MAT1

Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

3 Derivacija funkcije . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Neprekidnost i limes . . . . . . . 7. . . . .5. . . . zs 7. . 7. .3 Neprekidnost elementarnih funkcija . . .1. . . . .2 Neodredeni integral . . . .4 Graniˇna vrijednost (limes) funkcije .8 Primjene derivacija . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . s 6. . . . . . . . . . . . . . . . . .5. . . . c 6. . . . . 7. . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . .3 Teˇiˇte . . . 7. .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . 7. . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Motivacija . . . . . .1. . . . . . . . . 6. .5. . . . . . . . . . . .3 Metode integriranja . . . . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . . . . . . 6. . . . . . . c 6. . . . . . . . . . . . . . . . . . . . . . .2 Derivacija funkcije u toˇki . . . . .5. . 6. . . . . . . . . . . . . . . . .6 Neodredeni oblici . .1 Primitivna funkcija . s 7. . . . . . . . . . . . . . . . . .2 Derivacija funkcije . . . . . .2. . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . c 6. . . . . . . 7.1 Neodredeni integral . . . . . . . . . .1. . . .2 Odredeni integral . . . . . . c 6. . . . . . . . . . . .4 Nepravi integral . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . . . . . . . c 6. . . . . . . . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . . . . c 6. . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Motivacija . . . . 6.Leibnizova formula . . .2. . . . zs 7. . . . . . . . . . . . . . . . . . . 7. . .7 Primjene u fizici . . . . . 6. . .7 Raˇunanje limesa . . . . .2. . . . .3 Newton . . s 7.1. . . . . .2 Svojstva neprekidnih funkcija . . . c 7. . . . . . .4 Raˇunanje derivacija . . . . . . . . . . .5.1. . . . . . . . . . . . . . . .6 Povrˇina rotacijske plohe . . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. .5. .2. . .2 Volumen rotacijskog tijela . .1. .1. . . . . . 7. . . . . . . . . . . .6 Derivacije viˇeg reda . . . . . 6. . . . . . . . . . . . . . . . 7. . .2 Svojstva odredenog integrala .7 Osnovni teoremi diferencijalnog raˇuna . . . . . .1 Povrˇina lika u ravnini . .1.1 Neprekidnost funkcije . . . .2. . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. .2.1.2. 6. . . . .

tradicionalno. ona se rijetko postavljaju javno i naglas . Tvrtka OdiMi traˇi 400 kn za vozilo i joˇ 1 kn po prijedenom kilometru. uop´e.Uvod Zaˇto (i kako) treba uˇiti matematiku? s c Matematika je nezaobilazan dio programa na svim tehniˇkim fakultetima.studenti se ne ˇele dovesti u z poloˇaj da im se s visoka odgovori kako je to jasno. da je tako uvijek bilo i z c da nije mogu´e biti dobar inˇenjer ne znaju´i matematiku.5 kn po kilometru. stoga. ispriˇat ´emo vam priˇu. na prvim godinama i mnogim studentima predstavlja ozbiljnu. ako c z z s nam i trebaju. treba? Zaˇto moramo ulagati puno truda i vremena u uˇenje c s c stvari koje nisu ono ˇime se u ˇivotu ˇelimo baviti? I zaˇto nam te stvari. ali z c minuta razgovora napla´uje se 2 kn. Razumljivo je. c c c c Na nekom trˇiˇtu za pretplatnike se nadme´u dvije tvrtke mobilne telefonije. oˇito. MobiFon nudi usluge uz mjeseˇnu pretplatu od 200 kn c i cijenu razgovora od 1 kn/min. c Predaje se. Koju od njih odabrati ako oˇekujemo da c c ´emo telefonirati po 5 min svaki dan? Treba li taj izbor preporuˇiti i prijatelju c c koji priˇa po dva sata dnevno? c U istom gradu su i dvije tvrtke za iznajmljivanje automobila. Svrha je ovog uvodnog c z c poglavlja odgovoriti na ta i sliˇna pitanja i uvjeriti studente da je ulaganje truda c i vremena u svladavanje programa ovog kolegija dobra investicija. TeleZvon traˇi 0 kn mjeseˇne pretplate. predaju na apstraktan naˇin koji nam je stran i koji nije blizak c naˇoj svakodnevnoj praksi i iskustvu? Unatoˇ tomu ˇto su to smislena i legitimna s c s pitanja. Za poˇetak. Kod koje od njih treba c c iznajmiti automobil za odlazak u grad udaljen 600 km i povratak iz njega? Je li 1 . da si mnogi studenti postavljaju pitanja: A zaˇto s nam to. ponekad i nepremostivu prepreku na putu do stjecanja akademskog stupnja. dok tvrtka DojdiMi z s napla´uje 800 kn za poˇetak i 0. zs c MobiFon i TeleZvon.

Bitni su. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. Takav nam okvir daje matematika. arhetipski. Uz neˇto s s z s eksperimentiranja i pogadanja mogu´e je ustanoviti i da su za neku kilometraˇu c z (ili minutaˇu) troˇkovi isti. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. c Matematika je. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. startna cijena). z c c Prvo. Takve c prikaze zovemo matematiˇkim modelima. po kilometru) i da se tome dodaje konstantan iznos (pretplata. porez. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. dakle. dakle. vidimo da oba naˇa s problema imaju istu strukturu. Unatoˇ tome. kvantitativni aspekti. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. to je 800 km. troˇkovi proizvodnje. Bitne su cijene. ili za neke velike udaljenosti ponovo OdiMi postaje jeftinija? I kako bismo u to uvjerili skeptika kojem to nije jasno i oˇito? I c moˇe li nam odgovor na ova pitanja nekako pomo´i odgovoriti na sliˇna pitanja z c c o mobitelima? Gornji su primjeri jednostavni. niti grad u koji se putuje. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. Vrijedno je. uloˇiti trud u razumijevanje svojstava linearne z . u naˇem primjeru. s c s dakle. Iz naˇih primjera vidimo da se rac s zliˇite realne situacije mogu prikazivati istim matematiˇkim modelom: linearna c c funkcija f (x) = ax + b sluˇi nam i za opis situacije s mobitelima i s rent-az car tvrtkama.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. dakle. udaljenosti. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. niti marka automobila. trajanje. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. gotovo karikirani. Nije bitan tip mobitela. Nadalje. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. Treba nam.

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

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

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

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

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

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

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

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

1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Vektor kod kojeg su poˇetak i kraj jednaki. Tada je c − − → − = OB. Oˇito je | 0 | = 0.1. → c . poˇinje u P a z c zavrˇava u Q.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. tj. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . 3. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Preciznije. P = Q. B ∈ E takve da je OA = − i AB = b . tj. z kolinearan je sa svakim vektorom).2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Sada samo izaberemo orijentaciju koja nam treba. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Iz a Napomene 1. → Napomena 1.3). c 2.3). Napomena 1. Pogledajmo sada neka svojstva nul vektora: c − → 1.1.2 znamo da takve toˇke A i B postoje i da su jedinstvene. onda c a − → − →. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. 11 − → 3.

− → − → − → Napomena 1.3: Motivacija za definiciju zbrajanja vektora. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). O. Q ∈ E vrijedi P Q = P O + OQ. Vektor a zovemo suprotni vektor vektora a c − → −. ♣ B b a+b a b 0 A a+b a b Slika 1. .3 Za bilo koje tri toˇke P. a c a c → − → → → − → a a a 2. − → → − → → → → − 3. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + b = b + − (komutativnost). (− + b ) + − = → + ( b + − ) (asocijativnost).12 ˇ POGLAVLJE 1.4: Pravilo trokuta i pravilo paralelograma. VEKTORSKI RACUN R a G Slika 1. c Teorem 1. → a =−a → − → → → − a a 4.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. i oznaˇavamo ga s → 0 .

s → − − a c Napomena 1.6: Mnoˇenje vektora skalarom. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB.5: Pravilo mnogokuta za zbrajanje viˇe vektora. → BA. λ > 0 B’ 0 λa.λ<0 a A B Slika 1.1 ima sljede´a svojstva: ima →. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. a a → Za sluˇaj → + − piˇemo 2− (tj.1. koji ima isti smjer kao →.1. ali je suprotne orijentacije. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). itd. tj. definiramo λ− kao vektor: a → 1.4 Vektor a = −→ iz Teorema 1. λa . a . c a − 2. d c a + b+ c+ d a b Slika 1. Za n ∈ N a c a a a − = (n − 1)− + − . VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. Sliˇno 2− + − = 3→.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. ˇija je duljina jednaka |λ||− |. z → Za λ ∈ R. realnim brojem.

(λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). uz pretpostavku − = 0 . postoji pravac a a .5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. Primjetimo da se u Definiciji 1. c Vratimo se sada Definiciji 1. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. a a → − 4. a a a − → 3.14 ˇ POGLAVLJE 1.5 nigdje ne govori o geometrijskim veliˇinama. − → → → → − Ako su vektori − i b kolinearni. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . VEKTORSKI RACUN → 3. za sve a. 2. → od vektora a Teorem 1. Neka je dan polupravac (zraka) s poˇetkom u O.♣ a a Definicija 1. onda. Elemente od skupa V zovemo vektori. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. b ∈ V je a + b ∈ V . a suprotnu orijentaciju a − za λ < 0. 3.2. koji ima istu orijentaciju kao vektor − za λ > 0. a a → → → 2. 1 · − = → (postojanje jedinice).1 i Teorema 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). i neka je A = O c toˇka koja leˇi na tom polupravcu. λ(µ→) = (λµ)− (homogenost).4 i pokuˇajmo definirati kolinearnost u drugim s terminima.

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

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

c − → → a 4. Ako je barem jedan od vektora − . Ako imamo dva vektora − ..4 Ako su − . Ako su − .5 Ako su − . b bilo koja dva linearno nezavisna vektora iz XO (M ). VEKTORSKI PROSTOR XO (E). onda su oni linearno zavisni ako i samo ako su kolinearni. → → − → Teorem 1. b ∈ XO (E)..2. e1 e2 e3 z Tada su oni linearno nezavisni. c − → − Napomena 1. pa z z slijedi da su oni linearno nezavisni. →. Stoviˇe. Teorem 1. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. − i − . jer se nalazimo na pravcu. ..♣ → → → ˇ s a b c Iz Teorema 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. Stoviˇe. taj rastav je jedinstven..3 je jasna. → ∈ XO (E) jednak nul veka1 a2 an toru. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.8 Neka su →. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih..7. z → − − 3.♣ → a s Jednostavna posljedica Teorema 1.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. b i − tri linearno nezavisna vektora iz XO (E). ♣ Tvrdnja Teorema 1. takav rastav je jedinstven.1. onda su ti vektori linearno zavisni.♣ . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. . →. on se ne moˇe izraziti kao njihova linearna konbinacija. → ∈ XO linearno zavisni. → → − Teorem 1. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .3 slijedi iz Napomene 1.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.

VEKTORSKI RACUN 1. Skalare a1 . prema Napomeni 1. 1). zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). k ne leˇe u istoj ravnini.5). a2 i a3 − → → → vektor iz XO (E). − . 0) i Ez = (0. →. Tada je a e1 e2 e3 c − (Teorem 1. Koordinatni sustav → − → Definicija 1. 0). − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Ey = (0. Stoviˇe. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). pa ˇine bazu. 0. → → a b i j k . ay . 0. →). Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. duljine su im 1 i leˇe na okomitim c s z pravcima. uredeni par → − (− .2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . j . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E).8 z ˇ oni su linearno nezavisni. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . Kako vektori i . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. te toˇke Ex = c s c −→ − − → −→ − → − (1. j = OEy i − → −→ − − − − → → → k = OEz . 1. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Definirajmo i = OEx . az ) su jednoznaˇno odredene.1 i Teorem z 1. − → − → Neka je (→. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Analogno. e1 e2 Napomena 1. z c → → Neka je sada − proizvoljan vektor iz XO (E).18 ˇ POGLAVLJE 1.3 Baza vektorskog prostora XO (E). pri ˇemu su skalari a1 . − ∈ XO (E). c →. − .7 Uredena trojka (− .

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

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

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

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

.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.. µ ∈ R. ako je vektorski prostor W = R.5. a onda f zovemo linearni funkcional. z z → → − → − → − → → 2.10. Definicija 1. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. tj.1. x2 . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . b ∈ V i sve λ. yn ) ∈ Rn . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .. y2 . Za preslikavanje (funkciju) sa V u W . → → x y Teorem 1. xn ). slaˇe s Napomenom 1. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .. − → a b Napomena 1. (λ− ) · b = λ(− · b ) (homogenost). Posebno. tj. Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 .... → · b = b · − (simetriˇnost). (− + b ) · − = − · → + b · → (aditivnost).9 Neka su V i W realni vektorski prostori.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. + xn yn . − = (y1 . . .♣ − → → → → 1. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . → → Neka su − = (x1 . a x y z Ova se formula za duˇinu vektora.. a a → − → → − − a a c 3. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . a c a c c → → → − → − 2.

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

a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| az cos γ = → . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. imamo − → → →→ − d = ( d · − )− . Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . Tada postoji D ∈ E takva da je d = OD. → |a| ay cos β = − . Nadalje.1.5.10: Projekcija vektora na pravac. − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. jediniˇni vektor. a0 a0 . a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. Dakle imamo OD = ( d · − )− jer je OD = λ− .

za ad − bc = 0. . reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata. Ako pomnoˇimo prvu jednadˇbu s d. drugu s −b i zbrojimo ih. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. dobijemo z z (ad − bc)x = αd − βb. c d Sada za matricu A definirajmo funkciju det koja ´e matrici A pridruˇivati realan c z broj na sljede´i naˇin: c c a b c d det A = det = ad − bc. i 3. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. ad − bc S druge strane. ako prvu jednadˇbu pomnoˇimo s c.26 ˇ POGLAVLJE 1. a b A= .6 Digresija .determinante matrica 2. VEKTORSKI RACUN 1. x= αd − βb . a koristan je z i pri radu s vektorima. z z dobijemo αc − βa βa − αc y= = . c c z U ovom se odjeljku upoznajemo s pojmom determinante koji igra vaˇnu ulogu u z saˇetom i elegantnom formuliranju rezultata o linearnim sustavima. drugu s −a i zbrojimo ih. odnosno. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica.

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

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

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

Dakle. onda se z orijentiranost od S i S ispituje analogno. j .10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). Definicija 1. i . j . j . j . i . onda su S i S (odnosno njihove baze) jednako orijentirani. k ) pravokutni normirani c c → → − desni koordinatni sustav. onda nisu.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). j . − → − → → − − → j = b1 i + b2 j + b3 k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). z Napomena 1. k ) i S = (O . 1. k preko i . tj. i . c1 c2 c3 Ako je D > 0.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. ako je D < 0. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . → → a b i j k . Prikaˇimo i . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. k : z − → − → − → − → i = a1 i + a2 j + a3 k .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . − → − → − → − → k = c1 i + c2 j + c3 k .4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. pomo´u determinante pripadaju´e c c matrice.30 ˇ POGLAVLJE 1. k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.

(λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). a a a Napomena 1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . a c → i → kolinearni. jer je nul vektor kolinearan sa svakim vektorom. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .6. − → − → |a a sc a b → − → → − pa i − × b = 0 . → × b = −( b × − ) a a (antikomutativnost). To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. → × ( b + − ) = − × b + − × − . ϕ = 0 ili ϕ = π. c c z Teorem 1.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Kako je − · b = |→|| b | cos ϕ. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). b nul vektor. neka je − × b = 0 . Tada je |→ × − | = 0.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. a → − → → → → − → − → − Obratno.♣ → a . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .8. − → → → − → − → → 2.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Neka su sada oba vektora razliˇita od nul vektora. pa desna strana formule za duljinu vektora − × b iˇˇezava.♣ Primijetimo da tvrdnje Teorema 1. Zbog − · − = |→||− | cos ϕ. Po pretpostavci je |→| = 0 i | b | = 0. i ϕ = 0 ili ϕ = π. tj. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). → → → − → → − (a b c a c b c − − → → − → 3. c Dokaz: − → → Ako je barem jedan od vektora − .1. pa je cos2 ϕ = 1. Dakle a − → − i b su kolinearni. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. Tada je |− × b | = 0. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . kao saˇeti zapis.

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

j . vektore ortonormirane baze ( i . Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . pravila za vektorsko mnoˇenje te gornju tablicu) z z . b . k ) koje ´e nam c c biti koristno pri raˇunanju. Sa Slike 1.8. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ).13 vidimo da je → = − × − .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno.1.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. k ) desni koordinatni sustav (pravokutni i normirani). k ). ω r v v ω 0 r Slika 1.13: Kutna brzina. pravila za skalarno mnoˇenje. − . − × b ) desni (op´enito nepravokutni) koordinatni sustav. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. j . k ). j . j . dok je s druge strane i × ( i × j ) = − j tj. to je − → → → → − (O. Uzmimo npr. i .

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

14: Mjeˇoviti produkt triju vektora. b = 0 i → = 0 . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − .16 Vektori →.16 oni su linearno zavisni. − . b .ˇ 1. Tada je: → → → a b c → − → − → − − → 1.6. → − → − → → → → Napomena 1. zakljuˇujemo da su vektori → i b × c okomiti. − . b . Tada. b .17 Za vektore − . s → → − → Definicija 1. pa kako je − okomit na b × − . − → − i samo ako su a b c − → → → Ako su − . |→ × b | je povrˇina paralelograma razapetog s → i b . z → − − − a c Napomena 1. − komplanarni po Napomeni 1. Pretpostavimo zato da su − = 0 . onda − → − Obratno. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . gdje je |→| baza.4 i 5 iz toˇke 1. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . a a − → → − → − − → − 2. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. pa tvrdnja slijedi a c iz svojstava determinante 3.♣. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. jer je a a c → − − → |→ · b | = |− || cos ϕ|. vektorsko mnoˇenje i mjeˇoviti z z s produkt. MJESOVITI PRODUKT 35 bx c a c b Slika 1. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c .11 Za vektore − . b . → komplanarni.9. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. kako je a c → − − → → − − → − · ( b × c ) = 0. a | b | sin ϕ visina paralelograma. − ∈ XO (E). a a . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.

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

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

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

jer je tada vektor − oblika n − → →=Ai. c Obratno. jer je (0. Ako je A = 0.1. Dobijemo z B A x + −C y = 1. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j .2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda je pravac paralelan s osi y. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . onda pravac prolazi kroz ishodiˇte. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − .2. jer je (0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . Ako je B = C = 0. C −A −B . B = tB i C = tC. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. n n 2. Ako je C = 0. − n 4. → → Ax = 0 i vektor n n i 5. Ako je B = 0. Oˇito je (x0 . tj. pa imamo tvrdnju. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. ako postoji t ∈ R takav da je A = tA. jer je toˇka (0. jer je tada vektor − oblika n − → →=Bj. onda je pravac os x. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. postoji t ∈ R takav da je n = t− . z → 2. − n → 3. onda je pravac os y. Ako je A = C = 0.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. nepotpune obc z like): 1. y0 ) i da je za svaku drugu toˇku (x. znaˇi z c da prolaze kroz istu toˇku (x0 . no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. onda je pravac paralelan s osi x. Odatle je A = tA i → → su vektori n n B = tB.1. Dakle → → r i j n i j n i j → − − → − i n kolinearni.

a ako je y = 0. c c y b a 0 x Slika 2. b) i (a. c c tj. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. z z Uoˇimo sljede´e: ako je x = 0.y 1 ) Slika 2. z . pravac prolazi kroz toˇke (0. 0). z 2. imamo A x a + y b = 1. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B .3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).40 ˇ POGLAVLJE 2.3: Kanonski oblik jednadˇbe pravca. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. onda je y = b.2: Segmentni oblik jednadˇbe pravca. z p s=mi+nj P1 = (x 1.1. onda je x = a.

2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→. y = y1 .1. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). tj. s s 2. y1 ) kroz z c z c → → → = m− + n− .4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 .y 1 ) Slika 2. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . bez komponente u smjeru j . Nadimo jednadˇbu tog pravca. y2 ) u ravnini M . Toˇka P = (x. onda c c je jasno da njima prolazi jedinstveni pravac p. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . Iz uvjeta x − x1 = λm i − − kolinearni. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p.1. a kako p po pretpostavci prolazi toˇkom P .2. ˇto se vidi i iz vektora smjera → = m i + 0 j . Dakle imamo pravac paralelan s osi c → − → − − → − x.y 2 ) P = (x 1.4: Pravac kroz dvije toˇke. z z Napomena 2. Npr. y1 ) i Q = (x2 . iz kanonske jednadˇbe c z . z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. tj. z p Q = (x2 . jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva.

Veliˇinu k zovemo koeficijent smjera pravca p. c 2. y l ϕ 0 x Slika 2. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 . y − y1 = k(x − x1 ). z . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Uvedemo li oznaku l = −kx1 . Tada je y = kx − kx1 + y1 .5: Eksplicitni oblik jednadˇbe pravca. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ).42 ˇ POGLAVLJE 2.1. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. Uvode´i oznaku k = m .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.

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

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

4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . tj.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . → n i j 45 Definicija 2.2.ˇ 2. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . ako i samo ako je A1 A2 + B1 B2 = 0. → → kolinearni. A2 B2 → → Napomena 2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. −1 → Neka je ϕ kut izmedu → i −2 .

→ s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. s1 s2 tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . s1 s2 odnosno ako i samo ako je n1 m1 = . ako i samo ako postoji λ ∈ R takav da je − = λ− .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . tj. ako i samo ako je m1 m2 + n1 n2 = 0. → → Napomena 2. m2 n2 → → Napomena 2.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. .46 b) Kanonski oblik: ˇ POGLAVLJE 2.

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

Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Neka je pravac p dan u c c normiranom obliku. x cos ψ + y sin ψ = d. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.1. tj.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . odnosno ako i samo ako je 1 + k1 k2 = 0. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . p) = x0 cos ψ + y0 sin ψ − d. ANALITICKA GEOMETRIJA Napomena 2. odnosno ako i samo ako je k1 = k2 . 2 ako i samo ako je tg ϕ = ∞. tj. k2 2. sa suprotne strane od ishodiˇta) jer je tada n s .5. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Napomena 2. To je ekvivalentno s 1 k1 = − .48 ˇ POGLAVLJE 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.7). y0 ) i pravac p u ravnini. s Napomena 2. tj. Zanima nas udaljenost c toˇke P0 od pravca p. ako i samo ako je ϕ1 = ϕ2 . c Definicija 2.

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

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

ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. xs = . ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. poklapaju se. zovimo je S = (xs . identiˇni su.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . tj. sijeku se u jednoj toˇki. ys ).2.ˇ 2. paralelni su. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.8: Mogu´i poloˇaji pravaca u ravnini. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. 3. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. c 2. Npr. c z U sluˇaju da se sijeku u jednoj toˇki.2.

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

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

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

y. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. Tada imamo P0 P = − − − . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − .2).3. z0 + tc).1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1. 2. Neka c z s −→ → → − − radij-vektor toˇke P . z) = (x0 + ta.2.3 2. PRAVAC U PROSTORU 55 2. → → → a i + b j + c k . → − → r r0 s p ts P0 r 0 s r0 Slika 2.9: Pravac u prostoru.3. y. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.3. y0 . . y0 + tb. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .

z0 ) i 2. b. y = y0 + tb. . c) odnosno a. z c s 2. Kako su vektori baze linearno nezavisni. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. b. vektor smjera pravca p je dan s (a. ANALITICKA GEOMETRIJA x = x0 + ta. z s Napomena 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . Prema s z Napomeni 1.3.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . y0 . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. c su koeficijenti smjera pravca p.13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. pravac p prolazi toˇkom (x0 .56 Jednadˇbe z ˇ POGLAVLJE 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . j i k dobivamo kanonske jednadˇbe pravca. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . z Napomena 2. s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 .

tj.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .3. y2 .3. − . c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. β.3.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . c). → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. pa iz toˇke − − s r2 c s r2 r1 c 2. istog smjera i orijentacije kao i →.1. jedan kosinus smjera prelazi u sinus. onda ima dva kosinusa smjera. γ ∈ [0. onda znamo da je vektor → s a b c 1 → s0 = − − = − . toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.2. y1 .5 znamo da postoje kosinusi smjera vektora − . → − → → r r1 r2 r1 . i njihov omjer daje koeficijent smjera (toˇka 2. b. z1 ) i P2 = (x2 . −| |s Dakle koeficijenti smjera a. →| |s c cos γ = → . z2 ) u prostoru.5 i toˇka 2. π] takvi da je a cos α = − . a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. PRAVAC U PROSTORU 57 → Posebno. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. Odredimo njegovu jednadˇbu. − → z definirajmo s P c s − je vektor smjera pravca p.1. s 2. z Znamo iz toˇke 2. b. pa odreduje isti pravac. Uzmimo sada npr. →| |s b cos β = − . c) je dana s x y z = = . c c Tada kroz njh prolazi jedinstveni pravac p. c s → Iz toˇke 1. − →| s →| |→| |→| |s |s s s − jediniˇni. b. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .6).3. odnosno postoje c s0 α. Zbog komplec mentarnosti. Sada imamo da je → = P1 P2 = → − →.

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

Napomena 2. y0 .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .11: Pravac zadan dvjema projekcijama.3.3. vrijedi x−m1 m = y−n1 n = z. 59 y = nz + n1 . + n2 + 1 cos β = √ m2 n .2. z b c . uz oznake n = b c b i n1 = − c z0 . z y=nz+n 1 x =mz+m 1 y 0 x (m . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. Tada za svaki izbor a. Dakle.3. + n2 + 1 2. b. PRAVAC U PROSTORU odnosno.14 Iz toˇke 2.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.n ) 1 1 Slika 2. + n2 + 1 cos γ = √ m2 1 .

AC : CB = m : n. m+n m+n m+n Napomena 2. m ∈ N. z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. mz1 +nz2 ). . z1 ) i B = (x2 . y2 . y1 . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 .60 ˇ POGLAVLJE 2. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n.3. ANALITICKA GEOMETRIJA 2. ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . 2 2 2 .12: Dijeljenje duˇine u zadanom omjeru. z2 ) u prostoru. tj. . − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . my1 +ny2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . s z Imamo → = 1 (− + − ). z → c radij vektor toˇke B.

13: Normalni oblik jednadˇbe ravnine. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. y. β. Neka je −0 = OP0 c c n p −→ − (tj. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p.2. z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. a vektor z −0 zovemo normala ravnine Π.4. Povucimo okomicu iz toˇke O na ravninu Π. RAVNINA U PROSTORU 61 2. j .4. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. ako Π prolazi kroz ishodiˇte (tj. → → r n . s vektorima baze −0 ˇto ih n s − − − → → → i . γ kutovi c → zatvara s pozitivnim smjerovima osi x. P0 d r π n0 0 M Slika 2.4 2. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . → n i j k Tada proizvoljna toˇku P ∈ E leˇi u Π ako i samo ako je projekcija njenog c z − na pravac odreden s −0 duljine toˇno p. → n Posebno. z redom (tj. toˇku O). pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.3 ). k iz toˇke 1. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. → → radij-vektora r n c P . onda je p = 0.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.

2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.2. n − → → OC · −0 = p. n0 − − → → OB · −0 = p. c Neka je M = (x1 . y1 . iz normalne jednadˇbe ravnine imamo. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . kako su A. Nadalje. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. r n Napomena 2. 2. → ako je M s one strane Π na koju pokazuje −0 . jer je duljina okomice do Π jednaka p). ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). toˇke u kojima Π sijeˇe koordinatne osi x. z − − → OA · → = p. redom. z. C ∈ Π. u stvari.2. z1 ) ∈ E proizvoljna. y.2. y. 0). Kao i kod pravca (toˇka 2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. B. Za toˇke s druge strane bit ´e n c c d < 0. 0. z). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. Imamo neˇto analogno otklonu iz toˇke 2. C = c (0. n . Napomena 2.4. c).62 ˇ POGLAVLJE 2. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. neka su toˇke A = (a. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. a c kako M leˇi u Π . udaljenost ravnine Π od ravnine Π . c c Sada. b. 0).16 Ako toˇka P ∈ E ima koordinate (x. Kako je d.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. 0. B = (0.

Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). Odatle.14: Segmentni oblik jednadˇbe ravnine.4. b cos β = p. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. B. tj. p p p cos α = . cos γ = . . a cos α = p.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. y0 . z Dakle. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. c cos γ = p.4. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0).2. neka je C = 0. z 2. cos β = . z = − C x − B y − D . Bez smanjenja op´enitosti. c C C Tada postoji toˇka (x0 .

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

C). onda normala − = (A. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. y1 .18) i koeficijent razmjernosti je A2 + B 2 + C 2 .4. onda je oˇito da O = (0. Ako je D = 0.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. 0.17. B. 0) nema komponentu u smjeru n − → osi z (tj. po c Napomeni 2. nepotpune obc z like): c c z 1. R cos β = B . Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. B. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. Π) = |Ax1 +By1 +Cz1 +D| √ . Tada je. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. R → → Vektor normale −0 je normirani vektor − = (A. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0.1).4. Stoga ´emo i vektor − zvati vektor normale.2. pa imamo cos γ = 0. k ). tj. z1 ) ∈ E.20 Neka je dana toˇka M = (x1 . C C C A z Oznaˇimo a1 = − C . tj. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. pa odreduju istu ravninu. Napomena 2. istog su smjera n n → c n i orijentacije. Ako je C = 0. B. ravnina prolazi kroz ishodiˇte. s c A2 +B 2 +C 2 Napomena 2. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. RAVNINA U PROSTORU predznaka od D. c onda je A B D z =− x− y− . s → 2. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. c . onda su koordinate A. Dakle imamo cos α = 65 A . b1 = − B i c1 = − D . R cos γ = C .

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

y.2. c1 ) i − = (a2 . z0 ) z z c → → i dva vektora smjera − = (a1 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. Napomena 2.17: Ravnina zadana parametarski. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. Kako imamo dva parametra (u i v). Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . b2 . b1 . y = y0 + ub1 + vb2 .4. c1 ). y0 . z Napomena 2. y0 . s1 s2 . c2 ). b2 . b1 . → = (a2 . z0 ).22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. → − Nek je P0 = (x0 . − = (a1 . vidi se da je ravnina dvodimenzionalni objekt u prostoru. Tada P = s1 s2 → − (x. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2.21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.

P2 = (x2 .5 2.16.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . y1 .68 ˇ POGLAVLJE 2. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .5.4.4. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . P2 . Po Napomeni 1. P1 P3 komplanarni. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Kako toˇke P1 . 2. P1 P2 . vektori s1 s2 −→ → − − − → P0 P . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. z2 ). s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. P3 (uzmemo npr. Po Napomeni 1. y2 .4. z3 ) u c prostoru takve da ne leˇe na istom pravcu. − . Dakle. 2. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). ako i samo ako su P0 P . P3 ne leˇe na istom pravcu. P3 = (x3 . s1 .1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . P2 . ANALITICKA GEOMETRIJA −→ → − − odnosno. z1 ).16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. → komplanarni. y3 . Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 . Kao i u toˇki 2.

n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. Ravnine se ne sijeku. 2. ako i samo ako je −1 · −2 = 0. tj. Ravnine se podudaraju. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . 69 −1 Definicija 2. B1 . −1 → Napomena 2. ♣ .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. C2 ).2. tj.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . Teorem 2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. odnosno ako → → kolinearni. Ravnine se sijeku u jednom i samo jednom pravcu. C1 ) n → i −2 = (A2 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . B2 . 3.5. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.

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

Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. tj.4. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku.5.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. B. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . b. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . 2. z Definicija 2.2. onda je presjeciˇte jedinstveno (tj. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . y. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c) i − = (A. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 .5) i koordinate su mu c c ∆x ∆y ∆z ∆. b.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. s jedna toˇka. ∆ . z nepoznanice). paralelne su).5. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). toˇka 2. C). ∆. → → s n .

tj. ANALITICKA GEOMETRIJA → → Znaˇi. → → s n Kako je kosinus kuta izmedu − = (a. − Anm1 +Bnn1 +Dn + n1 . z c c s z0 = − Am1 + Bn1 + D . → Napomena 2. 2.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. c) i − = (A. B. − Am1 +Bn1 +D . c) i − = (A. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . tj. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. Am+Bn+C Am+Bn+C Am+Bn+C .4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 .5. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ. B. tj. b. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. ako je π − ϕ kut izmedu − = (a. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. ako i samo ako je − · − = 0. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. odnosno ako → − kolinearni. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 .72 ˇ POGLAVLJE 2. b. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. i ravnina Π s Ax + By + Cz + D = 0.

5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. tj. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. tj. y1 − b Ax1Aa+Bb+Cc+D . z z .28 Ako ne postoji takav t koji je konaˇan. a druga je uvjet paralelnosti pravca i ravnine. 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .5. Ax1 + By1 + Cz1 + D .27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z1 − c Ax1Aa+Bb+Cc+D . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. Aa + Bb + Cc Napomena 2.2.5. ako nema konaˇnog z koji je rjeˇenje. y = y1 + bt. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . z = z1 + ct. y0 . Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at.

Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. c c c 2. Pravac i ravnina se ne sijeku. .74 ˇ POGLAVLJE 2. y2 . 3.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . → → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . z1 ) odnosno c → → P2 = (x2 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Definicija 2.5.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. s1 s2 redom. c 2. Pravac je sadrˇan u ravnini.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . b2 . y1 . ANALITICKA GEOMETRIJA Teorem 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). b1 . c1 ) odnosno − = (a2 . c2 ). z2 ) s vektorima smjera − = (a1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. Pravac i ravnina se sijeku u samo jednoj toˇki. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).18: Mimosmjerni pravci. → → s1 s2 p 2 p 1 Slika 2.

7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.5. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. z= 1 m−m n−n .2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . ako i samo ako je → · − = 0. tj. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . c c z → s1 Napomena 2. tj.3. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .5). ako i samo ako postoji λ ∈ R takav da je − = λ→. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.5. 2. tj. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . → Napomena 2. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.

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

tj. Prema Napomeni 2. iz toˇke 1.2.29. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. Teorem 2. Pravci leˇe u istoj ravnini i ne sijeku se. imamo isti pravac. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. z 2. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. i 6. z c 4.6 na gornju determinantu (tj. z 3. Pravci se podudaraju. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. pa nema presjeciˇta.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pravci su mimosmjerni. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. c =0 . Pozabavimo se sluˇajem mimosmjernih pravaca. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 .5. ne leˇe u istoj ravnini. ˇetvrti sluˇaj. z Moˇe se desiti da su oni paralelni. Ako su sva tri redka proporcionalna. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1.

z1 ) i paralelna je sa − = (a1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. z1 ) → odnosno P2 = (x2 . imamo da Π prolazi z → → kroz P1 = (x1 .78 ˇ POGLAVLJE 2. c1 ) c s1 − = (a2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . a2 b2 c2 Definicija 2. p1 leˇi u ravnini). c2 ). a2 b2 c2 a2 b2 c2 . ANALITICKA GEOMETRIJA 2. Onda su njihove kanonske jednadˇbe dane s → odnosno s2 z y − y1 z − z1 x − x1 = = a1 b1 c1 i x − x2 y − y2 z − z2 = = . jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. b2 . b1 . . = 0.5. . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .22. c1 ) i − = (a2 . Iz s1 s2 Napomene 2. y1 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. y1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . c2 ). Dakle. kako p1 leˇi u Π i Π je paralelna sa p2 . b2 . y2 . b1 .

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

.

U primjeru iz toˇke 1.1 3. z i u) kao jedinstveni objekt (matricu). z z Npr. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x.1. Ako bismo uspjeli razviti raˇun takvih objekata. y.1 Osnove matriˇnog raˇuna c c Motivacija Promotrimo sustav linearnih jednadˇbi z x − z + 2u = −3 2y + z + u = 1 x +y −z = −1 2x + y + z + u = 3.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. z i c z u.Poglavlje 3 Matrice i linearni sustavi 3. y. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . 1 −1 0  1 1 1 81 . onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici.

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

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

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

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

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

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

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

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

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

Sloˇimo li ih u (r ×s) matricu.ˇ ˇ 3. npr. Primjer 3. prvi i tre´i..6. Izaberimo dva redka. 3. 3. svaka linearna z jednadˇba ide u svoj redak). dobijemo podmatricu z 3 4 0 3 matrice A.3. dobivamo podmatricu z matrice A. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.4. 0. xn ]T nepoznata matrica. c . 3. 1 0 3 0  Neka je r = s = 2. bm ]T poznata matrica desnih strana i z x = [x1 . Sloˇimo li ih u (2 × 2) matricu. c drugi i tre´i... 3. . takvu podmatricu zovemo blok. .5 Podmatrice i blok matrice Neka je A ∈ Mmn .1. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3...1.6 Neka je  2 3 4 1   A =  −1 2 1 3  .. b = [b1 . i dva stupca npr. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.♠ Ako su izabrani redci i stupci uzastopni. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ). 4.

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

1. c Napomena 3. OSNOVE MATRICNOG RACUNA 93 3. tj.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. dakle ne postoji izbor brojeva a. tj. U toˇki 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . onda je barem jedan od a ili b jednak nuli. Npr. c c c Iz svojstva 5.ˇ ˇ 3. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . c. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. 1. neka je dana matrica c 0 1 1 0 .4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Npr.1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.1.6 Regularne matrice. Teorema 3. U skupu R vrijedi: ako je a · b = 0. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. c 2. b. postoji broj koji pomnoˇen s a daje 1.

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

ajn ) = ai1 aj1 + ai2 aj2 + . vrijedi A · AT = AT · A = In ... Stoviˇe.... ai2 .. .. ai2 ... aj2 .. ajn ) = ai1 aj1 + ai2 aj2 + .1. ˇtoviˇe vrijedi da je s s (ai1 ... ai2 . preciznije Gn ⊂ Mn . In ∈ Gn i In = In .. Tada je i-ti redak matrice A z (ai1 . Zakljuˇujemo da na mjestu (i.... ai2 . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT ... ain ) · (aj1 . B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 .. ain ) · (aj1 . Dakle i matrica AT · A ima iste elemente.ˇ ˇ 3... . (To je. . .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . ... Napomena 3.. 0n ∈ Gn . Kako je po pretpostavci A ortogonalna. u stvari. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 . s z c . ajn ) = a2 + a2 + . ai2 . + ain ajn . + ain ajn = 0 za i = j i (ai1 . aj2 .. . moˇe se dokazati da ˇine ortonormiranu bazu od Rn .. ain ) · (aj1 .♣ / z Definicija 3. OSNOVE MATRICNOG RACUNA 1. .. . aj2 . 2.6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . Gn = Mn . Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. + a2 = 1 i1 i2 in za i = j. .. 95 4..... n. Ako su A. n. + ain ajn = δij odnosno (ai1 .. ain ) · (aj1 . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . ajn ) za j = 1. j-ti redak od A)...... U Napomeni 3. . aj2 .. . −1 3.. 5. ain ) za i = 1..... . ajn ) = ai1 aj1 + ai2 aj2 + . a j-ti stupac matrice AT je (aj1 .10 Neka je A = [aij ] ∈ Mn ortogonalna. aj2 .

linearne zavisnosti/nezavisnosti. a1 an Napomena 3. z Teorem 3.... ..♣ Kako je po Teoremu 3.5) i neka je L neki podskup od V .. λn ∈ R}. + λn − : λ1 . 2.. . .. vrijede svojstva 1.1. matrice iz Mm1 . Elementarne transformacije Neka je A = [aij ] ∈ Mmn .. MATRICE I LINEARNI SUSTAVI 3. . − je skup svih linearnih kombinacija vektora − . → → s L( a1 an → → → → an a1 L(− . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.. .96 POGLAVLJE 3.. .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.7 Rang matrice.5 izravno slijedi da je r(A) = r(AT ). − ∈ Rm .. iz Definicije 1.5). moˇemo promatrati kao vektore u R . Definicija 3.... a1 an . →) ⊆ Rm . − )... moˇemo promatrati kao vektore u vektorskom prostoru Rm . i 3. matrice iz M1n ... − ) = {λ1 − + . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.. njene z c n redke. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.6 znamo da stupce.10 Neka je V vektorski prostor (Definicija 1. − .. tj. Oznaˇavamo ga → → → → a1 an a1 an c − . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor)..11 Oˇito je da je c − − L(→. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).. Podprostor razapet vektorima a1 an − .11 Neka su − .10 slijedi da je L(− .. a1 an → → i izravno iz Definicije 3. → → Definicija 3..5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Definicija 3. . − ) podprostor od Rm . Sliˇno.. . Iz Napomene 3. Iskaˇimo sada jedan bitan rezultat...

Neka je R(A) podprostor od Rm razapet stupcima matrice A.. . Neka je In ∈ Mn . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. Tada je oˇito r(In ) = n.13 imamo da je r(A) ≤ min(m. →)) ≤ n. − .. . − )..6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Napomena 3. Neka je 0 ∈ Mmn nul matrica...1. → → → → Napomena 3. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn ... .13 Kako vektori − . jer je skup { 0 } uvijek linearno zavisan. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − .15 Iz Napomene 3.. . .. Dimenziju vektorskog prostora L(− ... − ∈ Rm . 2. Neka je L(− . z Teorem 3........ →}. i R (A) podprostor Rn razapet redcima od matrice A.12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. a1 an Vratimo se na konkretan vektorski prostor..14 Uz gornje oznake iz Teorema 3. − ) → → → → od R razapet sa a1 an a1 an →. c . Mmn . n).12 Neka su − .. Napomena 3. . Neka je A ∈ Mmn . znamo da je u a1 an a1 an bazi najviˇe n vektora. Stoga vrijedi s − − dim(L(→...5 izravno slijedi r(A) = dim(R(A)) = dim(R (A))... − )). Tada je r(0) = 0.. − razapinju L(− . − ) podprostor a1 an a1 an m − .8 Vrijedi: − → 1. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. . ..ˇ ˇ 3.♣ Primjer 3. ..

Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . .6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . Pitanje je..♠ Iz Primjera 3.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Zamjena dvaju redaka (stupaca). Primjer 3. c c r(In ) = n) i matrice koja izgleda kao i matrica B. na aij za i < j.. Neka je dana B ∈ M5. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. . komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Dakle. MATRICE I LINEARNI SUSTAVI 3. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. tj. k. n) ima jedinice. na pozicijama a11 . kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. na aij za j < i ima nule. Nadalje. Dakle...5 imamo da je r(B) = 3.. iz Teorema 3.. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. Mnoˇenje redka (stupca) skalarom λ = 0..98 POGLAVLJE 3. z 3.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    .. j = 2. na aij za i = k + 1. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).  .. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. akk za k ≤ min(m. ima nule. . 2.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .

16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. − n ] (vektori a a a a − 1 . jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. − n ).. sastavi se matrica A = [− 1 . Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. Ir ∈ Mr . Dakle.ˇ ˇ 3...13 Matrice A.1. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija. → → a a Napomena 3. Kako je r(A) = r(H) = r..n−r .♠ c Definicija 3. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 .r i 03 ∈ Mm−r. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . 01 ∈ Mr. tj. A = 0. matrica M prelazi u jec c diniˇnu. . .. ekvivalentne matrice imaju isti rang. gdje je r ≤ min(m. . Neka je A ∈ Mmn . tj. Dakle dobijemo matricu H..... jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). u bazu podprostora razapetog redcima odnosno stupcima od A. c c Napomena 3.17 Ako imamo n vektora − 1 . ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). a a . − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. Matrica H je Hermiteova forma matrice A. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. 02 .. n).n−r (01 . . OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. . − n ). Primijenimo li na H elementarne transformacije obrnutim redom.. 03 su nul matrice)... Isto tako... 02 ∈ Mm−r. ve´ samo njegovu duljinu.

formiramo matricu [A.. odnosno R = A−1 . te ako je. R]. A je singularna. Konaˇno.7). Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In .♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna. D] ∈ Mrp . mnoˇenje i-tog redka matrice A skalarom λ = 0 odgovara mnoˇenju matrice A s c z z lijeva matricom Qi (λ) koja se dobije iz jediniˇne matrice zamjenom jedinice u i-tom redku s c λ. onda c −1 je A = R. Dakle imamo [Q1 · Q2 · · · Qq · A. j). Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. ako je A regularna) mi smo zapravo matricu [A. MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. Qq . pa je R · A = In . p ≥ r. kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir .. Primjerice. odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. Sliˇno. In ] mnoˇili s lijeva s q elementarnih z matrica Q1 .. j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice. In ] dobili matricu [In . . Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. Q1 · Q2 · · · Qq · In ] = [In . R] (tj. R].7 Svaka matrica A = [A0 . gdje je Ir ∈ Mr jediniˇna. zamjena i-tog i j-tog redka matrice A postiˇe se mnoˇenjem matrice z z A s lijeva matricom Qij koja je dobivena zamjenom i-tog i j-tog redka u jediniˇnoj matrici c I.100 POGLAVLJE 3. a ako nije. In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In . . Te matrice zovemo elementarnim matricama. na´i njen inverz. Teorem 3. R] (Teorem 3. mnoˇenje matrice A s lijeva matricom Qi (λ. Ako je to mogu´e. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . Qi (λ) i Qi (λ.

... sustav je nehomogen. i = 1. c c Napomena 3. + a1n xn = b1 a21 x1 + a22 x2 + . cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. LINEARNI SUSTAVI 101 3.. = ain = 0. xn s z koeficijentima aij .. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. c s z proturjeˇan ili nemogu´.. j = 1. .18 Primijetimo: 1. ... + amn xn = bm . Definicija 3. = bm = 0. a bi = 0.. 0.2 3. . Homogeni sustav je uvijek mogu´.. + a2n xn = b2 . s z suglasan ili mogu´. 2.... n. i = 1... kaˇemo da je nekonzistentan.. c2 . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.. c s 2. sustav je nemogu´.. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .... Takvo rjeˇenje zovemo trivijalno.... . .1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . . m. . .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja.. n i slobodnim ˇlanovima b1 . Ako sustav nema rjeˇenja. am1 x1 + am2 x2 + ... . . s .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima... s s z s 3. Uredena n-torka (c1 . bm : c a11 x1 + a12 x2 + .3.. . imamo netrivijalno rjeˇenje.. Za sustav kaˇemo da je homogen ako je b1 = ..2. uredena ˇetvorka (1. s Ako je (c1 .2. = xn = 0 daje rjeˇenje c svakog homogenog sustava.. . m vrijedi ai1 = . Ako za neki i = 1. s i = 1.... c2 .. Npr.. m.... jer x1 = . Ako je barem z jedan bi = 0.. ... .

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

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

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

tj. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . c Svojstva iz Teorema 1. dakle dokaˇimo da za proizvoljne c z − . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . c 3.2.♣ .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).3. x x − → Oˇito je 0 ∈ N (A). u u Dakle je N (A) vektorski podprostor od Rn . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.2. → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A). u v u v − → dakle → + − ∈ N (A). Dokaz: Oˇito je N (A) ⊆ Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). gdje je λ ∈ R proizvoljan. Treba provjeriti da N (A) ima svojstva iz Definicije 1.♣ s c z s x → Iz Teorema 3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .8 i Napomene 3. Tada je.22 N (A) je podprostor od Rn .1 i Teorema 1.3 Homogeni sustavi → Iz Napomene 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . c Napomena 3. tj.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . A− = b i A− = b .2 su oˇito zadovoljena.5.

Onda.. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. Teorem 3. onda je i njihova linearna kombinacija rjeˇenje tog sustava.9 I. prema Teoremu 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)). tj. ut rjeˇenja homogenog sustava c s − = − . tj. Tvrdnja Teorema 3. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. N (A) = { 0 }. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. → → → → u u y y − → → II. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).9. Kako je iz Teorema 3. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna..8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .♣ Napomena 3.106 POGLAVLJE 3. svako rjeˇenje je oblika − 0 + 0 .23 Primijetimo: → 1. z s . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.9 I. onda po Teoremu 3. Tvrdnja Teorema 3. s Dokaz: (Dokazujemo samo tvrdnju II. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . → → → → Ax a y y 2. iz jedinstvenosti zakljuˇujemo da je − = 0 .9 II. gdje je − ∈ N (A).22 zakljuˇujemo da ako su u1 .. Po Teoremu 3.) − → → − → − Ako je matrica A sustava A− = b regularna.8 je matrica A regularna. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). s x → − → → Obrnuto. rjeˇenje je x s u s jedinstveno.

. r... + arr xr + arr+1 xr+1 + . . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.. − arn xn . . Ako su rangovi jednaki (r(A) = r(Ab ) = r). Kako je r(A0 ) = r. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . LINEARNI SUSTAVI 107 3..6 imamo da je A0 regularna.. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca... ar1 x1 + . . Iz Teorema 3. − → Uvedimo novi vektor desnih strana β (c). c Dakle.8 II.. imamo sustav − → − x A0 →0 = β (c). − → Prvo treba odrediti rangove matrica A i Ab ... . + arr xr = br − arr+1 xr+1 − .. . Nadalje.2.. .2.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. + arn xn = br . xn na desnu stranu i doc bijemo: a11 x1 + . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. + a1r xr + a1r+1 xr+1 + .. . kao βi (c) = bi − air+1 cr+1 − .. − a1n xn ... . prebacimo ˇlanove s nepoznanicama xr+1 . Ako oni nisu jednaki.... + a1r xr = b1 − a1r+1 xr+1 − .. . iz Teorema 3. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . . .3.. pri ˇemu su cr+1 . − ain cn za i = 1.. + a1n xn = b1 ..8). b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj... ar1 x1 + .. cn proizvoljni realni parametri. ..

.. tj. − n ) baza s x u u u − → − = b oblika → od N (A).. cr ... .... cr+1 ..♣ Iz Teorema 3. cr koji su dani s A−1 β (c) = [c1 .. iz Teorema 3. → x → → Dakle. r(A) = dimR(A) = n. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . + µn − n . µn proizvoljni parametri..8 II.1. cn ]T je rjeˇenje sustava A− = c s x − → b. → → Teorem 3. . . cr ]T ).2. → → − II. ... . . − u u u pri ˇemu su µr+1 ..11 izravno slijedi iz Teorema 3. 0 U toˇki 3.♣ c Napomena 3. .11 Ako je (− r+1 .... cr ]T .. . dimR(A) + dimN (A) = n. i obratno. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . + µn − n ... µn proizvoljni parametri.. cn su slobodni prametri. . cn postoje → − jedinstveni c1 . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). Brojevi cr+1 ... . ...... dok brojevi c1 ..108 koje je oblika POGLAVLJE 3.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. − − → u u u pri ˇemu su µr+1 .. Broj dimR(A) smo zvali rang od A..10 I. Teorem 3.. c ...3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .7 odnosno toˇki 3. Kako je (− r+1 .9. ... − = [c1 . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). a broj dimN (A) defekt od A. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ...24 Tvrdnja Teorema 3.

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

c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 . MATRICE I LINEARNI SUSTAVI U toˇki 1. n > 3. odnosno n det A = k=1 (−1)k−1 a1k det A1k . .. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. . n. Za A ∈ Mn .. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . Napomena 3.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 .. + (−1)n−1 a1n det A1n .. oznaˇimo s A1k .110 POGLAVLJE 3.6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda.. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. Tada za A ∈ M1 oblika A = [a] definiramo det A = a. c1 c2 a1 a2 b1 b2 . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . u stvari skup R). Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . Determinanta matrice reda n > 3 se definira induktivno. k = 1.

Neka je A ∈ Mn dijagonalna matrica.7. Svojstva determinante su: 1.3. det(Qij A) = − det A. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Ako je A ∈ Mn trokutasta (gornja ili donja). c 4. onda sc je det A = 0.2. 3. je razvoj determinante po prvom redku. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. . Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. determinanta mijenja predznak. Posebno je c det In = 1.1. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . onda je det A = a11 a22 · · · ann . 2. n ≥ 2. pravilo za c raˇunanje inverza matrice). onda je det A = 0. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. n ≥ 2.

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

12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . LINEARNI SUSTAVI 113 ispod njega.3. B ∈ Mn vrijedi det(AB) = det A · det B. Teorem 3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.♣ Teorem 3.2.i+1 (naravno.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . Ako to nije mogu´e.12 Za proizvoljne matrice A. ♣ U Teoremu 3.i+1 = 0). z Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. itd. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. onda je det A = 0. ♣ Napomena 3. tj.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.26 Ako je A ∈ Mn regularna. ♣ . Dakle oˇito je det A = 0. Teorem 3. Teorem 3. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. ai+1. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . ♣ Iz Teorema 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . Dokaz: Iz Teorema 3.

28 U Napomeni 3. k=1 Oˇito. ♣ Napomena 3. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. tj. (−1)k+i det Aki . ako je i = j. Promatramo zbroj n (−1)j+k aik det Ajk . onda je det A = 0. det A Dokaz: Ako je det A = 0. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. det A Dakle A je regularna i A−1 = kof (A) det A . Definicija 3.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .♣ . onda iz Teorema 3.27 izravno slijedi: Teorem 3. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . tj.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki.114 Veliˇinu c POGLAVLJE 3.26 smo vidjeli da ako je A ∈ Mn regularna. c c Dokaz: Neka su uzeti i-ti i j-ti redak.♣ Iz Napomene 3. c Napomena 3.13 prethodni zbroj jednak det A. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. Analogno ide dokaz za stupce. onda je po Teoremu 3. Inaˇe je zbroj det A. k) stoji kofaktor elementa aki matrice A. Vrijedi i obrat.16 imamo da je 1 kof (A) · A = In . Kofaktor matrice A oznaˇavamo s kof (A).

3. Ako je m = 1. Stoviˇe. Rjeˇenje je dano s − = A−1 b . Takvu x x funkciju zovemo linearni operator.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.3.3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. . .. D D pri ˇemu je D = det A. Rm = R. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . → ∈ Rn . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. − → → Iz Teorema 3. Definicija 3. → ∈ Rn . Ako je matrica A regularna. D x2 = D2 Dn . xn = . → x Teorem 3. n. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . µ ∈ R i sve − . k = 1. µ ∈ R i sve − .. . . a Dk .26 i Napomene 3. s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn .. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . onda takav linearni x y operator zovemo linearnim funkcionalom. .♣ a 3. onda je rjeˇenje z s tog sustava dano s x1 = D1 .3 3. za sve λ. A je regularna ako i samo ako je det A = 0.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica.

µ ∈ R i sve →. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Iz Definicije 3. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. tj. tvrdnja slijedi. MATRICE I LINEARNI SUSTAVI Napomena 3. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Dokaˇimo da je i F + G linearni z operator. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.2. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). µ ∈ R i sve →. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). − ∈ Rn . Dokaˇimo da vrijede i prva dva. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ.116 POGLAVLJE 3.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .1 i Teorema 1. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ).5.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. x x Napomena 3.♣ .5. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. − ∈ Rn .30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni.

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

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

Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti.3. x y x y x y . neka je µ ∈ R µ = 0 proizvoljan. c x y tj. Napomena 3. tj.3.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . Izravno iz Definicije 3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.17 Neka je A ∈ Mn . ♣ Napomena 3. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Nadalje neka su − . y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.17. da c z s zadovoljava uvjete Definicije 1. 2. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).2 oˇito zadovoljava. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). µ = 0. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .33 Primijetimo: → 1. x x x x → Dakle za svaki µ ∈ R. x x → → Vektor − 0 ∈ Rn . − ∈ S(λ0 ). tj. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .1 i Teorema 1. → → 2.5. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . A− 0 = x x − 0 . Dokaz: 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . Dokaz: Oˇito je S(λ0 ) podskup od Rn . → → Svojstva iz Teorema 1. Nadalje.

→0 = 0 . iz gornje jednadˇbe vidimo da ´e λ ∈ R biti svojstvena vrijednost matrice s z c A ∈ Mn ako i samo ako homogeni sustav → → − (A − λIn )− = 0 x − ima netrivijalno rijeˇenje →0 . Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . Po Teoremu 3.120 POGLAVLJE 3. Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. x − → − → Dakle. − 0 = 0 . ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . x x x − pa je µ→ ∈ S(λ0 ). zakljuˇujemo da je →0 ∈ Rn . x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 . . svojstveni vektor koji pripada c x x → svojstvenoj vrijednosti λ0 ako i samo ako je − 0 netrivijalno rjeˇenje homogenog x s sustava → → − (A − λ0 In )− = 0 . onda je →0 ∈ Rn . x ˇ Stoviˇe.♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ).8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. x x tj. x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . Dakle imamo tvrdnju.

Dakle. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. Primjer 3. Taj polinom. .. a1 = (−1)n−1 trA. Odatle je a1 = (−1)n−1 a11 + . Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R. u oznaci KA (λ). + an . s Izraˇunajmo svojstvene vrijednosti od A. gdje su bij = aij za i = j i bij = aij − λ za i = j. tj. Dakle.. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ.. tj.. Nadalje. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . Ako stavimo λ = 0 dobijemo KA (0) = an = det A. PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ].3.3. ϕ = kπ k ∈ Z. ako i samo ako je KA (λ0 ) = 0. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. + (−1)n−1 ann . zovemo svojstveni ili karakteristiˇni polinom c matrice A.

.19 Neka je A ∈ Mn simetriˇna matrica. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. nul matrice. Stoga se koriste razne pribliˇne metode. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.2 = cos ϕ ± Kako je ϕ = kπ. Za dijagonalne matrice. c s c z itd.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. c Teorem 3. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. Nadalje. Medutim. tj. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna.♠ Dakle iz Primjera 3. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ).122 POGLAVLJE 3.18 Za matrice A. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. tj. Tada su sve njene svojstvene vrijednosti realne. da A c nema realnih svojstvenih vrijednosti. cos2 ϕ − 1. iterativne metode. k ∈ Z. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. Definicija 3. imamo cos2 ϕ − 1 < 0 tj. svaki vektor kanonske ortonormirane baze od Rn je svojstven. svojstvene vrijednosti od A nisu realni brojevi. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. za nul matrice. za trokutaste. Tako npr. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1.

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

. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. ona se u nizu c nultoˇaka λ1 .21 Neka je A ∈ Mn simetriˇna.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. Obratno.. Ipak. . MATRICE I LINEARNI SUSTAVI Iz Primjera 3. c Napomena 3. A je regularna. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. λn . a odgovaraju´i se svojstveni vektori podudaraju. nultoˇka od KA (λ). ♣ Teorem 3. c c Teorem 3. iz osnovnog teorema algebre (Teorem 5. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .. . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ).. λ−1 . . Ako je A joˇ simetriˇna onda iz Teorema 3.. Dakle 0 nije svojstvena vrijednost. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λn od KA (λ) pojavljuje barem jednom.. .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. .. λn od KA (λ) zovemo algebarska kratnost od λ0 .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . ako je λ0 svojstvena vrijednost od A ∈ Mn ..5) znamo da z z KA (λ) ima n nultoˇaka λ1 ..34 znamo da je skup S(λ0 ) potprostor od Rn .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .♣ c . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. Sada. λn . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 ....♣ Napomena 3..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Tada iz Napomene 3. c Kako je KA (λ) polinom n-tog stupnja. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.124 POGLAVLJE 3.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. tj. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.. dijagonalna. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. s Teorem 3. c Teorem 3. tj.

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

Niz je matematiˇki koncept koji opisuje situaciju u kojoj su elementi nekog skupa c poredani, tj. indeksirani prirodnim brojevima. Definicija 4.1 Niz (slijed) u nepraznom skupu A je funkcija a : N −→ A. Vrijednost funkcije a na elementu n ∈ N uobiˇajeno je oznaˇavati s an umjesto c c a(n). Argument n zovemo indeks. Nas zanimaju nizovi realnih brojeva, tj. funkcije a : N −→ R. Elemente niza, tj. brojeve a1 , a2 , ... zovemo ˇlanovi niza. Umjesto zapisa a1 , a2 , ... za niz joˇ ´emo c sc koristiti i zapis (an )n∈N ili samo (an ). Ako je an = 0 za konaˇno mnogo n ∈ N kaˇemo da je niz konaˇan. Nas ´e c z c c zanimati beskonaˇni nizovi. c Niz moˇemo zadati na viˇe naˇina: z s c - listom ili popisom (ovakvo zadavanje niza se koristi samo za konaˇne nic zove), - formulom (npr. an = n2 + 1), - rekurzijom (npr. an = 2an−1 , a1 = 1), - svojstvom (npr. an je broj triangulacija mnogokuta dijagonalama). 125

126

POGLAVLJE 4. NIZOVI I REDOVI

Primjer 4.1 Pogledajmo sljede´e primjere: c 1. Niz prirodnih brojeva poˇinje s 1, 2, 3, ..., a op´i ˇlan mu je zadan formulom c c c an = n. 2. Niz kvadrata prirodnih brojeva zadan je formulom an = n2 , a poˇinje c ˇlanovima 1, 4, 9, .... c c 3. Niz prostih brojeva poˇinje brojevima 2, 3, 5, 7, 11, 13, 17, .... Za njegov op´i ˇlan ne postoji formula. c c 4. Niz Fibonaccijevih brojeva zadan je pravilom an = an−1 + an−2 i poˇetnim c vrijednostima a0 = 0, a1 = 1. To je primjer niza zadanog rekurzijom.♠ Niz (an ) je rastu´i ako je an+1 ≥ an za svaki n ∈ N. Niz (an ) je padaju´i c c ako je an+1 ≤ an za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo rastu´i odnosno strogo padaju´i niz. Ako je niz rastu´i ili padaju´i, kaˇemo c c c c z da je monoton. Niz (an ) je pozitivan (negativan) ako je an ≥ 0, an ≤ 0 za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo pozitivan (strogo negativan) niz. Ponekad se nizovi za koje vrijedi an ≥ 0 za svaki n ∈ N zovu i nenegativni, a pozitivnima se zovu nizovi s an > 0 za svaki n ∈ N. Definirajmo funkciju sign : R −→ R formulom   −1, x < 0  sign x = 0, x = 0 .   1, x > 0 Funkcija sign realnom broju pridruˇuje njegov predznak. z Ako je sign an = 0 i sign an = sign an+1 za svaki n ∈ N, onda kaˇemo da je z niz (an ) alterniraju´i. c c Primjer 4.2 Pogledajmo sljede´e primjere: 1. Niz an = n je strogo rastu´i i pozitivan. c 2. Niz an =
1 √ n

je strogo padaju´i i pozitivan. c

3. Niz an = log n je rastu´i i pozitivan jer je a1 = ... = a9 = 0, a10 = ... = c a99 = 1, a100 = ... = a999 = 2,...

4.1. NIZOVI REALNIH BROJEVA 4. Niz an = (−1)n nije monoton nego alterniraju´i.♠ c Podniz niza (an ) je niz dobiven ispuˇtanjem nekih ˇlanova iz niza (an ). s c

127

Definicija 4.2 Za niz (bn ) kaˇemo da je podniz niza (an ) ako postoji strogo z rastu´i niz (pn ) u N tj. strogo rastu´a funkcija p : N −→ N takva da vrijedi c c bn = ap(n) , za svaki n ∈ N. Definicija 4.3 Za niz (an ) kaˇemo da je ograniˇen ili omeden ako postoji z c realan broj M > 0 takav da je |an | < M , za svaki n ∈ N, ili, ekvivalentno, ako je −M < an < M , za svaki n ∈ N. c Primjer 4.3 Pogledajmo sljede´e primjere: 1. Niz an = sin π je omeden niz jer je funkcija sinus omedena, i moˇemo uzeti z n npr. M = 2. √ 2. Niz an = n nije omeden jer za svaki M > 0 postoji n ∈ N takav da je √ n > M . Dovoljno je uzeti n > M 2 .♠ Niz (an ) je aritmetiˇki ako je c an+1 − an = d, za svaki n ∈ N, gdje je d ∈ R konstanta. Formula op´eg ˇlana aritmetiˇkog niza c c c je an = a1 + (n − 1)d. Ako je d > 0 onda je (an ) strogo rastu´i, za d < 0 niz (an ) je strogo padaju´i c c a za d = 0 imamo konstantni niz an = a1 , za svaki n ∈ N. Uoˇimo da za c aritmetiˇki niz (an ) vrijedi formula c an =
an−1 +an+1 , 2

za svaki n ∈ N, tj. svaki ˇlan niza (osim prvog) je aritmetiˇka sredina svojih c c susjeda. Niz (an ) je geometrijski ako je
an+1 an

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

za svaki n ∈ N, gdje je q ∈ R, q = 0, konstanta. Formula op´eg ˇlana geometric c jskog niza je an = a1 q n−1 . Ako je q < 0 onda je niz (an ) alterniraju´i. Za a1 > 0 i q > 1 niz raste, za c a1 > 0 i 0 < q < 1 niz pada. Za a1 < 0 i q > 1 niz pada, za a1 < 0 i 0 < q < 1 niz raste. Uoˇimo da za geometrijski niz (an ) takav da je a1 > 0 i q > 0 vrijedi c formula √ an = an−1 an+1 , za svaki n ∈ N, tj. svaki ˇlan niza osim prvog je geometrijska sredina svojih c susjeda. c Primjer 4.4 Pogledajmo sljede´e primjere: 1. Za aritmetiˇki niz 1, 4, 7, 10, 13, ... je a1 = 1, d = 3 i an = 3n − 2. c 2. Za aritmetiˇki niz 8, 6, 4, 2, 0, −2, −4, ... je a1 = 8, d = −2 i an = −2n + c 10. 3. Za geometrijski niz 1, 2, 4, 8, 16, ... je a1 = 1, q = 2 i an = 2n−1 . 4. Za geometrijski niz 1, −1, 1, −1, 1, ... je a1 = 1, q = −1 i an = (−1)n−1 .♠

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

1 Pogledajmo niz (an ) zadan formulom an = n , za svaki n ∈ N. Njegove vrijednosti padaju i prilaze po volji blizu broju 0. Sliˇno, vrijednosti niza (an ) zadanog c n−1 formulom an = n se pribliˇavaju po volji blizu broju 1. S druge strane, vriz jednosti nizova (an ), (bn ) i (cn ) zadanih formulama an = (−1)n , bn = (−1)n n i cn = n2 , ne pribliˇavaju se za velike vrijednosti indeksa n niti jednom fiksnom z realnom broju. Dakle se ti nizovi kvalitativno drugaˇije ponaˇaju. c s

c Definicija 4.4 Realni broj L je graniˇna vrijednost ili limes niza (an ) ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). To piˇemo an −→ L ili L = lim an . s
n−→∞

4.1. NIZOVI REALNIH BROJEVA

129

Uvjet |an − L| < ε iz Definicije 4.4 ustvari znaˇi −ε < an − L < ε odnosno c L − ε < an < ε + L. Dakle, Definicija 4.4 ustvari govori da je realni broj L limes niza (an ) ako izvan proizvoljno malog intervala oko limesa ostaje samo konaˇno c mnogo ˇlanova niza. c Definicija 4.5 Niz (an ) je konvergentan ako postoji L ∈ R za koji je L = lim an .
n−→∞

Inaˇe kaˇemo da je (an ) divergentan. c z Napomena 4.1 Ako je niz (an ) konvergentan onda je njegov limes jedinstven.
Dokaz: Pretpostavimo suprotno, tj. da niz (an ) ima bar dva limesa L i L . Uzmimo sada da je ε jednak |L − L |, pa kako su L i L limesi niza (an ) za ε = |L − L | postoje n1 , n2 ∈ N takvi ε ε da za sve n > n1 i n > n2 vrijedi |an − L| < 2 i |an − L | < 2 . Dakle za n > n1 i n > n2 imamo ε = |L − L | = |L − an + an − L | ≤ |L − an | + |an − L | < ε. Dobili smo da je ε < ε, ˇto ne moˇe biti. Dakle pretpostavka da postoje bar dva limesa je s z pogreˇna. ♣ s

Primjer 4.5 Pogledajmo sljede´e primjere: c
1 1. Neka je niz (an ) dan formulom an = n . Tada je

1 = 0. n−→∞ n lim

Zaista, uzmimo ε > 0 proizvoljan. Pitanje je: moˇemo li na´i n0 ∈ N takav z c 1 da je n − 0 < ε, za svaki n > n0 ? Oˇito je dovoljno uzeti n0 = 1 . c ε −100 100 Za mali ε, npr. ε = 10 , n0 = 10 , ˇto je vrlo velik, no joˇ uvijek s s konaˇan broj. c 2. Neka je niz (an ) dan formulom an = lim
n2 . n2 −1

Tada je

n2 = 1. n−→∞ n2 − 1

130

POGLAVLJE 4. NIZOVI I REDOVI Zaista, uzmimo ε > 0 proizvoljan. Traˇimo n0 ∈ N takav da je z ε, za svaki n > n0 . Izraz ε. Odatle slijedi n21 < −1 je dovoljno uzeti n0 =
n2 −1 < n2 −1 2 2 n n − 1 je uvijek pozitivan pa imamo n2 −1 − 1 < n2 −1 ε, tj. ε(n2 − 1) > 1, tj. n2 > ε+1 . Dakle za n0 ε ε+1 .♠ ε

Pogledajmo sada ponaˇanje nizova koji nisu konvergentni. s Definicija 4.6 Kaˇemo da niz (an ) teˇi u +∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an > M ). To piˇemo s
n−→∞

lim an = +∞.

Analogno, kaˇemo da niz (an ) teˇi u −∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an < −M ), i piˇemo s
n−→∞

lim an = −∞.

Primjer 4.6 Neka je niz (an ) dan formulom an = n2 . Tada je
n−→∞

lim an = +∞. √

Neka je M > 0 proizvoljan. Tada je za n0 dovoljno uzeti an > M za svaki n > n0 .♠

M , pa je

Napomena 4.2 Treba imati u vidu da +∞, −∞ ∈ R, pa su nizovi koji teˇe u / z +∞ ili −∞ ustvari divergentni. Kaˇe se da su divergentni u uˇem smislu. z z n Pogledajmo ponaˇanje niza (bn ) danog formulom bn = (−1) . U blizini broja s 1 i broja −1 ima beskonaˇno mnogo ˇlanova niza. Ipak, to nisu graniˇne vrijedc c c nosti, jer izvan proizvoljno male okoline tih brojeva ostaje beskonaˇno mnogo c n ˇlanova niza (a ne konaˇno mnogo). Dakle niz bn = (−1) ne teˇi ni u c c z beskonaˇnu ni u konaˇnu granicu. Kaˇemo da takav niz divergira u ˇirem c c z s smislu.

4.1. NIZOVI REALNIH BROJEVA

131

Definicija 4.7 Realni broj G je gomiliˇte niza (an ) ako se u proizvoljno maloj s okolini broja G nalazi beskonaˇno mnogo ˇlanova niza. c c Primjer 4.7 Niz (an ) dan formulom an = n nema gomiliˇte.♠ s c s Napomena 4.3 Graniˇna vrijednost niza (ako postoji) je i gomiliˇte tog niza. n Obrat ne vrijedi. Npr. niz (an ) zadan formulom an = (−1) ima dva gomiliˇta s −1 i 1, ali nema limesa. Iz Napomene 4.3 vidimo da niz moˇe imati viˇe gomiliˇta. Najve´e gomiliˇte niza z s s c s (an ) (ako postoji) zovemo limes superior od (an ) i oznaˇavamo ga c lim sup an , dok najmanje gomiliˇte (ako postoji) niza (an ) zovemo limes inferior od (an ) s i oznaˇavamo ga c lim inf an . Rekli smo da je realni broj G gomiliˇte niza (an ) ako se u proizvoljno maloj okolini s broja G nalazi beskonaˇno mnogo ˇlanova niza. Ako uzmemo te ˇlanove niza c c c dobivamo jedan podniz niza (an ), tj. vrijedi: Teorem 4.1 Realni broj G je gomiliˇte niza (an ) ako i samo ako postoji podniz s (bn ) niza (an ) koji konvergira u G.♣ Napomena 4.4 Ako je niz (an ) konvegentan s limesom L onda je lim sup an = lim inf an = L. Teorem 4.2 (Bolzano-Weierstrass) Svaki omeden niz ima barem jedno gomiliˇte, s tj. barem jedan konvergentan podniz.♣ Pogledajmo sada neka svojstva konvergentnih nizova: c c c 1. Promjena konaˇno mnogo ˇlanova ne utjeˇe na limes. 2. Svaki konvergentan niz je ograniˇen. c 3. Svaki podniz konvergentnog niza teˇi prema istoj graniˇnoj vrijednost kao z c i sam niz. z c 4. Limes moˇe no i ne mora biti ˇlan niza (npr. an = bn = 1, 1 je ˇlan niza). c
1 , n

0 nije ˇlan niza, c

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

za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.4 dovoljno je promatrati niz s a1 = 1. G > G . dakle ili q −→ ∞. To je ekvivalentno s |q| < ε. dakle divergentan. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. znamo da neˇto postoji. Dakle imamo samo c c s z s jedno gomiliˇte.♣ c z s Napomena 4..6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . ili u ˇirem smislu. odrediti.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj.. q 3 . ε). q 3 .4. q 2 . Kako je (an ) monoton. Tada je n 1 |q| < 1. . vrijedi lim inf an = lim sup an ∈ R. (an ) raste. Teorem 4. i ako npr. niz (an ) s konvergentan. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. n−→∞ Dokaz: Iz toˇke 4.1.2 niz (an ) ima barem jedno c gomiliˇte. ako s z s s (an ) ima barem dva gomiliˇta G i G .3 imamo |q | −→ ∞. za svaki n ∈ N. ograniˇen niz je konvergentan. on moˇe imati najviˇe jedno gomiliˇte.. po Teoremu 4. Logaritmiranjem se dobije n log |q| < log ε. Tj. NIZOVI REALNIH BROJEVA 133 Teorem 4. 1 |q n | Neka je sada |q| > 1. Za |q| < 1 je lim an = 0. niz 1. tj. pa je lim an = 0. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.♣ Teorem 4. Sada. .. c Dokaz: Neka je (an ) monoton i ograniˇen. c c c Prema Teoremu 4. c Napomena 4. Onda je po Napomeni 4. U suprotnom.4. dakle divergira ili u uˇem. no ne c s znamo koliko je i kako to na´i. jer je log |q| < 0. c c .1. q. Pogledajmo prvo sluˇaj |q| < 1.. Imamo log ε n> . pa prema prethodnom niz n n −→ 0. q.6 je tipiˇni teorem egzistencije. tj. Tada po Teoremu 4.6 Monoton. izraˇunati. ˇto ne moˇe biti jer je G gomiliˇte. log |q| Dakle svi ˇlanovi niza 1. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. q 2 .1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .

4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. ako je 0 < λ < 1. Tada vrijedi   ∞. NIZOVI I REDOVI Teorem 4. n−→∞   0. Tada vrijedi ∞. c z 4. teˇe k nuli. ako je λ = 0. ako je λ > 1 lim an = n−→∞ 0. ako je λ < 0 √ 5. Neka je niz (an ) dan formulom an = n n. .134 POGLAVLJE 4. Neka je niz (an ) dan formulom an = |λ| . proizvoljan. Neka je niz (an ) dan formulom an = n λ. Tada n! vrijedi lim an = 0. 1 n .1. n−→∞ n−→∞ n 4. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. ako je λ > 0  lim an = 1. 2. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. ∀r ∈ N). gdje je λ > 0 proizvoljan. gdje je λ > 0. gdje je λ ∈ R proizvoljan. n 6. λ = 1. gdje je λ ∈ R proizvoljan.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Tada vrijedi lim an = 1. tj. Tada vrijedi n−→∞ lim an = 1. Neka je niz (an ) dan formulom an = λn . √ 3. Neka je niz (an ) dan formulom an = nλ . Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.♣ Teorem 4.7 je najop´enitiji.

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

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

9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. c . kaˇemo da red z an konvergira uvjetno. c c ako op´i ˇlan niza (an ) konvergira u nulu.♣ c Uoˇimo da iz Primjera 4.9 ne slijedi obrat Teorema 4. Dakle je red Teorem 4. oˇito vrijedi c Sn+1 = Sn + an+1 . Ako red an konvergira.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. REDOVI REALNIH BROJEVA za svaki n ∈ N.9 op´enito ne vrijedi. a red |an | ne konvergira.10 Red an apsolutno konvergira ako konvergira red |an |.8 Ako red apsolutno konvergira. tj.10 Iz Primjera 4.♠ dok red 1 n divergira (Primjer 4. tj.2.8). an . Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.4. onda op´enito red c c c an ne mora konvergirati. S = lim Sn = n−→∞ n=1 an .♣ 1 1 Napomena 4. onda on konvergira i obiˇno. n 1 (−1)n−1 n uvjetno konvergentan. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. n−→∞ odnosno n−→∞ lim an+1 = 0.8.♠ 2n n−→∞ ∞ Napomena 4. Primjer 4. Nadalje.8 znamo da red = divergira i da je lim n n−→∞ n 0. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Definicija 4.

c Ako je q = −1. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . onda je oˇito an = a1 (−1)n−1 . Iz Teorema 4.. a1 q n−1 = 1−q n=1 Obrnuto. Pogledajmo n-tu parcijalnu sumu. pa je Sn = na1 . onda je oˇito an = a1 . q ∈ R proizvoljni. NIZOVI I REDOVI 4. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . Ako je q = 1.5 imamo da je lim Sn = a1 lim a1 1 − qn = . Pretpostavimo suprotno. zovemo geometrijski red s kvocijentom q. Teorem 4. tj.. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. + a1 q n . = a1 q n−1 . tj. n−→∞ 1 − q 1−q 1 − qn . gdje su a1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1... c Pretpostavimo da je a1 = 0 i |q| < 1.. a to divergira za svaki a1 = 0. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . Sn = a1 + a1 q + a1 q 2 + .2. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1.138 POGLAVLJE 4. vrijedi Sn = a1 za svaki n ∈ N.. Nadalje. tj. da geometrijski red a1 q konvergira i da je |q| ≥ 1. imamo Sn − qSn = a1 (1 − q n ). Nadalje kako je c n−→∞ lim an = 0 . + a1 q n−1 .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + .

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

Neka je an = 1. an za svaki n ≥ n0 .3.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. . Neka je an = n! . Red oblika an xn . an0 +2 ≤ λan0 +1 ≤ λ2 an0 .18 Neka je 0 < λ < 1. za svaki m ∈ N. c Teorem 4.♠ 1 xn−1 (n−1)! 4. Oˇito je za x = 0 svaki red potencija konvergentan. Ako red n an x0 divergira. onda red an konvergira.13 1.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Dakle imamo an0 +1 ≤ λan0 . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Dakle. za svaki n ∈ N. i n0 ∈ N takav da je an+1 ≤ λ. Ako postoji λ ∈ R. .♣ Primjer 4.. zovemo red potencija.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. . 1 2. red an0 + an0 +1 + . za svaki n ∈ N. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.. i suma mu je 1−x . an za svaki n ≥ n0 .146 POGLAVLJE 4. 0 < λ < 1. Tada iz Teorema 4. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . . . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. onda konTeorem 4. an0 +m ≤ λm an0 . Dokaz: Neka su λ ∈ R. gdje je x ∈ R proizvoljan.

n2 Tada iz Primjera 4. Ako postoji limes c an+1 = l. onda red an ≤ λ..18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Sada iz Napomene 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. an konvergira.♣ .9 konvergira.3 Cauchyev kriterij Teorem 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. 1 n+1 lim n−→∞ 1 n 2..♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. c 0 < λ < 1.8 znamo da on konvergira.19 Neka je an red s pozitivnim ˇlanovima.3. Ako postoji λ ∈ R. 4.♣ Napomena 4. n−→∞ an lim onda red an konvergira za l < 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. Neka je dan red divergira.3. divergira za l > 1.16 imamo da i red an0 + an0 +1 + .8 znamo da on = 1. n Tada iz Primjera 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .14 1. imamo da red c an konvergira. c Primjer 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. ali vrijedi 1 .4. Neka je dan red vrijedi 1 .17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. konvergira.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). tj. . NIZOVI I REDOVI Napomena 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.148 POGLAVLJE 4.15 Analogno kao i u Primjeru 4.20 Neka je an xn red potencija. a iz toˇke 4. Ako postoji limes c n−→∞ lim √ n an = l. Ako postoji lim sup n |an | i lim sup n |an | = 0. a ne moˇemo niˇta z s zakljuˇiti za l = 1.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.14 za red odnosno red n znamo da divergira odnosno konvergira. (an ) niz u R i x ∈ R prozvoljan. a divergira za sve x ∈ R za koje je |x| > ρ.1. c 1 Primjer 4. c Teorem 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.20 zovemo radijus konvergencije reda potencija a n xn .♠ c s Cauchyev kriterij je jaˇi. divergira za l > 1. onda red an konvergira za l < 1.

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

a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. + (−a2n−2 − a2n−1 ) − a2n ]. za svaki n ∈ N. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. s c |Rn | = |S − Sn | ≤ |an+1 |.. tj. Nadalje. a a2n negativan za svaki n ∈ N.6 slijedi da su nizovi konvergentni. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 .♣ c . Ako red poˇinje negativnim ˇlanom. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. iz Teorema 4. onda imamo obratnu c c c situaciju. tj. tj.. onda taj red konvergira. onaj indeksiran c neparnim indeksima je padaju´i.. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . S2n je omeden s a1 . vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. vrijedi S2n = a1 − (−a2 − a3 ) − .. i istog je predznaka kao taj ˇlan. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. imamo a2n+1 + a2n+2 ≥ 0. Kako smo pretpostavili da je a2n−1 pozitivan. Zaista. c c ako je a1 ≥ 0. onda je podniz od Sn indeksiran parnim indeksima rastu´i. NIZOVI I REDOVI an alternira. Ako red poˇinje pozitivnim ˇlanom. S2n+2 = S2n + a2n+1 + a2n+2 . dakle je S2n+2 ≥ S2n za svaki n ∈ N. Nadalje. imamo da je S2n razlika od a1 i strogo pozitivnog broja. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . te kako vrijedi |an | ≥ |an+1 |. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana.150 Teorem 4.21 Ako red POGLAVLJE 4. Kako je po pretpostavci a2n+1 ≥ 0.

4.♠ s . KRITERIJI KONVERGENCIJE Primjer 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.17 Iz Teorema 4.3.

.

153 . Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . Definicija 5. manama.1 Osnovni pojmovi Motivacija i definicija Mnoge su veliˇine u prirodi i u ˇivotu ovisne o drugim veliˇinama: opseg kruˇnice c z c z o njenom polumjeru. sklonosti prema z predmetu.1 Neka su dani neprazni skupovi X i Y . bruˇenju. Kad se veliˇine c c koje promatramo daju dobro kvantificirati. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije. elementi iz X su argumenti funkcije f . kvaliteti nastavnih materijala. ili x −→ f (x). z c c s uspjeh na ispitu o uloˇenom trudu.Poglavlje 5 Funkcije 5.1. Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x. ˇisto´i. ili f : x −→ y.1 5. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. To pridruˇivanje se z oznaˇuje c y = f (x). cijena dijamanta o njegovoj teˇini.

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

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

projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. tj. . x ∈ D(f ).Na kraju. f (x)). U nastavku ´emo se baviti ovim problec mom. projekcija grafa na y-os je slika od f ). z Definicija 5.3 Graf funkcije Funkcije se zorno prikazuju grafovima. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .156 POGLAVLJE 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. x ∈ D(f )} ⊂ R2 .2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. y) za koje je y = c z c f (x). 5.1: Koordinate toˇaka na grafu funkcije. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . c Napomena 5. graf funkcije f dobijemo z c c kad sve parove oblika (x. FUNKCIJE . Drugim rijeˇima. f (x)). prikaˇemo u koordinatnom sustavu. graf funkcije f sadrˇi sve toˇke ravnine (x. no izvediv.1.

Npr. c y x0 0 x Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. z s Iz Napomene 5.5. ˇto je suprotno s definicijom funkcije. .3: Primjer krivulje koja nije graf funkcije.1.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. Napomena 5.

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

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

dok je svaki globalni ekstrem i lokalni. 3. FUNKCIJE za svaki x ∈ x0 − ε. Dakle. govorimo o strogom globalnom maksimumu odnosno minimumu. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. onda on ne mora biti i globalni. dakle je i c strogi globalni maksimum. 0]. 0]. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. +∞ a strogo rastu´a na svakom intervalu u c −∞. dakle svaki x ∈ R je lokalni maksimum i minimum. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. +∞ i strogo padaju´a na svakom interc c valu u −∞. 4. Ako su nejednakosti stroge. pa i na cijelom R. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0.2 1. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). pa i globalni maksimum i minimum. Dakle f nema lokalnih pa ni globalnih ekstrema. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi.♠ c Napomena 5. Nadalje. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. . onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Analogno. c dakle je i strogi globalni minimum. Primjer 5.160 POGLAVLJE 5.5 Uoˇimo. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . c Nadalje. govorimo o strogom lokalnom maksimumu odnosno minimumu. 2. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. x0 + ε . Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. ako su nejednakosti stroge. u toˇkama iz R \ {0} f nema lokalnih ekstrema.

f (x) = x4 . f (x) = x3 . Funkcije f (x) = x2 . |x| su . Problem nalaˇenja ekstrema je vrlo bitan. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. D(f ) = [a. 2. z Ako vrijedi f (−x) = −f (x).1. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. z c c Napomena 5.3 1. s Primjer 5. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta).5. onda kaˇemo da je funkcija f neparna.4: Primjer funkcije s lokalnim ekstremima. f (x) = parne fukcije. Ako vrijedi f (−x) = f (x). Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. tj. za svaki x ∈ D(f ) . D(f ) = [a. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. onda kaˇemo da je funkcija f parna. b]). f (x) = |x|. b ili D(f ) = a. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. za svaki x ∈ D(f ). tj. b]. Funkcije f (x) = x.♠ 1 . f (x) = x|x| su neparne.

za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 1 2 3 -5 -7.5 -10 Slika 5. Npr. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. neka c √ je funkcija f : [−1. tj. 1] −→ R dana formulom f (x) = 1 − x2 . tj. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. Dakle imamo da vrijedi f (−x) = f (x) = −f (x).5: Primjer parne (lijevo) i neparne (desno) funkcije. jedan rub je konaˇan a drugi beskonaˇan). Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.5 -1 -3 -2-2.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Primjer 5. +∞ . tj.5 5 2. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. f (x) = 0 za svaki x ∈ R. postoji i konaˇan je broj f (−1). Takav je rub c c regularna toˇka.162 POGLAVLJE 5.

neka je funkcija f : [0.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. To znaˇi z c da. i to brˇe od svakog pravca. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. (Npr. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. +∞ −→ R dana formulom f (x) = xx . neka je z c funkcija f : 0. Tada oˇito f strogo raste u +∞. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. tj.) z y y y −1 0 1 x 0 x 0 1 x Slika 5.5.1. c c (Npr. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). +∞ ili −∞. +∞ −→ R dana formulom f (x) = x−1 .) z z c) Funkcija nije definirana u rubu prirodnog podruˇja definicije i ima svoc jstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c pribliˇavaju rubu vrijednost funkcije raste ili pada u +∞ ili −∞. (Npr. s c c c c 2. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ −→ R dana formulom f (x) = 2x . ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini.) c z . a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. neka je funkcija c 1 c f : 1. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. Ako z je a ∈ R taj rub.

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

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

Analogo se dokaˇe za x0 < 0. gdje je I ⊆ D(f ). je ograniˇena na I ako postoji realan broj M ∈ R. M ∈ R c takvi da je m ≤ f (x) ≤ M. FUNKCIJE y 1 0 x −1 Slika 5.10 Ako je funkcija f : I = a.8 Ako u Definiciji 5.♠ z Definicija 5. takav da je c |f (x)| ≤ M . onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. Napomena 5. Napomena 5. funkcija je neprekidna u x0 .4.8: Funkcija sign(x). onda je funkcija f ograniˇena na nekoj okolini oko x0 . Ako je x0 > 0. za svaki x ∈ I.4 stavimo M = max{|m|. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. b −→ R. iz uvjeta m ≤ f (x) ≤ M. za svaki x ∈ I. tj. je ograniˇena ili omedena na I ako postoje realni brojevi m. b −→ R. Napomena 5. tj. c . |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. b −→ R neprekidna u toˇki c x0 ∈ I.9 Iz Definicije 5. gdje je I ⊆ D(f ). M > 0. za svaki x ∈ I.166 POGLAVLJE 5.4 Realna funkcija realne varijable f : I = a.

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

skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Npr. pa je D(f ± g) = D(f ). Pogledajmo funkciju f + g u ovisnosti o c ∈ R. n = 0.3).12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. 1. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). . c c Neka su f. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. x. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. skup funkcija {1.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. graf funkcije f + g je isti kao i graf funkcije f . Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). b) Ako je c > 0. c Preciznije.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.. a) Ako je c = 0. c c ∈ R. . FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Tj. a g dana formulom g(x) = c. c) Ako je c < 0. x ... g : R −→ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. .. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Uoˇimo da je D(g) = R. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.5). x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. dakle beskonaˇni skup {xn . 1. z c z Napomena 5. tj.168 POGLAVLJE 5. pri ˇemu je f proizvoljna.. Napomena 5.

tj.1. Dakle. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. Graf funkcije f g je pravac y = 0 ili x os. onda je (f g)(x) = 0 za svaki x ∈ D(f ). dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . . 2. b) Ako je 0 < c < 1.10: Graf funkcije 2f (x).9: Graf funkcije f (x) + c za c > 0. a) Ako je c = 0. Pogledajmo funkciju f g u ovisnosti o c ∈ R. funkcija f g ima iste nultoˇke kao i funkcija c c f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). samo je usporen pad i rast c funkcije f .5. vrijedi |(f g)(x)| ≤ |f (x)|. Graf funkcije f g je sliˇan grafu funkcije f . y 2 f(x) 0 f(x) x Slika 5.

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

1. funkcija g f je jednaka pravcu y = 0 na skupu D g f . 0 . Ako funkcija f ima nultoˇke. tj. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. c).4). Dakle. g g 1 b) Ako je c = 1. 3.1. c c c Za ostale operacije ova tvrdnja ne vrijedi. onda je f (x) = 0 za svaki x ∈ D . onda je f (x) = f (x) za svaki x ∈ D f . Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. tj. za f.5. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. c . onda oˇito g funkcija f u njima nije definirana. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. tamo funkcija f pada. Pogledajmo funkciju g f u ovisnosti o c ∈ R. g f g a) Ako je c = 0. funkcija f u njima ima c c vertikalne asimptote.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. c c c Napomena 5. . OSNOVNI POJMOVI 171 predznaka. f). c g) i 3 b). gdje funkcija f raste. npr.

Ako je jedna funkcija. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)). dok su funkcije f g i f obje neparne. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). recimo g. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. c h f A B g C Slika 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. Definicija 5. 2. onda su funkcije f ± g.172 POGLAVLJE 5. Tim se postupkom mogu stvarati nove z funkcije.4). FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. onda je funkcija f ± g neparna. Neka su f.12: Kompozicija funkcija.1. g 5. te funkcije f g i obje parne. 3. Ako su obje parne. f g i f g f g sve parne. Primjer 5. Matematiˇki se to formalizira pojmom kompozicija funkcija. neparna a f parna. Ako su obje neparne. g : R −→ R funkcije. .

♠ x+1 x+1 173 2x .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. tj. Dakle imamo f ◦ id = id ◦ f = f.5. U takvom sluˇaju piˇemo f 2 = f ◦ f . za proizvoljnu funkciju f . 1 Primjer 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). jer je D(id ◦ f ) = D(f ◦ id) = D(f ). moˇemo gledati funkciju f ◦ f . OSNOVNI POJMOVI Primjer 5. z funkciju f komponirati samu sa sobom. 3x + 1 3x + 1 2x 6x = . c Napomena 5. da je.6 vidimo da operacija kompozicije funkcija nije komutativna.7 Neka je dana funkcija f (x) formulom f (x) = x . Naime.1.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . za svaku funkciju g : R −→ R. Napomena 5. Tada je oˇito c D(f ) = R(f ). Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . g ◦ f = f ◦ g. za tu funkciju vrijedi g ◦ f = f ◦ g = g. 1 . tj.♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . op´enito.

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

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

. 200x + 500 = 1300. Drugim rijeˇima. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. i joˇ 500 kn za dovoz i odvoz. b : studenti −→ {0. a za z c neke nije. Primjer 5. s s Jasno je da ´e nas npr. Nas zanima x(y).1. FUNKCIJE 5. moˇe biti viˇe studenata koji su imali nula bodova. 2. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). i obrnuto. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost.♠ z s Definicija 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. 10 sati rada stroja koˇtati 2500 kn. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca.. Dakle imamo. Kaˇe se i da z c z f ne lijepi argumente. To je za neke funkcije mogu´e. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.176 POGLAVLJE 5. ...6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 12}. Dakle. Uspjeli smo rijeˇiti problem.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.8 Troˇkovi rada stroja su 200 kn/h. tj.♠ Primjer 5. 1. tj. Ne c c moˇemo rijeˇiti problem. c s Pogledajmo sada obratni problem. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.

jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. Napomena 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . tj. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. Injektivnost. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. f : D(f ) → R(f ) je uvijek surjekcija. x2 ∈ D(f ). Definicija 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.5.11 U Primjeru 5.8 izraˇunali smo da je x(1300) = 4. ali ne i za paran n. 1) i (1.♠ Primjer 5. Napomena 5. c c Definicija 5.1. 1). Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. n ∈ N. s c Primjer 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.10 Funkcija f (x) = xn .7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). a injektivnost njegovu jedinstvenost. za bilo koji c ∈ R. .6 c ekvivalentan sljede´em: za x1 . Surjektivnost osigurava c sc c s z postojanje rjeˇenja. je injekcija za neparan n.

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

No f ◦ g = id. pa ima i inverznu funkciju. c c Dokaz: Neka je f : R −→ R strogo rastu´a. +∞ −→ [0.20 Ako je funkcija f : R −→ R strogo monotona. c Primijetimo da ako f nije strogo monotona nego samo monotona. 0] i [0. a strogo c c padaju´e funkcije strogo padaju´a. Dakle.20 znamo da f c ima inverznu funkciju g. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. Dakle. To je oˇito inverzna funkcija od f . kad govorimo o inverzima funkcija f : R −→ R. Dakle vrijedi f ◦ g = g ◦ f = id.0] √ i f |[0. onda je ona oˇito i bijekcija na svoju sliku. a ona c c je strogo rastu´a funkcija. +∞ .♣ z c . i √ g2 : [0.1.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. +∞ −→ −∞. jer je c f ◦ g = g ◦ f = id. g2 (x) = x. Teorem 5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. +∞ jesu. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. 0].10). Tada iz Napomene 5.♠ Napomena 5. g1 (x) = − x. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. OSNOVNI POJMOVI 179 Napomena 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.5.+∞ su bijekcije s inverzima g1 : [0. Primjer 5. f | −∞. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. no njezine restrikcije na −∞.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija.

Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. +∞ . Primjer 5. Pokuˇajmo sada. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.2 ne moˇemo izre´i za parne funkcije. 0] odnosno .12 slijedi da tvrdnju Teorema 5. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.♣ Iz Primjera 5. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x.2 Inverzna funkcija neparne funkcije je neparna. +∞ gdje je bijekcija. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. jer je f (x) c rastu´a. Tada je njena inverzna funkcija g : [0. FUNKCIJE Teorem 5.180 POGLAVLJE 5. praktiˇno izraˇunati. +∞ −→ −∞. z c Napomena 5. f −1 je neparna. 0] ili [0. Dakle. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).♠ c Analogno kao u Primjeru 5. ali nije bijekcija.

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

Polinomi .Logaritamske .Racionalne funkcije . FUNKCIJE 5.Ciklometrijske . xk = x · x · · · x .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.2. k Po definiciji stavljamo x0 = 1. dolazimo do pojma z .Ostale algebarske funkcije b) Transcendentne . Elementarne a) Algebarske . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Area 2.Trigonometrijske .1 Klasifikacija i podjela realnih funkcija 1.Eksponencijalne .2. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Hiperboliˇke c .182 POGLAVLJE 5. mnoˇenih nekim koeficijentima. za svaki x ∈ R.

a1 . Realne konstante an . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. tj. .5 5 2.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . a a0 je slobodni koeficijent. c 10 7. Definicija 5. Polinomi su konceptualno najjednostavije funkcije.5. P. . .5 -3 -2 -1 -2. Dakle je svaki polinom definiran na cijelom skupu R.2. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . . ako su jednaki kao funkcije.11 Dva polinoma P i Q su jednaka. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + .5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. + a2 x2 + a1 x + a0 . a0 su koeficijenti polinoma Pn (x). Ovdje podrazumijevamo da je an = 0. Definicija 5. Koeficijent an je vode´i. . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.

= an = 0.. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.5 3 Slika 5. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. .♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . Broj c k zove se red ili kratnost nultoˇke x0 . 1. n.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.14...18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.01 1. c c c s naravno.184 POGLAVLJE 5. tj.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.. za sve i = 0. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).11.: n m Teorem 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. c c .4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi ..02 4 0.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.01 -0. Apscisa nultoˇke je nuliˇte. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. 0. c Primjer 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . FUNKCIJE n Teorem 5. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. a ordinata je.02 3 2 0. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.5 2 2.

dok c u nultoˇkama parnog reda nema promjene predznaka. Otvor joj je okrenut prema gore ako je a > 0. tj. onda iz Teorema 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 .3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. a prema dolje ako je a < 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.8). a padaju´a ako je a ≤ 0. dok za x > x0 vrijedi (x − x0 )k > 0. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. raste na cijelom R. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.22 U nultoˇkama neparnog reda polinom mijenja predznak.2. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). odnosno strogo padaju´a.19: Graf linearne funkcije f (x) = x + 75. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Ako je k paran. Tjeme .ako raste u s c nekoj toˇki. Ako je k neparan. Ako su ove nejednakosti c c stroge. po Teoremu c 6. a = 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Za a = 0 imamo konstantnu funkciju p(x) = b. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. je polinom drugog stupnja ili kvadratna funkcija. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . za x ≥ 0. onda iz Teorema 6. kaˇemo da je linearna funkcija strogo rastu´a.5.

inaˇe velike negativne vrijednosti). inaˇe velike pozitivne). Nultoˇke kvadratne funkcije dane su formulom c x1. Teorem 5.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Zbog neprekidnosti c polinoma na R (Teorem 6. −D/4a). Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.♣ c c . c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.2 = √ −b± D . c Napomena 5. npr. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. 2a i realne su ako je D ≥ 0. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. FUNKCIJE 1 2 Slika 5. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. parabole ima koordinate (−b/2a. tj.8) graf polinoma mora negdje sje´i x os.♣ c Iz Teorema 5.

tj. 0]. 1. R(Pn ) = [0. Nadalje. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. Pn (x) strogo raste na R. c neparna je i ima nultoˇku u (0. graf c joj je zrcalno simetriˇan s obzirom na y os. i = 1..15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. 0).5. strogo raste na [0.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. +∞ . pravac y = x. +∞ i ima nultoˇku u (0. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. P1 (x) strogo raste na R. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . iz Primjera 5. Oˇito je D(P1 ) = R(P1 ) = R. tj. dakle nije injekcija. dakle je bijekcija i ima nultoˇku u (0. tj. . tj.♠ Dakle. kao funkcija an xn ..16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). dakle je bijekcija.2.. c vrijedi D(Pn ) = R. Ako je n paran broj. c 2. onda je oˇito funkcija Pn (x) = xn neparna. 0). n − 1.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. onda je oˇito funkcija Pn (x) = xn parna. Strogo pada na −∞. onda je P1 (x) = x linearna funkcija. 3.♠ c . c graf joj je centralno simetriˇan s obzirom na ishodiˇte. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. Primjer 5. Ako je n = 1. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. Ako je n neparan broj.

n > 1.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. . Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.. u tom sluˇaju se situacija komplicira. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. 5.188 POGLAVLJE 5.. itd.. Naravno.2. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. FUNKCIJE Napomena 5. i = 1. problem poniˇtavanja je vrlo kompliciran.. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca. su koeficijenti polinoma Pnm (x). y) = i=0 j=0 aij xi y j . Napomena 5. ali c z kvocijent dvaju polinoma op´enito nije polinom.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.3 Racionalne funkcije Oˇito je zbroj. Za .. Npr. tj. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.. problem s asimptotike je sloˇeniji. n. Po analogiji s racionalnim c brojevima. z n Nadalje. m. dijeljenjem polinoma c izlazimo iz te klase funkcija.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. j = 1. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). Realne konstante aij . umnoˇak i kompozicija polinoma ponovo polinom. kako se polinom Pn (x) = i=0 ai xi . Dakle. . z Definicija 5. sam sebi je asimptota. razlika.

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

graf racionalne funkcije moˇe imati asimptote: z 1.22. 2. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .26). Sada tvrdnja izravno slijedi iz Napomene c 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).5 1 x 1 Slika 5. dok za polove neparnog z c reda. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . (lijevo) i pola Napomena 5. FUNKCIJE 100 75 50 25 -1 -0.26 Ako je pol parnog reda.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. i to na vanjskim rubovima prirodnog podruˇja definicije. Osim vertikalnih. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.5 -25 -50 -75 -100 0. kao i u toˇkama u c kojima se nazivnik poniˇtava. z c Dokaz: Red pola je red nultoˇke nazivnika. tj.5 0.5 1 80 60 40 20 -1 -0. bi x i=0 i−m bi x i=0 i xm . Dakle.190 POGLAVLJE 5. kad c argument ide u +∞ i −∞.

racionalna funkcija nema ni horizontalne ni kose asimptote. c xm ai xi−m i=0 m tj. xm . onda racionalna funkcija ima horizontalnu asimptotu y = c. i=0 . tj. PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . Dakle. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. bn . b) Ako je n = m. Racionalna funkcija ima horizontalnu c asimptotu y = 0. an c) Ako je n > m + 1. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. Preciznije. imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . bm x an a) Ako je n < m. d) Ako je n = m + 1.2. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. onda je n − m > 1. tj. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. izraz bm xn−m raste ili an pada brˇe od pravca bm x. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. se pribliˇava broju z bi x i−m am . onda je n − m = 1.5. bm dok prvi pribrojnik.

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

f (x)) = 0.2. Definirajmo polinom u dvije varijable s P (x. 5. c Neka je sada f (x) = funkcija i algebarska. Dokaz: Neka je dan proizvoljni polinom Pn (x). Definicija 5. Pn (x)) = 0. y) = Qm (x)y −Pn (x).5. √ x2 + 1 i njenih asimptota z Napomena 5. Definirajmo polinom u dvije varijable s P (x. f (x)) = 0.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Napomena 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.18. y) = x − y n oˇito je P (x. jer u suprotnom ne bi bila funkcija. dakle je svaki polinom algebarska funkcija. y) takav da vrijedi P (x. Tada je oˇito P (x. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. Tada je oˇito P (x.2.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. f (x)) = 0. y) = Pn (x) − y.29 Svaki polinom i racionalna funkcija su algebarske funkcije. dakle je svaka racionalna c √ Primjer 5.19 1. c .28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.

1. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. tj. u 1 (toˇka 5. +∞ (Primjer 5.194 POGLAVLJE 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. +∞ .20 1. tj. +∞ i R(f ) = 0. Dakle. c c tj.13). √ Primjer 5.13). f (x)) = 0. FUNKCIJE 1 2.13). Neka je dana algebarska funkcija f formulom f (x) = x. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. pravac y = 0 je horizontalna asimptota funkcije f . f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. z √ 2. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.28. Kada se argument sve viˇe pribliˇava c s z broju 1. f strogo raste na R i neomedena je.4). Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.13). y) = xy n − 1 oˇito je P (x. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Dakle. je D(f ) = R(f ) = [0. dok kosu asimptotu ne moˇe imati zbog Napomene 5. je D(f ) = R(f ) = R (Primjer 5.1. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Dakle. ima vertikalnu asimptotu x = 1.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. +∞ . f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. dakle nema vertikalnu asimptotu. c c √ Nadalje.4). 0 je regularna toˇka (toˇka 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 . kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. koja je bijekcija sa R na R. z 1 4. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . Nadalje. c 1 3. z tj. je D(f ) = 1. dakle nema niti vertikalnu niti horizontalnu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = √x−1 .

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

(Primjer 5.13). Dakle, je D(f ) = 0, +∞ i R(f ) = 1, +∞ , f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije, tj. u 0 (toˇka 5.1.4). Kada se argument sve viˇe pribliˇava broju c s z 0, vrijednost funkcije raste u +∞ i prozvoljno se blizu pribliˇava pravcu z x = 0, tj. ima vertikalnu asimptotu x = 0. Nadalje, za velike argumente vrijednost funkcije se proizvoljno blizu pribliˇava broju 1, tj. pravac y = 1 z je horizontalna asimptota funkcije f , dok kosu asimptotu ne moˇe imati z zbog Napomene 5.28. √ 5. Neka je dana algebarska funkcija f formulom f (x) = x2 − 1. Funkcija f je definirana svugdje osim u toˇkama u kojima je x2 − 1 < 0 (Primjer c 5.13). Dakle, je D(f ) = R \ −1, 1 i R(f ) = [0, +∞ , f je parna i strogo pada na −∞, −1] a strogo raste na [1, +∞ . Definirana je u konaˇnim c rubovima prirodnog podruˇja definicije, tj. −1 i 1 su regularne toˇke (toˇka c c c 5.1.4), dakle nema vertikalnu asimptotu. Horizontalnu ne moˇe imati zbog z strogog rasta i neomedenosti. Za dovoljno velike po apsolutnoj vrijednosti argumente vrijednost funkcije se pribliˇava pravcu y = −x (za x < −1) z odnosno pravcu y = x (za x > 1). Dakle f ima kose asimptote.♠ Iz Primjera 5.20 vidimo da algebarskoj funkciji konaˇni rubovi mogu biti reguc larni, a moˇe u njima imati i vertikalnu asimptotu. U beskonaˇnim rubovima z c imamo sva tri ponaˇanja, kao i kod racionalne funkcije, tj. moˇe se dogoditi da s z nema asimptote ali i da imamo kosu ili horizontalnu (ali ne obje na istoj strani, Napomena 5.28). Potencije Izraz oblika ab zovemo potencijom s bazom a i eksponentom b. Za cjelobrojni pozitivni eksponent b potenciju s eksponentom b definiramo kao ab = a · a · . . . · a, pri ˇemu se baza a pojavljuje b puta kao faktor u umnoˇku na desnoj strani gornje c s jednakosti. Primjer funkcije u kojoj jedna veliˇina ovisi o potenciji druge veliˇine je ovisnost c c povrˇine kruga o njegovom polumjeru: s P (r) = π · r2 .

196

POGLAVLJE 5. FUNKCIJE

Ovako definirane potencije su specijalni sluˇaj polinoma s kojima smo se ve´ c c susreli. Pokazuje se da se potencije mogu definirati i za eksponente koji nisu prirodni brojevi. Ako je eksponent potencije negativan cijeli broj −n za n ∈ N, definiramo x−n formulom x−n = x1n . Takve potencije ne moˇemo izraˇunati kad je x = 0. z c −n Dakle je podruˇje definicije funkcije f (x) = x c cijeli skup R bez toˇke 0. c Ponovo, podruˇje vrijednosti i oblik grafa ovise o parnosti eksponenta n. Funkcija c −n f (x) = x za parno n je parna funkcija, dakle nije injekcija, strogo pada na 0, +∞ dok na −∞, 0 strogo raste. Funkcija f (x) = x−n za neparno n je neparna funkcija, i strogo pada na −∞, 0 i na 0, +∞ , dakle je injekcija.
10 7.5 8 5 2.5 -2 -1 -2.5 -5 -7.5 -10 -2 -1 1 2 2 1 2 6 4 10

Slika 5.25: Grafovi funkcije f (x) = x−n za neparne (lijevo) i parne (desno) n. I s ovakvim smo se potencijama ve´ susretali kad smo govorili o racionalnim c funkcijama. Za razlomljene eksponente oblika b = m pri ˇemu je m ∈ Z, n ∈ N, definiramo c n √ n m/n x = xm . Za parne n takve su funkcije definirane samo za nenegativne √ vrijednosti nezavisne varijable x (jer je funkcija f (x) = n x za parno n inverzna funkcija funkcije g|[0,+∞ (x) = xn ); za neparne n, definirane su na cijelom R (jer √ je funkcija f (x) = n x za neparno n inverzna funkcija funkcije g(x) = xn koja je bijekcija sa R u R). Dakle, u ovoj toˇki definirali smo potencije kojima smo eksponent proˇirili c s prvo sa skupa N na skup Z, a nakon toga i na skup Q. Sada je pitanje moˇemo z li, i kako, definirati potenciju s proizvoljnim realnim brojem kao eksponentom? To je mogu´e, ali ne za sve baze (za negativne baze ne moˇemo). Dolazimo do c z pojma eksponencijalne funkcije.

5.2. PREGLED ELEMENTARNIH FUNKCIJA
1.5 1 0.5 1 -3 -2 -1 -0.5 -1 -1.5 1 2 3 0.75 0.5 0.25 0.5 1 1.5 2 2.5 3 1.75 1.5 1.25

197

Slika 5.26: Grafovi funkcije f (x) = x1/n za neparne (lijevo) i parne (desno) n.

5.2.5

Eksponencijalne funkcije

Eksponencijalne se funkcije prirodno javljaju kao matematiˇki modeli situacija c u kojima je promjena neke veliˇine proporcionalna toj veliˇini. Primjeri su rast c c populacije, prirast biomase, razmnoˇavanje bakterija, raspadanje radioaktivnih z tvari, raˇunanje kamate itd. c Definicija 5.15 Eksponencijalna funkcija s bazom a (a > 0, rana formulom f (x) = ax . a = 1) je defini-

Osnovica ili baza eksponencijalne funkcije je faktor za koji se promijeni vrijednost funkcije kada se vrijednost argumenta promijeni za 1. Ako je a > 1, imamo eksponencijalni rast, ako je a < 1, imamo eksponencijalni (ras)pad. Nezavisna varijabla se nalazi u eksponentu, odatle i ime. To je i temeljna razlika od polinoma u kojima se nezavisna varijabla nalazi u bazi potencije, a eksponenti su konstantni. Vrijednosti eksponencijalne funkcije mogu se izraˇunati za sve realne brojeve. c x Dakle je D(a ) = R, za svaku bazu a. Vrijednosti eksponencijalne funkcije su strogo pozitivne; nije mogu´e potenciranjem pozitivne baze dobiti kao rezultat c negativan broj ili nulu. To znaˇi da je R(ax ) = R+ = 0, ∞ . c Za a > 1 funkcija f (x) = ax strogo raste na R. Za dovoljno velike argumente n ta funkcija raste brˇe od bilo koje potencije. To znaˇi da veliˇina xx postaje po z c c a volji mala za svaki n ∈ N i za dovoljno veliki x. Kako je a−x = a1x , slijedi da ax teˇi k nuli kada argumet x teˇi u −∞. Dakle je os x jednostrana (lijeva) z z horizontalna asimptota grafa funkcije f (x) = ax .

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

Slika 5.27: Grafovi funkcija f (x) = ex (lijevo) i f (x) = (1/e)x = e−x (desno). Za baze 0 < a < 1, graf funkcije f (x) = ax dobivamo iz grafa funkcije 1 x 1 g(x) = a zrcaljenjem preko y-osi. (Za 0 < a < 1 je a > 1). Dakle funkcija f (x) = ax je strogo padaju´a, D(ax ) = R, R(ax ) = 0, +∞ , za c x 0 < a < 1 funkcija a raste neograniˇeno kada argument x teˇi u −∞ i x os joj c z je jednostrana (desna) horizontalna asimptota. Temeljno svojstvo eksponencijalnih funkcija izdvaja od svih mogu´ih baza c x jednu kao najprirodniju. Naime, oznaˇimo li promjenu veliˇine a s ∆(ax ), uvjet c c proporcionalnosti se iskazuje kao ∆(ax ) = k · ax , pri ˇemu je k konstanta proporcionalnosti koja ovisi o bazi a. Najjednostavnija c konstanta proporcionalnosti je k = 1. Moˇe se pokazati da se ta konstanta z postiˇe za toˇno jednu bazu. Tu bazu oznaˇavamo slovom e. Pribliˇna vrijednost z c c z broja e je e = 2.718281828... Broj e je jedna od fundamentalnih konstanta prirode, sliˇno kao konstanta π. c Kasnije ´emo pokazati da se svaka eksponencijalna funkcija moˇe prikazati kao c z x px eksponencijalna funkcija s bazom e, tj. a = e , za neki p ∈ R. Teorem 5.6 (Osnovna svojstva eksponencijalne funkcije) Za svaki a > 0 vrijedi: 1. ax = ay =⇒ x = y;

5.2. PREGLED ELEMENTARNIH FUNKCIJA 2. ax · ay = ax+y ; 3.
ax ay

199

= ax−y ;

4. (ax )y = axy ; 5. (a · b)x = ax · bx ; 6.
a x b

=

ax ; bx

7. a0 = 1.♣ Posljedica sedmog svojstva iz Teorema 5.6 je da grafovi svih eksponencijalnih funkcija prolaze kroz toˇku (0, 1). c Napomena 5.30 Ponekad se eksponencijalna funkcija zapisuje u bazi oblika 1 + r > 0, tj. f (x) = (1 + r)x . Za r > 0 imamo interpretaciju r kao brzine rasta. Za r < 0 imamo brzinu (ras)pada. Funkcija ax za a > 0 je bijekcija sa R u 0, +∞ , dakle ima inverznu funkciju koju zovemo logaritamska funkcija.

5.2.6

Logaritamske funkcije

Primjer 5.21 Izotop ugljika C 14 je zastupljen u odredenoj koliˇini u svim ˇivim c z bi´ima. Nakon prestanka izmjene tvari s okolinom, tj. nakon smrti organizma, c radioaktivni C 14 se viˇe ne obnavlja i zateˇena koliˇina se poˇinje raspadati. Od s c c c 14 ukupne koliˇine C u organizmu pola se raspadne za 5730 godina. Dakle je x c godina nakon smrti organizma poˇetna koliˇina C 14 svedena na c c C(x) = C0 1 2
x 5730

.

Ovdje je C0 koliˇina izotopa C 14 u ˇivoj tvari. c z Koliko je davno ˇivio organizam ako je poˇetna koliˇina C 14 svedena na jednu z c c ˇesnaestinu? s Treba rjeˇiti jednadˇbu C(x) = C0 . Koriste´i ˇinjenicu da je 16 = 24 i iz s z c c 16 Teorema 5.6, dobivamo C0 C0 C0 = 4 = x , 16 2 2 5730 i odatle je x = 4 · 5730 = 28920 godina.♠

200

POGLAVLJE 5. FUNKCIJE

ˇ Sto bismo uˇinili da se nije radilo o cjelobrojnoj potenciji broja 2 (npr. da je c poˇetna koliˇina C 14 svedena na jednu sedamnaestinu), tj. da ne moˇemo iskoc c z ristiti Teorem 5.6? Definicija 5.16 Neka je a > 0, a = 1. Logaritam pozitivnog realnog broja x po bazi a je broj c kojim treba potencirati bazu a da bi se dobio broj x. c = loga x ⇐⇒ ac = x. Iz Definicije 5.16 imamo aloga x = x i loga ac = c, tj. logaritamska funkcija s bazom a je inverzna eksponencijalnoj funkciji s istom bazom.
4 3 2 1

-4

-2 -1 -2 -3 -4

2

4

Slika 5.28: Graf funkcije f (x) = 2x (lijevo) i njoj inverzne funkcije f −1 (x) = log2 x (desno). Logaritam s bazom 10 zovemo dekadski ili Briggsov i oznaˇavamo s log x, c tj. ne piˇemo bazu 10. Logaritam po bazi e zovemo prirodni ili Napierov s i oznaˇavamo s ln x. U primjenama se joˇ pojavljuju i logaritmi s bazom 2, c s ld x . Iz Definicije 5.16 vidimo da logaritme moˇemo raˇunati samo za pozitivne z c realne brojeve. Dakle je D(loga ) = 0, +∞ , za svaki a > 0. Iz Teorema 5.1 zakljuˇujemo da loga (x) strogo raste za a > 1, dok za 0 < a < 1 loga (x) strogo c pada. R(loga ) = R, za svaki a > 0. Kako je ax u 0 jednako 1, imamo da je

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

loga (1) = 0, tj. graf od loga (x) prolazi kroz toˇku (1, 0). Kako je x os lijeva c (a > 1) odnosno desna (0 < a < 1) horizontalna asimptota od ax , zakljuˇujemo c da vrijednosti funkcije loga (x) teˇe u −∞ kada vrijednosti argumenta teˇe u z z nulu za a > 1, odnosno vrijednosti funkcije loga (x) teˇe u +∞ kada vrijednosti z argumenta teˇe u nulu za 0 < a < 1. Os y je vertikalna asimptota. z Teorem 5.7 (Osnovna svojstva logaritamske funkcije) Neka su x i y pozitivni realni brojevi. Tada za svaki a > 0 vrijedi: 1. loga (xy) = loga x + loga y; 2. loga
x y

= loga x − loga y;

3. loga xr = r loga x; 4. loga a = 1; loga 1 = 0; 5. loga ay = y; aloga x = x;

6. log1/a x = − loga x; 7. loga x = loga y =⇒ x = y.♣ Iz Teorema 5.7, svojstvo 6, vidimo da graf logaritamske funkcije s bazom 0 < a < 1 dobivamo zrcaljenjem preko osi x grafa logaritamske funkcije s bazom 1/a i obrnuto.
3 2 1 2 -1 -2 -3 -4 -5 -1 -2 -3
1 2

5 4 3 4 6 8 2 1 2 4 6 8

Slika 5.29: Grafovi logaritamskih funkcija s bazom 2 (lijevo) i bazom (desno).

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

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

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

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

pomak funkcije na x osi je x0 . Napomena 5. Jasno je kada se t pribliˇava toˇkama s z z c π z oblika (2k + 1) 2 tada vrijednost tangensa teˇi s jedne strane u +∞ a s druge u −∞. na svoju sliku. U tim toˇkama tangens ima vertikalnu asimptotu. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. Sliˇno kao i sinus i kosinus. a kosinus strogo padaju´a na [0. i funkciju z c π tangens proˇirujemo izvan intervala [0. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. π ] x 2 2 i Cos x = cos |[0 . c c Sin x = sin |[− π . 2 ]. 1]. .π] x su bijekcije na [−1. 2 ] udaljenost toˇaka (1.33 Zbog periodiˇnosti. Dakle. FUNKCIJE nul fazu. imamo π D(tg) = R \ {(2k + 1) . 0) (joˇ ga zovemo tangensna os). period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). 2 ˇto se vidi i s trigonometrijske kruˇnice. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1. tj. tj.206 POGLAVLJE 5. dakle c niti bijekcije. funkcije sinus i kosinus nisu injekcije. Amplituda ove funkcije je A (jer je amplituda sinusa 1). π]. 2 ]. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . formulom A sin(Bx − x0 ). Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. 0) i P na tangensnoj c osi. k ∈ Z}.

pa u tim z toˇkama kotangens ima vertikalnu asimptotu. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. k ∈ Z}. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0. 1) i Q na kotangesnoj osi. ˇto se vidi i s trigonometrijske kruˇnice. Imamo ctg t = D(ctg) = R \ {kπ. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t.2.5. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. onda je interpretacija vrijednosti ctg t za t ∈ [0. k ∈ Z}. s 1 P T x 0 1 tg x ctg x Q Slika 5. . Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. 1) (joˇ s c s π ga zovemo kotangensna os). 2 ] udaljenost toˇaka (0. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . Sliˇno kao i sinus i kosinus. Sliˇno se interpretira i kotangens.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x.

33 . jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. 1]. ni tangens ni kotangens nisu injekcije. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno).π x su bijekcije s tih intervala na R. Npr. Dakle sinus nema inverznu funkciju. kosinus na 2 2 π π [0.208 POGLAVLJE 5. FUNKCIJE za svaki t ∈ R \ {kπ. k ∈ Z}.2. π ]. c c Dakle. tangens na − 2 . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. restringirajmo sinus na [− π . Napomena 5. π . Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . na svoju sliku.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne.34 Zbog periodiˇnosti. 2 . π x 2 2 i Ctg x = ctg| 0. dakle nisu bijekcije. a c c s nema rjeˇenja za c ∈ [−1. π . Dakle. 5. njihove restrikcije Tg x = tg| − π . a isto vrijedi s / i za ostale trigonometrijske funkcije. a kotangens strogo padaju´a na 0. π]. 2 i kotangens na 0. c dakle niti bijekcije. Tada prema Napomeni 5. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R.

Iz Teorema 5.5 -1 -0. π ] .π] .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). rjeˇenje jednadˇbe postoji i jedinstveno je. . π ] bijekcija.5 1 0. ]. Dakle. 1]. 1] −→ [− . z π π Za x ∈ [−1. inverznu funkciji cos |[0. π]. oˇito je c c D(arcsin) = D(arccos) = [−1.5 -1 -0. a c 2 2 2 2 cos |[0.5 0. π π R(arcsin) = [− . 1. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. 2 ] jednadˇbe sin t = s z s z x.5 3 2.π] i ctg| 0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π jednadˇbe tg t = x . 2 2 R(arccos) = [0.5 -0. dakle su i bijekcije. 1]. π]. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.34 znamo da su funkcije sin |[− π .5 0.33 slijedi da je arcsin strogo rastu´a. 2 2 koja je inverzna funkciji sin |[− π . π bijekcija. Dakle. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. koje zovemo arkus funkcije.5 1 -1 -1.5 1 0. s z 2 2 s z Kako je tg| − π . a arccos c strogo padaju´a na [−1. Kako je sin |[− π . 1] −→ [0. π strogo rastu´e. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. Nadalje.2. 2 2 . ].5. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 1 Slika 5.π strogo padaju´e. π ] i tg| − π . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 2 1.1 i Napomene 5. rjeˇenje jednadˇbe postoji i jedinstveno je.

1 i Napomene 5.5 3 2. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.210 koja je inverzna funkciji tg| − π . Iz Teorema 5.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. FUNKCIJE arcctg : R −→ 0. .5 2 1.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. z s z sin x = t.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 -4 -2 2 4 Slika 5. inverznu funkciji ctg| 0.5 1 0. π . Napomena 5. R(arcctg) = 0.5 1 0.5 -2 -0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . -4 2 1.5 -2 2 4 4 3. π . π . oˇito je c c π π D(arctg) = D(arcctg) = R. 1]. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. npr. R(arctg) = − . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.π . tako da bi smo dobili arkus funkcije definirane na tim intervalima.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . 2 odnosno ctg| 0. c .5 -1 -1. Nadalje. π ]. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. Dakle. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. Npr. pri traˇenju rjeˇenja t jednadˇbe.

9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x .36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke.2. th je neparna. Strogo raste na R. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Nadalje. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. parna je. PREGLED ELEMENTARNIH FUNKCIJA 211 5. cth x = th x i zovemo ih redom kosinus hiperboliˇki. dakle nije injekcija. 2 e x − e −x sh x = . . sinus hiperboliˇki. Lagano se vidi da je ch x > 0 . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R.2. iako se definiraju u terc minima eksponencijalne funkcije. Iz formule lagano ˇ slijedi da je |th x | < 1 . y = −1 i y = 1. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Zbog neparnosti c c od sh i parnosti od ch. Dakle je R(ch) = [1.5. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Napomena 5. 2. Primjerice. 3. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. +∞ . za svaki x ∈ R. strogo raste na R. za svaki x ∈ R. Dakle th ima dvije horizonzalne s z asimptote. Lako se vidi da je neparna. ch x e + e −x 1 . strogo pada na −∞. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. 1 . za svaki x ∈ R. i R(th) = −1. vrijedi ch x = ch2 x − sh2 x = 1 . +∞ i nema asimptote. 0] i c strogo raste na [0. neograniˇena je. neograniˇena c je pa je R(sh) = R i nema asimptote. tanges hiperc c boliˇki i kotanges hiperboliˇki. Stoviˇe. 2 sh x e x − e −x th x = = x . Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R.

ch postaje bijekcija na svoju sliku. +∞ . za svaki x ∈ R\{0}. z y = −1 i y = 1. za svaki x ∈ R. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. cth strogo pada na R \ {0}. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu. 4. imamo da je |cth x | > 1 . Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. Nadalje. imamo: . kako je |th x | < 1 . 1. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. zbog parnosti. c osim funkcije ch. areasinus hiperboliˇki ili Arsh. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). preciznije areakosc inus hiperboliˇki ili Arch.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). 0] ili [0.5 1 0. tj. Dakle cth ima i dvije horizontalne asimptote. 1].5 -4 -2 -0.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5.5 -1 -1. restringiramo na −∞. to mora i cth x . Ako ch.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Funkcije inverzne hiperboliˇkima zovu se area funkcije. i R(cth) = R \ [−1. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. Kako th strogo raste na R. Zbog neparnosti od th i cth je neparna.

+∞). R(Arth) = R \ {0} i iz Teorema 5. pravci x = −1 i x = 1. a pravac y = 0 horizontalna asimptota.5. Oˇito je D(Arcth) = R \ [−1.5 1 0. Oˇito je D(Arsh) = R(Arsh) = R. onda su rubovi −1 i 1. pravci x = −1 i x = 1.5 2 2.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). vertikalne asimptote od Arth. 3 2 1 -1 -0.5 2 1. 1 .1 slijedi da Arth strogo raste. PREGLED ELEMENTARNIH FUNKCIJA 213 1. onda je D(Arch) = [1.1 c slijedi da Arcth strogo pada.5 -1 -2 -3 0.5 3 Slika 5. vertikalne asimptote od Arth. tj.2. Oˇito je D(Arth) = −1. 1]. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. +∞ i R(Arch) = [0. c 3. c 2.1 zakljuˇujemo da Arch strogo raste. a x = 0 vertikalna asimptota od cth. iz Teorema 5. 4. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Kako su y = −1 i y = 1 horizontalne asimptote od th. Iz Teorema 5. onda su rubovi −1 i 1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Ako smo ch restringirali na [0. y = 1 horizontalne.5 1 1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. +∞ . tj.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). R(Arth) = R i iz Teorema 5. . Kako su y = −1.5 0.

.

0 ≤ m ≤ 20 3. (Masa m je izraˇena u gramima.05(m − 20).1. Dakle imamo c(m) = 2.05h = 0.1 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.8 kn.8. m = 20 i m = 30. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.05(m − 20) kn. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. m > 20. Graf te funkcije prikazan je na slici 6.1.05∆m).5 + 0.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.05(m2 − m1 ). onda je 215 .1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. a visina poˇtarine c u z s kunama).05h (∆c = ˇ 0.Poglavlje 6 Uvod u diferencijalni raˇun c 6. Naime. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.5 + 0. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.

1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). S druge strane. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).216 ˇ POGLAVLJE 6. s s 20M ≥ (m2 − m1 )). c c Napomena 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.7 kn.♠ c Definicija 6. . i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. odnosno da graf funkcije ima prekid u toj toˇki.

ˇ 6. s c c Napomena 6.1.2 Svojstva neprekidnih funkcija Teorem 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 . onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. Analogno.1. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. ipak m(c) nije blizu m(20). Tada su u toˇki x0 neprekidne i funkije: c . Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. postoji δ > 0 za koji vrijedi Definicija 6. S druge strane.1. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 Neka su funkcije f. ako je m > 20 i m blizu 20.2 Iz Definicije 6. ako je m lijevo od 20 i dovoljno blizu 20.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . No.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).♠ Primjer 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). ali je ona c neprekidna s lijeva u toj toˇki.2 Funkcija c(m) iz Primjera 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. Primjer 6.1 ima prekid u toˇki c = 20.2 nam daje ideju za sljede´u definiciju: c Definicija 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). 6.1. koji c je manji od nekog fiksnog strogo pozitivnog broja.

|xδ − c| < δ. c + δ) takav da je f (xδ ) ≤ 0.♠ . i x0 ∈ D(f ) i f (x0 ) ∈ D(g). onda njezin graf mora negdje sjeˇi x os. onda je funkcija g ◦ f neprekidna u x0 . da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. f |[−1. f − g. i neka je f (c) > 0 (f (c) < 0). Tada za svaki δ > 0. f ima prekid u toˇki c. postoji xδ ∈ (c − δ. 2. tj. g ˇ POGLAVLJE 6. c + δ). Ako pogledamo funkciju f restringiranu na segment [−1.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. tj. f . c s Analogno se dokaˇe sluˇaj f (c) < 0. c c Primjer 6. mora imati nultoˇku.♣ Teorem 6. 1]. 1] (jer je nema na cijelom R). Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.♣ Teorem 6. ali oˇito f nema nultoˇku na segmentu c c c [−1. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. po pretpostavci. tj. ˇto je suprotno pretpostavci. Tada postoji x0 ∈ a.♣ z c Teorem 6. tj. onda je oˇito f (−1)f (1) = −1 < 0.♣ c Teorem 6. Ako je funkcija f neprekidna u x0 . 1] −→ R.3 Iz Napomene 5. Uzmimo ε = f (c). Dakle.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.2 Neka su funkcije f. i funkcija g neprekidna u f (x0 ). f · g.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. za koji je f (xδ ) ≤ 0. 3.1] : [−1. b]. x=0 x f (x) = 1. x = 0 svugdje neprekidna osim u nuli. g : R −→ R takve da je definirano (g ◦ f )(x0 ). Dokaz: Pretpostavimo suprotno. c + δ . b takav da je f (x0 ) = 0.218 1. i neka je f (a)f (b) < 0. f + g. 4. Tada je |f (xδ ) − f (c)| > f (c) = ε.11 znamo da je funkcija f : R −→ R dana formulom 1 .

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

slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. Budu´i da je f (x) − f (x0 ) = c − c = 0. zakljuˇujemo c da je i suma od ai xi . UVOD U DIFERENCIJALNI RACUN 1.4 i Teorema 6. Na kraju..9 Eksponencijalne.7 su neprekidne..1. arkus.. polinom Pn (x) neprekidan na R.4 dokazali smo da je funkcija f (x) = x neprekidna na R. 1. 1. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.. takoder iz Teorema 7. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.7 c i periodiˇnosti.. takoder iz Teorema 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.7 imamo da su neprekidne i funkcije arctg i arcctg. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. z c Uzmimo proizvoljni ε > 0.220 ˇ POGLAVLJE 6. hiperboliˇkih (osim kosinusa hiperbolnog)... Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. c c neprekidne na R.1 sada slijedi da je na R neprekidna i funkcija x2 . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). tj. π odnosno 0. 1. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. slijedi da c moˇemo uzeti δ = ε. logaritamske. c Dokaz: U Primjeru 6. jer su njihove restrikcije npr. z 2.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.♠ z Iz Primjera 6. na intervale − π . n... Teorem 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).4) i Teorema 6.7. trigonometrijske. Na isti naˇin se zakljuˇi da su xi .1. n. jer je svaka racionalna funkcija kvocijent dvaju polinoma. . z c Uzmimo proizvoljni ε > 0. Iz Teorema 6. π monotone c 2 2 bijekcije na R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.1. Nadalje. i = 0. dakle iz Teorema 6. n. . na R su neprekidne i funkcije ai xi . Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. . . i = 0.1 direktno imamo: n Teorem 6. i = 0. logaritamskih. Dokaz: Neprekidnost eksponencijalnih.1. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.♣ Napomena 6.

Sada imamo da je sin x neprekidna na 0. 3π . 1] i [1. π i 0. dakle su po Teoremu 6. +∞ . x−a x+a cos . ♣ . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. k ∈ Z.7 i neprekidne. c Analogno se dokazuju i druge jednostrane neprekidnosti. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . Dokaˇimo da je arccos x neprekidna s lijeva u 1. Dakle su funkcije arccos x.ˇ 6. π . posebno je 2 2 neprekidna u π . 0. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. k ∈ Z. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). onda 2x−π varira po intervalu − π . 3π . Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. Oˇito je δ > 0. 2 2 imamo 2x + π 2x − π cos . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). +∞ iz Teorema 6. +∞ . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . moˇemo dobiti i δ = 0. [−1. π 2 2 i 0.1. 3π . π . 3π . Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. π 4 2 4 4 kada x varira po intervalu 0. te da je Arch x neprekidna s desna u 1. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. arccos x i Arch x redom na intervalima −1. Znamo da za funkciju sin x i proizvoljni a ∈ R vrijedi da je sin x − sin a = 2 sin Ako sada stavimo da je a = π 2. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. arcsin x i Arch x redom neprekidne na [−1. 1]. ˇto je ekvivalentno s s arccos x < ε. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. Dakle je arccos x neprekidna s lijeva u toˇki 1. ali u Napomeni 6. cos x i ch x redom na intervalima − π . Isto tako 2x+π varira po intervalu π . π su monotone bijekcije na 2 2 −1. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. −1. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0.7 imamo da su neprekidne funkcije arcsin x. 2 Zbog stroge monotonosti funkcija sin x. tj. Zbog neparnosti imamo da je sin x neprekidna i u − π . 1 i 1. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. 1 . 1 .

5 nije definirana u toˇki x = 1. 6. Dakle. funkcija nije definirana u toˇki 0. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . zakljuˇujemo. funkcija nije definirana u toˇki 0. ali pozitivnu.222 ˇ POGLAVLJE 6. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednosti c funkcije su malo ve´e od −1. Raˇunaju´i te vrijednosti. vrijednosti funkcije c su malo manje od −1. c 3.1. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. tj. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. ali negativnu. dovoljno blizu c nule. c c 2. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. vidimo da su one c c c blizu vrijednosti −1. 4. tj. S druge strane. dodemo li s x dovoljno blizu c toˇki 1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. za x malo manji od 1. tj. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. za vrijednosti od x koje su malo ve´e od 1. ako uzmemo toˇku c x dovoljno malu. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0.4 Graniˇna vrijednost (limes) funkcije c 1. Ako uzmemo s c toˇku x dovoljno malu.

pravac y = π je horizontalna asimptota. Definicija 6. 6. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. osim. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.5). ako c ˇelimo promatrati ponaˇanje oko nule. onda piˇemo c s L = lim f (x).1.♠ Situacije iz Primjera 6.2. Neka je dana funkcija f : R −→ R formulom f (x) = xx . Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Dakle. moˇda u samoj toˇki c. moˇda u samoj toˇki c. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. 2 2 5. tj.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . |f (x) − M | < ε).2. Ako funkcija ima limes L u toˇki c. . osim. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). a ne znamo izraˇunati ni njenu vrijednost za x = 0.

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

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

ako postoje limesi s lijeva i s desna i oni su jednaki L.5.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.7 Iz Primjera 5. x = 0   1.226 ˇ POGLAVLJE 6.1.6 Opiˇimo sada pomo´u limesa Primjer 6. tj. moˇda u samoj toˇki c. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→0 x2 lim 1 1 = +∞ i lim = −∞. lim arctg x = . c osim. x > 0 ima prekid u nuli. ne postoji lim sin x. x−→1 x−1 1 = +∞. onda iz Definicije 6. x−→0 x π 4. ♣ c Primjer 6. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L.5 znamo da funkcija   −1.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. Dakle je x−→0+ lim sign x = sign 0 . x−→+∞ 6. x < 0  sign x = 0.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→0+ lim xx = 1. Obrnuto.♠ 6. x2 − 3x + 2 = −1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . lim 3. lim 2.5 Neprekidnost i limes Primjer 6. x−→+∞ 2 5. onda je jasno iz Definicije 6. s c 1. UVOD U DIFERENCIJALNI RACUN Teorem 6. x −→0 − lim sign x = −1 .

♣ x−→c Analogno kao Teorem 6.4) i da limes mora postojati.1. imamo x−→c lim f (x) = f (c) = f ( lim x).4).14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).3.♠ Primjer 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.5 U Teoremu 6. x−→c Napomena 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .ˇ 6. Nadalje.♠ x−→2 Primjeri 6. onda limes i funkcija z c ”komutiraju” tj.12 imamo: Teorem 6. tj. konaˇan je broj.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.♣ Teorem 6.♣ .1 i 6. x−→c+ Dokaz: Izravno iz Definicije 6.7 i 6.2 i definicije jednostranog limesa.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.13 Neka je funkcija g : R −→ R neprekidna. oˇito vrijedi c f (2) = lim f (x). Zaista imamo: c c Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Tada je c x−→c lim g(f (x)) = g( lim f (x)).1 i Primjer 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. Dokaz: Izravno iz Definicije 6. i neka postoji limes funkcije f u toˇki c. c c Sada direktno iz Napomene 6.

a ∈ R proizvoljan. . a < 0. +∞ ± a = +∞. 7. (+∞) · (−∞) = −∞.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. a < 0. jer operacije nisu definirane i operandi nisu realni brojevi.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). 9. Kako one nisu realni brojevi. (−∞) + (−∞) = −∞. (+∞) · a = +∞. a > 0 −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6.11. no moˇe se desiti da dobijemo izraz koji nije z z definiran. 6.14. 3. −∞ ± a = −∞. (+∞) + (+∞) = +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.228 ˇ POGLAVLJE 6. a ∈ R proizvoljan. 4. (−∞) · a = 10. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. x−→c+ Dokaz: Izravno iz Teorema 6. a ∈ R proizvoljan. −∞.12 i 6. 5. 8. (−∞) · (−∞) = +∞. 2. To se posebno odnosi na veliˇine +∞ i −∞. a > 0 +∞.♣ 6. 6. (+∞) · (+∞) = +∞.1. a +∞ = 0.

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

lim xn = +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. lim x−n = −∞.230 ˇ POGLAVLJE 6. α < 0. 6. x−→0− 4. 8. a>1 +∞. 0 < a < 1. lim x−n = +∞. n ∈ N neparan. a>1 −∞. n ∈ N paran. . x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. α > 0 0. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. a>1 +∞. +∞. x−→+∞ x−→+∞ 2. x−→+∞ lim loga x = 11. +∞. 0. α < 0.1. −∞. 0 < a < 1. a>1 0. n ∈ N paran. n ∈ N proizvoljan. +∞. x−→−∞ lim ax = 10. x−→0+ lim xα = 0.7 Raˇunanje limesa c Neki temeljni limesi 1. UVOD U DIFERENCIJALNI RACUN 6. 3. −∞. 0 < a < 1. α>0 +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. 0 < a < 1. n ∈ N neparan +∞. n ∈ N proizvoljan. x−→0+ x−→0− 7. 5. x−→+∞ lim ax = 9.

1. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. c Osim ovih limesa. i zbog parnosti od sin x . koji se nalazi unutar trokuta OBB . za a > 1. Kada s pravca uzmemo x ∈ (0. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. To znaˇi da je c x−→+∞ lim loga x = +∞. Iz toˇke 5. π ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. neparnost i sliˇno. ortogonalnu projekcija toˇke A na x os. a ∈ R. Oznaˇimo s A = z c c (cos x. koriste´i definicije limesa i jednostranih limesa (toˇka 6. Kako gledamo c limes funkcije sin x kada x −→ 0. tj. .16 lim i 1 lim (1 + )x . Dakle. tg x ).9. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1.2. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice).1. parnost. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). jasno je da je dovoljno x x promatrati x ∈ (0.ˇ 6. sin x). x−→+∞ x sin x = 1. svojstva potencija. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .4). i s B = (1. pad.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. +∞) i da joj c c je slika cijeli R. c c eksponencijalnih i logaritamskih funkcija. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). 0). njihov rast. 0) u ravnini.

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

♣ Primjer 6.17 x−→+∞ 233 lim 1+ 1 x x = e.ˇ 6.12 i Teorema 6. Dakle . x Oznaˇimo sada ex − 1 sa t. Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 t−→0 ln(t + 1) x Iz toˇke 5. i da je x = ln(t + 1). c Zbog toga je ex − 1 t lim = lim = 1. a ∈ R.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . Tada je jasno da t −→ 0 kada x −→ 0. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.10 ex − 1 = 1. x−→0 x Iz Teorema 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x−→0 x lim i ax − 1 = ln a.2. x−→0 x lim a > 0.♠ x−→0 t−→0 x ln a ln(t+1) ln a .1. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.

7 su nam dovoljni za c raˇunanje gotovo svih limesa. 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).13. x−→c x−→c 4.17.1.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. Tada 1.18 i temeljni limesi iz toˇke 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.234 ˇ POGLAVLJE 6. x−→c x−→c 2. x−→c c 3. ♣ x−→c Teoremi 6.2. .1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. c 6.2 6. 6.16. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. 6. g : R −→ R.

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

001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . Op´enito. UVOD U DIFERENCIJALNI RACUN Primjer 6.001) − y(1) . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . a to je jednako koeficijent smjera te sekante. Dakle. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . prosjeˇna brzina projektila u vremenskom intervalu [t0 . c ∆y = tg α. 1.3: Ovisnost visine projektila o vremenu.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .236 ˇ POGLAVLJE 6. y(t0 +∆t)) zatvara s osi x. prosjeˇna brzina odgovara koeficijentu smjera sekante. y(t0 )) i c ∆t (t0 +∆t. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. ∆t .

2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .4: Sekante i tangenta.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . f : I −→ R.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) .2. x0 ∈ I. c Primjer 6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . tj.2.♠ 6. c mjeri brzinu promjene veliˇine c Definicija 6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.

Derivacija funkcije f (x) = kx + l je f (x) = k. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k.6 Uoˇimo bitnu razliku. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. za proizvoljne k. Derivacija funkcije f u toˇki x0 je broj. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). ∆x−→0 ∆x Napomena 6. UVOD U DIFERENCIJALNI RACUN Primjer 6.♠ ∆x−→0 ∆x 6. l ∈ R.238 ˇ POGLAVLJE 6. c z Primjer 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). c c koji se oznaˇava sa f (x0 ).15 Pogledajmo sljede´e primjere: c 1. . Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1.2.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. Dakle brzina promjene linearne funkcije je konstanta. Dakle je c f (x) = lim f (x + ∆x) − f (x) .

♠ . DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0.2.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. tj. ˇto smo i oˇekivali. f (x + ∆x) − f (x) = ∆x−→0 ∆x f (x) = lim lim sin(x + ∆x) − sin x sin x cos ∆x + cos x sin ∆x − sin x = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim sin x(cos ∆x − 1) sin ∆x cos x + lim = ∆x−→0 ∆x ∆x cos ∆x − 1 sin ∆x + cos x lim . a c iz gornjeg raˇuna imamo da je c f (x) = 0. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x. Dakle je promjena brzine konstantne funkcije nula. funkcija f (x) = l je konstanta.6.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. Derivacija funkcije f (x) = x2 je f (x) = 2x. s c 2.

tj. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. problem postoc janja limesa.2. M= ∆x−→0− lim . odnosno da je tangenta pravac koji raste. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. U toˇkama gdje je f (x) = 0. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Takve toˇke zovemo stacionarne toˇke. Primjer 6.17 1.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. problem razliˇitih vrijednosti s lijeva i zdesna. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. To su npr. Sliˇno. Tu funkcija niti raste c niti pada. ∆x Lagano se vidi da je M = 1 i L = −1. tangenta je paralelna s osi x.240 ˇ POGLAVLJE 6.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. problem rubova domene. c c 6. ako je f (x) < 0 na nekom intervalu.. problem konaˇnosti c c limesa.4) ustvari limes funkcije f (x + ∆x) − f (x) . funkcija pada c c na tom intervalu. ne postoji f (0). Dakle iz Teorema 6.

Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . √ 3 241 x nije derivabilna u x0 = 0.♠ Teorem 6.7 imamo da je c lim √ 3 1 = +∞. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . Funkcija f : R −→ R dana formulom f (x) = x0 = 0. Tada je f i neprekidna u x0 . ∆x ∆x−→0 dakle ne postoji f (0).1.6. 3.2. DERIVACIJA FUNKCIJE 2. c x0 ∈ I ⊆ D(f ). dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .7 imamo da je c lim √ 3 1 ∆x2 = +∞. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. ∆x ∆x−→0 .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. ∆x−→0 dakle ne postoji f (0).1.

Derivacija zbroja. f · g i f g (tamo gdje je definirana. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . Sve tri funkcije iz Primjera 6. ∆x = 0 .17 su c neprekidne u nuli. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. Tada su na I derivabilne i funkcije f ± g. Iz Teorema 6. produkta i kvocijenta funkcija Teorem 6.242 ˇ POGLAVLJE 6. razlike. Nadalje. tj. ∆x f (x0 ). ali vidjeli smo da nisu derivabilne.19 op´enito ne vrijedi.12 zakljuˇujemo da je funkcija g neprekidna u x0 . I ⊆ D(g). ∆x−→0 ∆x ∆x . i vrijedi 1. (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.20 Neka su funkcije f. za one x ∈ I za koje je g(x) = 0). g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). g 2 (x) Dokaz: 1.12 imamo da je f neprekidna u x0 . Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). (f (x) ± g(x)) = f (x) ± g (x) 2. f (x) g(x) = f (x)g(x)−f (x)g (x) . za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).♣ Obrat Teorema 6.

Kako je g(x) · 1 g(x) = 1.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).♣ . Dakle 1 g(x) = 0.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). tj. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. c dakle je po Teoremu 6.♣ g 2 (x) Napomena 6. f (x) g(x) f (x)g(x) − f (x)g (x) . g 2 (x) f (x) g(x) = 1 f (x) g(x) . odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). po 1 pravilu derivacije produkta g (x) g(x) + g(x) 1 g(x) 1 g(x) Kako je f (x) g(x) = −g (x) . ∆x−→0 ∆x−→0 Sada iz Teorema 6. po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) . tj. gdje je λ ∈ R proizvoljan. derivabilna na I i vrijedi (λf ) (x) = λf (x). Izraˇunajmo prvo c 1 g(x) . za svaki x ∈ I. DERIVACIJA FUNKCIJE 2. Tada je funkcija λf . (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). 3.2. imamo g(x) · = 0.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). za svaki x ∈ I. Oˇito je D(g) = R.6.

18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . f (x) Ovo se. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) = sin x.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. moˇe provesti samo ako je f (x) = 0.21.244 ˇ POGLAVLJE 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . iz Teorema 6. f (x) ∈ J ⊆ D(g). f (x) ♣ . z Teorem 6. Sada primjenom Teorema 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. odnosno (f −1 ) (f (x)) = 1 . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. g = f . Dakle. c −1 tj.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Dakle imamo f −1 (f (x)) = x. gdje je g(x) = x2 . f (x) = 0 na I i neka postoji f −1 .15 i Primjera 6. c Primjer 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. naravno. Primjera 6. Izraˇunajmo joˇ i (f ◦ g) . x ∈ I ⊆ D(f ). Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 .

x 1 √ . .2.6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.20. Derivacija funkcije g(x) = ln x je g (x) = x . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. DERIVACIJA FUNKCIJE Primjer 6. odnosno 1 g (x) = √ . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . ∆x−→0 ∆x lim dakle je f (x) = ex .10 imamo da je f (x) = lim e∆x − 1 = 1. Osnovne derivacije dajemo u sljede´oj tablici. 6. 6.21 i 6. Iz Teorema 6. Kako je (f ◦ g)(x) = x iz Teorema 6.21 i 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.22 i derivacijama iz donje tablice. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Derivacija funkcije g(x) = √ 1 .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 2 x x je g (x) = Iz Primjera 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. c Napomena 6.19 Pogledajmo sljede´e primjere: c 1 1. i vrijedi (f ◦ g)(x) = x. odnosno g (x) = 2.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.20.

2. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) s c c ∆f apscisom x0 + ∆x. no to je ponekad teˇko izraˇunati. UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6. c tj. f (x0 )) biti dosta mala. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s .1: Derivacije elementarnih funkcija 6.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. odnosno ∆f = tg α∆x . Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . Jasno je da je ∆x = tg α. f (x0 )) i osi x. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .

2. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.1. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .6.♣ c .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). c Teorem 6. DERIVACIJA FUNKCIJE 247 ∆x. Tada od svih polinoma stupnja najviˇe jedan. Dakle. f (x0 )).5: Diferencijal funkcije. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.5). jednadˇba tangente u c z toˇki (x0 . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . y f(x) α 0 x0 x 0+ ∆ x x Slika 6.

5 1 1. Dakle. c Primjer 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Iz Primjera 6. dakle je f (0) = cos 0 = 1.5 -1 0. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. to su razlike ordinata na grafu i na tangenti male za istu apscisu.23).♠ s s c . Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.16 znamo da je f (x) = cos x. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .5 2 Slika 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.248 ˇ POGLAVLJE 6.

Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . odnosno f (0) = 1.2. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. 1 Kako je f (0) = 0. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 .♠ c s . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 .6. Imamo 2G = G(1 + r)t . odnosno 2 = (1 + r)t . f (r) = 1+r . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . DERIVACIJA FUNKCIJE 249 Primjer 6. gdje je G glavnica. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

b za koju je F (x ) = 0. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. postoji x ∈ a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. f (b)). Napomena 6. b u kojoj je tangenta paralelna s tom sekantom.6.2. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. proizvoljne. b−a f (b) − f (a) (x − a). Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). a < b.♣ f (b) − f (a) . tj.25. b ∈ I.13 Primijetimo: 1. f (a)) i (b. b−a y f(x) 0 a x0 b x Slika 6. Neka je L pravac kroz toˇke (a. b−a onda Teorem 6.26 kaˇe da za svaku sekantu kroz toˇke (a. f (b)) z c postoji toˇka x ∈ a. c . tj. f (a)) i (b.

Kako je f (x) = 3. pa je.12. oˇito je c x−→1 lim f (x) = 3 = f (1). x za koji je f (x) − f (a) = f (x ). f neprekidna na R. x ≤ 1 f (x) = 3 x > 1.26 je bitan. y f(x) 0 a b x Slika 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). b−a ali ne postoji x ∈ 0. 0 x>1 oˇito f ima prekid u x = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. .258 ˇ POGLAVLJE 6. x ≤ 1 . Uvjet f ∈ C 1 (I) iz Teorema 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. po Teoremu 6. 2 za koji je f (x ) = 1. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. Ako je dana funkcija f : R −→ R formulom 3x. UVOD U DIFERENCIJALNI RACUN 2. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). z Iz Teorema 6.

Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . . S druge strane. f (a)) i (x. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I..♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. Teorem 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. Napomena 6.26.6. tj.. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. i ne znamo ga toˇno. no u nekoj toˇki sigurno je. Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . c Usporedimo to s lokalnom linearizacijom (toˇka 6.14 Za n = 0 Teorem 6.+ (x−x0 )n + (x−x0 )n+1 . tj.2. iz Teorema 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. ali ne znamo za koji x .5). f (x)). Koliko je ta aproksimcija dobra? Odnosno. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.2. imamo c pribliˇni izraz. Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. imamo toˇan izraz. tj. tj. poznavaju´i vric c jednosti viˇih derivacija u x0 .

Sliˇno kao i Teorem 6. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 .23. f (x0 )) od svih c polinoma danog stupnja. Dakle. 2! . Dakle.260 ˇ POGLAVLJE 6. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. x2 = x... 2! f (cx ) (x − x0 )2 2 predstavlja greˇku lokalne linearizacije s R2 (x) = f (x) ≈ f (x0 ) + f (x0 )(x − x0 ) funkcije f u okolini toˇke x0 . UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . Aproksimacija je dobra lokalno.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. . s Primjer 6. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . T1 (x) = f (0) + f (0)x = x...24 Neka je dana funcija f (x) = sin x. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 .

n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). 6. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. Moˇe se pokazati da su funkcije ex . . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .3.. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.6. tj. dakle nisu jako c dobri za numeriku.2. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .28 Neka je f ∈ C 1 (I) za neki interval I. sin x. odnosno konvergirati nekoj z (x drugoj funkciji. n! ∞ sin x = n=0 (−1)n x2n+1 . (2n)! Napomena 6... (2n + 1)! ∞ cos x = n=0 (−1)n x2n . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .2. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0..8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6.1).15 Taylorovi redovi obiˇno sporo konvergiraju.

ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Ovaj smjer se dokazuje analogno kao u Teoremu 6.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0.24 smo vidjeli da. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. onda je f (x0 ) = 0. Kako je desna strana gornje jednadˇbe nenegativna. dakle z funkcija f raste na I. 2. Obratno. onda funkcija strogo raste (pada) na I. jer se c s c medu njima nalaze potencijalni ekstremi. Limes nenegativne funkcije mora i sam biti nenegativan. lim x2 = 0). obratna tvrdnja ne mora vrijediti.262 ˇ POGLAVLJE 6. . po Teoremu 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.11 imamo da obrat ne vrijedi. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.26. UVOD U DIFERENCIJALNI RACUN 1. Dokaz ide na sliˇan naˇin. Neka je f ∈ C 1 (I) rastu´a funkcija na I.25 zakljuˇujemo da u Teoremu 6. to je i lijeva strana takva. ∆x Primjer 6.28 primjenom Teorema 6. Jedan smjer bismo mogli dokazati. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. za svaki x ∈ I. za svaki x ∈ I.♠ Iz Primjera 6. Tada. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Iz Napomene 6. Dakle ne vrijedi f (x) > 0 na R. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. pa je f (x + ∆x) − f (x) ≥ 0.26 postoji x ∈ (x. Dokaz: c 1. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. 2. x−→0 U Teoremu 6. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. ∆x za svaki x ∈ I. pa je f (x) = lim za svaki x ∈ I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Medutim.

5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. onda u x0 funkcija f ima lokalni maksimum.6.4. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . x2 ∈ I. da je barem f ∈ C 2 (I)). u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . x2 ∈ I. a s druge pada (raste)). jer konveksnost i konkavnost ovise o predznaku druge derivacije. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . Ako derivacija s c ne mijenja predznak. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.24. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . c Kao ˇto smo rekli. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Definicija 6.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . u stacionarnoj toˇki funkcija moˇe. imati s c z lokalni ekstrem. Dokaz: Izravno iz toˇke 5. DERIVACIJA FUNKCIJE 263 Definicija 6. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. Teorem 6. kaˇemo da je f konkavna na I. Teorema 6.♣ c Konveksnost. .28.1. onda u x0 funkcija f ima lokalni minimum. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Teorema 6. 2 za sve x1 . c Dakle. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. ali i ne mora.2.

Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. c 1. c 2. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.27 biti iz te okoline. Dokaz ide na sliˇan naˇin.3). c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)).31. Dakle je f (cx ) > 0. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. konveksnost i konkavnost su odredene predznakom druge derivacije. iz Teorema 6. ali je f (0) = 0. Npr. c . izmedu x1 . funkcija f ima u x0 ∈ I lokalni minimum. za svaki x ∈ I. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). x2 ∈ I graf konveksne funkcije je ispod. jer c c se nalazi izmedu x0 i x. 2. f (x2 )). Teorem 6. Uzmimo x proizvoljan iz te okoline. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Ako je f (x0 ) > 0. Zbog neprekidnosti druge c derivacije. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0.264 ˇ POGLAVLJE 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . a graf konkavne funkcije iznad sekante kroz toˇke (x1 . f (x1 )) i (x2 . x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . za svaki x ∈ I. 2. a konkavna ako je za sve x1 .30 Neka je f : I −→ R klase C 2 (I). c c Dakle. 1. Primijenimo li Teorem 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). funkcija f ima u x0 ∈ I lokalni maksimum. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Dokaz: 1.27 za sluˇaj c n = 1. Onda ´e i toˇka cx iz Teorema 6. Ako je f (x0 ) < 0.♣ Teorem 6. UVOD U DIFERENCIJALNI RACUN Definicija 6.

g (x) onda je i x−→x0 lim f (x) = L. c + δ strogo konkavna ili je na c − δ. c strogo konkavna i na c. DERIVACIJA FUNKCIJE 265 Definicija 6. z s c c Teorem 6.7 Neka je f : I −→ R i c ∈ I. z Neka je lim f (x) = lim g(x) = 0.L’Hospitalovo pravilo c Teorem 6. moˇda. x ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ. c + δ). c Dokaz: Izravno iz Definicije 6.7. Onda je c toˇka infleksije od f . Iz Teorema 6. 0 i 0.32 Neka je f ∈ C 2 (I). Npr. Ako je g (x) = 0 za svaki x = x0 .♣ Raˇunanje limesa . u x0 ∈ I. c strogo konveksna i na c.24 f (c) = 0.♣ Uvjet f (c) = 0 iz Teorema 6. onda je c f (c) = 0. c) i pada na (c. pa je po Teoremu 6. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. ∞ . Dokaz: Bez smanjenja op´enitosti.30 imamo da funkcija f raste na (c − δ. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Dakle.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. ali je f (x) > 0 za x ∈ −∞. c strogo konveksna i na c. c Teorem 6.6. x ∈ I.34 Neka su f i g derivabilne funkcije na I osim. c + δ strogo c konkavna za neki δ > 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Dakle je konveksna na −∞. neka je f na c − δ. Tada iz Teorema 6. f (c)) toˇka infleksije grafa funkcije f . f ima lokalni maksimum u c. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . pa x = 0 ne moˇe biti z toˇka infleksije. c c Kaˇe se joˇ da je toˇka (c. c + δ strogo konveksna. 0 i f (x) > 0 za x ∈ 0. ∞ . Ako je c ∈ I toˇka infleksije od f .2. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.

kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. . . f (n) (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . analogno kao u dokazu Teorema 6. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. g (n+1) (x0 ) = 0. g(x0 ) = 0. g (n) (x0 ) = 0.12). .♣ g (x) f g Na Teorem 6.12) i iz Teorema 6.34. c Dakle. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . Tada.266 i ˇ POGLAVLJE 6.16 Neka su funkcije f. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . . po g (x0 ) = 0. tg α2 = f2 (x0 ). iz Teorema 6. c Napomena 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). f (x0 ) = 0. . Znamo da je c tg α1 = f1 (x0 ). .

2. onda je i tg α = 0 . odnosno ako i samo ako je tg α = ∞. a > 0.2.14: Kut izmedu dviju krivulja. dakle je f1 (x0 ) = f2 (x0 ). To znaˇi da u c toˇki (x0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . z c c Primjer 6.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. 1 + f1 (x0 )f2 (x0 ) Napomena 6. Ako je α = 0. .6. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. Iz toˇke 2. c c pa moˇemo re´i da se diraju u toj toˇki. x a + x2 = f2 (x). 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . tj. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .

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

Odrediti intervale monotonosti i lokalne ekstreme. s 5. c c 4. Prona´i intervale konveksnosti. to upu´uje na pogreˇku u raˇunu. Oznaˇimo c li tu duljinu s x. samokorigiraju´i. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Sloˇiti sve dobivene podatke u graf funkcije. 3. Odrediti domenu funkcije (prirodno podruˇje definicije). c c 2. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. z s c s c Praktiˇni ekstremalni problemi c Diferencijalni nam raˇun daje efikasan i gotovo mehaniˇki naˇin odredivanja ekc c c strema u raznim praktiˇnim problemima. Ispitati ponaˇanje na rubovima domene (asimptote). c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. u izvjesnom smislu. neparnost. c Primjer 6.6. c c z 8. . periodiˇnost.2. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Prona´i stacionarne toˇke. c c 6. 7. Nadalje je V (x) = (a − 2x)(a − 6x). konkavnosti i toˇke infleksije. Ispitati parnost. Postupak: 1. Postupak je. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena.

dakle u stotinama metara. dakle funkcija V (x) prelazi iz rasta u pad. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m.♠ V 6 27 Primjer 6. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. . s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x . c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Iz P = xy = 1 slijedi da je y = x . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1.15: Kako napraviti kutiju najve´eg volumena?.270 ˇ POGLAVLJE 6. Maksimalni c 2 volumen je 2 a = a3 . jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. a za c c prvu se lako provjeri da je u njoj lokalni minimum. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . 6 a x2 = .) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Druga oˇito nema smisla u danom kontekstu.

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

.

. 1. v = v(t)? Ili prirast populacije nije konstantan. Iz z Napomene 6. ∞. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.1 7.. Dakle je funkcija z 273 . Npr. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. 2.Poglavlje 7 Uvod u integralni raˇun c 7. 2. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota.. n = 0. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti.. ∞. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. za n godina bit ´e ih za n·100 viˇe nego danas.1..1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. c s z Ako su te veliˇine konstantne. odgovor je jednostavan . vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom.. .treba ih samo mnoˇiti c z vremenom. 1.. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I).. n = 0.9 znamo da su skupovi C n (I). iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina.

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

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

Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.♣ Napomena 7. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. c zbog linearnosti derivacije. f (x)dx. Neka je F primitivna funkcija funkcije f .20 i Napomena 6. Teorem 7.276 ˇ POGLAVLJE 7. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Oˇito je. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Za ostale operacije nema jednostavnih pravila. = (F (x) + C) = F (x) = f (x). Dokaz: 1.3 Vrijedi: 1. Kako je imamo f (x)dx f (x)dx = F (x) + C.7). F ± G primitivna funkcija funkcije f ± g. 2. UVOD U INTEGRALNI RACUN neodredenog integrala. 2.2 f (x)dx = f (x). Dokaz: Neka je F primitivna funkcija funkcije f . Dakle je cf (x)dx = cF (x) + C = c f (x)dx. cF c primitivna funkcija funkcije cf .1 Iz Teorema 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.♣ . z Teorem 7. Oˇito je. zbog linearnosti derivacije.

1 Pogledajmo sljede´e primjere: c .2.1. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Primjer 7. c c koriste´i pravila i tablicu derivacija (toˇka 6.7.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Ako se i moˇe integrirati. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1. eksponencijalne i z trigonometrijske funkcije.2) i svojstva iz Teoc c rema 7. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. c c z z to obiˇno nije lako. tzv. c 7. S druge strane. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Najpoznatiji primjer je e−x dx.1. izraˇunati derivaciju bilo koje c c c elementarne funkcije. tabliˇne integrale.4).3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.

3 2. Drugim rjeˇima. i to je x3 +x+1. 3). i ˇiji graf prolazi kroz toˇku (1. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Dakle je 3 = F (1) = 1 + 1 + C. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. UVOD U INTEGRALNI RACUN 1. pa je C = 1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Koriste´i Teorem 7. Koriste´i Teorem 7. Samo jedna prolazi toˇkom (1. Odredimo integral funkcije f (x) = x2 + sin x.278 ˇ POGLAVLJE 7.2: Primitivne funkcije funkcije 3x2 + 1. Traˇena funkcija je F (x) = x3 + x + 1. 3).♠ c . 3).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. y 3 0 1 x Slika 7. i one c 3 su oblika x +x+C.

a to znamo da je u2 2 sin x d(sin x). Dakle je sin x cos x dx = 1 2 sin x + C. ovo moˇemo pisati kao c c z sin x d(sin x).2.2 Odredimo integral funkcije f (x) = sin x cos x.1. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ima jedan sluˇaj kad se c produkt funkcija lako integrira. op´enito.♠ 2 . tj. ne mogu integrirati produkti funkcija (osim c za polinome. Ipak.3 i tabliˇne integrale. z Primjer 7. gornji se integral svodi na u du. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. Koriste´i izraz za diferencijal (toˇka 6. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).7.5). Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. deriviranjem sloˇenih funkcija. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. + C.

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

Sada je du = 2x dx. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C. 281 sin Integral tg x dx nije tabliˇni. u 2 2 du . −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. Dakle.7. Manipuliramo malo izraz pod integralom kako bismo ga sveli na oblik pogodan za supstituciju: tg x dx = − sin x dx = cos x 1 sin x dx = − cos x 1 (− sin x )dx = cos x d(cos x) =− cos x du = − ln |u| + C = − ln | cos x| + C. cos x i da je sin x derivacija od − cos x. NEODREDENI INTEGRAL Primjer 7. imamo 3x dx = 3 x2 − 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 − 1| + C. pa je dx = Uvrstimo u integral. 2x 1 dx. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u.5 Odredimo integral funkcije f (x) = 3x .2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b.♠ u Napomena 7.♠ x2 . a nije ni produkt. tako i iz diferencijala. x2 −1 Uvedimo supstituciju u = x2 − 1. Primjer 7.1. kako iz integranda.4 Odredimo integral funkcije f (x) = tg x . a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x.

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

c ˇto daje du = u dx = 2x dx i v = ex . c x2 ex dx = (x2 − 2x + 2)ex + C. nema proz z dukta u podintegralnoj funkciji. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata. du = − sin x dx.♠ Iz Primjera 7. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. v = ex . no sveli smo ga na jednostavniji ins c tegral xex dx. dv = v dx = cos x dx. c 2 dv = v dx = x dx. du = u dx = dx. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. . tj. c Primjer 7. Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. v = cos x. tj. Sada je v = sin x. v = x. Odredimo integral funkcije f (x) = x2 ex . s Parcijalnom se integracijom moˇemo posluˇiti i kad. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. NEODREDENI INTEGRAL 283 Stavimo u = x. Dobili smo integral koji je kompliciraniji od polaznog. Joˇ nismo izraˇunali polazni integral. 2. na prvi pogled. i u = x2 . Primijenimo li parcijalnu integraciju joˇ jednom.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. tj.7.1. Sada je v = x . Dobivamo s x2 ex dx = x2 ex − 2 xex dx. dobivamo s xex dx = xex − Konaˇno.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C.

x dx x i v = x. i u = ln x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. UVOD U INTEGRALNI RACUN 1. Stavimo dv = dx. Stavimo dv = sin x dx.284 ˇ POGLAVLJE 7. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. v = 1.♠ 2 x dx . tj. Odredimo integral funkcije f (x) = ln x. v = 1. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . Odredimo integral funkcije f (x) = sin2 x. v = sin x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. Odredimo integral funkcije f (x) = arctg x . sin2 x dx. tj. Stavimo dv = dx. 2.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. i u = arctg x . tj. ˇto daje du = u dx = s cos x dx i v = − cos x. ˇto daje du = u dx = s v = x. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = .5 imamo x dx 1 = ln(x2 + 1) + C. i u = sin x. 1.

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

Odredimo integral funkcije f (x) = Imamo x2 1 dx = +9 9 ( x )2 3 dx . Ponekad se takva racionalna funkcija joˇ zove i prava racionalna funkcija. pa je du = 3 x2 dx 1 = +9 9 ( x )2 3 dx 1 = 3 +1 u2 du 1 1 x = arctg u+C = arctg +C . Neke se mogu zgodnim supstitucijama svesti na tabliˇne integrale. Odredimo integral funkcije f (x) = 3x .9 Pogledajmo sljede´e primjere: 1. moˇemo podijeliti polinom u brojniku polinomom u nazivniku. u 2 2 1 . 2x 2. UVOD U INTEGRALNI RACUN Integriranje racionalnih funkcija Podsjetimo se da je racionalna funkcija funkcija oblika R(x) = Pn (x) . Sada je du = 2x dx. s Sve se racionalne funkcije mogu integrirati. imamo Uvedimo supstituciju u = x . Qm (x) gdje su Pn (x) i Qm (x) polinomi stupnja n i m. Ako c c nije. tj. Polinomijalni komad se izravno integrira. +1 3 3 3 . da nemaju zajedniˇkih faktora i da je n < m. x2 +5 Uvedimo supstituciju u = x2 + 5. pa je dx = Uvrstimo u integral. c c Primjer 7. redom. imamo x2 3x dx = 3 +5 x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln(x2 + 5) + C. 3 dx . +1 Uvrstimo u integral. i problem je sveden na integraciju racionlne funkcije s n < m. Rezultat ´e z c biti polinom stupnja n − m i ostatak u vidu racionalne funkcije kojoj je stupanj brojnika manji od stupnja nazivnika. Pretpostavljamo da su Pn (x) i Qm (x) skra´eni.286 ˇ POGLAVLJE 7. x2 +9 du .

tj. gdje c su a. b ∈ R. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . c 2. onda polinom (x − x0 ) dijeli Pn (x). . onda je to i x0 . 2. tj. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. Tada vrijedi: 1. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. c Metoda se temelji na sljede´im svojstvima polinoma. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. polinom (x − x0 ) dijeli s c c z polinom Pn (x). i ostatak r(x) koji je polinom stupnja 0. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. c Napomena 7. Qn−1 (x). pa tvrdnja oˇito vrijedi.♠ u Integriranje racionalnih funkcija za koje ne moˇemo na´i zgodnu supstituciju z c temelji se na metodi rastava racionalne fukcije na parcijalne (djelomiˇne) rac zlomke. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. c Neka je x0 ∈ C \ R.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima.) Dokaz: 1. onda je to i x0 . r(x) = C ∈ R. Ako je x0 ∈ R.7. a u brojnicima konstante ili linearni polinomi. onda je x0 = x0 . onda je x0 = a − bi.1. ako je x0 ∈ C oblika a + bi. ako je x0 ∈ C nultoˇka od Pn (x). Odredimo integral funkcije f (x) = 1 . Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. tj. ako je x0 ∈ C nultoˇka od Pn (x). Uvrstimo u integral. Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. NEODREDENI INTEGRAL 3. c c 3. konstanta. x−3 287 Uvedimo supstituciju u = x − 3. pa je du = dx.

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

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

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

x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .7. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . D = −1.1.♠ 3 3 . Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.♠ x−1 Ako su nuliˇta nazivnika jednostruka. Rjeˇenje je A = 3. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . B = 2. x(x−2)(x+1) x+2 A B D = + + .

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

2 7.3: Triangulacija podruˇja u ravnini omedenog duˇinama.7. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. c . T1 T2 T3 T4 Slika 7.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice.2. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. jer je to uobiˇajenije. ODREDENI INTEGRAL 293 7.2. duˇinama. s P = i P (Ti ). c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. c z Napomena 7. Povrˇina je geometrijska kategorija. tj.1 Odredeni integral Motivacija . tj. gdje se zbraja po svim trokutima triangulacije Ti . problem moˇemo s c z smatrati u biti rijeˇenim. Kako povrˇinu trokuta znamo raˇunati. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Lik se triangulira. ploha.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. Takav lik ˇesto zovemo krivuljnim trapezom.

krivuljni trapez omeden odozdo komadom osi x. s lijeva pravcem x = a.294 ˇ POGLAVLJE 7. (Funkcija f je strogo pozitivna na [a. dakle.) Po Teoremu 6. b]. Neka je ta funkcija neprekidna.4: Krivuljni trapez. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. i da komad krivulje bude graf neke funkcije. b] funkcije f (x). b x KT 1 KT2 KT KT3 4 Slika 7. funkcija f na segmentu [a. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. Promatrajmo. b] ako je f (x) > 0. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.5: Rastav ravnog lika na krivuljne trapeze. b] . UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.6. za svaki x ∈ [a.

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

6). x2 . . Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a. Sliˇno. c m(b − a) ≤ s(r).. jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. S(r) = i=1 Mi ∆xi . ... i = 1.296 ˇ POGLAVLJE 7.. s Oznaˇimo li sada zadanu podjelu {x1 . Zbog mi ≤ Mi .. n. UVOD U INTEGRALNI RACUN postoje po Teoremu 6. . c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7. i = 1. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi . n.. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). i = 1.. . imamo s(r) ≤ S(r). Uvijek je m ≤ mi ≤ Mi ≤ M. xn−1 } s r.7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima. b]. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a).n.... a zbog m ≤ mi i Mi ≤ M .. .

2 Neka je f neprekidna funkcija na [a. Funkcija f (x) je podintegralna funkcija ili integrand. b] i oznaˇavamo s c b f (x)dx. To vrijedi ako se podjela profinjuje. i = 1.7.. b]. xi ] toˇku si . .7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. c Definicija 7. te komadom grafa pozitivne neprekidne (na [a. ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a. c Napomena 7.. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. b]. Kako je mi ≤ c f (si ) ≤ Mi . . Veliˇina x je varijabla integracije. tj. Dakle. Ako uzimanjem sve finijih i finijih podjela od [a.2. i = 1.. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. c s Uzmimo u svakom segmentu [xi−1 . tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. b] su granice integrala (donja i gornja)... 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi .. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. c c a donja se ne smanjuje. . Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . a Krajevi segmenta [a. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . pravcima x = a i x = b. ako su stare toˇke c u podjeli podskup novih. n. n. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b. ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a).

b] integrabilne. Dirichletova funkcija nije integrabilna. b]. za svaki x ∈ [a.. onda je f (a) ≤ f (x) ≤ f (b). b] z kaˇemo da je f integrabilna na [a. Uoˇimo da za svaku podjelu r segmenta [a. b].♣ Napomena 7. b] imamo mi = 0 i Mi = 1. a .♣ Teorem 7..13 Dirichletova funkcija. b].298 ˇ POGLAVLJE 7.13 vidimo da nisu sve funkcije na segmentu [a.9 Uoˇimo da ako je f monotona funkcija na [a. b].♣ Primjer 7. onda je ona i c ograniˇena. c Iz Primjera 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. Primjer 7. c i = 1. b]. b]. b]. Koje joˇ? s Teorem 7. . UVOD U INTEGRALNI RACUN Definicija 7. c Dokaz: Ako f raste na [a.5 Svaka monotona funkcija na [a.14 1. dakle je f ograniˇena funkcija na [a. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b] je integrabilna. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. f (x) = nije integrabilna. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] je integrabilna. 1 dx. tj. x∈Q 0. n.6 Svaka neprekidna funkcija na [a.♠ Napomena 7. x ∈ R \ Q.. z c tj. Izraˇunajmo iz definicije c b 1. Koje jesu? Neprekidne sigurno jesu. nisu integrabilne.

∆x = b−a . c 2. dakle je a 1 dx = b − a. n. i = 1. b] je mi = Mi = f (si ) = 1. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . Podijelimo segment [a. b]. . Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . Izraˇunajmo a b x dx...8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. b] c na n jednakih djelova. b]. c Oˇito je funkcija f (x) = x neprekidna na [a. Mi = n a + i∆x..2. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. Sada je mi = a + (i − 1)∆x. Kako je S(r) = s(r) = b − a prijelazom na limes dobivamo b b b−a≤ a f (x)dx = a b 1 dx ≤ b − a. Za svaku podjelu r segc menta [a.7.

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

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

gdje su a < a1 < a2 < . b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . c Kako je f neprekidna.. [an−1 . [an . < an−1 < b sve toˇke prekida od f na [a. . Dakle.5 i svojstva 3..302 ˇ POGLAVLJE 7.. b]. iz Teorema 7. b] imaju konaˇno mnogo toˇaka prekida u kojima imaju konaˇne skokove (f : I −→ c c c R ima u c ∈ I konaˇan skok ako je | lim+ f (x) − lim− f (x)| < +∞) c x−→c x−→c b imaju odredeni integral. . b].. na svakom segmentu [a..... b ako uzmemo u obzir svojstvo c / 2.4 Funkcija f : [a. a1 ].... UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a.10 Iz ovog svojstva slijedi da i funkcije koje na [a. takve da je f monotona na svakom segmentu [a. a1 ]. . < an < b. b] znamo a1 b izraˇunati integrale c a b f (x)dx. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. an−1 f (x)dx. dakle znamo izraˇunati c i a f (x)dx.. z Napomena 7. To moˇemo napraviti tako da integral z zapiˇemo u obliku s b a1 a2 b a f (x)dx f (x)dx = a a f (x)dx + a1 f (x)dx + .. Analogno se dokaˇe ako je a < b < c. Definicija 7.. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. .. + an−1 f (x)dx.

Dakle je s(r) = 0 i S(r) = Mj ∆xj . x.2. 6.13). b] toˇka c pada u toˇno jedan c c [xj−1 . i svaka funkcija iz tog skupa je neprekidna na I. jer npr. Nadalje. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.18.3).. n. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. onda je c b f (x)dx = 0.... onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. . . pa je mi = 0. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. a (f (x) ± g(x))dx = a ili aditivnost integrala..2 i Teorema 6. M = f (c) i za svaku podjelu r segmenta [a. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. b] i da je f (c) > 0. j − 1.7. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). b]). 1. Mi = 0. Dakle beskonaˇni skup {xn : n = 0. Beskonaˇnodimenzionalan je. .2 i Teorema 6. unutra se sigurno nalaze sve neprekidne funkcije na [a.. skup c {1. . gdje je c ∈ R proizvoljan. xj ]. . Oˇito je z c c tada m = 0.18. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. b] (skup R(I) nije prazan.. x2 ..♣ c Napomena 7. a cf (x)dx = c a f (x)dx. Stoviˇe.♣ b b 5. j + 1. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. i = 1... i = 1.. dakle i integrabilna. n... . i Mj = f (c). a 4..} se c nalazi u nekoj bazi od R(I). Ako je funkcija f : [a.

b] po svojstvu 3.♣ a Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a. onda je a a f (x)dx = 2 −a 0 f (x)dx. a b) −a f (x)dx = −a a f (x)dx+ 0 a f (x)dx = −a a f (−x)dx+ 0 f (x)dx = f (x)dx + 0 0 f (x)dx = 2 0 f (x)dx. −a b) Ako je f : [−a. b] u samo konaˇno mnogo toˇaka onda je c c b b g(x)dx = a a h(x)dx. a) Ako je f : [−a. i prema dokazanome je z s s b f (x)dx = 0. UVOD U INTEGRALNI RACUN b f (x)dx = 0. i kad f nije nuˇno pozitivna c c c z dokaz ide posve analogno tako da segment [a. onda je a f (x)dx = 0. Dokaz: a 0 a 0 a a) −a f (x)dx = −a 0 f (x)dx+ 0 a f (x)dx = −a a −f (−x)dx+ 0 a f (x)dx = − −a a f (−x)dx + 0 0 f (x)dx = − 0 a f (x)dx + 0 0 f (x)dx = 0.304 dakle je ˇ POGLAVLJE 7. rastavimo na konaˇan c broj podsegmenata koji sadrˇe najviˇe jedno nuliˇte funkcije f .♣ . a U sluˇaju kad je f (x) = 0 osim u konaˇno mnogo toˇaka. a] −→ R neparna. a] −→ R parna. 7.

8 je dobro definirana funkcija F ∈ C 1 [a. Ako je f neprekidna i nenegativna funkcija na [a. po Teoremu 6. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.2. b]. Iz pozitivnosti funkcije f na [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. za svaki x ∈ I . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Odatle slijedi da je F (b) ≥ F (a) = 0. b]. Ako je f (c) < g(c) za bar jedno c ∈ [a. Kako je funkcija F = g − f neprekidna na [a. Ovo svojstvo se zove svojstvo monotonosti integrala. b] oko toˇke c takav da je f (x) > 0. Neka su f i g neprekidne funkcije na [a.7. c F (x) = g(x) − f (x) ≥ 0.♣ 9. Ako je f (c) < g(c) za bar jedno c ∈ [a. ODREDENI INTEGRAL 305 8. x2 ∈ I takve c da je x1 < c < x2 .3 slijedi da postoji interval I ⊂ [a. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. x2 ] imamo x2 f (x)dx > 0. b] i ako je f (c) > 0 za neki c ∈ [a. b] iz Teorema 6. Dakle postoje x1 . odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Dokaz: Po Teoremu 7. b] tada iz Teorema 6. b] onda vrijedi stroga nejednakost. Tada je b b f (x)dx ≤ a a g(x)dx. i oˇito ima pozitivnu derivaciju. b].28 F raste na [a.3 slijedi da postoji interval . b]. onda je b f (x)dx > 0. Dakle. b] odnosno stroge pozitivnosti na [x1 . tj. onda je F (c) = g(c) − f (c) > 0.

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

b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. x < 0. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. c Napomena 7. a2 . Oˇito je da funkcija f ima prekid u x0 = 0.7 ne mora vrijediti: Primjer 7... b]. x ≥ 0 −1.♠ c . imamo da je 1 f (x)dx = 0.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. .15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. 1] za koju je f (c) = 0. Povrˇina ispod s grafa neprekidne funkcije f nad [a. se zove srednja vrijednost funkcije f na segmentu [a. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. a Teorem 7..+an dine (aritmetiˇka sredina od a1 . iz svojstva 7..2.. Odatle ime teoremu.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.7.9: Teorem srednje vrijednosti za odredeni integral. an ∈ R je a = c ). n Za funkcije koje nisu neprekidne Teorem 7. Nadalje. kako je f neparna c funkcija. −1 medutim ne postoji toˇka c ∈ [−1.

b]. gdje je F (x) = a x f (ζ)dζ. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. Dakle imamo pridruˇivanje koje svakom x ∈ [a. jednostavnosti radi.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. Funkcija F definirana formulom x F (x) = a f (ζ)dζ . Sre´om. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x.308 ˇ POGLAVLJE 7.3 Newton .8 Neka je f ∈ C[a. pozitivnu funkciju f . Dokazat ´emo tu vezu u najjednostavnijem sluˇaju. Za svaki x ∈ [a. Prije formuliranja i dokazivanja teorema. Pokazat ´emo da je ta funkcija F derivabilna na [a. kad je podintegralna funkcija neprekidna. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih. Teorem 7. b] neprekidnu x i. promatrajmo na segmentu [a. b] i izraˇunat ´emo njenu c c c derivaciju. Imamo c x −→ F (x). UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7. 7. b] postoji a f (ζ)dζ.

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

Odatle slijedi c f (x) ≤ lim tj. a Dokaz: Prema Teoremu 7. Odatle je a f (x)dx = F (b) − F (a). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.9 (Newton . U njoj se povezuju odredeni integral.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. onda. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. no dokaz je bitno sloˇeniji. b]. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).2 c dobivamo x b F (a) = a f (a)dζ = 0. iz toˇke 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.310 ˇ POGLAVLJE 7. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.♣ Newton .12). ∆x Teorem 7.2. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . toˇke ζ1 i ζ2 moraju teˇiti prema x. Dakle je F (x) derivabilna funkcija na cijelom [a. Sliˇno i za ζ2 −→ x. i neodredeni. do kojeg dolazimo preko limesa niza integralnih suma. tj. f (x) ≤ F (x) ≤ f (x). b F (b) = a f (ζ)dζ.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. z Teorem 7. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a).8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . zbog neprekidnosti funkcije f na [a. b] i F (x) = f (x). UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.♣ x ∆x−→0 ∆F ≤ f (x). F (x) = f (x).

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

kao i da je samo poc druˇje integracije konaˇno. .17 Izraˇunajmo c 0 1 xex dx.6 i omedena) na podruˇju integracije. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. u dv = uv a b a − a v du. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. Iz Primjera 7. tj. Primjer 7.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.10.♠ 7.312 ˇ POGLAVLJE 7.♠ 3 Kod parcijalne integracije situacija je jednostavnija. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. b i neka je x−→b− lim f (x) = +∞. U takvim sluˇajevima govorimo c s c o nepravim integralima. c c c Neka je funkcija f neprekidna na [a. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.

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

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

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

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

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

Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. 2. c 3.♠ c .318 Imamo +∞ 0 ˇ POGLAVLJE 7. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Izraˇunajmo 1 +∞ dx . x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. Izraˇunajmo c dx . 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. Izraˇunajmo c 1 +∞ dx . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π.

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

tj. odredeni integral proizvoljne neprekidne funkcije. pravcem y = c i pravcem y = d dana s d g(y)dy. promatramo krivulju x = g(y). za sluˇaj kada s c je funkcija g negativna. ploˇtinu s .15: Ploˇtina lika omedenog grafom funkcije od y. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). d] −→ R neprekidna i pozitivna funkcija u varijabli y. c y d P c 0 g(y) x Slika 7. s Ako je g : [c. s s osi y. onda je ploˇtina povrˇine omedene grafom funkcije g. tj.320 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7.14: Ploˇtina lika omedenog grafovima dviju funkcija.

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

Iz Primjera 7. kad max ∆xi+1 −→ 0. a njegova povrˇina za zadani x je jednaka f (x)π. tj. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. 0.♠ 2 . 0).8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. ako taj limes postoji kad n −→ ∞. oznaˇimo s P (xi ). Primjer 7. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. S druge strane. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7.322 y ˇ POGLAVLJE 7. No taj popreˇni presjek c c 2 je krug. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. i=0 Prijedemo na limes.

ˇ 7. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH. . koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. ako su f1 . b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). z z Po gornjoj formuli. za svaki x ∈ [a. b].18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. f2 : [a. c z y R 0 Η x Slika 7. Dakle. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini.5.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. c Primjer 7.

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

Sada iz Primjera 7.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . b] na n dijelova. U limesu. xi ].5. tj. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . xi ] konstantom f (xi ). Razreˇemo ga po izvodnici i razmotamo.16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. .. x osi i grafom (pozitivne i neprekidne na [a. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. b] −→ R oko osi y b Vy = 2π a xf (x)dx. Podijelimo li opet segment [a.ˇ 7. i = 1. b]) funkcije f . volumen tog komada moˇemo z izraˇunati.. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. rotacijom komada izmedu [xi−1 . c Teorem 7. x = b.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika. debljine ∆xi = xi − xi−1 . dobijemo prizmu. nastaje cilindriˇni sloj. . n..

Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. c s c . da mu je gusto´a c ˇ svuda ista.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi .♠ 5 7.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. Zelimo odrediti teˇiˇte izrezanog lika. b]. Promatramo lik omeden pravcima x = a. segmentom [a. yi ). b] na osi x i grafom funkcije f nad [a. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen.326 ˇ POGLAVLJE 7. tj. (Teˇiˇte je toˇka u kojoj. Uzmemo li ˇkare i izreˇemo taj lik. Primjer 7. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. zs zs c ako podupremo tijelo. x = b. dobijemo tanko tijelo.5. ono ostaje u ravnoteˇi. b]. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . 1] −→ R dane formulom f (x) = x2 oko osi y i osi x.

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

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

Iz simetrije je jasno da mora biti xT = 0. i=1 a to u limesu daje My = µ b a xf (x)dx.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. iz Primjera 7. 2 . Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.11).23: Teˇiˇte homogenog polukruga. recimo. Kako je masa promatranog lika jednaka M = µP.5. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . Takoder.ˇ 7. s Primjer 7. upravo xi . zs √ Imamo f (x) = r2 − x2 . yT = 1 2 b 2 a f (x)dx b a f (x)dx . zs s s y r 0 r x Slika 7.

330 ˇ POGLAVLJE 7.26 Sada moˇemo. v) tada su novi momenti jednaki Mx + my i My + mx). za svaki x ∈ [a. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . 2 3π 3 Dakle je 8 Vv − Vu = r3 π. i omedenim pravcima x = a i x = b) raˇuna se po formulama c Mx = 1 µ 2 My = µ b a b a 2 f2 (x)dx − 1 µ 2 b a b a 2 f1 (x)dx. b] takvih da je f2 (x) ≥ f1 (x). 3π r r pa teˇiˇte ima koordinate (0.♠ ishodiˇtu. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa.25. Tada su. x2 + (y − R)2 = r2 . Dakle teˇiˇte je (0. tj. po prvom Guldinovu teoremu. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. 4 π ). volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 π(2(R + )π) = r2 Rπ 2 + r3 π 2 3π 3 1 4r 4 Vu = r2 π(2(R − )π) = r2 Rπ 2 − r3 π. − 4 r ). zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . . ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. po prvom Guldinovu teoremu i Primjeru 7. 3 −r 4r . b]. xf2 (x)dx − µ xf1 (x)dx. R > r.

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

mjereno od osnovice. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . 4 Zbog M = µV = 14 3 R π.24: Teˇiˇte homogenog stoˇca. Primjer 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . dobivamo xT = 4 H. za µ = 1. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. tj. 4 3 Zbog M = µV = 1 R2 πH.♠ z Primjer 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y.♠ 8 π 4 R . 23 dobivamo xT = Mx M .332 ˇ POGLAVLJE 7.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm . y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7.

c c pravca ili ravnine imamo n I= i=1 2 mi ri .. Izraˇunajmo z z c njegov moment inercije s obzirom na os x.. gdje je r reˇena udaljenost... < yn = b. n. Za sustav od n materijalnih c toˇaka s masama m1 . m2 . pravac ili ravninu kao c produkt mase toˇke i kvadrata udaljenosti do zadane toˇke... zs mjesto u kojem smatramo da je masa koncentrirana ima ordinatu si . i µ viˇe ne bi izlazio kao konstanta izvan integrala. . . pravca ili ravnine. Iz fizikalnih razloga uzimamo s µ(x) > 0 na [a. dakle je moment inercije malog pravokutnika aproksimiran s µa∆yi s2 .. Kao i statiˇki moment. i = 1. .ˇ 7. Podijelimo stranicu b. gdje je si ∈ [yi−1 . zove se i polarni moment. Tako smo naˇ s pravokutnik podijelili na male pravokutnike sa stranicama a i ∆yi = yi − yi−1 . b] na osi y.. r2 . a stranica a leˇi na x osi.4 Moment ustrajnosti (inercije) Za materijalnu toˇku mase m definiramo njen moment ustrajnosti.5.5. Masa svakog malog pravokutnika je µa∆yi . Za veliki n je si ≈ xi . Promatramo prvo homogeni pravokutnik sa stranicama a i b smjeˇten u s ravnini tako da mu stranica b leˇi na osi y.. c 7. tj. segment [0. tj. moment inercije je aditivan. ve´ se mijenja kao funkcija koordinate po kojoj c c se integrira. a njegovo teˇiˇte... Zbrajanjem po svim malim pravokutnicima i . mn na udaljenostima r1 . yi ]. c c Piˇemo s I = mr2 . na n dijelova 0 = y0 < y1 < . Veliˇina I se joˇ zove i kvadratni moment. U tom sluˇaju bismo imali c dm = πµ(x)f 2 (x)dx. a ako c c s je s obzirom na toˇku. rn od zadane toˇke. PRIMJENE INTEGRALNOG RACUNA 333 Po formulama koje smo izveli mogu se raˇunati i koordinate teˇiˇta tijela c zs kojima gusto´a nije konstantna. moment c tromosti ili moment inercije s obzirom na zadanu toˇku. b] (µ je gusto´a mase). Pomo´u integrala moˇemo c c z definirati momente inercije i za ravne likove i za tijela.

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

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

.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. Iz ϕ(t) = −r imamo t1 = π. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.♠ 2 Kombinacijom razmatranja iz toˇke 7. moment inercije cijelog kruga obzirom na y os je Iy = Ix . Analogno iz ϕ(t) = r imamo t2 = 0. . 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .5. 5 .336 ˇ POGLAVLJE 7. Oˇito funkcija ϕ : [0. gdje je si ∈ [xi−1 . π] −→ R zadovoljava Teorem 7. 2 2 a onda se interval [a. b] podijeli na male podsegmente [xi−1 .10. n. c Primjer 7.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. dakle je 1 I0 = Ix + Iy = M r2 . xi ].. xi ]. i zbroje se momenti inercije malih valjaka polumjera f (si ). i = 1. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.. Sada iz Primjera 7.8 imamo 1 Ix = r4 π. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. Prijelazom na limes dobijemo gornju formulu. 4 4 4 Takoder zbog simetrije. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. i visine ∆xi = xi − xi−1 .

♠ 15 5 7.. i = 1. n.5. c po Pitagorinu pouˇku. pa uzmimo c s os x. b] na podsegmente [xi−1 . b] eksplicitnom formulom y = f (x).. xi ]. Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .ˇ 7. Duljina luka od toˇke A = (a. Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 . f (xi−1 )) i (xi .5. b] zadana kao graf funkcije f ∈ C 1 [a. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . i gdje je ∆xi = xi − xi−1 ... . PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.. Podijelimo segment [a. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. f (xi )).. Duljina svakog takvog komada je.26: Duljina luka zadanog kao graf funkcije f (x). f (a)) do toˇke c c B = (b. . . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . n. i = 1.

. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).5. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )).6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.27: Ploˇtina plaˇta rotacijskog tijela. . i . Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. s yT = b a f (x) √ 1+[f (x)]2 dx . mase µ.. xi ]. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. i = 1. Dijeljenjem segmenta [a. n.. s 7.. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . .. n. i = 1. xi ].. b] na podsegmente [xi−1 .338 ˇ POGLAVLJE 7.26). b] rotira oko osi x. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.

Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. ako znamo poloˇaj tijela u trenutku t1 = 0. i = 1. gdje je si ∈ [xi−1 . . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. Primjer 7.5.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . xi ].ˇ 7. Toˇnije.. Teorem 7.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .26). Ovdje smo s ds oznaˇili diferencijal luka. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .. . To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. n. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.5. tj. c ds = 1 + [f (x)]2 dx.31 Izraˇunajmo oploˇje kugle.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka..♣ s zs 7. ploˇtinu sfere polumjera r.

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

F = −kx.ˇ 7. Problem rjeˇevamo tako da izraˇunamo masu vode u sloju izmedu s s c dubine x i x + ∆x te rad potreban ze njeno podizanje do povrˇine. Konstanta k nam nije zadana u ovom primjeru. b]. s Primjer 7. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Ako sila nije konstantna. b] z z b W = a F (x)dx.5. onda je b W (h) = a F (x)dx. Odavde odmah slijedi da je rad sile F (x) na putu [a. rad) biti kvadratna funkcija pomaka x.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini.33 Jarak duljine 10 m. Primjer 7. no nije ni bitna. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. To je formula dobivena integriranjem konstantne sile mg od 0 do h. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. Tada ´e njen integral (tj. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. tj. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. pri ˇemu je g ≈ 9. i nakon toga s . Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. ako se masa tijela mijenja.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 .

Integriraju´i doprinose svih dubina c od 0 do h = 1 m. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .342 ˇ POGLAVLJE 7. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.33. s x 0 y h Slika 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka.29: Jarak iz Primjera 7.83 J. .30: Jarak iz Primjera 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. duljina jarka je 10 m. a debljina sloja je dx metara). ˇirina c s 2(1 − x) m. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.

c c c smanjenje zbog utroˇka goriva. Dakle je K = P R2 i F (x) = PxR . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici.5.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. mz i G konstante. Polaze´i od te formule s c mogu´e je izraˇunati ukupnu silu kojom teku´ina djeluje na stijenke posude i/ili c c c na objekte s kojima je u kontaktu. mp masa projektila i G univerzalna gravitacijska konstanta). sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. z z Primjer 7. c z s 2 K F (R) = R2 = P .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. Za x = R imamo teˇinu tijela na povrˇini Zemlje.34 Koliki je rad potreban uloˇiti da se tijelo (npr. projektil) teˇine P podigne na visinu h iznad Zemljine povrˇine? s Ako h nije zanemarivo malo u usporedbi s polumjerom Zemljine R ne smijemo viˇe uzimati g kao konstantnu veliˇinu. po definiciji. Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. gdje smo s c K oznaˇili K = Gmz mp . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . No ta sila je. upravo teˇina z K tijela. imamo F (x) = x2 . Uzimaju´i da su mp . Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 .♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. tj. (Ovdje je mz masa Zemlje. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja.ˇ 7. s z Primjer 7.

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

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

Sign up to vote on this title
UsefulNot useful