy dx dy

Mno zenjem jednad zbe s (1 + y 2 ) 1 + y 2 dobili smo diferencijalnu jednad zbu drugog reda: y y y 2 1 = 0.

gornja diferencijalna jednad zba prelazi u jednad zbu sa separiranim varijablama dp yp p2 1 = 0, dy odnosno 1 p dp = dy. 2 p +1 y Integriranje daje 1 ln(p2 + 1) + ln a = ln y 2 za neku konstantu a. Odavde slijedi p= odnosno dx = dy = dx y a
2

1,

dy . y 2 1 a

4.7

Varijacioni ra cun

211

Integriranje daje (vidi poglavlje 1.1.1) x = a arch za neku konstantu b pa je kona cno y = a ch xb . a y +b a

Dakle, rje senje je lan canica (vidi poglavlje [M1, poglavlje 4.6.9]). Provjera dovoljnih uvjeta ekstrema daje
Fy y = y

1 (1 + y 2 ) 1 + y 2

> 0,

cetnih uvjeta pa se zaista radi o minimumu. Konstante a i b se odreduju iz po cetnih i ne mogu se odrediti analiti cki. Medutim, program za odredivanje po uvjeta mo ze se jednostavno programirati u programskom jeziku Matlab. Za rubne uvjete A = (0, 3) i B = (3, 2) program koji ra cuna konstante a i b potom crta rje senje glasi: function y=f(x) y(1)=x(1)*cosh(x(2)/x(1))-3; y(2)=x(1)*cosh((3-x(2))/x(1))-2; end [x, info] = fsolve(f, [1.5; 1.5]) u=0:0.1:3; v=x(1)*cosh((u-x(2))/x(1)); plot(u,v) Izvedite prethodni program pomo cu programa Octave On-line10 . cih funkcionala: Zadatak 4.6 Nadite ekstreme sljede
4

a) I (y ) =
0

y (1 + y 2 ) dx,

y (0) =

5 , 4

y (4) =

13 . 4

Rje senje: Funkcional dosti ze minimum za y =

/4

(5 x 6)2 4 + . 80 5 y (/4) = 1.

b) I (y ) =
0

(y 2 y 2 + 6 y sin 2 x) dx,

y (0) = 0,

Rje senje: Funkcional dosti ze maksimum za y = sin 2 x.

10

http://lavica.fesb.hr/octave/octave-on-line.php.

212

INTEGRALI VISESTRUKI

Sljede ci primjer ilustrira utjecaj rubnih uvjeta i kori stenje uvjeta transverzalnosti. Primjer 4.24 Rije simo funkcional
1

I (x) =
0

(x2 + 1) dt,

pri cemu je x = x(t) uz rubne uvjete x(0) = 1 i x(1) = 2: Eulerova jednad zba 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. Rubni uvjeti daju a = b = 1 a rje senje glasi x(t) = t + 1. Provjera dovoljnog uvjeta daje
Fx x = 2 > 0

pa se radi o minimumu. Najmanja vrijednost zadanog funkcionala je

1

Imin =
0

(1 + 1) dt = 2.

Ako je, pak, zadan samo jedan rubni uvjet, x(0) = 1, tada u drugom kraju mora vrijediti uvjet transverzalnosti F F (1, x(1), x (1)) = 0. x Eulerova jednad zba ponovo daje 0= d F x dt F x = 2 x

iz cega slijedi da je x (t) = a za neku konstantu a. Uvjet transverzalnosti povla ci 2 x (1) = 0 pa je a = 0, odnosno x (t) = 0. Dakle, x(t) = b za neku konstantu b, a zbog rubnog uvjeta x(0) = 1 je b = 1. Kona cno rje senje je stoga jednako x(t) = 1.

4.7

Varijacioni ra cun

213

Provjera dovoljnog uvjeta daje

Fx x = 2 > 0

pa se i u ovom slu caju radi o minimumu. Najmanja vrijednost funkcionala je sada

1

Imin =
0

(0 + 1) dt = 1.

ci s prvim slu cajem mo zemo zaklju citi da manje rubnih uvjeta Usporeduju daje bolje ekstreme. Napomena 4.3 Kada je funkcional funkcija od vi se funkcija,
b

I (x1 , . . . , xn ) =
a

F (t, x1 , . . . , xn , x 1 , . . . , xn ) dt,

gdje je x = 1 = x1 (t), . . . , xn = xn (t), nu zni uvjeti ekstrema glase d F F = 0, xi dt x i uz zadane rubne uvjete xi (a) = Ai , xi (b) = Bi , Ai , Bi R, i = 1, . . . , n, i = 1, . . . , n,

ili uvjete transverzalnosti

F =0 x i

tamo gdje nisu zadani rubni uvjeti. Dakle, tra zenje ekstrema funkcionala vi se funkcija svodi se na rje savanje sustava od n diferencijalnih jednad zbi i 2 n dodatnih uvjeta.

4.7.3

Uvjetni ekstrem

Postupak tra zenje vezanih (ili uvjetnih) ekstrema funkcionala je vrlo sli can postupku kod uvjetnih ekstrema funkcija vi se varijabli, odnosno koristi se metoda Lagrangeovih multiplikatora (vidi poglavlje 3.12). Zadatak je na ci funkcije x1 (t), . . . , xn (t) koje su ekstremi funkcionala
b

I (x1 , . . . , xn ) =
a

F (t, x1 , . . . , xn , x 1 , . . . , xn ) dt,

214 a istovremeno zadovoljavaju rubne uvjete xi (a) = Ai , xi (b) = Bi ,

INTEGRALI VISESTRUKI

Ai , Bi R,

i = 1, . . . , n,

i ograni cenja (uvjete) koja mogu biti algebarske jednad zbe hk (t, x1 , . . . , xn ) = 0, diferencijalne jednad zbe
hk (t, x1 , . . . , xn , x 1 , . . . , xn ) = 0,

k = 1, . . . , m,

m < n,

k = 1, . . . , m,

m < n,

ili takozvana izoperimetri cka ogranji cenja

b hk (t, x1 , . . . , xn , x 1 , . . . , xn ) = 0, a

Lk R ,

k = 1, . . . m.

Zadatak se rje sava na sljede ci na cin: prvo se formira pomo cni funkcional
b b

I =
a

F dt

F (t, x1 , . . . , xn , x 1 , . . . , xn ) + a

k (t) hk dt

pri cemu su Lagrangeovi multiplikatori k funkcije od t, a potom se rje senje polaznog problema dobije iz sustava od n Eulerovih jednad zbi F d F = 0, xi dt x i rubnih uvjeta i zadanih ograni cenja. Primjer 4.25 Nadimo ekstrem funkcionala
a

i = 1, . . . , n,

I (y, z ) =
0

1 + yz dx, x

y (0) = 0,

y (a) = b,

y = z + 1.

Pomo cni funkcional glasi

a

I =
0

1 + yz + (x) (y z 1) dx. x

Iz uvjeta y = z + 1 vidimo da su zadana sva cetiri rubna uvjeta: y (0) = 0, y (a) = b, z (0) = 1, z (a) = b 1.

4.7

Varijacioni ra cun

215

Rje senje dobijemo iz Eulerovih jednad zbi d F d F = (x) y dx y dx d F d F = (x) z dx z dx z x (1 + y z ) 2 y x (1 + y z ) = 0, = 0,

rubnih uvjeta i ograni cenja y = z + 1. Zbrajanjem Eulerovih jednad zbi imamo y + z d = 0. dx 2 x (1 + y z ) Zadano ograni cenje povla ci y = z pa prethodna jednad zba prelazi u d dx y x (1 + y 2 ) = 0.

Dakle, y je cikloida (vidi primjer 4.22), dok je z = y 1. Primjer 4.26 Nadimo ekstrem funkcionala
1

I (x) =
0

(x )2 dt,

x(0) = 1, x(1) = 0, x (0) = 1, x (1) = 0.

U podintegralnoj funkciji se javlja druga derivacija funkcije x(t), sto je potrebno eliminirati. Uvedimo nove funkcije x1 (t) = x(t), x2 (t) = x 1 (t).

Zadani problem prelazi u ekvivalentni problem

1 2 (x 2 ) dt, 0

I (x1 , x2 ) =

x1 (0) = 1, x1 (1) = 0, x2 (0) = 1, x2 (1) = 0,

uz ograni cenje x2 x cni funkcional glasi 1 = 0. Pomo

1

I =
0

2 (x 2 ) + (t) (x2 x1 ) dt.

216 Eulerove jednad zbe glase

INTEGRALI VISESTRUKI

d d F F = 0 ((t)) = 0, x1 dt x1 dt F d d F = (t) (x (t)) = 0. x2 dt x2 dt 2 Iz prve jednad zbe slijedi (t) = 0, a iz druge (t) = x 2 (t). Deriviranje zadnje jednad zbe daje (t) = x 2 (t) = 0 pa je x2 (t) = a t2 + b t + c, ci za neke konstante a, b i c. Ograni cenje x 1 = x2 povla x1 (t) = a t2 t3 + b + ct + d 3 2

za neku konstantu d. Rubni uvjeti daju x1 (0) = 1 = d, Nadalje, vrijedi x1 (1) = 0 = a b + + 1, 3 2 x2 (1) = 0 = a + b + 1, x2 (0) = 1 = c.

pa je a = 3 i b 4. Dakle, rje senje je dano s x1 (t) = t3 2 t2 + t + 1, x2 (t) = 3 t2 4 t + 1,

pa je tra zena vrijednost zadanog funkcionala jednaka

1

I=
0

(6 t 4)2 dt = 4.

Primjer 4.27 Nadimo ekstrem funkcionala

1

I (y, z ) =
0

(y 2 + z 2 4 x z 4 z ) dx,

uz rubne uvjete y (0) = 0, z (0) = 0, y (1) = 1, z (1) = 1,

4.7

Varijacioni ra cun

217

i uz izoperimetri cko ograni cenje

1

(y 2 x y z 2 ) dx = 2.

Pomo cni funkcional glasi

1

I =
0

y 2 + z 2 4 x z 4 z + (y 2 x y z 2 ) dx.

Eulerove jednad zbe glase d F d F (2 y + 2 y x) = 0, =0 y dx y dx F d F d = 4 (2 z 4 x 2 z ) = 0. z dx z dx Integriranje prve Eulerove jednad zbe daje 2 y + 2 y x = a, odnosno y = pa ponovno integriranje daje x + ax y= 2 +b 2 + 2 za neke konstante a i b. Rubni uvjet y (0) = 0 povla ci b = 0, a rubni uvjet pa je y (1) = 1 povla ci a = 2 + 3 2 y (x) = x2 + (3 + 4) x . 4 + 4
2

x + a 2 + 2

Integriranje druge Eulerove jednad zbe daje 2 z 4 x 2 z = 4 x + c, odnosno z = pa ponovno integriranje daje z= c 2 2

c x+d 2 2

218

INTEGRALI VISESTRUKI

za konstante c i d. Rubni uvjet z (0) = 0 povla ci d = 0, a rubni uvjet z (1) = 1 povla ci c = 2 2 pa je z (x) = x. Kona cno, uvr stavanjem izraza za y , y , z i z u zadano izoperimetri cko ograni cenje, dobijemo da je = 11/10 (dovr site ovaj ra cun za vje zbu!).

4.7.4

Eulerova metoda kona cnih razlika

U ovom poglavlju opsat cemo Eulerovu metodu kona cnih razlika za numeri cko rje savanje problema. Metoda se temelji na ideji da kod tra zenja ekstrema funkcionala
b

I (y ) =
a

F (x, y, y ) dx,

y (a) = A,

y (b) = B,

ne promatramo sve dozvoljene derivabilne funkcije koje zadovoljavaju rubne ckama uvjete, ve c samo poligonalne linije koje imaju vrhove u to (xi , yi ), i = 0, 1, . . . , n,

koje su denirane na sljede ci na cin: uz x = (b a)/n je xi = a + i x, yi = y (xi ), i = 0, . . . n.

Na ovaj na cin zadani funkcional I (y ) postaje funkcija varijabli y1 , . . . , yn1 koju ozna cavamo s (y1 , . . . , yn1 ), a zadani problem se svodi na tra zenje ekstrema funkcije od n 1 varijabli, odnosno na rje savanje sustava jednad zbi , yi i = 1, . . . , n 1.

Primjer 4.28 Nadimo ekstrem funkcionala

1

I (y ) =
0

(y 2 + 2 y ) dx,

y (0) = 0,

y (1) = 0,

metodom kona cnih razlika. Odaberimo n = 5. Tada je x = (1 0)/5 = 0.2 i y0 = y (0) = 0, y3 = y (0.6), y1 = y (0.2), y4 = y (0.8), y2 = y (0.4), y5 = y (1) = 0.

4.7

Varijacioni ra cun

219

Integral aproksimiramo pomo cu lijeve integralne sume (vidi napomenu 2.1)

I (y ) [F (x0 , y0 , y0 ) + + F (xn1 , yn1 , yn 1 )] dx

pri cemu se derivacije aproksimiraju kona cnim razlikama

yi = y (xi ) =

yi+1 yi , x

odnosno
y0 =

y1 0 , 0.2 y4 y3 y3 = , 0.2

y1 =

y2 y1 y3 y2 , y2 = , 0.2 0.2 0 y4 y4 = . 0.2

Dakle, I (y ) (y1 , . . . , yn1 ) = + y3 y2 0.2

2

y1 0.2

+20+
2

y2 y1 0.2

+ 2 y1 + y 4 0.2
2

+ 2 y2 +

y4 y3 0.2

+ 2 y3 +

+ 2 y4 .

Nu zni uvjeti ekstrema funkcije (y1 , . . . , yn1 ) glase y1 y2 y3 y4 = = = = 2 y1 2 (y2 y1 )(1) + + 2 0.2 = 0, 0.04 0.04 2 (y2 y1 ) 2 (y3 y2 )(1) + + 2 0.2 = 0, 0.04 0.04 2 (y3 y2 ) 2 (y4 y3 )(1) + + 2 0.2 = 0, 0.04 0.04 2 (y4 y3 ) 2 y4 + 2 0.2 = 0. 0.04 0.04

Nakon sredivanja vidimo da se radi o sustavu linearnih jednad zbi Ax = b (vidi [M1, glava 2]), gdje je 2 1 0.04 1 2 1 0.04 , A= b = 0.04 . 1 2 1 1 2 0.04 Rje senje sustava je y1 = 0.08, y2 = 0.12, y3 = 0.12, y4 = 0.08.

220

INTEGRALI VISESTRUKI

Primijetimo da se izra cunate vrijednosti poklapaju s to cnim vrijednostima egzaktong rje senja y = (x2 x)/2 (izra cunajte egzaktno rje senje za vje zbu!). Rje senje se mo ze jednostavno programirati u programskom jeziku Matlab. Program koji postavi matricu A i vektor b te potom rije si sustav i nacrta numeri cko i egzaktno rje senje glasi: n=4; dx=1/(n+1); % Matrica A i vektor b for i=1:n, A(i,i)=2; end for i=1:n-1, A(i+1,i)=-1; A(i,i+1)=-1; end b=-dx**2*ones(n,1); % Rjesenje sustava y=A\b % Crtanje rjesenja i tocnog rjesenja x=0:dx:1; y=[0; y; 0] xx=0:0.01:1; yy=(xx.^2-xx)/2; plot(x,y,r,xx,yy,b) Izvedite prethodni program pomo cu programa Octave On-line11 , pri cemu mo zete varirati broj to caka n. Napomena 4.4 Op cenito se kori stenjem metode kona cnih razlika dobije sustav nelinearnih jednad zbi. Intuitivno je jasno da aproksimacija rje senja postaje sve bolja kada se pove cava broj intervala n. Ova metoda je za cetak poznate metode kona cnih elemenata.

11

http://lavica.fesb.hr/octave/octave-on-line.php.

5.
DIFERENCIJALNE JEDNADZBE

5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9

Populacijska i logisti cka jednad zba . . . . . . . . . . . . . 224 Jednad zbe sa separiranim varijablama . . . . . . . . . . . 231 Polje smjerova . . . . . . . . . . . . . . . . . . . . . . . . 234 Eulerova metoda . . . . . . . . . . . . . . . . . . . . . . . 235 Ortogonalne i izogonalne trajektorije . . . . . . . . . . . . 238 Singularna rje senja i ovojnice . . . . . . . . . . . . . . . . 242 Egzaktne jednad zbe i integriraju ci faktori . . . . . . . . . 245 Linearne diferencijalne jednad zbe prvog reda . . . . . . . 249 Linearne diferencijalne jednad zbe drugog reda . . . . . . . 251 5.9.1 5.9.2 5.9.3 5.9.4 Homogene jednad zbe . . . . . . . . . . . . . . . . . 253 Nehomogene jednad zbe . . . . . . . . . . . . . . . 256 Jednad zbe s konstantnim koecijentima . . . . . . 259 Slobodna, gu sena i prisilna titranja . . . . . . . . . 265

5.10 Linearne diferencijalne jednad zbe vi seg reda . . . . . . . . 273 5.11 Sustavi diferencijalnih jednad zbi . . . . . . . . . . . . . . 278

Denicija 5.1 Diferencijalna jednad zba je jednad zba oblika F (x, y, y , y , . . . , y (n) ) = 0. (DJ)

Rje senje diferencijalne jednad zbe je svaka funkcija y = f (x) koja zadovoljava jednad zbu DJ na nekom skupu D R. Red diferencijalne jednad zbe je red najvi se derivacije koja se javlja u jednad zbi.

222

DIFERENCIJALNE JEDNADZBE

Najjednostavnije diferencijalne jednad zbe ve c smo rje savali: rje senje jednad zbe 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 zelimo odrediti konstantu integracije C , treba biti zadan jo s jedan uvjet (vrijednost funkcije y (x0 ) ili vrijednost derivacije y (x0 ) u nekoj to cki x0 D ). Op cenito, postupak rje savanja svake diferencijalne jednad zbe u sebi sadr zi vi sekratno integriranje. Pri tome se u rje senju jednad zbe n-tog reda javlja n konstanti za cije je odredivanje potrebno znati n uvjeta koje u odabranim to ckama trebaju zadovoljavati funkcija y i/ili njene derivacije. Obi cno su uvjeti zadani u rubnim to ckama podru cja u kojem promatramo diferencijalnu jednad zbu. Diferencijalne jednad zbe su jedan od najva znijih dijelova matematike uop ce. Kako je derivacija mjera promjene, diferencijalnim jednad zba se najjednostavnije izra zavaju i modeliraju mnogi prirodni zakoni. Primjer 5.1 Promotrimo problem titranja mase obje sene na oprugu (slika 5.1), pri cemu je x(t) polo zaj mase u trenutku t.

kx x m

Slika 5.1: Titranje mase obje sene na oprugu Prema Hookeovom zakonu sila potrebna za odr zavanje opruge rastegnutom x jedinica udaljenosti od njene prirodne du zine proporcionalna je s x, F (x) = kx. Stoga je sila s kojom se opruga vra ca u polo zaj ravnote ze jednaka kx. S druge strane, prema Newtonovom drugom zakonu gibanja, sila

223 je jednaka umno sku mase i ubrzanja. Izjedna cavanje sila daje diferencijalnu jednad zbu d2 x(t) = kx(t). m dt2 Odavde slijedi k d2 x(t) = x(t), 2 dt m odnosno, druga derivacije od x je proporcionalna x, ali ima obrnuti predznak. Znamo da funkcije sinus i kosinus imaju upravo to svojstvo. Kasnije cemo pokazati da se sva rje senja ove jednad zbe mogu napisati kao odreden kombinacije sinusa i kosinusa. Kako se radi o diferencijalnoj jednad zbi drugog reda, za odredivanje konstanti potrebna su dva uvjeta. U ovom slu caju prirodni uvjeti su polo zaj i brzina u trenutku t = 0, odnosno potrebno je zadati vrijednosti x(0) i x (0). Primjer 5.2 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). U krugu se takoder nalazi otpor od R oma (Ohm) i zavojnica s induktivitetom L henrija (H) (slika 5.2).
R

E(t)

Slika 5.2: Strujni krug Prema Ohmovom zakonu pad napona na otporu jednak je RI . Pad napona na zavojnici jednak je L(dI/dt). Prema Kirchoovom zakonu zbroj padova napona jednak je naponu kojeg daje naponski izvor. Dakle, dI + RI = E (t), dt sto je diferencijalna jednad zba prvog reda koja modelira struju I u trenutku t. Rije simo zadanu jednad zbu uz (prirodan) uvjet da je struja u trenutku uklju civanja naponskog izvora t = 0 jednaka nuli, I (0) = 0. Uz oznake = R/L i = 1/L vrijedi L dI = dt. E (t) I

224 Integriranje obaju strana daje

DIFERENCIJALNE JEDNADZBE

ln | E (t) I | = t + C, odnosno | E (t) I | = e (t+C ) = e C e t , pa mo zemo pisati E (t) I = Ae t , pri cemu smo predznak izraza E (t) I uklju cili u konstantu A. Dakle, I (t) = A E (t) et .

Odredimo konstantu A: iz po cetnog uvjeta slijedi 0 = I (0) = pa je A = E (0). Kona cno, I (t) = 1 1 E (t) E (0) e(R/L)t . R R A E (0)

Ako je na primjer, L = 4 H, R = 12 Ohm i E (t) = 60 V, tada je I (t) = 5 5 e3 t . Funkcija je prikazana na slici 5.3. Stacionarno stanje strujnog kruga je (horizontalna asimptota) lim I (t) = 5 A.
t

5.1

Populacijska i logisti cka jednad zba

Neka P (t) ozna cava broj jedinki neke populacije u trenutku t. Najjednostavniji model rasta populacije je sljede ci: stopa rasta populacije proporcionalna je veli cini populacije, odnosno, promjena u populaciji bit ce ve ca sto je u populaciji vi se jedinki. Ovo je razumna pretpostavka za populacije bakterija ili zivotinja u idealnim uvjetima (neograni ceni resursi, odgovaraju ca prehrana, nepostojanje bolesti, nepostojanje prirodnih neprijatelja). Kako je promjena populacije dana s dP (t) dt, matemati cka formulacija rasta populacije glasi dP = kP. dt

5.1

Populacijska i logisti cka jednad zba

225

5 5 5-5*exp(-3*t)

Slika 5.3: Struja u strujnom krugu Ova diferencijalna jednad zba rje sava se sli cno kao i jednad zba iz primjera 5.2: dP = k dt, P ln |P | = kt + C, |P | = ekt eC , P = A ekt .

Konstantu A mo zemo odrediti ako znamo inicijalnu (po cetnu) populaciju 0 P (0) = P0 . Tada je P0 = P (0) = A e = A pa je rast populacije dan funkcijom P (t) = P0 ekt . Ukoliko umjesto inicijalne populacije u trenutku t = 0 znamo populaciju u nekom trenutku t0 , P (t0 ) = P0 , tada je P0 = A ekt0 , odnosno A = P0 ekt0 pa je rast populacije dan funkcijom P (t) = P0 ek(tt0 ) . Kona cno, uo cimo sljede ce: ako je k > 0 tada populacija raste, a ako je k < 0 populacija se smanjuje. Primjer 5.3 Tablica 5.1 prikazuje stanovni stvo svijeta od 1750. godine1 . Uzmemo li za po cetnu godinu t0 = 1750, imamo P (t) = 791 ek(t1750) .
1

Podaci su preuzeti s Wikipedije na adresi http://en.wikipedia.org/wiki/World population.

226 godina stanovni stvo godina stanovni stvo 1750 791 1970 3692 1800 978 1975 4068 1850 1262 1980 4434

DIFERENCIJALNE JEDNADZBE

1900 1650 1985 4830

1950 2518 1990 5263

1955 2755 1995 5674

1960 3021 2000 6070

1965 3334 2005 6453

Tablica 5.1: Stanovni stvo svijeta od 1750. godine u milijunima stanovnika Odredimo parametar k koriste ci zadnju godinu u tablici: P (2005) = 6453 = 791 ek(20051750) . Dakle, k= pa je P (t) = 791 e0.0082314 (t1750) . Funkcija P (t) i podaci iz tablice 5.1 prikazani su na slici 5.4.
P(t)

ln 6453 ln 791 0.0082314 255

6000 5000 4000 3000 2000 1000

1750

1800

1850

1900

1950

2000

Slika 5.4: Rast svjetskog stanovni stva od 1750. do 2005. godine Funkcija P (t) prolazi, dodu se, to ckama (1750, 791) i (2005, 6453), ali ne opisuje dobro stvarni rast stanovni stva. Razlog tome je jasan jednostavni model kojeg smo izabrali o cito ne uklju cuje sve parametre koji utje cu na rast

5.1

Populacijska i logisti cka jednad zba

227

populacije. Medutim, ako se ograni cimo samo na razdoblje od godine 1950. do danas, tada je P (t) = 2518 ek(t1950) , k= ln 6453 ln 2518 0.017111. 55

Na slici 5.5 vidimo da je sada preklapanje funkcije i stvarnih podataka puno bolje. Stopa rasta stanovni stva je u tom razdoblju pribli zno jednaka 1.7%, sto je 2005. godine iznosilo 110 milijuna stanovnika godi snje. Iskoristimo li ce na svijetu biti 14 milijardi gornju formulu za predvidanje, 2050. godine stanovnika: P (2050) = 2518 e0.017111 (20501950) 13937.
P(t) 6000 5000 4000 3000 2000

1950

1960

1970

1980

1990

2000

Slika 5.5: Rast svjetskog stanovni stva od 1950. do 2005. godine

zemo modelirati populacijPrimjer 5.4 Radioaktivni raspad takoder mo skom jednad zbom. Neka laboratorij ima m = 10 g radija-226 (226 cije 88 Ra) je vrijeme poluraspada 1602 godine2 . Izra cunajmo koliko ce radija biti na raspolaganju nakon sto godina i kada ce laboratorij imati 7 g radija-226 ? Prvo je, kao i u prethodnom primjeru potrebno utvrditi koecijent k, koji ce u ovom slu caju biti negativan jer se radi o opadanju populacije. Vrijeme poluraspada je vrijeme potrebno da se koli cina radio-aktivne tvari
2

Vidi http://www.wikipedia.org/wiki/Radium.

228

DIFERENCIJALNE JEDNADZBE

svede na polovicu. Dakle, imamo redom m(1602) = 5 = 10 ek 1602) , 1 ln = k 1602, 2 ln 2 k= . 1602 Stoga je m(100) = 10 e(ln 2/1602) 100 9.5766 pa ce laboratorij nakon sto godina imati m = 9.5766 g radija-226. Iz 7 = 10 e(ln 2/1602) t slijedi ln odnosno t= ln 2 7 = t, 10 1602

1602 7 824.35 ln 2 10 pa ce laboratorij imati 7 g radija-226 nakon 824 godine.

Primjer 5.5 Kamatni ra cun s neprekidnim ukama civanjem takoder zadovoljava populacijsku jednad zbu: ako glavnicu G0 oro cimo s godi snjom kamatom k (na primjer, za kamatu od 6% je k = 0.06) i ako se kamata pripisuje n puta godi snje, tada nakon t godina glavnica iznosi G(t) = G0 1 + k n
nt

Naime, u n-tom dijelu godine kamata je k/n, ali se zato glavnica uve cava n puta godi snje. Formula za neprekidno ukama civanje slijedi prelaskom na limes: G(t) = lim G0 1 +
n

k n

nt

= G0 lim = G0 pa je [M1,6.1.3]

k 1+ n 1+ 1 m

n/k kt

m kt

lim

G(t) = G0 ekt .

5.1

Populacijska i logisti cka jednad zba

229

Na primjer, uz po cetni iznos od 1000 kuna i godi snju kamatu od 6% nakon tri godine glavnica uz jednogodi snje, polugodi snje, kvartalno, mjese cno, dnevno i neprekidno ukama civanje iznosi redom G(3) = 1000 (1.06)3 = 1191.016 G(3) = 1000 (1.03)6 = 1194.052 G(3) = 1000 (1.015)12 = 1195.618 G(3) = 1000 (1.005)36 = 1196.681 G(3) = 1000 0.06 1+ 365
3653

= 1197.199

G(3) = 1000 e0.063 = 1197.217 Prirodni sustavi naj ce s ce zbog svojih ograni cenja ne mogu prihvatiti neograni cenu populaciju. Stoga je cest sljede ci slu caj: populacija P u po cetku raste eksponencijalno sa stopom rasta k, ali se taj rast smanjuje kako se populacija pribli zava maksimalnom (nosivom) kapacitetu sustava K . Matemati cki takvo pona sanje mo zemo modelirati logisti ckom jednad zbom: dP = kP dt 1 P K .

Mehanizam jednad zbe je sljede ci: kada ja populacija P mala u odnosu na kapacitet K , tada je izraz u zagradi pribli zno jednak jedan, i populacija se pona sa prema populacijskoj jednad zbi. Kada se pak populacija pribli zi maksimalnom kapacitetu, tada izraz u zagradi te zi k nula sto ko ci rast populacije. Rije simo jednad zbu: vrijedi redom 1 P 1 P K dP = k dt

K P = kt C P K P = ekt eC P K 1 = A ekt P ln

K dP = kt + C P (K P ) 1 1 + dP = kt + C P K P ln |P | ln |K P | = kt + C

230 pa je

DIFERENCIJALNE JEDNADZBE

K . 1 + A ekt Konstantu A mo zemo odrediti ako je zadana po cetna populacija P (0) = P0 : iz P (0) = P0 = K/(1 + A) slijedi P (t) = A= K P0 . P0

Primjer 5.6 Kultura bakterija ima stopu rasta k = 0.07 na sat, a maksimalni kapacitet podloge je 1000 bakterija. Ako je na po cetku imamo 100 bakterija tada je A = (1000 100)/100 = 9 pa je P (t) = 1000 . 1 + 9 e0.07 t

Tako cemo, na primjer, nakon 12 sati imati P (12) = 205, a nakon 48 sati P (48) = 762 bakterije. Ako, pak, na po cetku imamo 1500 bakterija, tada je A = 1/3 i 1000 P (t) = 1 1 e0.07 t 3 pa cemo nakon 12 sati imati P (12) = 1168, a nakon 48 sati P (48) = 1012 bakterija. Obje funkcije prikazane su na slici 5.6.
1000 1000/(1+9*exp(-0.07*t)) 1000/(1-exp(-0.07*t)/3)

1500

1000

100 12 48 t

Slika 5.6: Rje senja logisti cke jednad zbe Zadatak 5.1 Vijest se siri gradi cem koji ima 1234 stanovnika tako da je brzina sirenja vijesti proporcionalna umno sku broja stanovnika koji su vijest

5.2

Jednad zbe sa separiranim varijablama

231

culi i broja stanovnika koji vijest nisu culi. U osam sati ujutro vijest je culo 100 stanovnika, a do podne vijest je culo pola grada. U koliko sati ce 1000 stanovnika cuti vijest?

5.2

Jednad zbe sa separiranim varijablama

Diferencijalna jednad zba prvog reda je separabilna (ka zemo i da se radi o jednad zbi sa separiranim varijablama) ako je mo zemo zapisati u obliku. f (x) dx = g(y ) dy. Tada je g(y ) dy = g(y (x)) dy dx = dx g(y (x)) f (x) dx = g(y (x)) f (x) dx.

U literaturi se cesto navodi i oblik: P (x) dx + Q(y ) dy = 0. Sve jednad zbe prvog reda koje smo rje savali u prethodnim poglavljima su separabilne. Navedimo jo s nekoliko primjera. Primjer 5.7 Za jednad zbu dy x2 = dx 2y + sin y vrijedi (2y + sin y ) dy = x2 dx pa je implicitno rje senje jednad zbe dano s y 2 cos y = x3 + C. 3

Ako je jo s zadan i po cetni uvjet y (1) = , tada je 2 C = 2 + . 3 Primjer 5.8 Newtonov zakon hladenja ka ze da je promjena temperature objekta proporcionalna razlici temperature objekta T i temperature okoline

232

DIFERENCIJALNE JEDNADZBE

(ambijenta) Tamb . Ovaj zakon je dobra aproksimacija procesa hladenja u standardnim uvjetima. Matemati cka formulacija glasi dT = k(T Tamb ), dt k > 0,

gdje je k koecijent hladenja (koji ovisi, na primjer, o izolacijskim svojstvima posude). Rje senja problema hladenja je: dT = k dt, T Tamb ln |T Tamb | = kt + C,

|T Tamb | = ekt eC , T Tamb = A ekt .

Ako je zadana po cetna temperatura T (0) = T0 , tada je T0 = T (0) = Tamb + A pa je kona cno T (t) = ekt (T0 Tamb ) + Tamb . Zadatak 5.2 a) U jednu veliku salicu kave temperature 90 C ulijemo mlijeko sobne temperature od 22 C odmah, a u drugu nakon 5 minuta. Koja se dogada ako ulijemo mlijeko ce kava biti toplija nakon 8 minuta? Sto iz fri zidera temperature 4 C? Napomena: ako je koli cina kave k i temperatura kave Tk te ako je koli cina mlijeka m i temperatura mlijeka Tm , tada je temperatura smjese Ts jednaka Ts = k Tk + m Tm . k+m

b) U hotelskoj sobi temperature 20 C policija je u pono c otkrila tijelo zrtve. Temperatura tijela bila je 26 C. Dva sata kasnije, temperatura tijela bila je 24 C. Kada se otprilike dogodio zlo cin? Funkcija f (x, y ) je homogena stupnja homogenosti k ako je f (x, y ) = k f (x, y ). Diferencijalna jednad zba oblika P (x, y ) dx + Q(x, y ) dy = 0 je homogena ako su P i Q homogene funkcije istog stupnja. Zamjenom varijabli z = y/x homogena jednad zba prelazi u jednad zbu sa separiranim varijablama.

5.2

Jednad zbe sa separiranim varijablama

233

Primjer 5.9 Rije simo diferencijalnu jednad zbu y = Kako je x2 xy . y2

zadana jednad zba je homogena. Uvr stavanje y = zx, uz x = 0 daje z x + z = Sada imamo

(x)(y ) 2 xy xy = = 2 , 2 2 2 2 2 (x) (y ) (x y ) x y2 y = zx + z

z x2 z = . 2 2 2 x x z 1 z2

1 z2 1 dz = dx, 3 z x 1 2 ln z = ln x + ln C, 2z gdje smo radi jednostavnosti pretpostavili da je x, z, C > 0. Sada je 1 = ln(z x C ), 2z 2 2 z x C = e1/(2z ) , y 2 2 x C = ex /(2y ) , x i, kona cno, y= 1 x2 /(2y2 ) e . C

Zadatak 5.3 Rije site diferencijalne jednad zbe: a) y y y arctg = 0 uz y (1) = 1, x x

b) (3x 7y ) dx = (7x + 3y ) dy , 1 + x2 x c) y = . y ey zbu krivulje koja prolazi to ckom (1, 1), a ima Zadatak 5.4 Nadite jednad svojstvo da joj je nagib u to cki (x, y ) jednak y 2 /x3 .

234

DIFERENCIJALNE JEDNADZBE

5.3

Polje smjerova

Ako je funkcija y = f (x) rje senje diferencijalne jednad zbe prvog reda y = F (x, y ), koje prolazi nekom to ckom (x0 , y0 ), tada je smjer tangente na krivulju y = f (x) u to cki (x0 , y0 ) dan upravo s F (x0 , y0 ). Kako se svaka funkcija o okolini zadane to cke pona sa kao tangenta (vidi [M1,5.1.1]), to se i rje senje y = f (x) u okolini to cke (x0 , y0 ) pona sa pribli zno sli cno kao pravac koji prolazi kroz to cku (x0 , y0 ) i ima koecijent smjera F (x0 , y0 ). Temeljem ovog razmatranja mo zemo napraviti sljede ce: caka (x, y ) u onom dijelu rav odaberimo skup pravilno rasporedenih to nine u kojem tra zimo rje senje diferencijalne jednad zbe, kroz svaku od odabranih to caka nacrtamo mali dio pravca (segment) s koecijentom smjera F (x, y ). Na taj na cin dobili smo polje smjerova (polje izoklina) diferencijalne jed nad zbe y = F (x, y ). Polje smjerova nam naj ce s ce daje dobru ideju o izgledu rje senja krenemo li od po cetnog uvjeta, mo zemo skicirati krivulju y = f (x) koriste ci svojstvo da nam u svakoj to cki nacrtani segment daje smjer kretanja krivulje. Na slici 5.7 prikazana su polja smjerova za diferencijalne jednad zbe y = 2 2 x + y i y = x + y 1.

1 1 1 1

(a)

(b)

Slika 5.7: Polje smjerova za jednad zbe (a) y = x + y i (b) y = x2 + y 2 1 Slika 5.7 (b) nacrtana je pomo cu sljede ceg Matlab programa:

5.4

Eulerova metoda

235

% Polje smjerova za y=x^2+y^2-1 za -3<=x<=3 i -3<=y<=3 a=-3; b=3; c=-3; d=3; nX=15; nY=15; dX=(b-a)/nX; dY=(d-c)/nY; hold for i=1:nX+1, for j=1:nY+1, xx=a+i*dX; yy=c+j*dY; yDerivirano=xx^2+yy^2-1; x=xx-dX/4:dX/100:xx+dX/4; y=yDerivirano*(x-xx)+yy; plot (x,y,b) end end

Primjer 5.10 Polje smjerova logisti cke jednad zbe iz primjera 5.6, dP = 0.07 P dt 1 P 1000 ,

zajedno s rje senjima za po cetne uvjete P (0) = 100 i P (0) = 1500 prikazano je na slici 5.8. Zadatak 5.5 Za sljede ce diferencijalne jednad zbe skicirajte polje smjerova na podru cju [2, 2] [3, 3] i rje senja koje prolaze to ckama (0, 0), (0, 1) i (0, 1): y = 2y (y 2), y = y ex ,

y = xy + y 2 .

5.4

Eulerova metoda

Eulerova metoda je metoda za numeri cko rje savanje diferencijalne jednad zbe prvog reda oblika y = F (x, y ), y (x0 ) = y0 .

236

DIFERENCIJALNE JEDNADZBE

1500

1000 P 100 10 t

Slika 5.8: Polje smjerova logisti cke jednad zbe Metoda se temelji na aproksimaciji funkcije y pomo cu prvog clana Taylorovog reda [M1, teorem 6.17]: y (x + x) y (x) + y (x) x. Metoda se sastoji u sljede cem: za odabrani prirast x deniramo niz to caka x0 , x1 = x0 + x, x2 = x1 + x, x3 = x2 + x, . . . ,

U to cki (x0 , y0 ) derivacija funkcije y je y = F (x0 , y0 ) pa Taylorova formula povla ci y (x1 ) y1 = y (y0 + x F (x0 , y0 ). Sli cno, vrijedi y2 = y1 + x F (x1 , y1 ), y3 = y2 + x F (x2 , y2 ), pa je, za zadanu to cku (x0 , y0 ), Eulerova metoda denirana rekurzivnom formulom yn = yn1 + x F (xn1 , yn1 ), n = 1, 2, . . . Primjer 5.11 Za diferencijalnu jednad zbu strujnog kruga iz primjera 5.2, E RI dI = , dt L L = 4 H, R = 12 Ohm, E = 60 V, (5.1)

5.4

Eulerova metoda

237

uz po cetni uvjet I (0) = 0 i korak t = 0.2 s Eulerova metoda daje I (0) = 0, I (0.2) = I (0) + 0.2 (15 3 I (0)) = 0 + 0.2 (15 3 0) = 3 I (0.6) = 4.2 + 0.2 (15 3 4.2) = 4.68 I (0.4) = I (0.2) + 0.2 (15 3 I (0.2)) = 3 + 0.2 (15 3 3) = 4.2 I (0.8) = 4.68 + 0.2 (15 3 4.68) = 4.872

I (1) = 4.872 + 0.2 (15 3 4.872) = 4.9488.

Za korak od t = 0, 1 s imamo redom I (0) = 0, I (0.1) = 1.5, I (0.2) = 2.55, I (0.3) = 3.285, I (0.4) = 3.79950, I (0.5) = 4.15965, I (0.6) = 4.41176, I (0.7) = 4.58823, I (0.8) = 4.71176, I (0.9) = 4.79823, I (1) = 4.85876. Sljede ci Matlab program ra cuna i crta rje senje diferencijalne jednad zbe (5.1): % Eulerova metoda za I(t) = ( E - R * I(t) ), I(0)=0 x0=0; xn=1; y(1)=0; h=0.1; E=60; R=12; L=4; x=x0:h:xn; n=max(size(x)); for i=2:n yDerivirano=(E-R*y(i-1))/L; y(i)=y(i-1)+h*yDerivirano;

238 end plot(x,y)

DIFERENCIJALNE JEDNADZBE

Vidimo da Eulerova metoda stalno grije si, no o cekujemo da ce za dovoljno male korake rje senje biti to cnije. Na slici 5.9 prikazana su rje senja jednad zbe (5.1) za korake t = 0.2 s, t = 0.1 s, t = 0.01 s i to cno rje senje I (t) = 5 5 e3t .
5 "euler02" "euler01" "euler001" 5-5*exp(-3*t)

Slika 5.9: Eulerova metoda Zadatak 5.6 Izra cunajte i skicirajte pribli zno rje senje diferencijalne jednad zbe y = y ex , y (0) = 1 na intervalu [0, 1] uz korake x = 0.2 i x = 0.1.

5.5

Ortogonalne i izogonalne trajektorije

Izogonalna trajektorija obitelji (familije) krivulja F (x, y, C ) = 0 ovisne o parametru C je svaka krivulja koja sije ce svaku krivulju zadane familije pod zadanim kutom. Ukoliko je kut pravi, radi se o ortogonalnoj trajektoriji. Na primjer, ako je zadana familija pravaca koji prolaze kroz ishodi ste, 2 2 y = kx, k R, tada je svaka kru znica sa sredi stem u ishodi stu, x + y = C , C (0, +), ortogonalna trajektorija te familije (vidi sliku 5.10). Ka zemo da su dvije familije ortogonalne trajektorije jedna drugoj. Ortogonalne trajektorije mo zemo, ako postoje, na ci sljede cim postupkom:

5.5

Ortogonalne i izogonalne trajektorije

239

Slika 5.10: Ortogonalne trajektorije y = kx i x2 + y 2 = C 1. prvo deriviramo jednad zbu zadane familije krivulja, sto daje F dy F + = 0, x y dx 2. eliminacija parametra C iz prethodne jednad zbe i jednad zbe F (x, y, C ) = 0 daje diferencijalnu jednad zbu zadane familije krivulja, na primjer, (x, y, y ) = 0, (5.2)

3. za bilo koju krivulju vrijedi sljede ce: koecijent smjera tangente zadane krivulje u to cki (x, y (x)) je y (x), a koecijent smjera normale u istoj to cki je 1/y (x). Stoga ortogonalne trajektorije zadovoljavaju diferencijalnu jednad zbu x, y, 1 y =0

pa je rje senje ove jednad zbe jednad zba familije ortogonalnih trajektorija. Primjer 5.12 Nadimo ortogonalne trajektorije familije parabola x = ky 2 , k R: deriviranje daje 1 = k 2y y , pri cemu smo koristili pravilo o deriviranju slo zene funkcije. Kako je k = x/y 2 , uvr stavanje daje diferencijalnu jednad zbu y = y . 2x

240

DIFERENCIJALNE JEDNADZBE

Dakle, ortogonalne trajektorije zadovoljavaju jednad zbu y = odnosno y dy = 2x dx. y2 = x2 + C 2 pa su ortogonalne trajektorije elipse sa sredi stem u ishodi stu (vidi sliku 5.11), y2 x2 + = 1, C 2C C > 0. Integriranje daje 2x , y

Slika 5.11: Ortogonalne trajektorije x = ky 2 i x2 + y 2 /2 = C Zadatak 5.7 Doka zite da su kru znice x2 +y 2 = C , C (0, +) ortogonalne trajektorije pravaca y = kx, k R. Postupak ra cunanje izogonalnih trajektorija proizlazi iz sljede ceg zapa zanja: ako je dy/dx = tg koecijent smjera tangente na zadanu krivulju, i ako je dyT /dx = tg koecijent smjera tangente izogonalne trajektorije koja zadanu krivulju sije ce pod kutom , tada vrijedi (vidi sliku 5.12) tg = tg( ) = tg tg , 1 + tg tg

5.5

Ortogonalne i izogonalne trajektorije

241

odnosno

dyT tg dy = dx . (5.3) dyT dx tg + 1 dx Uvr stavanje ovog izraza za dy/dx u jednad zbu (5.2) i ispu stanje indeksa T daje diferencijalnu jednad zbu izogonalne trajektorije.

Slika 5.12: Tangens razlike kutova Primjer 5.13 Nadimo izogonalne trajektorije familije pravaca y = kx koje te pravce sijeku pod kutom /4. Deriviranje zadane jednad zbe i eliminacija konstante C dy y = . dx x U ovom slu caju je tg = tg(/4) = 1 pa formule (5.3) daje dyT 1 y . = dx dyT x +1 dx Ispu stanjem indeksa T i sredivanjem nastale jednad zbe dobili smo diferencijalnu jednad zbu izogonalnih trajektorija: y 1+ dy x. = y dx 1 x Ovo je homogena diferencijalna jednad zba cije rje senje glasi ln x2 + y 2 = arctg y + ln C. x

242 U polarnim koordinatama (r, ) vrijedi y = tg , x pa rje senje glasi

DIFERENCIJALNE JEDNADZBE

x2 + y 2 = r

ln r = + ln C, odnosno r = Ce sto je jednad zba familije logaritamskih spirala (vidi sliku 5.13).

Slika 5.13: Izogonalne trajektorije y = kx i r = Ce

5.6

Singularna rje senja i ovojnice

Op ce rje senje diferencijalne jednad zbe prvog reda oblika F (x, y, y ) = 0 je skup funkcija (x, y, C ) = 0 ovisnih o parametru C . No, u nekim slu cajevima diferencijalna jednad zba ima i rje senje (x, y ) = 0 koje se ne mo ze dobiti iz op ceg rje senja ni za jednu vrijednost parametra C . Takvo rje senje zove se singularno rje senje i ima sljede ca svojstva koja navodimo bez dokaza: S1. kroz svaku to cku (x, y ) = 0 prolaze dva rje senja polazne diferencijalne jednad zbe,

5.6

Singularna rje senja i ovojnice

243

S2. krivulja (x, y ) = 0 je ovojnica familije krivulja (x, y, C ) = 0, odnosno krivulja (x, y ) = 0 u svakoj svojoj to cki dira jednu od krivulja iz familije (x, y, C ) = 0, S3. singularno rje senje (x, y ) = 0 se dobije eliminacijom parametra C iz sustava jednad zbi (x, y, C ) = 0, (x, y, C ) = 0. C senje diferencijalne jednad zbe Primjer 5.14 Nadimo singularno rje y 2 (1 + y 2 ) = 2 , Vrijedi dy = dx Separacija varijabli daje y dy 2 y 2 = dx. 2 y 2 . y R.

pa je rje senje jednad zbe familija kru znica radijusa sa sredi stem na x-osi: (x C )2 + y 2 = 2 . Ovojnice ove familije su pravci y = i y = (vidi sliku (5.14)), a prema svojstvu S2 to su ujedno i singularna rje senje polazne jednad zbe sto se lako provjeri uvr stavanjem. Singularno rje senje smo mogli dobiti i pomo cu svojstva S3: jednakost
2 2 2 C (x, y, C ) = [(x C ) + y ]C = 2 (x C ) = 0

povla ci x = C pa uvr stavanje u jednad zbu (x C )2 + y 2 = 2 daje singularno rje senje y 2 = 2 . senje sljede cih jednad zbi: Zadatak 5.8 Nadite singularno rje a) 2y (y + 2) x(y )2 = 0, b) y 2 (y )2 + y 2 1 = 0.

244
y

DIFERENCIJALNE JEDNADZBE

y=

y=

Slika 5.14: Ovojnice Primjer 5.15 Clairautova diferencijalna jednad zba glasi y = xy + f (y ). Deriviranje jednad zbe daje y = y + xy + f (y )y , odnosno y [x + f (y )] = 0. Izjedna cavanje prvog faktora s nulom daje y = 0, odnosno y = C . Dakle, op ce rje senje jednad zbe glasi y = Cx + f (C ), sto je familija pravaca ovisna o parametru C . Prema svojstvu S3, singularno rje senje dobijemo eliminacijom parametra C iz sustava y = Cx + f (C ), 0 = x + f (C ).

Na primjer, op ce rje senje jednad zbe (uz supstituciju t = x + 1) y = xy + y + (y )2 je y = C (x + 1) + C 2 , dok je singularno rje senje jednako (vidi sliku (5.15)) 1 y = (x + 1)2 . 4

5.7

Egzaktne jednad zbe i integriraju ci faktori

245

1 -1 6 x

Slika 5.15: Clairautova jednad zba ce i singularno rje senje sljede cih jednad zbi: Zadatak 5.9 Nadite op a) x = y 1 2, y (y ) y 1 + (y )2 .

b) y = xy +

5.7

Egzaktne jednad zbe i integriraju ci faktori

Diferencijalna jednad zba oblika P (x, y ) dx + Q(x, y ) dy = 0 je egzaktna ako je P Q = . y x U tom slu caju postoji funkcija F (x, y ) takva da je dF (x, y ) = P (x, y ) dx + Q(x, y ) dy pa je rje senje jednad zbe dano s F (x, y ) = C. (5.6) (5.5) (5.4)

246

DIFERENCIJALNE JEDNADZBE

Opi simo postupak nala zenja funkcije F . Ukoliko navedena funkcija F postoji, tada je F/x = P , odnosno F (x, y ) = P (x, y ) dx + (y ),

pri cemu je (y ) neka funkcija od y . Nadalje, F (x, y ) = y y pa je (y ) = Q(x, y ) P (x, y ) dx + (y ) = Q(x, y ) y

P (x, y ) dx.

Izraz na desnoj strani prethodne jednakosti je funkcija od y jer uvjet (5.5) povla ci Q(x, y ) x y P (x, y ) dx = Q(x, y ) x Q(x, y ) = x y 2 P (x, y ) dx xy P (x, y ) = 0. y

Dakle, (y ) = pa je kona cno F (x, y ) = Kako je F (x, y ) = P (x, y ), x F (x, y ) = P (x, y ) dx + Q(x, y ) y y y funkcija F zaista zadovoljava jednakost (5.6). Primjer 5.16 Prethodno opisnim postupkom nadimo rje senje diferencijalne jednad zbe (2x + 2y 2 ) dx + (4xy + 3y 2 ) dy. Jednad zba je egzaktna jer je (2x + 2y 2 ) = 4y = (4xy + 3y 2 ). y x P (x, y ) dx + Q(x, y ) dy y P (x, y ) dx dy. Q(x, y ) dy P (x, y ) dx dy

P (x, y ) dx = Q(x, y ),

5.7

Egzaktne jednad zbe i integriraju ci faktori

247

Vrijedi F (x, y ) = Dalje je (2x + 2y 2 ) dx + (y ) = x2 + 2xy 2 + (y ).

F (x, y ) = 4xy + (y ) = 4xy + 3y 2 , y

pa je (y ) = 3y 2 odnosno (y ) = y 3 . Rje senje zadane jednad zbe je stoga x2 + 2xy 2 + y 3 = C. Zadatak 5.10 Rije site diferencijalne jednad zbe: a) y (4xy + 3y 2 ) + 2x + 2y 2 + 1 = 0, uz uvjet y (0) = 1, b) x + ex/y dx + 1 c) y = x y ex/y dy = 0,

sin y , uz uvjet y (1) = /4. x cos y

Za neke jednad zbe oblika (5.4) koje nisu egzaktne, postoji funkcija (x, y ) takva da je jednad zba (x, y ) P (x, y ) dx + (x, y ) Q(x, y ) dy = 0 (5.7)

egzaktna. U tom slu caju umjesto zadane jednad zbe (5.4) mo zemo rije siti novu jednad zbu. Funkcija je integriraju ci faktor ili Eulerov multiplikator. Ako je jednad zba (5.7) egzaktna, tada je ( P ) y = ( Q)x pa je
y P + Py = x Q + Qx ,

odnosno
y P x Q = (Qx Py ).

Ovo je parcijalna diferencijalna jednad zba koja mo ze biti i slo zenija od polaznog problema. Stoga nala zenje integriraju ceg faktora op cenito nije jednostavno. No, kada je integriraju ci faktor funkcija samo jedne varijable (bilo x bilo y ), tada je postupak sljede ci: ako je = (x) tada je y = 0 pa je
x = (Qx Py ),

odnosno

Q Py d x = dx. Q

248

DIFERENCIJALNE JEDNADZBE

Dakle, = (x) mo zemo na ci ukoliko je kvocijent na desnoj strani funkcija od x. Sli cno, ako je = (y ) tada je x = 0 pa je
Q d x Py = dy P

ukoliko je kvocijent na desnoj strani funkcija od y . Primjer 5.17 Rije simo jednad zbu (x2 y 2 ) dy + 2xy dx = 0.
= 2y i Q = 2y , jednad Kako je P = x2 y 2 i Q = 2xy te Py zba nije x egzaktna. Iz Q Py 4y 2 x = = Q 2xy x

zaklju cujemo da je = (x). Imamo 2 d = dx, x ln || = ln |x|2 + ln C, C = 2. x Mo zemo uzeti bilo koji integriraju ci faktor pa odaberimo C = 1 odnosno = 2 1/x . Mno zenje polazne jednad zbe s integriraju cim faktorom daje egzaktnu diferencijalnu jednad zbu (provjerite) x2 y 2 2y dy = 0. dx + 2 x x Postupak opisan na po cetku poglavlja daje: F (x, y ) =
Fy (x, y ) =

y2 x2

dx + (y ) = x +

y2 + (y ), x

2y 2y + (y ) = . x x (y ) = 0, (y ) = C

Dakle, pa je rje senje zadane jednad zbe dano s x+ y2 = C. x

5.8

Linearne diferencijalne jednad zbe prvog reda

249

Zadatak 5.11 Rije site diferencijalne jednad zbe: a) y + (y 2 x) y = 0, b) (x + y 3 ) dy y dx = 0, uz uvjet y (1) = 1, c) (6x3 y + 3y 2 ) dx + (2x4 + 6xy ln x) dy = 0.

5.8

Linearne diferencijalne jednad zbe prvog reda

Linearna diferencijalna jednad zba prvog reda ima oblik y + p(x) y = q (x). Rje senje jednad zbe je y= 1 (x) q (x) (x) dx + C , (x) = e
R p(x) dx

(5.8)

(5.9)

Ako je q (x) = 0, jednad zba je homogena, y + p(x) y = 0. Ovo je jednad zba sa separiranim varijablama: dy = p(x) dx. y Dakle, ln y = p(x) dx + ln C,

odnosno rje senje homogene jednad zbe glasi y = C e

R p(x) dx

U nehomogenom slu caju, jednad zba (5.8) je ekvivalentna s dy + [p(x) y q (x)] dx = 0. Iz

Q Py p(x) 0 d x = dx = dx = p(x) dx Q 1

zaklju cujemo da je integriraju ci faktor dan s (x) = e

R p(x) dx

250

DIFERENCIJALNE JEDNADZBE

Mno zenjem jednad zbe (5.8) integriraju cim faktorom imamo e

R p(x) dx

y +e

p(x) dx

p(x) y = e

p(x) dx

q (x).

Formula za deriviranje produkta daje e a integriranje daje e

R p(x) dx R p(x) dx

=e

p(x) dx

q (x),

y=

p(x) dx

q (x) dx + C

i formula (5.9) je dokazana. Primjer 5.18 Rije simo diferencijalnu jednad zbu y = 2y + x, Vrijedi pa je y = e2x [C + Parcijalna integracija daje 1 1 e2x x dx = x e2x e2x 2 4 pa op ce rje senje glasi y = e2x C Po cetni uvjet daje 1 1 1 2x 1 2x xe e = C e2x x . 2 4 2 4 e2x x dx]. (x) = e
R

y (0) = 2. = e2x

(2) dx

1 = 2. 4 Dakle, C = 9/4 pa je rje senje zadaog problema funkcija y (0) = C y (x) = 1 9 2x 1 e x . 4 2 4

Zadatak 5.12 Rije site diferencijalne jednad zbe: a) y y sin x = sin x cos x,

5.9

Linearne diferencijalne jednad zbe drugog reda

251

b) y +

2 y = x3 , x

c) (1 + x2 ) y 2xy = (1 + x2 )2 , uz uvjet y (0) = 1. Primjer 5.19 Bernoullijeva diferencijalna jednad zba glasi y = p(x) y + q (x) y r , r R.

Ako je r = 0, radi se o linearnoj diferencijalnoj jednad zbi prvog reda oblika (5.8). Ako je r = 1, tada imamo homogenu jednad zbu y = [p(x) q (x)] y . U ostalim slu cajevima koristimo supstituciju w = y 1r . Uvr stavanjem y = w 1r
1

1 r 1 1 w 1r 1 w = w 1r w 1r 1r

dobili smo linearnu diferencijalnu jednad zbu prvog reda

r 1 r 1 w 1r w = p(x) w 1r + q (x) w 1r , 1r

odnosno w = (1 r ) p(x) w + (1 r ) q (x). Zadatak 5.13 Rije site diferencijalne jednad zbe: a) xy = y + ex y 3 b) y + y = x2 y 4 x (rje senje: y = (C/x2 2 ex /x + 2 ex /x2 )1/2 ), (rje senje: y = 1/(x 3 3 ln |C/x|) ).

5.9

Linearne diferencijalne jednad zbe drugog reda

Linearna diferencijalna jednad zba drugog reda glasi y + p(x) y + q (x) y = f (x), pri cemu su funkcije p, q i f neprekidne na nekom intervalu I R na kojem promatramo jednad zbu. Rje senje jednad zbe je svaka funkcija y koja za bilo koji x0 I mo ze zadovoljiti proizvoljne po cetne uvjete y (x0 ) = a, Pripadna homogena jednad zba glasi y + p(x) y + q (x) y = 0. y (x0 ) = b.

252

DIFERENCIJALNE JEDNADZBE

U op cenitom slu caju kada su p i q proizvoljne funkcije od x, ne postoji univerzalna metoda za rje savanje linearne diferencijalne jednad zbe drugog reda (5.14). No, takva metoda postoji u slu caju kada su p i q konstante (vidi poglavlje 5.9.3). Poglavlje je organizirano na sljede ci na cin: prvo je uveden pojam linearne nezavisnosti funkcija. Potom je opisana struktura rje senje homogene jednad zbe (5.11). Nakon toga opisane su metode varijacije konstanti i mesavanje nehomogene jednad zbe (5.14). toda neodredenih koecijenata za rje Na kraju je opisan postupak rje savanja jednad zbe s konstantnim koecijentima. Denicija 5.2 Funkcije y1 i y2 su linearno nezavisne na intervalu I ako identitet C1 y1 (x) + C2 y2 (x) = 0, x I , (5.10) pri cemu su C1 i C2 realne konstante, povla ci C1 = C2 = 0. Ova denicija je formalno jednaka deniciji linearne nezavisnosti vektora [M1, 2.5]. Provjera linearne nezavisnosti je ne sto slo zenija i za nju su nam potrebni sljede ca denicija i teorem. Denicija 5.3 Neka su y1 , y2 : I R derivabilne funkcije. Funkcija W (x) = y1 (x) y2 (x) (x) y (x) = y1 (x) y2 (x) y1 (x) y2 (x) y1 2

je determinanta Wronskog ili Wronskijan funkcija y1 i y2 . Teorem 5.1 Ako su funkcije y1 i y2 linearno zavisne na intervalu I , tada je njihov Wronskijan identi cno jednak nula. Dokaz. Neka je C1 y1 + C2 y2 = 0, pri cemu je, na primjer, C2 = 0. Tada je y2 = y1 za = C1 /C2 . No, tada je i y y1 y y1 W = 1 = 1 x I = 0, y1 y1 y1 y1 i teorem je dokazan. Zaklju cujemo da su dvije funkcije linearno nezavisne cim je Wronskijan u barem jednoj to cki razli cit od nule, sto nije te sko provjeriti.

5.9

Linearne diferencijalne jednad zbe drugog reda

253

5.9.1

Homogene jednad zbe

Sljede ca dva teorema daju strukturu rje senja homogene jednad zbe y + p(x) y + q (x) y = 0. (5.11)

Teorem 5.2 Ako su y1 i y2 dva rje senja homogene jednad zbe (5.11), tada senje te je i svaka njihova linearna kombinacija C1 y1 + C2 y2 takoder rje jednad zbe. Dokaz. Teorem se dokazuje direktnim uvr stavanjem.

Teorem 5.3 Neka su y1 i y2 dva rje senja homogene jednad zbe (5.11). Sljede ce tvrdnje su ekvivalentne3 : (i) W (x) = 0 za svaki x I , (ii) W (x0 ) = 0 za neki x0 I , (iii) funkcije y1 i y2 su linearno nezavisne na intervalu I , (iv) op ce rje senje jednad zbe dano je s C1 y1 + C2 y2 . Dokaz. Implikacija (iii) (ii) slijedi iz teorema 5.1. Implikaciju (ii) (i) dokazujemo na sljede ci na cin: kako su y1 i y2 rje senja zadane jednad zbe, vrijedi
y1 + p(x) y1 + q (x) y1 = 0, y2 + p(x) y2 + q (x) y2 = 0.

Mno zenjem prva jednad zbe s y2 i druge s y2 te oduzimanjem prve jednad zbe od druge, imamo
(y2 y1 y1 y2 ) + p(x) (y2 y1 y1 y2 ) = 0,

odnosno, prema deniciji Wronskijana, W + p(x) W = 0.

3

Drugim rije cima, ako je bilo koja tvrdnja istinita, tada su istinite i ostale.

254 Separacija varijabli i teorem 2.3 daju

x

DIFERENCIJALNE JEDNADZBE

ln W = odnosno

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

W (x) = C e

p(t) dt

(5.12)

Uvr stavanjem to cke x = x0 slijedi C = W (x0 ), odnosno W (x) = W (x0 ) e

x R x0

p(t) dt

Kako je po pretpostavci W (x0 ) = 0, a eksponencijalna funkcija je uvijek nenegativna, zaklju cujemo da je W (x) = 0 za svaki x I pa je implikacija dokazana. Implikacija (i) (iii) je o cita (teorem 5.1). S ovim smo dokazali ekvivalentnost tvrdnji (i) (iii). Preostaje jo s uklju citi tvrdnju (iv ). Doka zimo ekvivalentnost tvrdnji (i) i (iv ). Funkcija y = C1 y1 + C2 y2 je op ce rje senje jednad zbe (5.11) ako za bilo koje po cetne uvjete y (x0 ) = a, y (x0 ) = b, x0 I , mo zemo na ci odgovaraju ce konstante C1 i C2 tako da uvjeti budu zadovoljeni. Uvr stavanjem zaklju cujemo da su C1 i C2 rje senja sustava linearnih jednad zbi 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 rje senje ako i samo ako je W (x) = 0 za svaki x = x0 u intervalu I i teorem je dokazan. Skup linearno nezavisnih rje senja homogene jednad zbe (5.11) zove se fundamentalan skup rje senja. Primjer 5.20 Rje senja diferencijalne jednad zbe y + 1 1 y 2y=0 x x

5.9

Linearne diferencijalne jednad zbe drugog reda

255

su y1 = x,

1 y2 = , x

sto se lako provjeri uvr stavanjem. Wronskijan je jednak W (x) =

1 2 x x = . 1 1 x2 x

O cito je W (x) = 0 za x = 0 pa su prema teoremu 5.3 funkcije y1 i y2 linearno nezavisne, a op ce rje senje jednad zbe glasi 1 y = C1 x + C2 . x Ukoliko znamo samo jedno rje senje zadane homogene jednad zbe, drugo linearno nezavisno rje senje mo zemo dobiti koriste ci formulu (5.12). Prema toj formuli je R y1 y2 y2 y1 = C e p(x) dx .
2 imamo Dijeljenjem ove jednad zbe s y1 y y R y1 y2 1 2 1 p(x) dx = C e 2 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 p(x) dx C e , 2 y1

dx + D.

Kako tra zimo samo jedno rje senje, mo zemo uzeti C = 1 i D = 0 pa je y2 = y1 e

R p(x) dx 2 y1

dx.

(5.13)

Funkcije y1 i y2 su o cito linearno nezavisne jer je funkcija y2 /y1 razli cita od konstante pa je op ce rje senje jednad zbe jednako y = C 1 y 1 + C2 y 1 e
R p(x) dx 2 y1

dx.

256

DIFERENCIJALNE JEDNADZBE

Primjer 5.21 Jedno rje senje homogene diferencijalne jednad zbe (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 1x e
R
2x 1x2

dx

e ln |1x | dx = x x2

dx x2 |1 x2 |

pa je op ce rje senje zadane jednad zbe jednako y = C 1 x + C2 1 1+x 1 . x ln 2 1x

5.9.2

Nehomogene jednad zbe

Sljede ci teorem daje op ce rje senje linearne diferencijalne jednad zbe drugog reda y + p(x) y + q (x) y = f (x). (5.14) Teorem 5.4 Op ce rje senje jednad zbe (5.14) dano je s y = yH + yP , gdje je yP neko partikularno rje senje, odnosno
yP + p(x) yP + q (x) y = f (x),

a yH rje senje pripadne homogene jednad zbe (5.11). Dokaz. Funkcija y je zaista rje senje jer vrijedi (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).

Jo s treba pokazati da funkcija y mo ze zadovoljiti bilo koje po cetne uvjete y (x0 ) = a, y (x0 ) = b, x0 I .

Prema teoremu 5.3, rje senje homogene jednad zbe je oblika yH = C1 y1 + 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 jednad zbe drugog reda

257

Uvr stavanjem dobivamo sustav linearnih jednad zbi u nepoznanicama C1 i C2 :

(x0 ). (x0 ) = b yP (x0 ) + C2 y2 C1 y1

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

Determinanta matrice ovog sustava je upravo Wronskijan koji je razli cit od nule po teoremu 5.3. Stoga sustav ima jedinstveno rje senje i teorem je dokazan. Partikularno rje senje nalazimo metodom varijacije konstanti. Neka je y = C1 y1 + C2 y2 rje senje pripadne homogene jednad zbe pri cemu su y1 i y2 linearno nezavisne funkcije. Partikularno rje senje nehomogene jednad zbe tra zimo u istom obliku, s tom razlikom sto pretpostavljamo da C1 i C2 nisu konstante ve c neke funkcije od x. Deriviranje daje
y = C1 y 1 + C2 y 2 + C1 y 1 + C2 y2 .

Odaberimo funkcije C1 i C2 tako da zadovoljavaju uvjet

C1 y 1 + C2 y2 = 0.

(5.15)

Tada je
y = C1 y 1 + C2 y 2

pa je
y = C1 y1 + C2 y 2 + C1 y 1 + C2 y2 .

Uvr stavanje u jednad zbu (5.14) daje

C1 y1 + C2 y 2 + C1 y1 + C2 y2 + p(x)[C1 y1 + C2 y 2 ]+ 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 y 1 + C2 y2 = f (x).

Kako su y1 i y2 rje senja homogene jednad zbe, izrazi u uglatim zagradama su jednaki nula pa je C1 y 1 + C2 y2 = f (x).
Kombiniraju ci ovu jednakost s jednako s cu (5.15), vidimo da su funkcije C1 i C2 rje senje sustava linearnih jednad zbi C1 y 1 + C2 y2 = 0, C1 y1

(5.16)

C2 y2

= f (x).

258

DIFERENCIJALNE JEDNADZBE

Determinanta ovog sustava je Wronskijan linearno nezavisnih funkcija y1 i y2 koji je uvijek razli cit od nule pa sustav ima jedinstveno rje senje. Ako je rje senje sustava, na primjer,
C1 = (x), C2 (x) = (x),

tada je, kona cno, C1 (x) = (x) dx + A, C2 (x) = (x) dx + B

pri cemu su A i B konstante integracije. ce rje senje diferencijalne jednad zbe Primjer 5.22 Nadimo op y = x. x Prvo nadimo op ce rje senje homogene jednad zbe 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 rje senje cemo odrediti metodom varijacije konstanti: funkcije C1 i C2 cemo odrediti iz rje senja sustava
2 C1 x + 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 rje senje jednako, C1 = y P = C 1 x2 + C 2 = pa je op ce rje senje jednako y = y H + y P = C 1 x2 + C 2 + 1 3 x . 3 1 3 x 3

pa je

5.9

Linearne diferencijalne jednad zbe drugog reda

259

Napomena 5.1 Ukoliko je funkcija f zbroj dviju funkcija, f (x) = f1 (x) + f2 (x), tada je partikularno rje senje jednad zbe y + p(x) y + q (x) y = f1 (x) + f2 (x) jednako yP = yP1 + yP2 pri cemu je
yP + p(x) yP + q (x) y = fi (x), i i

i = 1, 2.

Na primjer, partikularno rje senje jednad zbe y 4y = x je yP1 = x/4, a par tikularno rje senje jednad zbe y 4y = 3ex je yP2 = 3ex /5 pa je partikularno rje senje jednad zbe y 4y = x + 3ex jednako y= 3 1 x + ex . 4 5

5.9.3

Jednad zbe s konstantnim koecijentima

Linearna diferencijalna jednad zba drugog reda s konstantnim koecijentima glasi y + a y + b y = f (x), a, b R. (5.17) Rje senje pripadne homogene jednad zbe, y + a y + b y = 0, a, b R, (5.18)

tra zimo u obliku y = e x , pri cemu, prema teoremu 5.3, trebamo na ci dva linearno nezavisna rje senja. Uvr stavanje daje 2 e x + a e x + b e x = 0, odnosno e x (2 + a + b) = 0. Kako je eksponencijalna funkcija uvijek nenegativna, cemo dobiti kao rje senje karakteristi cne jednad zbe 2 + a + b = 0. Dakle, vrijedi 1,2 = pa razlikujemo tri slu caja. a a2 4 b 2

260

DIFERENCIJALNE JEDNADZBE

Ako je a2 4 b > 0, nul-to cke su razli cite i realne, 1 = 2 , 1 , 2 R. Tada su y1 = e1 x , y2 = e2 x dva linearno nezavisna rje senja homogene jednad zbe jer je W (x) = pa je yH = C1 e1 x + C2 e1 x , Ako je a2 4 b = 0, tada imamo jednu dvostruku realnu nul-to cku, a 1 = 2 = = . 2 e1 x e2 x = e(1 +2 )x (2 1 ) = 0 1 e1 x 2 e2 x

Dva linearno nezavisna rje senja homogene jednad zbe su jednaka y1 = ex , pa je yH = C1 ex + C2 xex . Zaista, funkcija y1 je rje senje homogene jednad zbe jer zadovoljava karakteristi cnu jednad zbu, dok je funkcija y2 prema formuli (5.13) jednaka y2 = e
x

y2 = xex

e a dx dx = ex e2x

dx = xex .

2 C, Ako je a2 4 b < 0, nul-to cke su konjugirano kompleksne, 1 = odnosno a 4b a 4b a a + i, 1 = i i. 1 = + i 2 2 2 2 Tada su y1 = e1 x , y2 = e2 x dva linearno nezavisna rje senja homogene jednad zbe, kao i u prvom slu caju. No, prema teoremu 5.2, i funkcije y3 = 1 y1 + y2 = [e(+i)x + e(i)x ] 2 2 1 x = [e (cos x + i sin x) + ex (cos x i sin x)] 2 = ex cos x

5.9

Linearne diferencijalne jednad zbe drugog reda

261

1 y1 y2 = [e(+i)x e(i)x ] = ex sin x 2i 2i su takoder rje senja jednad zbe (5.18). Pomo cu Wronskijana vidimo da su funkcije y3 i y4 linearno nezavisne pa je y4 = yH = ex (C1 cos x + C2 sin x). Primjer 5.23 a) Za jednad zbu y + y 2y = 0 karakteristi cna jednad zba glasi 2 + 2 = 0. Stoga je 1 = 1 i 2 = 2 pa je rje senje zadane jednad zbe jednako y = C1 ex + C2 e2x . b) Karakteristi cna jednad zba jednad zbe y 4y + 4y = 0 glasi 2 4 + 4 = 0. Stoga je 1 = 2 = 2 pa je rje senje jednad zbe jednako y = C1 e2x + C2 xe2x . c) Nadimo rje senja jednad zbe y + 2y + 5y = 0, Karakteristi cna jednad zba glasi 2 + 2 + 5 = 0. Rje senja su konjugirano kompleksna, 1 = 1 + 2i, pa je y = ex (C1 cos 2x + C2 sin 2x). 2 = 1 2i, y (0) = 1, y (0) = 0.

262 Prvi uvjet daje

DIFERENCIJALNE JEDNADZBE

y (0) = 1 = C1 cos 0 + C2 sin 0 = C1 . Kako je y (x) = ex (1 cos 2x + C2 sin 2x) + ex (1 (2 sin 2x) + 2 C2 cos 2x), drugi uvjet daje y (0) = 0 = 1 + 2 C2 , odnosno C2 = 1/2, pa je op ce rje senje jednad zbe y = ex cos 2x + 1 sin 2x . 2

Nakon sto smo izra cunali rje senje homogene jednad zbe (5.18), partikularno rje senje yP jednad zbe (5.17) mo zemo na ci ili metodom varijacije konstanti iz poglavlja 5.9.2 ili metodom neodredenih koecijenata koja je opisana na kraju ovog poglavlja. Primjer 5.24 Rije simo jednad zbu y + 4y + 3y = x. Karakteristi cna jednad zba glasi 2 + 4 + 3 = 0 pa je 1 = 1 i 2 = 3. Rje senje pripadne homogene jednad zbe je stoga yH = C1 ex + C2 e3x . Metoda varijacije konstanti daje sustav (5.16):
x 3x C1 e + C2 e = 0, C1 (ex ) + C2 (3e3x ) = x.

(5.19)

Sustav mo zemo rije stiti, na primjer, Cramerovim pravilom [M1, 2.9.5]:

C1 (x) =

ex e3x x e 3 e3x ex 0 ex x

0 e3x x 3 e3x

xe3x 1 = x ex , 3 x x 2 e e 2 xex 1 = x e3x . 3 x x 2 e e 2

C2 (x) =

ex e3x ex 3 e3x

5.9

Linearne diferencijalne jednad zbe drugog reda

263

Integriranje daje C1 (x) = C2 (x) = 1 1 x x e dx = (x 1) ex + A, 2 2 1 1 3x x e dx = (3 x 1)e3x + B. 2 18

Odabirom konstanti A = B = 0 i uvr stavanjem funkcija C1 (x) i C2 (x) u formulu (5.19) dobili smo partikularno rje senje yP = 1 4 x 3 9

pa je op ce rje senje zadane jednad zbe jednako y = yH + yP = C1 ex + C2 e3x + 4 1 x . 3 9

Ukoliko funkcija f (x) u jednad zbi (5.17) ima poseban oblik, f (x) = eax p(x) cos bx + eax q (x) sin bx, (5.20)

pri cemu su p i q polinomi stupnja najvi se m, tada partikularno rje senje mo zemo na ci metodom neodredenih koecijenata: ako je a + i b nul-to cka karakteristi cnog polinoma kratnosti k, k {0, 1, 2}, tada partikularno rje senje yP ima oblik yP = xk eax [ (A0 + A1 x + + Am xm ) cos bx+ +(B0 + B1 x + + Bm xm ) sin bx ].

(5.21)

Uvr stavanjem ove funkcije u jednad zbu (5.17) i izjedna cavanjem ogovaraju cih koecijenata, dobijemo sustav linearnih jednad zbi koji uvijek ima jedinstveno rje senje. Primjer 5.25 Funkcija f (x) = x u primjeru 5.24 ima oblik (5.20) uz a = 0, b = 0, m = 1 i p(x) = x. Prema formuli (5.21), partikularno rje senje ima oblik yP = (A0 + A1 x) e0x = A0 + A1 x. Uvr stavanje u zadanu jednad zbu daje 0 + 4 A1 + 3 (A0 + A1 x) = x. Izjedna cavanje lijeve i desne strane po potencijama od x daje sustav jednad zbi 3 A1 = 1, 4 A1 + 3 A0 = 0

264 pa je partikularno rje senje jednako yP =

DIFERENCIJALNE JEDNADZBE

4 1 x . 3 9

Ovaj postupak je jednostavniji od metode varijacije konstanti koju smo koristili u primjeru 5.24. Primjer 5.26 Rije simo diferencijalnu jednad zbu y + 9 y = (x2 + 1) e3x . Rje senje homogene jednad zbe je yH = C1 cos 3x + C2 sin 3x. Funkcija f ima oblik (5.20) uz a = 3, b = 0, m = 2 i p(x) = x2 + 1. Stoga, prema formuli (5.21) partikularno rje senje ima oblik yP = (A x2 + B x + C ) e3x . Uvr stavanje yP u zadanu jednad zbu, kra cenje s e3x i izjedna cavanje koecijenata uz potencije od x, daje sustav jednad zbi s nepoznanicama A, B i C cije je rje senje 1 1 5 A= , B= , C= . 18 27 81 Dakle, partikularno rje senje je jednako yP = 1 2 1 5 x x+ 18 27 81 e3x ,

a op ce rje senje zadane jednad zbe je y = yH + yP . Primjer 5.27 Rije simo diferencijalnu jednad zbu y + 4 y = cos 2x. Nul-to cke karakteristi cne jednad zbe su 1 = 2i i 2 = 2i pa je rje senje homogene jednad zbe jednako yH = C1 cos 2x + C2 sin 2x. Funkcija f ima oblik (5.20) uz a = 0, b = 2, m = 0 i p(x) = 1. Kako je a + ib nul-to cka karakteristi cne jednad zbe kratnosti k = 1, u skladu s formulom (5.21) partikularno rje senje ima oblik yP = x (A cos 2x + B sin 2x).

5.9

Linearne diferencijalne jednad zbe drugog reda

265

Uvr stavanje yP u zadanu jednad zbu i izjedna cavanje koecijenata uz sin 2x i cos 2x daje 1 A = 0, B= 4 pa je op ce rje senje zadane jednad zbe jednako y = yH + yP = C1 cos 2x + C2 sin 2x + Zadatak 5.14 Rije site diferencijalne jednad zbe: a) y + 3 y = 3 x e3x b) y + y = sin x
1 3 2 3x 1 x e3x ), (rje senje: y = A + Be3x 1 2x e 3

1 x sin 2x. 4

(rje senje: y = A sin x + B cos x + y (0) = 1, y (0) = 0

cos2 x sin x 9 16

1 2 sin x ),

c) y +4 y = x, x 4 ),

(rje senje: y =

7 2x e2x + 16 e

d) y + 7 y + 6 y = (x 2) ex 9 x 25 ) e ), e) y y = 3 e2x cos x ), f) y + 4 y + 7 y = 0,

1 x+ (rje senje: y = A e6x + B ex + x ( 10

3 (rje senje: y = A ex + B ex + e2x ( 10 cos x + 3 5 sin x)

y (0) = 1,

y (0) = 1,

g) y + 2 y + 5 y = 2 cos x.

5.9.4

Slobodna, gu sena i prisilna titranja

Najzanimljviji problem koji se svodi na diferencijalnu jednad zbu drugog reda sa konstantnim koecijentima je sustav mase i opruge. Tijelo mase m titra na opruzi koja ima koecijent opruge k > 0. Sustav ima dodatno trenje (gu senje) s koecijentom gu senja b > 0, a na tijelo djeluje vanjska sila f . Neka je y (t) otklon tijela od polo zaja mirovanja u trenutku t. Na tijelo djeluju sljede ce sile: sila jednaka umno sku mase i ubrzanja prema Newtonovom drugom zakonu gibanja, d2 y m 2, dt sila gu senja koja je proporcionalna brzini, b dy , dt

266

DIFERENCIJALNE JEDNADZBE

i sila kojom djeluje opruga prema Hookeovom zakonu, a koja je proporcionalna otklonu od polo zaja mirovanja (vidi primjer 2.20), k y. Navedene sile moraju biti u ravnote zi s vanjskom silom f , sto daje diferencijalnu jednad zbu drugog reda s konstantnim koecijentima: dy d2 y +b + k y = f (t). (5.22) 2 dt dt Ovaj sustav, koji je slo zeniji od sustava opisanog u primjeru 5.1, je prikazan na slici 5.16. m

y(t)

m f(t)

Slika 5.16: Titranje mase obje sene na oprugu uz gu senje i vanjsku silu U najjednostavnijem slu caju kada nema ni gu senja ni vanjske sile (b = 0 i f (t) = 0), radi se o harmonijskom oscilatoru. Pripadna (homogena) diferencijalna jednad zba glasi m Karakteristi cna jednad zba je 2 = pa jedna zba titranja glasi y (t) = C1 cos t + C2 sin t, = k , m k m d2 y + k y = 0. dt2

5.9

Linearne diferencijalne jednad zbe drugog reda

267

sto je periodi cka funkcija s periodom P = 2 = 2 m . k

Konstante C1 i C2 mo zemo odrediti iz po cetnog polo zaja y (t0 ) = y0 i po cetne brzine y (t0 ) = y1 . Nadalje, uz oznake A= imamo y (t) = A (cos t cos + sin t sin ) pa adicioni teorem [M1, 4.6.5] daje op cu kosinusoidu y (t) = A cos(t ). U slu caju kada nema vanjske sile, (homogena) diferencijalna jednad zba glasi dy d2 y + k y = 0. m 2 +b dt dt Karakteristi cna jednad zba glasi m 2 + b + k = 0 pa je 1,2 = b b2 4 m k . 2m U skladu s razmatranjima iz poglavlja 5.9.3, razlikujemo tri slu caja: (i) ako je b2 4 m k > 0, tada je 1,2 R, 1 = 2 i 1,2 < 0 pa je rje senje diferencijalne jednad zbe jednako y = C1 e1 t + C2 e2 t , (ii) ako je b2 4 m k = 0, tada je 1 = 2 = b/(2 m) pa je rje senje diferencijalne jednad zbe jednako y = C1 et + C2 t et , (iii) ako je b2 4 m k < 0, tada je b2 4 m k b 1,2 = i i 2m 2m pa je rje senje diferencijalne jednad zbe jednako y = et (C1 cos t + C2 sin t).
2 + C 2, C1 2

cos =

C1 , A

sin =

C2 , A

(5.23)

268

DIFERENCIJALNE JEDNADZBE

U sva tri slu caja vrijedi limt y (t) = 0. U prvom slu caju radi se o gu senju bez titranja, u drugom slu caju mo ze do ci do jednokratnog porasta po cetnog otklona nakon cega nastupa gu senje bez titranja, a u tre cem slu caju se radi o gu senom titranju oko polo zaja ravnote ze. Primjeri pona sanja sustava dani su na slici 5.17.

exp(-t)+exp(-2*t) exp(-t)+2*t*exp(-t) exp(-t)*(2*cos(2*t)+3*sin(2*t))

Slika 5.17: Gu seno titranje Ukoliko na sustav djeluje i vanjska sila f , radi se o prisilnim oscilacijama. Sustav je opisan nehomogenom jednad zbom (5.22). Pona sanje sustava opisat cemo na primjeru kada je vanjska sila jednaka f (t) = F cos ct, c > 0.

Kao sto smo ve c vidjeli, kod rje savanja pripadne homogene jednad zbe razlikujemo tri slu caja. U prvom slu caju, kada je b2 4 m k > 0, rje senje pripadne homogene jednad zbe glasi yH = C1 e1 t + C2 e2 t . Partikularno rje senje mo zemo na ci metodom neodredenih koecijenta koja je opisana u poglavlju 5.9.3. Iz formula (5.20) i (5.21) zaklju cujemo da partikularno rje senje ima oblik yP = G1 cos ct + G2 sin ct. Vrijedi
yP = G1 c ( sin ct) + G2 c cos ct, yP = G1 c2 cos ct G2 c2 sin ct.

(5.24)

(5.25)

5.9

Linearne diferencijalne jednad zbe drugog reda

269

Uvr stavanje u jednad zbu (5.22) daje 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.

Izjedna cavanje koecijenata uz cos ct i sin ct daje sustav linearnih jednad zbi s nepoznanicama G1 i G2 : (b c) G1 + (m c2 + k) G2 = 0, Cramerovo pravilo [M1, 2.9.5] daje G1 = F (k m c2 ) F (m c2 + k) = , (b c)2 (m c2 + k)2 (k m c2 )2 + (b c)2 F (b c) F (b c) = . 2 2 (m c + k) (k m c2 )2 + (b c)2 (m c2 + k) G1 + (b c) G2 = F.

G2 = Uz oznaku

(b c)2

h(c)2 = (k m c2 )2 + (b c)2 mo zemo pisati yP = a uz oznake cos = F [(k m c2 ) cos ct + (b c) sin ct], [h(c)]2 k m c2 , h(c) bc h(c)

sin =

slijedi uobi cajeni oblik partikularnog rje senja yP = F F (cos ct cos + sin ct sin ) = cos(ct ). h(c) h(c)

Dosada snje razmatranje omogu cava nam uvid u pona sanje zadanog sustava. Op ce rje senje jednad zbe (5.22), y = yH + yP = C1 e1 t + C2 e2 t + F cos(ct ) h(c)

se sastoji iz dva dijela. Prvi dio, yH , te zi k nuli kada t i taj dio predstavlja prijelazno rje senje. Drugi dio, yP , je periodi cka funkcija s periodom P = 2/c. Kada t pona sanje sustava je periodi cko i ne ovisi o 4 po cetnim uvjetima ve c samo o vanjskoj sili f . Primjer pona sanja sustava

270

DIFERENCIJALNE JEDNADZBE

exp(-t)+exp(-2*t)+0.5*cos(3*t)

Slika 5.18: Gu seni sustav s prisilnim oscilacijama dan je na slici 5.18. Sli cni zaklju cci vrijede i u dva preostala slu caja gu senog sustava s prisilnim oscilacijama, b2 4 m k = 0 i b2 4 m k < 0. Promotrimo jo s sustav s prisilnim oscilacijama bez gu senja (b = 0) cija jednad zba glasi d2 y (5.26) m 2 + k y = f (t) = F cos ct. dt Rje senje pripadne homogene jednad zbe je yH = C1 cos t + C2 sin t, = k . m

Razlikujemo dva slu caja. Ako je c = , tada prema formulama (5.20) i (5.21) partikularno rje senje ima oblik (5.24). Uvr stavanje izraza (5.24) i (5.25) u jednad zbu sustava i izjedna cavanje koecijenata uz cos ct i sin ct daje sustav linearnih jednad zbi s nepoznanicama G1 i G2 (m c2 + k) G2 = 0, Rje senje sustava je o cito, G1 = F F , = 2 2 k mc m ( c2 ) G2 = 0 (m c2 + k) G1 = F.

pa je op ce rje senje jednad zbe (5.26) jednako y = yH + yP = C1 cos t + C2 sin t +

4

m (2

F cos ct. c2 )

O po cetnim uvjetima ovise konstante C1 i C2 , no taj dio rje senja nestaje u beskona cnosti.

5.9

Linearne diferencijalne jednad zbe drugog reda

271

Uz oznake (5.23) imamo y = A cos(t ) + m (2 F cos ct. c2 )

Vidimo da je op ce rje senje jednad zbe (5.26) zbroj dvaju periodi ckih funkcija s periodima P1 = 2/ i P2 = 2/c, redom. Ako je c/ = p/q Q pri cemu je p, q N i p i q nemaju zajedni ckih faktora, tada je y periodi cka funkcija s periodom 2p 2q = . P = c U protivnom y je skoro periodi cna funkcija. Potencijalno najopasniji je slu caj kada je c = , odnosno kada vanjska sila i rje senje homogene jednad zbe imaju istu frekvenciju. Tada nastaje fenomen mehani cke rezonancije sustava. Prema formulama (5.20) i (5.21) partikularno rje senje ima oblik yP = t (G1 cos t + G2 sin t).
u jednad Uvr stavanje yP i yP zbu sustava i izjedna cavanje koecijenata uz cos t i sin t daje sustav linearnih jednad zbi cije je rje senje

G1 = 0,

G2 =

F . 2m

Dakle, op ce rje senje jednad zbe (5.26) u ovom slu caju glasi y = yH + yP = A cos(t ) + Ft sin t. 2m

Ovo je periodi cka funkcija s periodom P = 2/. Medutim, oscilacije su ce za dovoljno veliki t do ci do razneomedene kada t (vidi sliku 5.19) pa bijanja sustava. Uo cimo da do fenomena rezonancije ne mo ze do ci ukoliko sustav ima gu sa c. Zadatak 5.15 a) Prou cite ru senje mosta Tacoma Narrows koje s dogodilo 5 1940. godine . Sto je uzrok kolapsa mosta? b) Prou cite detalje sli cnog problema oscilacija koji se pojavio na pje sa ckom 6 mostu Millenium bridge koji je izgraden 2000. godine u Londonu . Kako je rije sen problem? Za sto vojska preko mosta nikad ne prelazi strojnim korakom? c) Kako izgleda automobilski amortizer i za sto?
5 6

Vidi http://en.wikipedia.org/wiki/Tacoma Narrows Bridge. Vidi http://en.wikipedia.org/wiki/London Millennium Bridge.

272

DIFERENCIJALNE JEDNADZBE

cos(4*t-1)+0.5*t*sin(4*t)

Slika 5.19: Neomedjene oscilacije Na kraju, primijetimo da mehani cki sustav koji se sastoji od mase, opruge i gu sa ca ima svoj elektri cni ekvivalent. Promotrimo strujni krug koji se sastoji od kondenzatora kapaciteta C farada (F), otpora od R oma (Ohm) i zavojnice s induktivitetom L henrija (H), 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 5.2). Krug je prikazan na slici 5.20.
C + E(t) R I(t)

Slika 5.20: Strujni krug s kondenzatorom, otporom i zavojnicom Prema Ohmovom zakonu pad napona na otporu jednak je RI . Pad napona na zavojnici jednak je L(dI/dt), a pad napona na kondenzatoru jednak je Q/C , pri cemu je Q naboj pozitivne plo ce kondenzatora. Prema Kirchoffovom zakonu zbroj padova napona jednak je naponu kojeg daje naponski izvor, odnosno Q dI + RI + = E (t). L dt C

5.10 Linearne diferencijalne jednad zbe vi seg reda

273

Iz ove jednad zbe mo zemo dobiti linearnu jednad zbu drugog reda na dva na cina: uvr stavanje I = dQ/dt daje L dok deriviranje daje d2 I 1 dI + I = E (t). +R 2 dt dt C Usporeduju ci obje prethodne jednad zbe s jednad zbom (5.22) zaklju cujemo da je zavojnica ekvivalentna s masom, otpor s gu sa cem, a kondenzator s oprugom. Takoder zaklju cujemo da prijelazna faza rje senje odgovara zagriznan radi javanju elektri cnog uredaja (na primjer, televizije), dok je otpor nu izbjegavanja rezonancije sustava. L dQ 1 d2 Q +R + Q = E (t), 2 dt dt C

5.10

Linearne diferencijalne jednad zbe vi seg reda

U ovom poglavlju poop cit cemo rezultate iz poglavlja 5.9 na linearne jednad zbe vi seg reda. Dokazi tvrdnji su sli cni dokazima iz poglavlja 5.9 pa ih izostavljamo. Linearna diferencijalna jednad zba vi seg reda glasi y (n) + pn1 (x) y (n1) + + p1 (x) y + p0 (x) y = f (x), (5.27)

pri cemu su funkcije pi i f neprekidne na nekom intervalu I R na kojem promatramo jednad zbu. Rje senje jednad zbe je svaka funkcija y koja za bilo koji x0 I mo ze zadovoljiti po cetne uvjete y (x0 ) = a0 , y (x0 ) = a1 , ..., y (n1) (x0 ) = an1 . Pripadna homogena jednad zba glasi y (n) + pn1 (x) y (n1) + + p1 (x) y + p0 (x) y = 0. (5.28)

Za n funkcija y1 , . . . , yn ka zemo da su linearno nezavisne na intervalu I ako relacija C1 y1 (x) + C2 y2 (x) + + Cn yn (x) = 0, x I ,

povla ci C1 = C2 = = Cn = 0. Wronskijan funkcija y1 , . . . , yn je determinanta y1 y2 yn yn y2 y1 . W (y1 , y2 , . . . , yn ) = . . . . . . . . . (n1) (n1) (n1) y1 y2 yn

274

DIFERENCIJALNE JEDNADZBE

Wronskijan ili nikad nije nula ili je identi cno jednak nuli na intervalu I . Stoga su funkcije y1 , . . . , yn linearno nezavisne ako i samo ako je W (y1 , y2 , . . . , yn )(x) = 0 za neki x I . Op ce rje senje jednad zbe (5.27) ima oblik y = yH + yP , gdje je yP neko partikularno rje senje, a yH je rje senje pripadne homogene jednad zbe (5.28). Rje senje homogene jednad zbe ima oblik yH = C1 y1 (x) + C2 y2 (x) + + Cn yn (x), pri cemu linearno nezavisne funkcije y1 , . . . , yn tvore fundamentalan skup rje senja. Ukoliko znamo rje senje nehomogene jednad zbe, partikularno rje senje nehomogene jednad zbe mo zemo na ci metodom varijacije konstanti. Partikularno rje senje, yP , ima isti oblik kao i rje senje homogene jednad zbe yH , s tom razlikom sto pretpostavljamo da Ci nisu konstante ve c funkcije od x. Formiramo sustav od n linearnih jednad zbi u varijablama Ci :
C1 y 1 + C2 y 2 + + Cn yn = 0 . . . (n2) C1 y2 (n1) C1 y2 C1 y 1 + C2 y 2 + + Cn yn = 0

(5.29)

+ +

(n2) C2 y2 (n1) C2 y2

(n1) + + Cn yn = f (x).

(n2) + + Cn yn =0

Determinanta ovog sustava je upravo Wronskijan W (y1 , . . . , yn ) koji je razli cit od nule pa sustav ima jedinstveno rje senje. Tra zene funkcije Ci tada izra cunamo integriraju ci rje senja sustava Ci .7 Linearna diferencijalna jednad zba vi seg reda s konstantnim koecijentima glasi y (n) + pn1 y (n1) + + p1 y + p0 y = f (x), Rje senje pripadne homogene jednad zbe, y (n) + pn1 y (n1) + + p1 y + p0 y = 0,
7

pi R.

(5.30)

pi R ,
P

(5.31)

Opravdanost ovog postupka dokazujemo tako da funkciju yP = Ci yi deriviramo n puta koriste ci pri tome jednakosti iz zadanog sustava te potom uvrstimo u jednad zbu (5.27).

5.10 Linearne diferencijalne jednad zbe vi seg reda

275

tra zimo u obliku y = e x , pri cemu, prema prethodnom izlaganju, trebamo na ci n linearno nezavisnih rje senja. Uvr stavanje daje n e x + pn1 n1 e x + + p1 e x + p0 e x = 0 pa su vrijednosti rje senja karakteristi cne jednad zbe n + pn1 n1 + + p1 + p0 = 0. Linearno nezavisna rje senja homogene jednad zbe formiramo ovisno o karakteru rje senja prema sljede cim pravilima: senju karakteristi cne jednad zbe odgo(1) svakom jednostrukom realnom rje vara rje senje homogene jednad zbe ex , (2) svakom jednostrukom paru konjugirano kompleksnih rje senju karakteristi cne jednad zbe oblika = i odgovara par rje senja homogene jednad zbe ex cos x i ex sin x, senju karakteristi cne jednad zbe krat(3) svakom vi sestrukom realnom rje nosti k odgovara k rje senje homogene jednad zbe ex , x ex , ..., xk1 ex ,

senju karakteristi cne (4) svakom vi sestrukom paru konjugirano kompleksnih rje jednad zbe oblika = i kratnosti k odgovara 2k rje senja homogene jednad zbe ex cos x, ex sin x, x ex cos x, x ex sin x, ..., ..., xk1 ex cos x, xk1 ex sin x.

Primjer 5.28 Za jednad zbu y + y = x karakteristi cna jednad zba glasi 3 + 2 = 0. Stoga je 1 = 2 = 0 i 3 = 1 pa je rje senje pripadne homogene jednad zbe jednako yH = C1 + C2 x + C3 ex .

276 Sustav (5.29) glasi

DIFERENCIJALNE JEDNADZBE

x C1 + C2 x + C3 e =0 x C2 C3 e =0 x C3 e = x.

Sustav ima jedinstveno rje senje jer je W (1, x, ex ) = e1 = 0. Pored toga, sustav je ve c u trokutastom obliku pa je rje senje lako o citati:
C3 = x ex , C2 = x, C3 = x2 x.

Integriranje daje C1 (x) = C2 (x) = C3 (x) = (x2 x) dx = x dx = x2 , 2 x3 x2 , 3 2

x ex dx = x ex ex .

Partikularno rje senje je jednako yP = C1 (x) + C2 (x) x + C3 (x) ex = pa je op ce rje senje zadane jednad zbe jednako y = yH + yP = C1 + C2 x + C3 ex + x3 x2 6 2 x3 x2 +x1 6 2

za neke konstante C1 , C2 , C3 R. Konstante mo zemo odrediti iz po cetnih uvjeta, ukoliko su zadani. Ako su, na primjer, zadani po cetni uvjeti y (0) = y (0) = y (0) = 0, uvr stavanje daje sustav jednad zbi C1 + C3 = 0, C2 C3 = 0, C3 1 = 0,

pa je C1 = 1, C2 = 1 i C3 = 1. Sli cno kao i u poglavlju 5.9.3, ako funkcija f (x) u jednad zbi (5.30) ima oblik f (x) = eax p(x) cos bx + eax q (x) sin bx, pri cemu su p i q polinomi stupnja najvi se m, tada partikularno rje senje cka mo zemo na ci i metodom neodredenih koecijenata: ako je a + i b nul-to

5.10 Linearne diferencijalne jednad zbe vi seg reda

277

karakteristi cnog polinoma kratnosti k, tada partikularno rje senje yP ima oblik yP = xk eax [ (A0 + A1 x + + Am xm ) cos bx+ +(B0 + B1 x + + Bm xm ) sin bx ]. Uvr stavanjem ove funkcije u jednad zbu (5.30) i izjedna cavanjem ogovaraju cih koecijenata, dobijemo sustav linearnih jednad zbi koji uvijek ima jedinstveno rje senje. Primjer 5.29 Prema prethodnim formulama partikularno rje senje jednad zbe iz primjera 5.28 ima oblik (uz a = 0, b = 0, m = 1, p(x) = x, k = 2) yP = x2 e0x (A0 + A1 x) = A0 x2 + A1 x3 . Uvr stavanje u jednad zbu daje 6A1 + 2A0 + 6A1 x = x. Izjedna cavanje koecijenata po potencijama od x daje sustav jednad zbi 6 A1 + 2 A0 = 0, pa je partikularno rje senje jednako 1 1 yP = x2 + x3 . 2 6 Zadatak 5.16 Rije site diferencijalne jednad zbe: a) y + y = tg x (y = A + B cos x + C sin x ln | cos x| + sin ln | tg x + 1/ cos x|), b) y (6) + y (3) = 1 + ex 1 3 x + (y = C 1 + C2 x + C3 x2 + C4 ex + ex/2 (C5 cos 23 x + C6 sin 23 x) + 6 1 x e ), 2 c) y + 4 y + 5 y = ch2 x, d) y + 2 y 3 y = x ex , e) y (v) + y = 2 cos2 (2x). 6 A1 = 1

278

DIFERENCIJALNE JEDNADZBE

5.11

Sustavi diferencijalnih jednad zbi

U ovom poglavlju opisat cemo postupke rje savanja nekih (jednostavnijih) sustava linearnih diferencijalnih jednad zbi oblika y = f (x, y, t), x = g(x, y, t), pri cemu je x = x(t) i y = y (t). Zanimljiv primjer je sustav lovac-plijen. Zamislimo sustav u kojem postoji populacija lovaca (predatora) i plijena ( zrtve). Neka su predatori vukovi, a plijen ze cevi. Ozna cimo populacije vukova i ze ceva s V i Z , redom. Izvedimo model pona sanja obaju populacija. Ukoliko nema vukova, pretpostavljamo da se ze cevi razmno zavaju u skladu s populacijskom jednad zbom iz poglavlja 5.1, dZ = z Z, z > 0. dt Ukoliko nema ze ceva, populacija vukova ce odumirati, opet u skladu s populacijskom jednad zbom, dV = v V, dt v > 0.

Ukoliko u sustavu postoje obje populacije, tada ce zbog medusobnih susreta populacija ze ceva nazadovati, dok ce populacija vukova napredovati. Ukoliko vjerojatnost susreta modeliramo produktom ZV , dobili smo poznate LotkaVolterra-ine jednad zbe: dZ = z Z a Z V = Z (z a V ), dt dV = v V + b Z V = V (v + b Z ), dt pi cemu je v, z, a, b > 0. Stabilno stanje obaju populacija je ono u kojem nema promjena, odnosno ono stanje u kojem su obje derivacije jednake nula. Vidimo da imamo dva stabilna stanja: trivijalno stanje u kojem nema ni vukova ni ze ceva (Z = 0 i V = 0) i stanje u kojem je V = Ako je, na primjer, v = 0.02, z = 0.06, a = 0.001, b = 0.00002, z , a Z= v . b

5.11 Sustavi diferencijalnih jednad zbi

279

sustav jednad zbi glasi dZ = Z (0.06 0.001 V ), dt (5.32) dV = V (0.02 + 0.00002 Z ), dt pa je stabilno stanje sustava ono u kojem imamo 60 vukova i 1000 ze ceva. Sustav (5.32) nije mogu ce direktno rije siti. No, oblik sustava omogu cava primjenu Eulerove metode iz poglavlja 5.4 pomo cu koje mo zemo na ci pribli zno numeri cko rje senje. Sljede ci Matlab program ra cuna i crta pona sanje sustava (5.32) uz po cetne uvjete V (0) = 30 i Z (0) = 800. Rje senja su prikazana na slici 5.218 % Eulerova metoda za sustav lovac-plijen: % dZ / dt = Z ( 0.06 0.001 * V ) % dV / dt = V ( -0.02 + 0.00002 * Z ) % V=vukovi, Z=zecevi % Pocetni uvjeti su V=30, Z=800 % Graf prikazuje populaciju kao funkciju vremena t0=0; tn=500; V(1)=30; Z(1)=800; h=0.1; t=t0:h:tn; n=max(size(t)); for i=2:n zDerivirano=Z(i-1)*(0.06-0.001*V(i-1)); vDerivirano=V(i-1)*(-0.02+0.00002*Z(i-1)); V(i)=V(i-1)+h*vDerivirano; Z(i)=Z(i-1)+h*zDerivirano; end title(Populacije vukova (V) i zeceva (Z/10) pocevsi od V=30, Z=800) xlabel(vrijeme) plot(t,Z/10,r,t,V,b)

Radi preglednije slike, broj ze ceva je podijeljen s deset, odnosno nacrtane su funkcije V (t) i Z (t)/10.

280

DIFERENCIJALNE JEDNADZBE

250 200 150 100 50 0 100 200 300 400

Slika 5.21: Populacije vukova (V ) i ze ceva (Z/10) uz V (0) = 30 i Z (0) = 800 Sustav jednad zbi (5.32) mo ze se egzaktno rije siti u faznom prostoru varijabli V i Z (jednu od tih varijabli tretiramo kao funkciju druge). Vrijedi dV dV dZ = dt dZ dt iz cega slijedi jednad zba koja povezuje populacije vukova i ze ceva: dV V (0.02 + 0.00002 Z ) dV = dt = . dZ dZ Z (0.06 0.001 V ) dt

(5.33)

Polje smjerova (vidi poglavlje 5.3) ove jednad zbe prikazano je na slici 5.22. Na slici se lijepo vidi da su rje senja jednad zbe zatvorene ovalne krivulje zno koje prolaze kroz zadane po cetne uvjete. Takoder se lijepo vidi ravnote rje senje V = 60, Z = 1000. Jednad zba (5.33) je jednad zba sa separiranim varijablama (vidi poglavlje 5.2) za koju je lako izra cunati egzaktno rje senje. Vrijedi: dV dZ (0.06 0.001 V ) = (0.02 + 0.00002 Z ) V Z pa je 0.06 ln V 0.001 V = 0.02 ln Z + 0.00002 Z + ln C. Dakle, ln V 0.06 + ln Z 0.02 = 0.001 V + 0.00002 Z + ln C,

5.11 Sustavi diferencijalnih jednad zbi

281

120 100 80 60 40 20 0 0 500 1000 1500 Zecevi 2000 2500

Slika 5.22: Polje smjerova za populacije vukova i ze ceva odnosno rje senje jednad zbe dano je implicitno zadanom funkcijom V 0.06 Z 0.02 = C e0.001 V e0.00002 Z . Ako su zadani po cetni uvjeti V (0) = 30 i Z (0) = 800, tada je C= 300.06 8000.02 1.3388. e0.03 e0.016

Funkcija je prikazana na slici 5.23. Na kraju poglavlja opisat cemo postupak rje savanja jednostavnih sustava diferencijalnih jednad zbi oblika x = x + y + f (t), y = x + y + g(t), gdje je x = x(t) i y = y (t). Sustav se rje sava tako da se iz prve jednad zbe izra cuna y i uvrsti u drugu, sto daje linearnu diferencijalnu jednad zbu drugog reda s konstantnim koecijentima. Primjer 5.30 Rije simo sustav x = 3 y x, y = x + y + et

uz uvjete x(0) = y (0) = 0. Prva jednad zba daje y= 1 1 x + x, 3 3 y = 1 1 x + x 3 3

Vukovi

282

DIFERENCIJALNE JEDNADZBE

100 80 60 40 20

500

1000 1500 zecevi

2000

2500

Slika 5.23: Populacije vukova i ze ceva uz uvjete V (0) = 30 i Z (0) = 800 pa uvr stavanje u drugu jednad zbu daje 1 1 1 1 x + x = x + x + x + et , 3 3 3 3 odnosno x 4x = 3et . Prema poglavlju 5.9.3 vrijedi xH = C1 e2t + C2 e2t . Uvr stavanjem partikularnog rje senja oblika xP = A et u jednad zbu (5.34) slijedi A = 1 pa op ce rje senje jedna zbe glasi x = xH + xP = C1 e2t + C2 e2t et . Deriviranje daje x = 2 C1 e2t + 2 C2 e2t et pa je y= 1 2 1 1 x + x = C1 e2t + C2 e2t et . 3 3 3 3 (5.34)

5.11 Sustavi diferencijalnih jednad zbi

283

Dakle, op ce rje senje zadanog sustava (bez zadanih uvjeta) glasi x(t) = C1 e2t + C2 e2t et , 2 1 y (t) = C1 e2t + C2 e2t et . 3 3 Po cetni uvjeti daju sustav linearnih jednad zbi x(0) = 0 = C1 + C2 1, 1 2 y (0) = 0 = C1 + C2 , 3 3 s rje senjima C1 = 1/4 i C2 = 3/4 pa je rje senje zadanog sustava jednako x(t) = 1 2t 3 2t e + e et , 4 4 1 2t 3 2t 2 t y (t) = e + e e. 12 4 3

Zadatak 5.17 a) Rije site sustav diferencijalnih jednad zbi dx + 3x + y = 0, dt dy x + y = 0, dt uz uvjete x(0) = y (0) = 1 (rje senje: x(t) = (1 2t) e2t , y (t) = (1 + 2t) e2t ). b) Rije site sustav diferencijalnih jednad zbi dx = x + y, dt dy = t + x + y. dt

284

DIFERENCIJALNE JEDNADZBE

6.
METODA NAJMANJIH KVADRATA I QR RASTAV

6.1

6.2

Problem najmanjih kvadrata . . . . . . . . . . . . . 6.1.1 Linearna regresija . . . . . . . . . . . . . . . 6.1.2 Metoda najmanjih kvadrata . . . . . . . . . . QR rastav . . . . . . . . . . . . . . . . . . . . . . . . 6.2.1 QR rastav vektora i Householderov reektor . 6.2.2 QR rastav matrice . . . . . . . . . . . . . . . 6.2.3 Numeri cko ra cunanje QR rastava . . . . . . . 6.2.4 Rje savanje problema najmanjih kvadrata . . 6.2.5 Ekonomi cni QR rastav . . . . . . . . . . . . . 6.2.6 QR rastav s pivotiranjem po stupcima . . . .

. . . . . . . . . .

. . . . . . . . . .

. . . . . . . . . .

285 286 289 295 296 298 299 300 302 302

6.1

Problem najmanjih kvadrata

U ovom poglavlju dat cemo kratki uvod u matri cni problem najmanjih kvadrata. Metoda najmanjih kvadrata se koristi kod preodredenih sustava Ax = b u slu caju kada imamo vi se jednad zbi nego nepoznanica i kada sustav nije rje siv po Kronecker-Capellijevom teoremu [M1, teorem 2.5]. Problem najmanjih kvadrata se cesto koristi u raznim tehni ckim primjenama kao i u ekonomiji (linearna regresija). Duljina ili norma n-dimenzionalnog vektora x = x1 x2 broj (vidi [M1, 3.6])
n 1/2

xn ]T je

x =

x2 1

x2 2

+ x2 n

=
i=1

x2 i

286

METODA NAJMANJIH KVADRATA I QR RASTAV

6.1.1

Linearna regresija

Linearnu regresiju cemo najbolje objasniti na primjeru. Neka je zadano pet to caka u ravnini x y 1 1 3 3 4 2 6 4 7 3

kao na slici 6.1. Ukoliko bi pravac y = kx + l prolazio kroz sve zadane to cke,
5

line 1

0 0 1 2 3 4 5 6 7 8

Slika 6.1: Pet to caka u ravnini

tada bi za svaku to cku (x1 , yi ), i = 1, 2, . . . , 5 vrijedilo k xi + l = yi . U na sem slu caju to daje sustav linearnih jednad zbi k+l = 1 3k + l = 3 4k + l = 2 6k + l = 4 7k + l = 3.

6.1

Problem najmanjih kvadrata

287

Ovo je sustav s pet jednad zbi i dvije nepoznanice k i l. Matri cni zapis sustava glasi (vidi [M1, 2.2]) 1 1 1 3 1 3 4 1 k = 2 , l 6 1 4 7 1 3 odnosno Ax = b gdje je 1 3 A= 4 6 7 1 1 1 , 1 1 1 3 b=y= 2 . 4 3

x=

k , l

Ako bi ovaj sustav bio rje siv, tada bi vrijedilo Axb = 0 odnosno Axb = cito nije rje siv, pa se postavlja pitanje sto 0. Medutim, zadani sustav o mo zemo napraviti. Prirodan zahtjev je da izraz Ax b bude sto bli zi nulstupcu, odnosno da norma Ax b bude sto manja mogu ca. Taj zahtjev matemati cki zapisujemo kao Ax b min . Ako je x rje senje ovog problema, tada je x takoder i rje senje problema Ax b
2

min

pa naziv problem najmanjih kvadrata slijedi iz denicije norme vektora. Postupak za rje savanje problema najmanjih kvadrata je u ovom slu caju jednostavan: rje senje x dobit cemo kao rje senje sustava od dvije jednad zbe i dvije nepoznanice AT Ax = AT b. Kako je AT A = 111 21 , 21 5 AT b = 63 , 13

rje senje x dobijemo rje savanjem sustava 111 21 21 5 k 63 = . l 13

288

METODA NAJMANJIH KVADRATA I QR RASTAV

Ovaj sustav mo zemo lako rje siti Gaussovom eliminacijom [M12,4] ili, jo s jednostavnije, Cramerovim pravilom [M1,2.9.5], pa je 63 21 13 5 111 21 21 5 42 , 114 111 63 21 13 111 21 21 5 120 . 114

k=

l=

Geometrijska interpretacija rje senja je slijede ca (slika 6.2): pravac y = kx + l najbolje prolazi to ckama (xi , yi ), i = 1, 2, . . . , 5 i smislu da je suma kvadrata udaljenosti izmedu zadanih to caka (xi , yi ) i to caka na pravcu (xi , kxi + l) minimalna. Drugim rije cima,
5 i=1

[yi (kxi + l)]2 min .

line 1 line 2

0 0 1 2 3 4 5 6 7 8

Slika 6.2: Rje senje problema najmanjih kvadrata

Napomena 6.1 Ravninski problem najmanjih kvadrata zove se linearna regresija, a pravac y = kx + l zove se regresijski pravac. Rje senje prethodnog problem i slike 6.1 i 6.2 mogu se dobiti pomo cu slijede ceg Matlab (Octave) programa

6.1

Problem najmanjih kvadrata

289

x=[1 3 4 6 7] y=[1 3 2 4 3] plot(x,y,"b*") A=[x ones(5,1)] b=y xLS=(A*A)\(A*b) k=xLS(1) l=xLS(2) yLS=k*x+l plot(x,y,b*,x,yLS,r) U Matlabovoj sintaksi A je transponirana matrica matrice A, ones(5,1) je vektor dimenzije 5 1 sa svim elementima jednakim 1, dok izraz oblika x=A\b daje rje senje sustava Ax = b. Stovi se, u slu caju preodredenog sustava kao u na sem primjeru, Matlabova naredba xLS=A\b ce automatski dati rje senje problema najmanjih kvadrata. Zamijenite liniju xLS=(A*A)\(A*b) s xLS=A\b i uvjerite se da su rje senja ista! Zadatak 6.1 Prema podacima Dr zavnog zavoda za statistiku (http://www.dzs.hr) prosje cna bruto pla ca u listopadu kroz protekle tri godine bila je slijede ca Listopad Prosje cna bruto pla ca (kn) 2000 4921 2001 5051 2002 5447

Izra cunajte i nacrtajte regresijski pravac i predvidite kolika ce biti bruto pla ca u listopadu 2003. Rje senje provjerite pomo cu Matlaba ili programa Octave On-line. Zadatak 6.2 Kroz to cke x y -1 1 1 0 2 1 3 2 5 3

provucite najbolji pravac u smislu najmanjih kvadrata. Nacrtajte zadane to cke i dobiveni pravac te provjerite rje senje pomo cu Matlaba ili programa Octave On-line.

6.1.2

Metoda najmanjih kvadrata

Postupak iz prethodnog poglavlja primjenjiv je i na vi sedimenzionalne probleme. U ovom poglavlju pokazat cemo da je postupak primjenjiv uvijek kada matrica sustava A ima linearno nezavisne stupce te je u tom slu caju rje senje problema najmanjih kvadrata jedinstveno.

290

METODA NAJMANJIH KVADRATA I QR RASTAV

Neka je zadan preodredeni sustav Ax = b od m jednad zbi s n nepoznanica, pri cemu je m > n. Kako za normu vektora x vrijedi x 2 = xT x, problem najmanjih kvadrata Ax b mo zemo zapisati kao (Ax b)T (Ax b) min . Uvedimo oznaku Q(x) = Ax b
T 2 2

min

= x B x 2x c + gdje je B = AT A,

= xT AT Ax bT Ax xT AT b + bT b
T

= (Ax b)T (Ax b)

(6.1)

c = AT b,

= b 2.

Ideju za postupak rje savanja daje nam jednodimenzionalni slu caj: ako su x, B , c i realni brojevi, tada je Q(x) = Bx2 2xc + kvadratna parabola ciji se minimum nalazi u to cki x= c . B

U vi sedimenzionalnom slu caju tome odgovara x = B 1 c pa je x rje senje sustava Bx = c, odnosno AT Ax = AT b. Ova jednad zba zove se normalna jednad zba. Doka zimo sada da ovaj intuitivni postupak zaista daje rje senje. Teorem 6.1 Neka su stupci matrice A linearno nezavisni, odnosno rang(A) = n. Tada je rje senje x problema najmanjih kvadrata Q(x) min ujedno i jedinstveno rje senje normalne jednad zbe AT Ax = AT b.

6.1

Problem najmanjih kvadrata

291

Dokaz. Neka je y bilo koji n-dimenzionalni vektor i neka je h = y x. Tada je prema (6.1) Q(y) = yT B y 2yT c + = (x + h)T B (x + h) 2(x + h)T c +

= xT B x + hT B x + xT B h + hT B h 2xT c 2hT c + . Kako je B x = c, to je hT B x = hT c, a kako se radi o matricama dimenzije 1, to je zbog B T = (AT A)T = B i xT B h = (xT B h)T = hT B T x = hT B x = hT c. Uvr stavanje u Q(y) daje Q(y) = xT B x + hT B h 2xT c + = Q(x) + hT B h. Izraz hT B h je ve ci ili jednak od nule: hT B h = hT AT Ah = (Ah)T Ah = Ah 2 . Dakle, uvijek je odnosno vrijednost Q(x) je zaista najmanja mogu ca. Doka zimo sada da je rje senje x jedinstveno. Ako je Q(y) = Q(x), x = y, Q(y) Q(x),

tada je Ah = 0. No, tada je i Ah = 0 (samo nul-vektor ima normu jednaku nula), sto zajedno s h = y x = 0 zna ci da su stupci matrice A linearno zavisni. To je kontradikcija pa je teorem dokazan. Primijetimo da su vektori Ax i Ax b medusobno okomiti: (Ax) (Ax b) = (Ax)T (Ax b) = xT AT (Ax b) = 0. Geometrijski to zna ci da je vektor Ax ortogonalna projekcija vektora b na skup {Ay : y proizvoljan}. Nadalje, vektori Ax, b i Ax b tvore pravokutni trokut s hipotenuzom b. Rje senje problema najmanjih kvadrata x zove se jo s i kvadrati cna prilagodba sustavu Ax = b u smislu najmanjih kvadrata. Kvalitetu prilagodbe mjerimo s Ax b Q(x) = . q= (Q(0) b

292

METODA NAJMANJIH KVADRATA I QR RASTAV

Iz cinjenice da je b hipotenuza pravokutnog trokuta sa stranicama Ax, Ax b i b slijedi da je q uvijek je izmedu 0 i 1. Ukoliko je q = 0 tada je prilagodba najbolja mogu ca, odnosno x je to cno rje senje sustava Ax = b. Ukoliko je q mali, prilagodba je dobra, a ukoliko je q blizu jedan, prilagodba je lo sa. Primjer 6.1 Rije simo sustav x+y =0 y+z =1 x+z =0 x + y + z = 1 u smislu najmanjih kvadrata. 1 0 1 1 1 x z = 0

Normalna jednad zba glasi pa je rje senje dano s

U matri cnom obliku sustav glasi 1 0 0 1 1 1 x y = 0 . 0 1 1 1 1 z 0 1 0

4 0 1 x 1 0 3 2 y = 2 1 2 4 z 2 10 , 29 y= 12 , 29 z= 11 . 29

x= Kvaliteta prilagodbe je

q = 0.1857 Odgovaraju ci Matlab program glasi A = [1 0 1 -1 -1 b=[0 1 B=A*A 1 1 0 1 0 0 0; 1; 1; 1; -1] 1 0]

6.1

Problem najmanjih kvadrata

293

c=A*b x=B\c % ili krace x=A\b q=norm(A*x-b)/norm(b) Primjer 6.2 Kroz to cke x y provucimo kvadratnu parabolu y = ax2 + bx + c koja ima najbolju kvadrati cnu prilagodbu. Dakle, moramo na ci koecijente parabole tako da je
5 i=1

1 0

2 1

4 4

5 8

6 14

(yi axi2 bxi c)2 min .

Ovaj problem mo zemo zapisati kao problem najmanjih kvadrata 1 1 1 0 4 2 1 a 1 16 4 1 b = 4 . 25 5 1 c 8 36 6 1 14 Rje savanje normalne jednad zbe daje a 0.68994 b 2.16071 , c 1.86364

a kvaliteta prilagodbe iznosi q = 0.0562. Zadane to cke i dobivena parabola prikazane su na slici 6.3. Parabola i slike mogu se dobiti slijede cim Matlab programom A = [1 4 16 25 36 y = [0 1 2 4 5 6 1 1 1 1 1 1] 4 8 14]

294
14 12 10 8 6 4 2 0 1

METODA NAJMANJIH KVADRATA I QR RASTAV

line 1 line 2

Slika 6.3: 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,y,r*) hold % gusca mreza radi bolje slike parabole x1=1:0.1:6 y1=xLS(1)*x1.^2+xLS(2)*x1+xLS(3) plot(x1,y1,b) Napomena 6.2 Vidimo da je puni stup cani rang matrice A nu zan za funkcioniranje metode normalnih jednad zbi jer bi u protivnom matrica B = AT A bila singularna. Ukoliko matrica A nema puni stup cani rang tada rje senje problema najmanjih kvadrata nije jedinstveno i za rje savanje problema ne mo ze se koristiti normalna jednad zbe. U tom slu caju od svih mogu cih (beskona cno) rje senja, zanima nas ono koje samo po sebi ima najmanju normu. Za rje savanje takvih problema koristimo ili QR rastav s pivotiranjem po stupcima ili rastav singularnih vrijednosti d (SVD ili singular value decomposition). Nadalje, ove dvije metode je zbog njihovih svojstava (numeri cke stabilnosti) po zeljno koristiti i kada su stupci matrice A gotovo linearno

6.2

QR rastav

295

zavisni. Detaljna analiza ovih slu cajeva izlazi izvan okvira kolegija, pa je izostavljamo. Zadatak 6.3 Za rast svjetske populacije prema podacima iz tablice 5.1 u primjeru 5.3 odredite parametre C i k za koje funkcija P (t) = C ek(t1950) najbolje aproksimira podatke od 1950.2050. godine u smislu najmanjih kvadrata. Nacrtajte sliku i usporedite sa slikom 5.5. Predvidite populaciju 2050. godine.

6.2

QR rastav

U ovom poglavlju dat cemo deniciju QR rastava (QR dekompozicije) te njegova osnovna svojstva i opisati primjenu na rje savanje problema najmanjih kvadrata. Sli cno kao u prethodnom poglavlju, ograni cit cemo se na slu caj kada je zadana matrica A tipa m n, gdje je m n. QR rastav je cunaju svojstvene vrijednosti i vektore. takoder podloga za metode koje ra Denicija 6.1 Neka je A tipa m n, m n. QR rastav matrice a glasi A = QR, pri cemu je Q ortonormirana matrica dimenzije m m, odnosno QT Q = QQT = I, a R je m n gornje trokutasta matrica. Ortonormiranu matricu kra ce zovemo i ortogonalna matrica. Ako je, na primjer, matrica A tipa 5 3, shematski prikazati na sljede ci na cin: = tada rastav A = QR mo zemo 0 0 0 0 0 0 0 0 0

(6.2)

Kori stenje QR rastava za rje savanje problema najmanjih kvadrata temelji se na slijede cem va znom svojstvu ortogonalne matrice: za svaki vektor x dimenzije m 1 vrijedi x = Qx . (6.3)

296 Zaista, Qx
2

METODA NAJMANJIH KVADRATA I QR RASTAV

= (Qx)T Qx = xT QT Qx = xT x = x 2 .

Sli cno je i QT x = x . Osnovna svojstava QR rastava su slijede ca: QR1. QR rastav je jedinstven do na predznake stupaca matrice Q i predznake redaka matrice R. Neka je J dijagonalna matrica reda m s dijagonalnim elementima Jii {1, 1}. Matrica J je o cito simetri cna i ortogonalna. Ako je = QJ i R = JR, tada je Q R = QJJR = QR = A Q takoder QR rastav matrice A. QR2. Vrijedi rang(A) = rang(R). Ovo svojstvo slijedi iz teorema [M1, 2.11]. QR3. Posebno, ako je rang A = n, tada su zbog svojstva QR2. svi dijagonalni elementi matrice R razli citi od nule, rii = 0, i = 1, . . . , n.

Zadatak 6.4 Naredba za ra cunanje QR rastava matrice A u programskom jeziku Matlab glasi [Q,R]=qr(A). Izra cunajte QR rastav matrice A iz primjera 6.2 te provjerite da ja zaista A QR = 0 te da je matrica Q ortogonalna.

6.2.1

QR rastav vektora i Householderov reektor

U ovom i sljede cem poglavlju opisat cemo detalje QR algoritma. Neka je zadan m-dimenzionalni vektor x1 x2 x= . . . xm x = Qr

i neka je

6.2

QR rastav

297

njegov QR rastav. Tada je zbog svojstva (6.3) r = x pa vrijedi x 0 . . . 0 x 0 ili r = . . . 0

r=

Nala zenje matrice Q je slo zenije. U ovom slu caju matrica Q jednaka je Householderovom reektoru. Householderov reektor je simetri cna matrica denirana s x1 x x2 2 v = x3 . (6.4) H = I T vvT , v v . . . xm Uvr stavanjem se mo ze provjeriti da za ovaj izbor matrice H vrijedi x 0 Hx = r = . . . 0

Ortogonalnosti i simetri cnosti matrice H povla ci x = H T (H x) = H T r = H r pa smo dobili QR rastav vektora x. Primjer 6.3 Ako je x = 3 1 5 1 9 1 v= 5 , 1
T

, tada je x = 6, 6 0 Hx = 0 . 0

27 9 45 9 1 9 53 5 1 , H= 54 45 5 29 5 9 1 5 53

Napomena 6.3 U prethodnom primjeru uzeli smo da je v1 = x1 + x . U praksi se cesto zbog numeri cke stabilnosti (izbjegavanje oduzimanja) uzima v1 = x1 + sign(x1 ) x .

298

METODA NAJMANJIH KVADRATA I QR RASTAV

6.2.2

QR rastav matrice

QR rastave matrice nalazimo rekurzivnom primjenom QR rastava vektora. Postupak cemo ilustrirati na matrici tipa 5 3. Neka je a1 prvi stupac matrice A i neka je a1 0 H 1 a1 = 0 0 0

QR rastav vektora a1 izra cunat prema postupku opisanom uz prethodnom poglavlju. Stavimo Q1 = H1 . Tada je (matrica Q1 je simetri cna) a1 0 0 0 0 A2

Q1 A =

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 . Stavimo Q2 = Tada je Q2 Q1 A = a1 0 0 0 0 a2 0 0 0 A3 1 H2 .

pri cemu je matrica A3 tipa 3 1. Kona cno, neka je a3 = A3 i neka je a3 H 3 a3 = 0 0

6.2

QR rastav

299

QR rastav matrice (vektora) a3 . Stavimo 1 1 H3

Q3 = Tada je Q3 Q2 Q1 A = a1 0 0 0 0

. a3 0 0

a2 0 0 0

Zbog ortogonalnosti i simetri cnosti matrica Qi , i = 1, 2, 3, za matricu Q = Q1 Q2 Q3 vrijedi QQ3 Q2 Q1 A = A = QR pa sam tako dobili QR rastav matrice A. Ovaj postupak je lako poop citi na matricu bilo koje dimenzije.

= R.

6.2.3

Numeri cko ra cunanje QR rastava

Za formiranje Householderove matrice H potrebno je O(n2 ) ra cunskih operacija. Za mno zenje nekog vektora x Householderovom matricom takoder je potrebno O(n2 ) ra cunskih operacija. No, umno zak H x mo ze se izra cunati i bez formiranja matrice H : Hx = I 2 vvT vT v x =xv 2(vT x) . vT v

Za ra cunanje produkta pomo cu prethodne jednakosti potrebno je samo O(6n) ra cunskih operacija. Sli cno, produkt HA se u praksi ra cuna pomo cu formula: = 2 vT v , (6.5)

w = AT v HA = A + vwT .

Koriste ci prethodna pobolj sanja mo zemo napisati potprograme za ra cunanje QR rastava. Prvi potprogram ra cuna vektor v iz zadanog vektora x prema formuli (6.4) i napomeni 6.3:

300

METODA NAJMANJIH KVADRATA I QR RASTAV

function v=House(x) % racuna Householderov vektor v iz vektora x sig=sign(x(1)); if sig==0, sig=1; end v=x; v(1)=v(1)+sig*norm(v); end Slijede ci potprogram ra cuna umno zak HA bez formiranja matrice H prema formulama (6.5): function B=mnozi_House(v,A) % racuna produkt HA=(I-2*v*v/(v*v))*A % bez formiranja matrice H beta=-2/(v*v); w=beta*A*v; B=A+v*w; end Kona cno, slijede ci program ra cuna QR rastav matrice A oprema postupku opisanom u prethodnom poglavlju: function [Q,R]=moj_QR(A) % QR rastav A=Q*R. A je m x n i mora biti rank(A)n. [m,n]=size(A); Q=eye(m); for i=1:min(m-1,n) v=House(A(i:m,i)); A(i:m,i:n)=mnozi_House(v, A(i:m,i:n)); Q(i:m,:)=mnozi_House(v, Q(i:m,:)); end R=A; Q=Q; end Zadatak 6.5 Izra cunajte QR rastav matrice A iz primjera 6.2 pomo cu prethodnih potprograma i usporedite rje senje s onim koje daje Matlabova naredba [Q,R]=qr(A).

6.2.4

Rje savanje problema najmanjih kvadrata

Koriste ci svojstvo ortogonalne matrice Q da je Qx = x mo zemo lako rije siti problem najmanjih kvadrata. Neka je A matrica tipa m n, m > n,

6.2

QR rastav

301

neka je rang A = n i neka je A = QR rastav matrice A. Tada je Ax b

2

= QRx QQT b

= Q(Rx QT b)

= R x QT b 2 .

Matricu R mo zemo zapisati kao R= R0 , 0 (6.6)

gdje je R0 gornje trokutasta kvadratna matrica reda n, a vektor QT b mo zemo zapisati kao c QT b = , d gdje je c dimenzije n 1 i d dimenzije (m n) 1. Sada imamo Ax b
2

= Rx Q b

R0 x c d

= R0 x c

+ d 2.

Kako je rang A = n, iz svojstva QR3. zaklju cujemo da trokutasti sustav R0 x = c ima jedinstveno rje senje x za koje je R0 x c = 0. Kako d ne ovisi o x, vrijednost Ax b se ne mo ze vi se smanjiti pa je x upravo (jedinstveno) rje senje problema najmanjih kvadrata. O cito je min Ax b = d .
x

Slijede ci Matlab potprogram rje sava problem najmanjih kvadrata pomo cu QR rastava: function x=LS(A,b) % Rjesava problem najmanjih kvadrata || A\vecbf x - \vecbf b || --> min % za matricu punog stupcanog ranga A koristeci QR rastav. [m,n]=size(A); [Q,R]=moj_QR(A); b1=Q*b; c=b1(1:n); x=R(1:n,1:n)\c; end Zadatak 6.6 Rije site problem najmanjih kvadrata iz primjera 6.2 pomo cu prethodnog potprograma i usporedite rje senje s rje senjima dobivenim kori stenjem normalne jednad zbe i Matlabove naredbe x=A\b.

302

METODA NAJMANJIH KVADRATA I QR RASTAV

Napomena 6.4 Vidjeli smo da problem najmanjih kvadrata mo zemo rje savati na dva na cina: pomo cu normalne jednad zbe i pomo cu QR rastava. Rje savanje problema najmanjih kvadrata pomo cu QR rastava je otprilike dva puta sporije ali zato ima bolja numeri cka svojstva odnosno u odredenim situacijama daje to cnije rje senje.

6.2.5

Ekonomi cni QR rastav

Iz prikaza (6.2) vidimo da zadnjih m n stupaca matrice Q ne sudjeluje kod ra cunanja produkta QR jer se mno ze s nulom. Stoga QR rastav A = QR mo zemo u ekonomi cnom obliku zapisati kao A = Q 0 R0 , gdje su stupci matrice Q0 prvih n stupaca matrice Q, a matrica R0 je denirana s (6.6). Za matricu Q0 vrijedi QT 0 Q 0 = In , ali Q0 QT 0 = Im . Va zno je napomenuti da stupci matrice Q0 tvore ortogonalnu bazu potprostora razapetog stupcima matrice A. Analogno prikazu (6.2), ekonomi cni QR rastav matrice dimenzije 5 3 mo zemo shematski prikazati na sljede ci na cin: = 0 0 0 Zadatak 6.7 Matlabova naredba [Q,R]=qr(A,0) daje ekonomi cni QR rastav matrice A. Usporedite obi cni i ekonomi cni QR rastav matrice A iz prethodnog zadatka.

6.2.6

QR rastav s pivotiranjem po stupcima

U nekim primjenama kao rje savanje problema najmanjih kvadrata kada matrica A nema puni rang, rang A < n, koristi se QR rastav s pivotiranjem stupaca. QR rastav s pivotiranjem matrice A glasi AP = QR,

6.2

QR rastav

303

gdje je P matrica permutacija odabrana tako da su dijagonalni elementi matrice R slo zeni padaju ci po apsolutnim vrijednostima, |rii | |ri+1,i+1 |. Matlab naredba za QR rastav s pivotiranjem matrice A glasi [Q,R,P]=qr(A). Zadatak 6.8 Izra cunajte QR rastav matrice 1 2 3 4 5 6 A= 7 8 9 10 11 12

bez pivotiranja i s pivotiranjem i provjerite da je u drugom slu caju zaista AP QR = 0.

Indeks
A anti-derivacija, 1 Arhimedova spirala duljina luka, 73 povr sina, 70 B Bernoulli, Johann, 201 Bernoullijeva jednad zba, 251 beta funkcija, 199 brahistohrona, 201, 207 Bron stejn, I. N., 89 C cikloida, 75 duljina luka, 72 povr sina, 66 cilindar, 118 elipti cki, 119 hiperboli cki, 119 paraboli cki, 119 cilindri cni koordinatni sustav, 184 Clairautova jednad zba, 244 D d zul, 78 dekompozicija, 44, 90 determinanta Wronskog, 252, 273 diferencijal, 5 parcijalni, 127 totalni, 127, 135 diferencijalna jednad zba, 221 Bernoullijeva, 251 Clairautova, 244 egzaktna, 245 homogena, 249, 251, 273 linearna drugog reda, 251 op ce rje senje, 256 s konstantnim koecijentima, 259 linearna prvog reda, 249 linearna vi seg reda, 273 s konstantnim koecijentima, 274 sa separiranim varijablama, 231 separabilna, 231 singularno rje senje, 242 Dirichletov integral, 198 dovoljan uvjet ekstrema, 144, 206 duljina luka krivulje, 70 duljina vektora, 285 dvostruki integral, 173 E ekstrem, 139 uvjetni, 159, 213 vezani, 159, 213 element duljine, 70 oplo sja, 76 povr sine, 62, 68, 176 volumena, 73 element volumena, 183 elipsa opseg, 89 povr sina, 64, 66 elipsoid, 111 Eulerov integral druge vrste, 198

INDEKS

305 donji, 44 dvostruki, 173 elipti cki, 88 gornji, 44 hiperbolne funkcije, 26 iracionalne funkcije, 28, 30 konvergentan, 57 neodredeni, 1, 4 svojstva, 5 nepravi, 57, 180 odredeni, 5, 43, 44, 170 svojstva, 45, 54 racionalne funkcije, 15, 16, 19, 20 reda funkcija, 34 Riemannov, 44 sa separiranim varijablama, 174 trigonometrijske funkcije, 22 trostruki, 183 vi sestruki, 169 svojstva, 172 integralna suma desna, 45 donja, 44, 170 gornja, 44, 170 lijeva, 45, 219 integrand, 4 integriraju ci faktor, 247 interval, 2 izobara, 103 izogonalna trajektorija, 238 izohipsa, 103 izoklina, 234 J Jakobijan, 188 K kamatni ra cun, 228 karakteristi cna jednad zba, 259, 275 Kirchoov zakon, 223, 272 komplanacija, 76

prve vrste, 199 Eulerov multiplikator, 247 Eulerova jednad zba, 205 Eulerova metoda, 235, 279 F fazni prostor, 280 fundamentalan skup rje senja, 254, 274 funkcija derivabilna, 123, 129 diferencijabilna, 127, 129, 134, 138 implicitno zadana, 148, 152 integrabilna, 44, 170 neprekidna, 109 omedena, 105 padaju ca, 106 rastu ca, 106 funkcional, 200 G gama funkcija, 198 Gaussova eliminacija, 21 Gaussova razdioba, 34, 180 grani cna vrijednost, 107 H harmonijski oscilator, 266 hiperboloid, 116 dvokrilni, 116 jednokrilni, 116 homogena diferencijalna jednad zba, 232 homogena funkcija, 232 Hookeov zakon, 79, 222, 266 Householderov reektor, 297 I integral n-terostruki, 169, 170 binomni, 32 divergentan, 57

306 konstanta integracije, 4, 13 konus, 116 koordinate cilindri cne, 184 polarne, 67, 185 sferne, 185 kriteriji konvergencije, 59 krivulja u polarnim koordinatama, 67, 72, 75, 77 kru znica opseg, 72 povr sina, 65, 68 kugla, 111 oplo sje, 77 otvorena, 107 volumen, 7476 kvadar n-dimenzionalni, 169 rastav, 170 kvadrati cna prilagodba, 291 L Lagrangeov multiplikator, 163, 213 Lagrangeova funkcija, 162 Lagrangeovi uvjeti, 206 lan canica, 211 Leibnitzova formula, 195 limes, 107, 109 linearna regresija, 286 linearno nezavisne funkcije, 252, 273, 274 logisti cka jednad zba, 229 lokalni ekstrem, 139 maksimum, 139 minimum, 139 uvjetni maksimum, 159 uvjetni minimum, 159 vezani maksimum, 159 vezani minimum, 159 Lotka-Volterra-ine jednad zbe, 278

INDEKS

M Maclaurinova formula, 138 maksimum lokalni, 139 masa, 190, 192 Matlab, 3638, 97, 211, 220, 234, 237, 279 mehani cka rezonancija, 271 metoda neodredenih koecijenata, 30 parcijalne integracije, 12 supstitucije, 9 metoda kona cnih razlika, 218 metoda najmanjih kvadrata, 285 metoda neodredenih koecijenta, 262, 263, 276 metoda varijacije konstanti, 257, 262, 274 minimum lokalni, 139 moment, 84, 190, 192 inercije, 191, 193 N nejednakost trokuta, 55 neposredno integriranje, 8 NetPlot, 26, 89 Newton, Isaac, 39, 78, 201, 222 Newton-Leibnitzova formula, 49, 173 Newtonov drugi zakon gibanja, 39, 78, 222, 265 Newtonov zakon hladenja, 231 nivo krivulja, 102 nivo ploha, 102 njutn, 78 norma vektora, 285 normala, 130 normalna jednad zba, 290 normalna razdioba, 180 nu zan uvjet ekstrema, 139, 203, 213 numeri cko integriranje, 88 pogre ska, 95

INDEKS

307 prisilne oscilacije, 268 pritisak, 82 Q QR rastav, 294, 295 ekonomi cni, 302 matrice, 298 numeri cko ra cunanje, 299 s pivotiranjem, 302 vektora, 296 R ra cun varijacija, 200 rad, 78 radioaktivni raspad, 227 rast populacije, 224 rastav, 44 rastav na parcijalne razlomke, 18 rastav singularnih vrijednosti, 294 regresijski pravac, 288 rektikacija, 70 rekurzivna formula, 15 Richardsonova ekstrapolacija, 92, 94, 95 rotaciona ploha, 73 rotaciono tijelo oplo sje, 76 volumen, 73 rubni uvjeti, 201 S Schwartzov teoem, 145 Schwartzov teorem, 124 sedlasta to cka, 141 segment dekompozicija, 44 rastav, 44 Semendjajev, K. A., 89 sfera, 111 sferne koordinate, 185 sila, 78 Simpsonova formula, 93, 97 pogre ska, 94

O Octave On-line, 37, 38, 98, 211, 220 Ohmov zakon, 223, 272 okolina, 107, 135, 139 ortogonalna matrica, 295 ortogonalna trajektorija, 238 ortonormirana matrica, 295 ostatak, 137 ovojnica, 243 ovorena kugla, 107 P pacijalna derivacija m-tog reda, 124 paraboloid, 154 elipti cki, 112 hiperboli cki, 114 parametarski zadana krivulja, 66, 71, 74, 77 parcijalna derivacija, 122 implicitno zadane funkcije, 155 kompozicije funkcija, 134 parcijalna integracija, 12, 54 Pitagorin pou cak, 70 ploha drugog reda, 111 podintegralna funkcija, 4 pogre ska, 35 relativna, 35 polarni koordinatni sustav, 67, 177 polje smjerova, 234, 280 populacijska jednad zba, 224, 278 poredbeni kriterij, 59 povr sina ravninskog lika, 62 prava racionalna funkcija, 17 prebrojiv skup, 2 prijelazno rje senje, 269 primitivna funkcija, 2 prirast funkcije, 110 varijable, 110

308 srednja vrijednost, 55 stacionarna to cka, 140 sto zac, 116, 153 elipti cki, 102 krnji, 76 volumen, 74 supstitucija Eulerova, 29, 31 racionalna, 28 trigonometrijska, 29, 31, 65 u odredenom integralu, 52 univerzalna hiperbolna, 26 univerzalna trigonometrijska, 23 sustav lovac-plijen, 278 sustav diferencijalnih jednad zbi, 278 SVD, 294 T tablica osnovnih integrala, 6 tangencijalna ravnina, 130, 140 tangenta, 129 Taylorov red, 138 Taylorova formula, 137, 142 te zi ste, 84, 190, 192 teorem adicioni, 23 o apsolutnoj konvergenciji, 60 srednje vrijednosti, 54 The Integrator, 22, 26, 30 tlak, 82 hidrostatski, 82 totalni diferencijal, 127 vi seg reda, 135 trapezna formula, 90, 97 pogre ska, 91 trostruki integral, 183 U udaljenost, 106 uniformna konvergencija, 34 uvjeti transverzalnosti, 205 V varijabla integracije, 4 varijacija, 203 varijacioni ra cun, 200 volumen, 176 W Wronskijan, 252, 273

INDEKS

Z zamjena varijabli, 9 u vi sestrukom integralu, 188