Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . .5. . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . c 6. . . . . .3 Metode integriranja . . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . . . . . . . . . . .5 Primjene integralnog raˇuna . 6. . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6.1. . . . . . . . . . . . . . . .2 Svojstva odredenog integrala . c 6. . . . . . . . . . . . . . . . . . . . . 6. .2 Odredeni integral . . c 6. . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . .4 Nepravi integral . . . . .5. .1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7.5. . . . . . . . . 6. .8 Primjene derivacija .2 Neodredeni integral . s 7. . . 6. . . . . . . . . 7. . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . . 7. . . . . . . . . .1 Motivacija . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . . . . . . . . . . . . .1.6 Neodredeni oblici .1 Povrˇina lika u ravnini .7 Raˇunanje limesa . . . . . . . .1. . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . c 6. . . .2 Derivacija funkcije u toˇki . . . . . . .1. . . . . . . . . . . . . . . . . . . 6. . . . . . 7. . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . .1. . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . . . .6 Derivacije viˇeg reda . . . . . c 7. . . . . . . . . . . s 7. . . . . . . . . . . . . . . . . . 6. . . . . . . . .5 Neprekidnost i limes . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . .1 Primitivna funkcija . . . . . zs 7. zs 7. 7. . . . . . . . . . . . . . . . . . . . . . .2. . . . . . .3 Neprekidnost elementarnih funkcija . .1 Motivacija . . . .2. . . . . .Leibnizova formula . . . 7. . .2. . . 7. . . . . . . . . 7. . . 215 215 215 217 219 222 226 228 230 234 234 237 238 240 246 250 252 261 273 273 273 275 277 293 293 301 308 312 319 319 321 326 333 337 338 339 . . .7 Primjene u fizici . . . . . . . . . . . 7. . . . .4 Raˇunanje derivacija . . .1. . c 6. . . . .2. . . . . . . . . .2 Derivacija funkcije . . . . . . . . . . . . . . . .3 Teˇiˇte . . . . . . . . . . . . . . . . . c 6.vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . .3 Derivacija funkcije .2. . .5. . . . . .1 Neodredeni integral . . . . . .5. . . . . .5. .2. . .2. . .2. 7. . . . . . . . . . . . . . . . . . . . . .6 Povrˇina rotacijske plohe . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . . . . 6. . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . .2. . . . . . . . . . . .1. .1 Neprekidnost i graniˇne vrijednosti . . s 6. . . . . . .3 Newton . . .

Razumljivo je. 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. 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. ispriˇat ´emo vam priˇu. c Predaje se. ona se rijetko postavljaju javno i naglas .Uvod Zaˇto (i kako) treba uˇiti matematiku? s c Matematika je nezaobilazan dio programa na svim tehniˇkim fakultetima. zs c MobiFon i TeleZvon. c c c c Na nekom trˇiˇtu za pretplatnike se nadme´u dvije tvrtke mobilne telefonije. tradicionalno. da je tako uvijek bilo i z c da nije mogu´e biti dobar inˇenjer ne znaju´i matematiku. MobiFon nudi usluge uz mjeseˇnu pretplatu od 200 kn c i cijenu razgovora od 1 kn/min.5 kn po kilometru. uop´e. stoga. TeleZvon traˇi 0 kn mjeseˇne pretplate. ponekad i nepremostivu prepreku na putu do stjecanja akademskog stupnja. na prvim godinama i mnogim studentima predstavlja ozbiljnu. ali z c minuta razgovora napla´uje se 2 kn.studenti se ne ˇele dovesti u z poloˇaj da im se s visoka odgovori kako je to jasno. dok tvrtka DojdiMi z s napla´uje 800 kn za poˇetak i 0. 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. 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. oˇito. treba? Zaˇto moramo ulagati puno truda i vremena u uˇenje c s c stvari koje nisu ono ˇime se u ˇivotu ˇelimo baviti? I zaˇto nam te stvari. Tvrtka OdiMi traˇi 400 kn za vozilo i joˇ 1 kn po prijedenom kilometru. Za poˇetak. ako c z z s nam i trebaju.

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

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

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

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

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

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

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

Primijetimo da iz Definicije 1.1 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).Poglavlje 1 Vektorski raˇun c 1. 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. ukljuˇivo P i Q. Q ∈ E. c Definicija 1. c s c njegovi elementi su toˇke. temperatura itd. sila.1 Neka su dane toˇke P. akceleracija itd. giba li se prema nama ili od nas. 9 . duljina. i ako jesmo.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina. Treba nam i podatak jesmo li na pravcu kojim se kamion giba. dok nam za vektorske veliˇine treba viˇe realnih brojeva.1 direktno slijedi da je P Q = QP .) Takve c veliˇine zovemo vektorskima. Duˇina P Q je skup svih toˇaka c z c c pravca kroz P i Q koje se nalaze izmedu P i Q. U ovom c s ´emo poglavlju opisati matematiˇke koncepte i tehnike koje nam omogu´uju c c c efikasno matematiˇko modeliranje vektorskih veliˇina.♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj. Temeljna je razlika izmedu skalarnih i vektorskih c veliˇina u tome ˇto nam je za matematiˇki opis skalarne veliˇine dovoljan jedan c s c c realan broj.

Poˇetak joˇ c c c s zovemo hvatiˇte.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q .10 ˇ POGLAVLJE 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. tj.2 slijedi da je op´enito P Q = QP . Q) =| P Q |. jer imaju razliˇite poˇetke i c c c krajeve. s Q P P Slika 1. Q Q’ P P’ Slika 1. z z Q − → − → Iz Definicije 1. − − → −→ Definicija 1. do na translaciju prostora)? z 1.1: Duˇina i usmjerena duˇina. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. c . tj. intenzitet). VEKTORSKI RACUN − → Definicija 1. jedna od njih je poˇetak P a druga je kraj Q.2: Jednakost vektora.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. Duljinu − → − → vektora P Q oznaˇavamo s d(P.

uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Za vektor P Q kaˇemo da je orijentiran od P prema Q. 11 − → 3. onda c a − → − →. Pogledajmo sada neka svojstva nul vektora: c − → 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Tada je c − − → − = OB.3). Iz a Napomene 1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. → Napomena 1. Sada samo izaberemo orijentaciju koja nam treba. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. → c . Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. P = Q. z kolinearan je sa svakim vektorom). c 2. Napomena 1. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Oˇito je | 0 | = 0. 3. → → → − − → − 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 . Preciznije. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer.2 znamo da takve toˇke A i B postoje i da su jedinstvene. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.3).2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . poˇinje u P a z c zavrˇava u Q. tj. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.1.1. tj. Vektor kod kojeg su poˇetak i kraj jednaki. B ∈ E takve da je OA = − i AB = b .

♣ B b a+b a b 0 A a+b a b Slika 1.12 ˇ POGLAVLJE 1.4: Pravilo trokuta i pravilo paralelograma. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − → → − → → → → − 3. Vektor a zovemo suprotni vektor vektora a c − → −.3 Za bilo koje tri toˇke P. − → − → − → Napomena 1. VEKTORSKI RACUN R a G Slika 1. c Teorem 1. O. − + b = b + − (komutativnost). i oznaˇavamo ga s → 0 . Q ∈ E vrijedi P Q = P O + OQ. → a =−a → − → → → − a a 4. (− + b ) + − = → + ( b + − ) (asocijativnost). − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1.3: Motivacija za definiciju zbrajanja vektora. a c a c → − → → → − → a a a 2. .

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

uz pretpostavku − = 0 . za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). 2. a a a − → 3. b ∈ V je a + b ∈ V . → od vektora a Teorem 1. za sve a. a suprotnu orijentaciju a − za λ < 0. λ(µ→) = (λµ)− (homogenost). 1 · − = → (postojanje jedinice). λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).1 i Teorema 1.5 nigdje ne govori o geometrijskim veliˇinama. 3. Primjetimo da se u Definiciji 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. Elemente od skupa V zovemo vektori.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. onda. − → → → → − Ako su vektori − i b kolinearni.♣ a a Definicija 1.5 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. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).2. a a → → → 2. c Vratimo se sada Definiciji 1. postoji pravac a a . VEKTORSKI RACUN → 3. Neka je dan polupravac (zraka) s poˇetkom u O. koji ima istu orijentaciju kao vektor − za λ > 0.14 ˇ POGLAVLJE 1. a a → − 4.

a a .1. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. b ∈ XO (E) i λ ∈ R. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. (λ.2. onda je |− | = 0. Kako je → = 0 . pa moˇemo a a a z − → − = a . (Usporedimo ovo s Definicijom 1.2 Vektorski prostor XO (E). z → − → − → → → Neka su sada − . A. Bijekcija je konstruirana na prirodan naˇin. B ∈ E na p takve da je − = OA. − → 2. 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 − . b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. b = OB. (− . Imamo da je c a − → → b = λ− . gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. VEKTORSKI PROSTOR XO (E). svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E.1). vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. tj. → →→ te vrijedi a a a0 1. a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− .4). tj.

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

3 je jasna.. b bilo koja dva linearno nezavisna vektora iz XO (M ).7.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. → ∈ XO (E) jednak nul veka1 a2 an toru.. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .. takav rastav je jedinstven.5 Ako su − . Ako je barem jedan od vektora − . − i − .4 Ako su − .♣ . z → − − 3. ♣ Tvrdnja Teorema 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. .1. pa z z slijedi da su oni linearno nezavisni. VEKTORSKI PROSTOR XO (E). →. c − → → a 4. Teorem 1. Stoviˇe. on se ne moˇe izraziti kao njihova linearna konbinacija. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. →. → → − → Teorem 1. Ako su − . Stoviˇe. c − → − Napomena 1. b ∈ XO (E). Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . b i − tri linearno nezavisna vektora iz XO (E). onda su oni linearno zavisni ako i samo ako su kolinearni.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. jer se nalazimo na pravcu.3 slijedi iz Napomene 1. → → − Teorem 1. e1 e2 e3 z Tada su oni linearno nezavisni.♣ → a s Jednostavna posljedica Teorema 1. → ∈ XO linearno zavisni. Ako imamo dva vektora − .♣ → → → ˇ s a b c Iz Teorema 1. taj rastav je jedinstven.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.. .. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .2. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.8 Neka su →. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. onda su ti vektori linearno zavisni..

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

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

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

Iz Tablice 1. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Svaka tri vektora − → → → (− . − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b .5.8: Uz definiciju skalarnog produkta.1 vidimo da su vektori i . j . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. rezultat produkta vektora c − → mora biti skalar. − − − → → → Pogledajmo sada jediniˇne vektore ( i . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. j . k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). b . j .1.3). iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. onda je → · b = 0. kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. i ) je druga takva baza). Kako je rad skalarna veliˇina. b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). Primijetimo da ( i . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). ( k . Skalarni produkt vektora − . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E).) Ako je barem jedan od vektora → i b → − − nul vektor. a c c . j . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . s − → → − → → − − → → Definicija 1. Osim toga. SKALARNI PRODUKT 21 produkt dvaju vektora. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. pa kaˇemo da je ( i . (Uzimamo 0 ≤ ϕ ≤ π. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. k ) − − − → → → nije jedina takva baza (npr. j .8 Neka su − = 0 i b = 0 .

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

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

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

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

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. x= αd − βb . drugu s −a i zbrojimo ih. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. 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. dobijemo z z (ad − bc)x = αd − βb. a koristan je z i pri radu s vektorima. a b A= . 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. odnosno. VEKTORSKI RACUN 1. ad − bc S druge strane. i 3.determinante matrica 2.26 ˇ POGLAVLJE 1. z z dobijemo αc − βa βa − αc y= = . Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. za ad − bc = 0. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica.6 Digresija . ako prvu jednadˇbu pomnoˇimo s c. Ako pomnoˇimo prvu jednadˇbu s d. drugu s −b i zbrojimo ih. .

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

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

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

ako je D < 0. onda nisu. Dakle. − → − → → − − → j = b1 i + b2 j + b3 k . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O.30 ˇ POGLAVLJE 1. k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). k : z − → − → − → − → i = a1 i + a2 j + a3 k . j . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . j . c1 c2 c3 Ako je D > 0. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Prikaˇimo i . onda su S i S (odnosno njihove baze) jednako orijentirani. Definicija 1. − → − → − → − → k = c1 i + c2 j + c3 k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). z Napomena 1. j . i . onda se z orijentiranost od S i S ispituje analogno. pomo´u determinante pripadaju´e c c matrice. → → a b i j k . k ) pravokutni normirani c c → → − desni koordinatni sustav. tj. j .10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). 1.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . k preko i . i .4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. i . k ) i S = (O .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. j .

c c z Teorem 1. → × b = −( b × − ) a a (antikomutativnost).7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .♣ → a . imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. → → → − → → − (a b c a c b c − − → → − → 3.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. i ϕ = 0 ili ϕ = π. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . neka je − × b = 0 . → × ( b + − ) = − × b + − × − .1. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).8. Kako je − · b = |→|| b | cos ϕ. a c → i → kolinearni. tj. pa je cos2 ϕ = 1. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . Dakle a − → − i b su kolinearni. a a a Napomena 1. − → → → − → − → → 2. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ).6. a → − → → → → − → − → − Obratno. Tada je |− × b | = 0. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Neka su sada oba vektora razliˇita od nul vektora. pa desna strana formule za duljinu vektora − × b iˇˇezava. − → − → |a a sc a b → − → → − pa i − × b = 0 .♣ Primijetimo da tvrdnje Teorema 1. Zbog − · − = |→||− | cos ϕ. Tada je |→ × − | = 0. c Dokaz: − → → Ako je barem jedan od vektora − . kao saˇeti zapis. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. b nul vektor. jer je nul vektor kolinearan sa svakim vektorom. ϕ = 0 ili ϕ = π. Po pretpostavci je |→| = 0 i | b | = 0.

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 . (− . VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. − − − → → → Neka je (O. 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. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . j . k ) pravokutni normirani desni koordinatni sustav.32 ˇ POGLAVLJE 1. Izraˇunajmo sada determinantu D (opisanu u toˇki 1. k ). Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . . Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. Pitanje je sad je li − × b orijentiran. i . b . tj. a a → → − Neka su − i b nekolinearni. prema ”gore” ili prema a ”dolje”? ax b b a Slika 1.7). iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. − × b ) c a a a a → → − je jedna baza.12: Vektorski produkt. a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. j .

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

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

ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. z → − − − a c Napomena 1.17 Za vektore − . jer je a a c → − − → |→ · b | = |− || cos ϕ|. onda − → − Obratno. − . a a .9. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. b . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. a a − → → − → − − → − 2. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. → komplanarni.ˇ 1.16 oni su linearno zavisni. b .16 Vektori →. pa kako je − okomit na b × − .♣.14: Mjeˇoviti produkt triju vektora.6. kako je a c → − − → → − − → − · ( b × c ) = 0. − . b = 0 i → = 0 . MJESOVITI PRODUKT 35 bx c a c b Slika 1. pa tvrdnja slijedi a c iz svojstava determinante 3. gdje je |→| baza. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . vektorsko mnoˇenje i mjeˇoviti z z s produkt. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . Tada je: → → → a b c → − → − → − − → 1. s → → − → Definicija 1. b . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − .4 i 5 iz toˇke 1. − ∈ XO (E). − → − i samo ako su a b c − → → → Ako su − . Tada. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. b . zakljuˇujemo da su vektori → i b × c okomiti. |→ × b | je povrˇina paralelograma razapetog s → i b . → − → − → → → → Napomena 1. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − komplanarni po Napomeni 1.11 Za vektore − . Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . Pretpostavimo zato da su − = 0 . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. a | b | sin ϕ visina paralelograma.

Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. − ). Neka je dan − ∈ XO (E) i neka je (→. Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. − | b × c | je povrˇina baze. P1 . P1 P4 . Tada je volumen paralelepipeda razapetog s P1 P2 . 2. P3 . Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). − . 2.18 Neka su dane toˇke Pi = (xi . i . − .♣ 1 6 volumena paralelepipeda . jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). P3 . 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 . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. k )). 3. zi ) i = 1.36 ˇ POGLAVLJE 1. 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . 2. |− ·( b × →)| je volumen paralelepipeda razapetog s − . − . 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 . yi . VEKTORSKI RACUN → → → − − → − → → 3. 3. Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . P1 P4 . P1 . b . a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . imamo tvrdnju. 3. − − → a b c Napomena 1. P3 . j . Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1.

3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. B B 37 . i . B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. 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.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. Ta jednadˇba opisuje neki skup toˇaka u ravnini. Takav analitiˇki opis ne ovisi o geometrijskom zoru. onda za c proizvoljni x0 imamo C A y0 = − x0 − . j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. pri ˇemu su A. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0.Poglavlje 2 Analitiˇka geometrija c 2. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . taj skup je neprazan.1. c c s 2. Ako je B = 0. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru.

ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . c n Zaista.1: Pravac u ravnini.y ) 0 0 (x . onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. . onda − i → nisu okomiti. → − r n → − → → Ako toˇka (x. s c z Joˇ se naziva i implicitna jednadˇba pravca. y) leˇi na pravcu p. c p n r (x . tj. s z z Napomena 2. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. Definicija 2. tj.1 Ako imamo dvije jednadˇbe. ako toˇka (x. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. Ax + By + C = 0 i A x + B y + C = 0.38 ˇ POGLAVLJE 2. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . vrijedi Ax0 + By0 + C = 0. y0 ) okomit na vektor − = A i + B j . − · − = c z r n r n 0.y) Slika 2. B = tB i C = tC.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. 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. pa zbog okomitosti imamo − · → = 0. y) ne leˇi na pravcu p. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0.

B = tB i C = tC. z → 2. jer je tada vektor − oblika n − → →=Ai. Ako je A = 0. c Obratno. Oˇito je (x0 . − n 4.2. Dobijemo z B A x + −C y = 1. postoji t ∈ R takav da je n = t− . − n → 3. n n 2. 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. onda pravac prolazi kroz ishodiˇte. jer je toˇka (0. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . 0) rjeˇenje s c s jednadˇbe Ax + By = 0.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. jer je (0. onda je pravac paralelan s osi y. jer je tada vektor − oblika n − → →=Bj. znaˇi z c da prolaze kroz istu toˇku (x0 . Dakle → → r i j n i j n i j → − − → − i n kolinearni.1. → → Ax = 0 i vektor n n i 5. onda je pravac os x. Ako je A = C = 0. onda je pravac os y. pa imamo tvrdnju. ako postoji t ∈ R takav da je A = tA. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. nepotpune obc z like): 1. tj. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Odatle je A = tA i → → su vektori n n B = tB. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . y0 ) i da je za svaku drugu toˇku (x.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. Ako je C = 0. jer je (0. C −A −B . Ako je B = C = 0.1. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Ako je B = 0. onda je pravac paralelan s osi x.

1.40 ˇ POGLAVLJE 2. pravac prolazi kroz toˇke (0. z z Uoˇimo sljede´e: ako je x = 0.2: Segmentni oblik jednadˇbe pravca.y 1 ) Slika 2. z 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).3: Kanonski oblik jednadˇbe pravca. imamo A x a + y b = 1. b) i (a. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. onda je y = b. c c y b a 0 x Slika 2. z p s=mi+nj P1 = (x 1. z . 0). a ako je y = 0. onda je x = a. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. c c tj.

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

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

tj. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.2. c 43 n ˇ Uzeli smo da je k = m . tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . 1]. tj.1.1. imamo k = tg ϕ. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. P = (x. l). π] takvi da je a = cos ψ − i b = cos φ. 2. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. c c s − → − → → d = |OP0 |. y) leˇi na pravcu p ako i samo ako je z − · − = d. Povucimo sada kroz O pravac q okomit na p. z Jasno je da su a.3 Za x = 0 imamo y = l tj. n c y q n θ P0 x r P p 0 Slika 2. PRAVAC U RAVNINI Napomena 2. a2 + b2 = 1.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy).5). → → r n Jednadˇbu − · − = d. φ ∈ [0. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. n − → → Toˇka P = (x. pa tada postoje ψ. odnosno z → → r n x cos ψ + y sin ψ = d . n Kako je tg ϕ = m .6: Normirani oblik jednadˇbe pravca. Neka je − = a i + b j jediniˇni vektor na pravcu q. pravac prolazi toˇkom (0. b ∈ [−1. s vektorom i ). y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.

1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y.2 2.44 ˇ POGLAVLJE 2. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. dakle mora biti tA = cos ψ. predznak od t je jednak suprotnom predznaku od C). tB = sin ψ.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. Stoga je t= 1 √ . Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. 2. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. tC = −d. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. z . −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. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. postavlja se pitanje kako prona´i njegov normirani oblik.2. po Napomeni 2.

5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . tj. .ˇ 2. −1 → Neka je ϕ kut izmedu → i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2.2. A2 B2 → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . → → kolinearni. 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. 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 − . → n i j 45 Definicija 2. ako i samo ako je A1 A2 + B1 B2 = 0.

.46 b) Kanonski oblik: ˇ POGLAVLJE 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 . − → 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 . s1 s2 odnosno ako i samo ako je n1 m1 = .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ako i samo ako postoji λ ∈ R takav da je − = λ− . m2 n2 → → Napomena 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . ako i samo ako je m1 m2 + n1 n2 = 0. tj. → → Napomena 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − .

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

c Definicija 2.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. ANALITICKA GEOMETRIJA Napomena 2.48 ˇ POGLAVLJE 2. To je ekvivalentno s 1 k1 = − . Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . ako i samo ako je ϕ1 = ϕ2 .7).2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . Neka je pravac p dan u c c normiranom obliku. Zanima nas udaljenost c toˇke P0 od pravca p. tj. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. sa suprotne strane od ishodiˇta) jer je tada n s . Izraˇunajmo sada udaljenost toˇke P0 od pravca p. k2 2. y0 ) i pravac p u ravnini. 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. x cos ψ + y sin ψ = d.5.1.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . 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. odnosno ako i samo ako je 1 + k1 k2 = 0. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . 2 ako i samo ako je tg ϕ = ∞. tj. s Napomena 2.2. p) = x0 cos ψ + y0 sin ψ − d. odnosno ako i samo ako je k1 = k2 . − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Napomena 2.

c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku.ˇ 2. udaljenost toˇke P0 = (x0 . 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. eksplicitni). onda iz toˇke 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. tj. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . p) < 0.1. y0 ) od pravca p je c d(P0 . p) = |Ax0 +By0 +C| √ .2. p) = |x0 cos ψ + y0 sin ψ − d|. pravac kroz dvije toˇke. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . a2 +b2 x y + = 1. kanonski. p) ≥ 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. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. y0 ) od pravca p je c d(P0 . A2 +B 2 Ax0 + By0 + C √ . p) = |bx0 +ay0 −ab| √ . odnosno bx + ay − ab = 0. a b . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 .1 c z c (segmentni. p) = odnosno d(P0 .

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

Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. xs = . Npr.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. zovimo je S = (xs . identiˇni su. c 2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. 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 1.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. paralelni su. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. tj. poklapaju se.8: Mogu´i poloˇaji pravaca u ravnini. c z U sluˇaju da se sijeku u jednoj toˇki.2. ys ). sijeku se u jednoj toˇki. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. 3.2.ˇ 2.

2. Osim udaljenosti. onda su p1 i p2 paralelni. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) = x0 cos ψ + y0 sin ψ − d. 2. . Vrijedi i obrat. ako su p1 i p2 paralelni.2.11 Ako je A 1 B1 A 2 B2 = 0.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2.4). Napomena 2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p)|.52 i ˇ POGLAVLJE 2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . onda je A 1 B1 A 2 B2 = 0. p) i δ(B. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) suprotnog predznaka. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .

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

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

2. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . → → → a i + b j + c k . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.9: Pravac u prostoru.3. 2. PRAVAC U PROSTORU 55 2. z) = (x0 + ta. y0 . z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y. Tada imamo P0 P = − − − . Neka c z s −→ → → − − radij-vektor toˇke P .3 2.3. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. y. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. y0 + tb. . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. z0 + tc).3. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. → − → r r0 s p ts P0 r 0 s r0 Slika 2.1 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).2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .

Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c .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. z c s 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . z Napomena 2. y = y0 + tb. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . j i k dobivamo kanonske jednadˇbe pravca. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . b.3. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c) odnosno a. z0 ) i 2.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . y0 . c su koeficijenti smjera pravca p. Kako su vektori baze linearno nezavisni. Prema s z Napomeni 1. z s Napomena 2. b. vektor smjera pravca p je dan s (a. pravac p prolazi toˇkom (x0 . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . 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 . ANALITICKA GEOMETRIJA x = x0 + ta. .56 Jednadˇbe z ˇ POGLAVLJE 2.

i njihov omjer daje koeficijent smjera (toˇka 2. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. − . onda znamo da je vektor → s a b c 1 → s0 = − − = − .3.2. c s → Iz toˇke 1. s 2. Odredimo njegovu jednadˇbu. c). Uzmimo sada npr. →| |s b cos β = − . istog smjera i orijentacije kao i →. z1 ) i P2 = (x2 . c c Tada kroz njh prolazi jedinstveni pravac p. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. z Znamo iz toˇke 2.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. − → z definirajmo s P c s − je vektor smjera pravca p. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .3. − →| s →| |→| |→| |s |s s s − jediniˇni. Zbog komplec mentarnosti.3.6). PRAVAC U PROSTORU 57 → Posebno. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .1. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. tj. 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. pa odreduje isti pravac.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). −| |s Dakle koeficijenti smjera a.5 i toˇka 2. c) je dana s x y z = = . odnosno postoje c s0 α. y1 . Sada imamo da je → = P1 P2 = → − →. γ ∈ [0.5 znamo da postoje kosinusi smjera vektora − .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z2 ) u prostoru. π] takvi da je a cos α = − . y2 . → − → → r r1 r2 r1 . b. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . onda ima dva kosinusa smjera. b.3. b. jedan kosinus smjera prelazi u sinus. pa iz toˇke − − s r2 c s r2 r1 c 2. β. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.1. →| |s c cos γ = → .

c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . z0 ) s vektorom smjera − = (a.10: Pravac kroz dvije toˇke u prostoru. uz oznake m = a c i m1 = − a z0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). 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. 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 c c . c x = mz + m1 . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. b.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . c c c odnosno. y0 . Analogno.3. ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. y = y1 + t(y2 − y1 ).58 ˇ POGLAVLJE 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 . z b c .3.14 Iz toˇke 2. z y=nz+n 1 x =mz+m 1 y 0 x (m .3.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .2. uz oznake n = b c b i n1 = − c z0 . 59 y = nz + n1 . + n2 + 1 cos γ = √ m2 1 .11: Pravac zadan dvjema projekcijama. + n2 + 1 cos β = √ m2 n .n ) 1 1 Slika 2. b. Dakle. Napomena 2. PRAVAC U PROSTORU odnosno. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. vrijedi x−m1 m = y−n1 n = z. + n2 + 1 2. y0 .3. Tada za svaki izbor a.

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

To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . → → radij-vektora r n c P . z redom (tj. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.4.3 ). pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. γ kutovi c → zatvara s pozitivnim smjerovima osi x. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. 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. → n Posebno. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. RAVNINA U PROSTORU 61 2. Povucimo okomicu iz toˇke O na ravninu Π. s vektorima baze −0 ˇto ih n s − − − → → → i . → → r n . ako Π prolazi kroz ishodiˇte (tj. Neka je −0 = OP0 c c n p −→ − (tj. k iz toˇke 1.13: Normalni oblik jednadˇbe ravnine. j .1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. β. → 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.4 2. toˇku O). a vektor z −0 zovemo normala ravnine Π. onda je p = 0. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine.4. P0 d r π n0 0 M Slika 2.2. y.

B. Kako je d. → ako je M s one strane Π na koju pokazuje −0 .2. 0). c). y. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. 2.4.62 ˇ POGLAVLJE 2. B = (0. iz normalne jednadˇbe ravnine imamo. a c kako M leˇi u Π . n − → → OC · −0 = p.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. Kao i kod pravca (toˇka 2. n . C = c (0. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. z − − → OA · → = p. 0).2. z1 ) ∈ E proizvoljna. 0. z). 0. udaljenost ravnine Π od ravnine Π . b. n0 − − → → OB · −0 = p.2.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Nadalje. Imamo neˇto analogno otklonu iz toˇke 2. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. 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. redom. Za toˇke s druge strane bit ´e n c c d < 0.16 Ako toˇka P ∈ E ima koordinate (x. y1 . ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . y. z. c c Sada. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. neka su toˇke A = (a. r n Napomena 2. jer je duljina okomice do Π jednaka p). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. c Neka je M = (x1 . Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. u stvari.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. Napomena 2. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. C ∈ Π. kako su A.

B. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). Bez smanjenja op´enitosti. b cos β = p. p p p cos α = . z 2.4.2. a cos α = p. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. y0 .4. z Dakle. c C C Tada postoji toˇka (x0 . cos γ = . C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 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. tj. z = − C x − B y − D . neka je C = 0. cos β = . .3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. Odatle. c cos γ = p.14: Segmentni oblik jednadˇbe ravnine. 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.

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

ravnina prolazi kroz ishodiˇte. z1 ) ∈ E. s → 2.20 Neka je dana toˇka M = (x1 . C C C A z Oznaˇimo a1 = − C .17. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. pa imamo cos γ = 0. Ako je C = 0. onda normala − = (A. RAVNINA U PROSTORU predznaka od D.2. s c A2 +B 2 +C 2 Napomena 2. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. Napomena 2.4. tj. istog su smjera n n → c n i orijentacije. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. k ). Stoga ´emo i vektor − zvati vektor normale. c onda je A B D z =− x− y− . tj. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. y1 . R cos γ = C .4. Tada je. Π) = |Ax1 +By1 +Cz1 +D| √ . Dakle imamo cos α = 65 A . z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. onda je oˇito da O = (0. B. b1 = − B i c1 = − D .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . B. B.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. R → → Vektor normale −0 je normirani vektor − = (A. R cos β = B . C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. c . onda su koordinate A. 0. nepotpune obc z like): c c z 1. po c Napomeni 2. 0) nema komponentu u smjeru n − → osi z (tj. C). A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Ako je D = 0. pa odreduju istu ravninu.1).

4. ravnina je paralelna s koordinatnom ravninom Oyz. 0. Varijable u i v zovemo parametri. imamo samo tri nezavisna. ravnina je paralelna A s koordinatnom ravninom Oyz. z → 3. odnosno x = − D . z → − a vektore − i → vektori smjera. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. − i − su komplanarni). Ako je B = C = 0. Imamo Ax + D = 0. C koji je razliˇit od nule. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. s1 s2 . z c c 2. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. B. 4. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. ravnina prolazi kroz ishodiˇte s a prema 3. onda prema 1. onda normala − = (A. 0) ima komponentu samo u n smjeru osi x.16: Ravnine u posebnim poloˇajima. c Od ˇetiri parametra. Ako je B = C = D = 0. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . B. A. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . C i D.66 z ˇ POGLAVLJE 2.4 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. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − .

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

toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. Po Napomeni 1. y1 . P2 . Dakle.4.16. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). 2. P1 P2 . P2 = (x2 . → komplanarni.4. z2 ). P3 = (x3 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. 2. P2 . 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 . z3 ) u c prostoru takve da ne leˇe na istom pravcu.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.68 ˇ POGLAVLJE 2.5. Kao i u toˇki 2.5 2. − .4. P3 ne leˇe na istom pravcu. ako i samo ako su P0 P . Po Napomeni 1. y3 . s1 . P1 P3 komplanarni.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 . ANALITICKA GEOMETRIJA −→ → − − odnosno. z1 ). P3 (uzmemo npr. y2 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P2 . 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. vektori s1 s2 −→ → − − − → P0 P . Kako toˇke P1 .

2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. 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. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . Ravnine se podudaraju. Teorem 2. 3. tj. tj. −1 → Napomena 2. B2 . C2 ). imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . ♣ . Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. B1 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.5. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se sijeku u jednom i samo jednom pravcu. odnosno ako → → kolinearni. Ravnine se ne sijeku.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . C1 ) n → i −2 = (A2 . ako i samo ako je −1 · −2 = 0.2. 69 −1 Definicija 2.

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

c) i − = (A. B. tj.2. 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. b. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . 2. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0.5.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . z nepoznanice). s jedna toˇka. b. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). → → s n . ∆ . z Definicija 2. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .5) i koordinate su mu c c ∆x ∆y ∆z ∆.4.5. toˇka 2. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. C). ∆. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. y. paralelne su). onda je presjeciˇte jedinstveno (tj.

odnosno ako → − kolinearni.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. − Anm1 +Bnn1 +Dn + n1 .25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. z c c s z0 = − Am1 + Bn1 + D . tj. i ravnina Π s Ax + By + Cz + D = 0.72 ˇ POGLAVLJE 2. B. C) dan s cos( π − ϕ) = 2 − ·− → → s n aA + bB + cC →||− | = √a2 + b2 + c2 √A2 + B 2 + C 2 − → |s n i kako je cos( π − ϕ) = sin ϕ.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . → Napomena 2. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. Am+Bn+C Am+Bn+C Am+Bn+C . tj. ako i samo ako je − · − = 0. c) i − = (A. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. tj. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. 2. ako je π − ϕ kut izmedu − = (a. b. c) i − = (A. → → s n Kako je kosinus kuta izmedu − = (a. B.5. − Am1 +Bn1 +D . ANALITICKA GEOMETRIJA → → Znaˇi. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . b.

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 . y1 − b Ax1Aa+Bb+Cc+D . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. tj.28 Ako ne postoji takav t koji je konaˇan. y = y1 + bt. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .2.5.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. tj. y0 . Aa + Bb + Cc Napomena 2. z = z1 + ct. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. ako nema konaˇnog z koji je rjeˇenje. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.5. a druga je uvjet paralelnosti pravca i ravnine. z z . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Ax1 + By1 + Cz1 + D . z1 − c Ax1Aa+Bb+Cc+D .5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. 2.

2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. y2 . z2 ) s vektorima smjera − = (a1 . → → 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 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Pravac i ravnina se ne sijeku. Pravac je sadrˇan u ravnini. Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. y1 . z1 ) odnosno c → → P2 = (x2 . → → s1 s2 p 2 p 1 Slika 2.5. c2 ). b1 .18: Mimosmjerni pravci.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). Pravac i ravnina se sijeku u samo jednoj toˇki. c c c 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). .74 ˇ POGLAVLJE 2. Definicija 2. ANALITICKA GEOMETRIJA Teorem 2. 3. c1 ) odnosno − = (a2 . b2 . c 2. s1 s2 redom.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).

7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .5). tj. ako i samo ako postoji λ ∈ R takav da je − = λ→. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. z= 1 m−m n−n . 2. 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 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. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. c c z → s1 Napomena 2. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.3.5. → Napomena 2. tj.5. ako i samo ako je → · − = 0. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.2. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .

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

3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci su mimosmjerni. ne leˇe u istoj ravnini. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z c 4. pa nema presjeciˇta.5. c =0 . z 3. Pravci se podudaraju. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. 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 . ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5.6 na gornju determinantu (tj. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija.2. z 2. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni).29. imamo isti pravac. Ako su sva tri redka proporcionalna. z Moˇe se desiti da su oni paralelni. Prema Napomeni 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pravci leˇe u istoj ravnini i ne sijeku se. ˇetvrti sluˇaj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. iz toˇke 1. Teorem 2. i 6. tj. Pozabavimo se sluˇajem mimosmjernih pravaca.

p1 leˇi u ravnini). b2 .78 ˇ POGLAVLJE 2. kako p1 leˇi u Π i Π je paralelna sa p2 . = 0.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z1 ) i paralelna je sa − = (a1 . a2 b2 c2 Definicija 2. y1 . y1 . y2 .5. imamo da Π prolazi z → → kroz P1 = (x1 . c1 ) c s1 − = (a2 . a2 b2 c2 a2 b2 c2 . z2 ) s pripadaju´im vektorima smjera − = (a1 . c2 ). Iz s1 s2 Napomene 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 = = . z1 ) → odnosno P2 = (x2 . . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. ANALITICKA GEOMETRIJA 2. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). . c2 ). b1 . Dakle. 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. b1 . c1 ) i − = (a2 . b2 .22.

kako konstruirati ravninu kroz toˇku P1 = (x1 . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). y1 . Napomena 2. Tada je. prema Napomeni 2. zovimo je M . b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. . d(p1 . uzmimo toˇku P2 = (x2 .31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . Tada pogledamo presjek te ravnine i pravca p2 . → − Ako su − i → kolinearni. x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 .2. y2 .5.20. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. − = → n b1 c1 c1 a1 a1 b1 . jasno je da moˇemo uzeti da joj je normala z − . (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . z2 ). onda su p1 i p2 paralelni. → → → n s1 s2 Time smo dobili izraz kao i gore tj. c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . ˇto je toˇka. ˇto znamo izraˇunati.

.

To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. y. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. U primjeru iz toˇke 1.1 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 = 3.1 3.1. 1 −1 0  1 1 1 81 . Ako bismo uspjeli razviti raˇun takvih objekata.Poglavlje 3 Matrice i linearni sustavi 3. z i u) kao jedinstveni objekt (matricu). z i c z u. z z Npr. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   .6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. y.

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

. tj. .j=1 ili samo A = [aij ]. . . A= .1. . a13 a23 . prvi se mijenja od 1 do m). an1 an2 · · · ann . . · · · a1n · · · a2n . . Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. .. z    A=         a11 a21 . . . Ako je m = n. . m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan. . Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m.   .. . .. Primjer 3.1. .. . ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   .ˇ ˇ 3.  . Npr. OSNOVE MATRICNOG RACUNA 83 3. . Realni brojevi sloˇeni u matricu su njeni z elementi.. n i=1. a12 a22 .1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan. k = 1. element c aij se nalazi na presjeku i-tog redka i j-tog stupca. drugi je redni broj stupca na ˇijem se presjeku nalazi taj element.1 Neka su m i n prirodni brojevi.♠ Brojevi aik . . Brojevi akj .. am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. .2 Osnovni pojmovi Definicija 3. drugi se mijenja od 1 do n). k = 1. Neka je A matrica kao gore.

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

c ..♠ . j = 1.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. tj.. odnosno vrijedi aii = 0 za i = 1. n.. j = c T 1. .♠ 2 7 .. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  .... tj.  2 0   AT =  3 1  . j = 1.. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . Oznaˇavamo ju s AT . ... 7 3 −2 −3 0 Napomena 3. tj. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1..ˇ ˇ 3.5 Matrica A  1  A= 4 7 je simetriˇna. .1.. ali suprotnog predznaka. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. c Primjer 3. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. . matrica A je antisimetriˇna (kososimetriˇna). .♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. tj. m... n.3 Ako je A= onda je 2 3 4 0 1 2  . aij = aji za i. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. n je transponirana matrica matrice A. Primjer 3.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu.. Sliˇno se definira donja trokutasta matrica. zrcale se jedni u druge. . aij = −aji za i. n. n... c c Primjer 3. Ako je A = −A.

3 Zbroj matrica se definira samo za matrice istog tipa. Definicija 3.4. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. .    · · · a1n b11 · · · b1n .. Definirajmo sada mnoˇenje matrice skalarom. j = 1. tj. λam1 · · · λamn · · · amn  a11  ... = .. + . . Definicija 3.  . .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. = . . . λA = λ  ....   .3 odnosno Definicije 3. .. am1 + bm1 · · · amn + bmn Napomena 3. .. . .. . .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1.. . . tj. j = 1. a11  . .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .  ..4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. . m.. .. m. . . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.86 POGLAVLJE 3.   .. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. z Definicija 3.. . n. . n. a na R znamo ˇto znaˇi s c ”biti jednak”. am1     λa11 · · · λa1n · · · a1n . . MATRICE I LINEARNI SUSTAVI 3.2 Jednakost matrica se definira samo za matrice istog tipa. m. n. s Napomena 3. ... Piˇemo A = B. .  . j = 1. .1. C =A+B = .

A + B = B + A (komutativnost). onda je i A ∈ Mmn ... 3. Matrica A = λ1 A1 + .. λk razliˇit od c nule. ˇto slijedi izravno iz Definicije s 3.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . . OSNOVE MATRICNOG RACUNA 87 Teorem 3.. j) imaju z jedinicu. .. β ∈ R vrijedi: 1.. 2. B.. Ak s koeficijentima λ1 .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.3 odnosno Definicije 3. α(βA) = (αβ)A (homogenost).. (A + B) + C = A + (B + C) (asocijativnost).1. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. + λk Ak je linearna kombinacija matrica A1 . Dakle je dimenzija c vektorskog prostora Mmn jednaka mn.. λk ∈ R skalari.♣ Iz Teorema 3. z Teorem 3... Napomena 3.ˇ ˇ 3.. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .. Ak .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . s Definicija 3.4. .5 Neka su A1 ..1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. . Ak ∈ Mmn . Ak ∈ Mmn matrice i λ1 . A2 . C ∈ Mmn i sve skalare iz α.... Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja.. A2 . α(A + B) = αA + αB (distributivnost). A2 . razvijena) u linearni spoj po matricama z z A1 . .. Njegovi su elementi (”vektori”) matrice tipa m × n. 4.. . linearna kombinacija i linearni rastav. λk .. Kaˇemo da je A rastavljena (razloˇena.. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. . a na svim ostalim mjestima nule ˇini bazu u Mmn . A2 ..

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

6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. j = 1.. bnj ). Mnoˇenje matrica vodi raˇuna o poredku operanada.. p p = j n (i. ako su A ∈ Mmn i B ∈ Mnp i m = p. ain )... a B · A nije definirano. b2j . .. a broj stupaca je c jednak broju stupaca od B. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A.. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .. a B ·A ∈ Mnn .. Dakle opet je A·B = B ·A. . . ai2 .. m. ai2 .. i = 1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. 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 + .. .. bnj ) = ai1 b1j + ai2 b2j + .1: Produkt matrica. imamo A·B ∈ Mmp . a j-ti stupac matrice B je (b1j . B = C Slika 3... . na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. n i m . .. Definicija 3. p. broj stupaca od A je jednak broju redaka od B. ain bnj ... z c tj.j) m A . m.ˇ ˇ 3. Dakle zakljuˇujemo da na mjestu (i...1. + ain bnj . b2j . Npr.. za i = 1. .... a da B · A nije ni definiran. za j = 1. ain ) · (b1j . Za takve matrice A i B kaˇemo da su ulanˇane. Napomena 3.. .. p. Ako je m = p = n. . 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. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. onda je A · B ∈ Mmp .. Dakle. Tada je i-ti redak matrice A jednak (ai1 .4)..

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

i dva stupca npr. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. prvi i tre´i. 3. Sloˇimo li ih u (2 × 2) matricu..ˇ ˇ 3. svaka linearna z jednadˇba ide u svoj redak). 3. 3. .1. Sloˇimo li ih u (r ×s) matricu. xn ]T nepoznata matrica.. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.3.. .6. Izaberimo dva redka. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A...6 Neka je  2 3 4 1   A =  −1 2 1 3  . ♣ 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 ). takvu podmatricu zovemo blok. 1 0 3 0  Neka je r = s = 2.♠ Ako su izabrani redci i stupci uzastopni. dobijemo podmatricu z 3 4 0 3 matrice A. 4.1. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. bm ]T poznata matrica desnih strana i z x = [x1 . 0.5 Podmatrice i blok matrice Neka je A ∈ Mmn . Primjer 3. 3. b = [b1 . npr.. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.4. c . dobivamo podmatricu z matrice A. c drugi i tre´i.

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

postoji broj koji pomnoˇen s a daje 1. c c c Iz svojstva 5. tj. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . Dakle postoje ne nul matrice ˇiji je produkt nul matrica. b. 1.1. c. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U skupu R vrijedi: ako je a · b = 0.ˇ ˇ 3.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. c Napomena 3. OSNOVE MATRICNOG RACUNA 93 3. neka je dana matrica c 0 1 1 0 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. dakle ne postoji izbor brojeva a.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. onda je barem jedan od a ili b jednak nuli.1. Npr. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. Npr.1.6 Regularne matrice. tj. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U toˇki 3. Teorema 3. c 2. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.

Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . 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 Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · 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. tj. z Napomena 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Dakle je A · A−1 = A−1 · A = c In .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . z Definicija 3. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B.94 POGLAVLJE 3.♣ Znaˇi. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . c 0 1 1 0 · a b c d = c d a b . Tada je B jednoznaˇno odredena s A. c Teorem 3. . Za matricu A koja nije regularna kaˇemo da je singularna.9 Neka je A ∈ Mn regularna.

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

− ). iz Definicije 1. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). njene z c n redke. MATRICE I LINEARNI SUSTAVI 3.. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − ) = {λ1 − + . Podprostor razapet vektorima a1 an − . − je skup svih linearnih kombinacija vektora − . ..♣ Kako je po Teoremu 3. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije....5).10 Neka je V vektorski prostor (Definicija 1.5) i neka je L neki podskup od V . z Teorem 3.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.. moˇemo promatrati kao vektore u vektorskom prostoru Rm . .. Sliˇno. matrice iz Mm1 . λn ∈ R}. . − .. vrijede svojstva 1. Oznaˇavamo ga → → → → a1 an a1 an c − .. → → s L( a1 an → → → → an a1 L(− . moˇemo promatrati kao vektore u R . + λn − : λ1 . .5 izravno slijedi da je r(A) = r(AT ).. . . − ∈ Rm .10 slijedi da je L(− . tj. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj... a1 an Napomena 3. Iz Napomene 3... Definicija 3. →) ⊆ Rm ...11 Oˇito je da je c − − L(→.7 Rang matrice. − ) podprostor od Rm ... matrice iz M1n .. linearne zavisnosti/nezavisnosti.11 Neka su − . a1 an → → i izravno iz Definicije 3. a1 an ..6 znamo da stupce.. i 3.1.96 POGLAVLJE 3. 2. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. ..9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A..5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn ..... Definicija 3. → → Definicija 3. Iskaˇimo sada jedan bitan rezultat. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. .

. ..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).. Napomena 3. Napomena 3.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Neka je R(A) podprostor od Rm razapet stupcima matrice A. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. znamo da je u a1 an a1 an bazi najviˇe n vektora..1.8 Vrijedi: − → 1. →)) ≤ n. . Neka je A ∈ Mmn . .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora.. →}. Neka je L(− ... Stoga vrijedi s − − dim(L(→. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.13 Kako vektori − ... Dimenziju vektorskog prostora L(− . .. n). . .. − ∈ Rm .. i R (A) podprostor Rn razapet redcima od matrice A... z Teorem 3.. c . − . Tada je r(0) = 0. − ). 2.. Neka je In ∈ Mn . − razapinju L(− .14 Uz gornje oznake iz Teorema 3.13 imamo da je r(A) ≤ min(m. → → → → Napomena 3..15 Iz Napomene 3. Neka je 0 ∈ Mmn nul matrica. jer je skup { 0 } uvijek linearno zavisan... .. − )).. Mmn .. − ) → → → → od R razapet sa a1 an a1 an →. a1 an Vratimo se na konkretan vektorski prostor. Tada je oˇito r(In ) = n.ˇ ˇ 3.12 Neka su − .6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.♣ Primjer 3.. − ) podprostor a1 an a1 an m − . . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3... .

. n) ima jedinice. 2. Nadalje.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. c c r(In ) = n) i matrice koja izgleda kao i matrica B.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). Primjer 3. iz Teorema 3.6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . MATRICE I LINEARNI SUSTAVI 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. Dakle... komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. na aij za i < j. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. j = 2. .. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. na pozicijama a11 . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. akk za k ≤ min(m. Zamjena dvaju redaka (stupaca).  .98 POGLAVLJE 3.5 imamo da je r(B) = 3. na aij za i = k + 1. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . z 3. .. Neka je dana B ∈ M5. Dakle. tj..♠ Iz Primjera 3. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 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    .. Pitanje je.. na aij za j < i ima nule. .. Mnoˇenje redka (stupca) skalarom λ = 0. k. ima nule.

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

MATRICE I LINEARNI SUSTAVI Sljede´i nam rezultat govori da se moˇemo ograniˇiti na elementarne transforc z c macije samo nad redcima matrice. j). odgovara dodavanju c z c i-tom redku matrice A njenog j-tog redka pomnoˇenog s λ. . R]. te ako je. odnosno R = A−1 . R].7). A je singularna. p ≥ r. Ako je to mogu´e. na´i njen inverz. mnoˇenje matrice A s lijeva matricom Qi (λ. Q1 · Q2 · · · Qq · In ] = [In . gdje je Ir ∈ Mr jediniˇna. D] ∈ Mrp . kod koje je A0 ∈ Mr regularna moˇe se elementarnim transformacijama samo nad redcima svesti na z matricu oblika [Ir . In ] i elementarnim transformacijama c nad redcima svodimo je na oblik [In . Primjerice. Odatle je Q1 · Q2 · · · Qq = R Q1 · Q2 · · · Qq · A = In . . j) koja se dobije dodavanjem j-tog c z redka jediniˇne matrice pomnoˇenog s λ i-tom redku jediniˇne matrice.. Qq . Dakle imamo [Q1 · Q2 · · · Qq · A. 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.♣ c Pravilo za raˇunanje inverzne matrice: c Ako je zadana matrica A ∈ Mn i ako treba ispitati je li ona regularna.100 POGLAVLJE 3. Te matrice zovemo elementarnim matricama.. onda c −1 je A = R. Zaˇto to vrijedi? s Elementarne transformacije nad redcima odgovaraju mnoˇenju matrice s lijeva elementarnim z matricama. Ako smo primjenom q elementarnih transformacija nad redcima matrice [A. formiramo matricu [A. In ] dobili matricu [In . mnoˇenje i-tog redka matrice A skalarom λ = 0 odgovara mnoˇenju matrice A s c z z lijeva matricom Qi (λ) koja se dobije iz jediniˇne matrice zamjenom jedinice u i-tom redku s c λ. Qi (λ) i Qi (λ. Konaˇno. Jasno je da se svaki konaˇni niz z c elementarnih transformacija moˇe opisati nizom mnoˇenja matrice A s lijeva matricama tipa z z Qij . Teorem 3.7 Svaka matrica A = [A0 . a ako nije. ako je A regularna) mi smo zapravo matricu [A. R] (Teorem 3.. In ] mnoˇili s lijeva s q elementarnih z matrica Q1 . pa je R · A = In . R] (tj. Sliˇno.

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

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

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

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

♣ . Treba provjeriti da N (A) ima svojstva iz Definicije 1. u v u v − → dakle → + − ∈ N (A). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . c Napomena 3. c Svojstva iz Teorema 1.2. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.3. Dokaz: Oˇito je N (A) ⊆ Rn .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .♣ s c z s x → Iz Teorema 3. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . tj.8 i Napomene 3. A− = b i A− = b . u u Dakle je N (A) vektorski podprostor od Rn . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . c 3. dakle dokaˇimo da za proizvoljne c z − .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .5.2. Tada je. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). x x − → Oˇito je 0 ∈ N (A). → ∈ N (A) vrijedi i → − u v − + → ∈ N (A) → − u v → i takoder za proizvoljne − ∈ N (A) i λ ∈ R vrijedi i u → λ− ∈ N (A).1 i Teorema 1. tj.3 Homogeni sustavi → Iz Napomene 3. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .2 su oˇito zadovoljena.22 N (A) je podprostor od Rn . gdje je λ ∈ R proizvoljan. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .

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

r. . + arr xr = br − arr+1 xr+1 − . cn proizvoljni realni parametri. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β .. .3.. + arn xn = br . − → Uvedimo novi vektor desnih strana β (c).4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica.. + a1r xr + a1r+1 xr+1 + . LINEARNI SUSTAVI 107 3. . .6 imamo da je A0 regularna. . Ako su rangovi jednaki (r(A) = r(Ab ) = r). + a1r xr = b1 − a1r+1 xr+1 − . Kako je r(A0 ) = r. xn na desnu stranu i doc bijemo: a11 x1 + ..... prebacimo ˇlanove s nepoznanicama xr+1 . b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.. − a1n xn . c Dakle. .. − arn xn .. ar1 x1 + . .... − ain cn za i = 1.8 II.. ar1 x1 + . iz Teorema 3. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. + a1n xn = b1 . . imamo sustav − → − x A0 →0 = β (c).. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.. − → Prvo treba odrediti rangove matrica A i Ab . + arr xr + arr+1 xr+1 + .. . ..... pri ˇemu su cr+1 . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . Nadalje.2. .. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. . . Iz Teorema 3. Ako oni nisu jednaki......8). kao βi (c) = bi − air+1 cr+1 − . pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca.2.

a broj dimN (A) defekt od A. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). Brojevi cr+1 .. µn proizvoljni parametri. cn ]T je rjeˇenje sustava A− = c s x − → b..7 odnosno toˇki 3.. µn proizvoljni parametri. cr ]T )... cr . .. .. − − → u u u pri ˇemu su µr+1 . → → − II...10 I.. i obratno. → x → → Dakle. iz Teorema 3. + µn − n . cr+1 .9. − = [c1 .♣ Iz Teorema 3... c . onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ... dimR(A) + dimN (A) = n.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.11 izravno slijedi iz Teorema 3.2. cn su slobodni prametri... − n ) baza s x u u u − → − = b oblika → od N (A). . cn postoje → − jedinstveni c1 . 0 U toˇki 3. dok brojevi c1 .. + µn − n . MATRICE I LINEARNI SUSTAVI − 0 = [c1 ... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + .24 Tvrdnja Teorema 3. .♣ c Napomena 3. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica... r(A) = dimR(A) = n. .8 II.1.... . Kako je (− r+1 .11 Ako je (− r+1 .. ... − u u u pri ˇemu su µr+1 . cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 ..... .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. → → Teorem 3.... Broj dimR(A) smo zvali rang od A. . . tj. .. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. cr ]T .. Teorem 3. . cr koji su dani s A−1 β (c) = [c1 ...108 koje je oblika POGLAVLJE 3.

. b ] dobili matricu [A .. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.6.2. .. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. a ostale pozicije su ”nebitne”). posebno dizajnirane. 3. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . akk za k ≤ min(m. lagano moˇemo oˇitati rjeˇenje). Ovaj se postupak moˇe primiz jeniti na sve matrice. na aij za i < j. imamo postupak Gaussovih eliminacija.. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). tj. b p . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). uz male modifikacije je numeriˇki stabilan. . sloˇenost mu je c z 3 ∼ n (tj. Q1 · Q2 · · · Qq · b ] = [A .. z Za neke se posebne matrice druge. Radimo li to elementarnim transformacijama samo nad redcima.. b ] (gdje je matrica A takva da na pozicijama a11 . Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.. − → mi smo zapravo matricu [A. na aij za i = k + 1. ima nule.. na aij za j < i ima nule. A −→ det A. .. . k. n) ima jedinice. m ima nule.... j = 2..5 Determinanta. metode mogu pokazati brˇima (manja im je sloˇenost). s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.1. Qq . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A ..3. ..2. tj. 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 . b ]. b ] mnoˇili s lijeva elementarnim matricama Q1 .

. odnosno n det A = k=1 (−1)k−1 a1k det A1k . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . n > 3..25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. n. .. Tada za A ∈ M1 oblika A = [a] definiramo det A = a. . k = 1. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . 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 . Napomena 3.. oznaˇimo s A1k .. + (−1)n−1 a1n det A1n . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. u stvari skup R). Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. MATRICE I LINEARNI SUSTAVI U toˇki 1.110 POGLAVLJE 3. c1 c2 a1 a2 b1 b2 . Za A ∈ Mn . Determinanta matrice reda n > 3 se definira induktivno.

n ≥ 2. c 4. Svojstva determinante su: 1. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. . determinanta mijenja predznak. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka.2. 3.7. Ako je A ∈ Mn trokutasta (gornja ili donja). Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . n ≥ 2. onda sc je det A = 0.3. pravilo za c raˇunanje inverza matrice). Posebno je c det In = 1. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale.1. det(Qij A) = − det A. Neka je A ∈ Mn dijagonalna matrica. onda je det A = 0. 2. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. onda je det A = a11 a22 · · · ann . je razvoj determinante po prvom redku. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn .

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

LINEARNI SUSTAVI 113 ispod njega. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. ♣ Iz Teorema 3. Teorem 3. onda je det A = 0. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .12 Za proizvoljne matrice A.♣ Teorem 3. Teorem 3.2. Teorem 3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Ako to nije mogu´e.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Dokaz: Iz Teorema 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Dakle oˇito je det A = 0.i+1 (naravno.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.3. ♣ . tj. ♣ Napomena 3. z Teorem 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. Radimo sve analogno sve do zadnjeg elementa na dijagonali. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .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 . itd.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.i+1 = 0).26 Ako je A ∈ Mn regularna.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 . 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+1.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . ♣ U Teoremu 3. B ∈ Mn vrijedi det(AB) = det A · det B.

ako je i = j. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .114 Veliˇinu c POGLAVLJE 3. tj. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Analogno ide dokaz za stupce. 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.16 imamo da je 1 kof (A) · A = In . onda je det A = 0. ♣ Napomena 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. onda je po Teoremu 3. Promatramo zbroj n (−1)j+k aik det Ajk . Vrijedi i obrat. Inaˇe je zbroj det A. c c Dokaz: Neka su uzeti i-ti i j-ti redak. Definicija 3. onda iz Teorema 3.♣ .13 prethodni zbroj jednak det A. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.27 izravno slijedi: Teorem 3. Kofaktor matrice A oznaˇavamo s kof (A). det A Dakle A je regularna i A−1 = kof (A) det A .28 U Napomeni 3. det A Dokaz: Ako je det A = 0. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . (−1)k+i det Aki . k=1 Oˇito. c Napomena 3.♣ Iz Napomene 3. tj.26 smo vidjeli da ako je A ∈ Mn regularna. k) stoji kofaktor elementa aki matrice A.

.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Stoviˇe. .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. µ ∈ R i sve − . 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.3. k = 1.26 i Napomene 3. D x2 = D2 Dn . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Ako je m = 1. onda je rjeˇenje z s tog sustava dano s x1 = D1 . Definicija 3. → x Teorem 3. a Dk . xn = . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . A je regularna ako i samo ako je det A = 0. − → → Iz Teorema 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. 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 .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.3 3. n. µ ∈ R i sve − . za sve λ. Rm = R. Rjeˇenje je dano s − = A−1 b . → ∈ Rn ..3.3. Ako je matrica A regularna. . → ∈ Rn . 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. .. onda takav linearni x y operator zovemo linearnim funkcionalom. . . D D pri ˇemu je D = det A.♣ a 3.

tj. 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. Dokaˇimo da vrijede i prva dva. Iz Definicije 3.5. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.2. dakle zadovoljavaju tre´e svojstvo Definic cije 1. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. − ∈ Rn . 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. Dokaˇimo da je i F + G linearni z operator. x x Napomena 3.1 i Teorema 1. − ∈ Rn . µ ∈ R i sve →.5. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. µ ∈ R i sve →. MATRICE I LINEARNI SUSTAVI Napomena 3.♣ . Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. tvrdnja slijedi. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).

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

Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). c 2. iz toˇke 3. Sada nas zanima kada su ti vektori kolinearni.10 Pogledajmo sljede´e primjere: c 1. y.118 POGLAVLJE 3.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.♠ c 3.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Operator F vektoru iz Rn pridruˇuje vektor iz Rn . − → → → Nadalje. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. c H =GF .3. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. vrijedi dimN (F ) + dimR(F ) = n. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Njegova je matrica dana s 1 0 0 0 1 0 .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. y). F ∈ Mn ). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. a defekt dva. Njegova je matrica dana s 1 0 0 . a defekt jedan. z) = x. Oˇito je rang od p1 jednak jedan (jer je slika x-os).10 izravno slijedi teorem o rangu i defektu za linearni operator. tj. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Tada je po Teoremu 3. Kako su F i F ustvari isti linearni oper− → − → atori. z) = (x.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . odnosno dimN (F ) = dimN (F ). Iz Napomene 3. Neka je F : Rn −→ Rm proizvoljan linearni operator. z .2.32 i Teorema 3. Primjer 3. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Napomena 3. tj. y.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. MATRICE I LINEARNI SUSTAVI Napomena 3.

Nadalje. Nadalje neka su − . tj. − ∈ S(λ0 ). c x y tj. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . tj. Izravno iz Definicije 3. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).17 Neka je A ∈ Mn . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. → → Svojstva iz Teorema 1.3.33 Primijetimo: → 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. µ = 0. Dokaz: Oˇito je S(λ0 ) podskup od Rn . ♣ Napomena 3. Napomena 3.3. da c z s zadovoljava uvjete Definicije 1. A− 0 = x x − 0 . x y x y x y . 2. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.1 i Teorema 1.5.17. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn . → → 2. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Dokaz: 1.2 oˇito zadovoljava. x x x x → Dakle za svaki µ ∈ R. neka je µ ∈ R µ = 0 proizvoljan. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .

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

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

iterativne metode. Stoga se koriste razne pribliˇne metode. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0.♠ Dakle iz Primjera 3. Definicija 3. Tako npr. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. za nul matrice. Medutim.19 Neka je A ∈ Mn simetriˇna matrica. cos2 ϕ − 1.122 POGLAVLJE 3. Nadalje. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. . svaki vektor kanonske ortonormirane baze od Rn je svojstven. c s c z itd. nul matrice.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. imamo cos2 ϕ − 1 < 0 tj. svojstvene vrijednosti od A nisu realni brojevi. da A c nema realnih svojstvenih vrijednosti. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. Tada su sve njene svojstvene vrijednosti realne.2 = cos ϕ ± Kako je ϕ = kπ. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. c Teorem 3.18 Za matrice A. tj.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. za trokutaste. k ∈ Z. Za dijagonalne matrice. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. tj.

jer u suprotnom matrica P nije regularna. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. b. Pokuˇajmo je dijagonalizirati. onda iz druge jednadˇbe imamo da je y = 2. Primijetimo da a. b. x 0 0 y . ˇto ne moˇe biti. z Uzmimo sada da je samo a = 0. d ne mogu svi biti istodobno nula. c. Takoder nikoja tri od a. a b c d . a iz ˇetvrte z c b = 0 ˇto ne moˇe biti.♠ c s z z = ax by cx dy . Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. c. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. d ne mogu biti nula.3. c.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. b. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. pretpostavimo prvo da je b = c = 0. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. Dakle. s z Dakle ostaje nam samo sluˇaj kada su a. analogno vrijedi za a = d = 0. Dakle matricu A ne moˇemo dijagonalizirati. dijagonalizirati matricu A.3.20 Sliˇne matrice imaju iste svojstvene vrijednosti. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. tj. tj. d svi razliˇiti od nule. pokuˇajmo prona´i regularnu matricu s s c P = takvu da vrijedi P −1 AP = Uoˇimo da je gornja jednakost ekvivalentna s c AP = P dakle imamo 2a 2b a + 2c b + 2d Odnosno. c Primjer 3.12 Neka je matrica A dana s A= 2 0 1 2 . imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. To nije uvijek mogu´e. x 0 0 y .

. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0... .. λ−1 . λn od KA (λ) zovemo algebarska kratnost od λ0 . ♣ Teorem 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). .. dijagonalna. c Napomena 3. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.♣ Napomena 3. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. c Teorem 3.. iz osnovnog teorema algebre (Teorem 5. λn od KA (λ) pojavljuje barem jednom. c Kako je KA (λ) polinom n-tog stupnja. s Teorem 3. λn .5) znamo da z z KA (λ) ima n nultoˇaka λ1 .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . Dakle 0 nije svojstvena vrijednost. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. nultoˇka od KA (λ). Obratno. λn .♣ c . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . ako je λ0 svojstvena vrijednost od A ∈ Mn . .124 POGLAVLJE 3. .12 vidimo da ne moˇemo svaku matricu dijagonalizirati.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . tj. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A...21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. A je regularna.21 Neka je A ∈ Mn simetriˇna.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Ipak. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.. .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Tada iz Napomene 3.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. Ako je A joˇ simetriˇna onda iz Teorema 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. a odgovaraju´i se svojstveni vektori podudaraju... Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. ona se u nizu c nultoˇaka λ1 . c c Teorem 3.. Sada.34 znamo da je skup S(λ0 ) potprostor od Rn .. 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

Ako je r ∈ R.♣ an Teorem 4. konvergira li. c s c c c tj. r = 0. n−→∞ n−→∞ n−→∞ 2. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). prema kojoj vrijednosti. NIZOVI I REDOVI 4. i ako da.4 Neka su (an ) i (bn ) konvergentni nizovi. ako je bn = 0 i n−→∞ lim bn = 0. proizvoljan i an ≥ 0 za svaki n ∈ N. lim (an ± bn ) = lim an ± lim bn . c Teorem 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije.1.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije.3 Neka je (an ) niz s pozitivnim ˇlanovima. Tada vrijedi: 1. n−→∞ n−→∞ 3. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L.5 Neka je (an ) konvergentan niz. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . lim (an bn ) = lim an lim bn . n−→∞ n−→∞ n−→∞ 4. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . te c ∈ R proizvoljan. c c c Npr. lim (can ) = c lim an .132 POGLAVLJE 4. . ako ne i nemogu´e. Tada c an −→ 0 ⇔ 1 −→ ∞. onda je lim an an = n−→∞ .

ε). pa je lim an = 0.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . c Dokaz: Neka je (an ) monoton i ograniˇen. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . Pogledajmo prvo sluˇaj |q| < 1. Dakle imamo samo c c s z s jedno gomiliˇte. dakle divergira ili u uˇem. Teorem 4. tj... Tada je n 1 |q| < 1. ili u ˇirem smislu. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.1. q. jer je log |q| < 0. Onda je po Napomeni 4. G > G . dakle divergentan. To je ekvivalentno s |q| < ε.6 Monoton. Imamo log ε n> . Tada po Teoremu 4. tj. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. odrediti. log |q| Dakle svi ˇlanovi niza 1. (an ) raste. ograniˇen niz je konvergentan. c c c Prema Teoremu 4.. znamo da neˇto postoji. c c .. niz (an ) s konvergentan. 1 |q n | Neka je sada |q| > 1. izraˇunati. Logaritmiranjem se dobije n log |q| < log ε. ˇto ne moˇe biti jer je G gomiliˇte. Tj. dakle ili q −→ ∞. za svaki n ∈ N. niz 1. U suprotnom. vrijedi lim inf an = lim sup an ∈ R. on moˇe imati najviˇe jedno gomiliˇte.2 niz (an ) ima barem jedno c gomiliˇte. no ne c s znamo koliko je i kako to na´i. n−→∞ Dokaz: Iz toˇke 4. Kako je (an ) monoton.4 dovoljno je promatrati niz s a1 = 1. c Napomena 4. q 3 . Za |q| < 1 je lim an = 0. i ako npr. po Teoremu 4. pa prema prethodnom niz n n −→ 0. ako s z s s (an ) ima barem dva gomiliˇta G i G .. NIZOVI REALNIH BROJEVA 133 Teorem 4. q 3 .3 imamo |q | −→ ∞.♣ Teorem 4. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.♣ c z s Napomena 4. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. q 2 .7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.6 je tipiˇni teorem egzistencije.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. q. tj. . q 2 .4. Sada.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .4.1. .

. ako je 0 < λ < 1. Tada vrijedi ∞. proizvoljan. tj. gdje je λ > 0. Tada vrijedi n−→∞ lim an = 1. n 6. 1 n . Tada vrijedi lim an = 1. ∀r ∈ N).134 POGLAVLJE 4. ako je λ > 0  lim an = 1. ako je λ > 1 lim an = n−→∞ 0. Tada n! vrijedi lim an = 0. n−→∞   0.7 je najop´enitiji. gdje je λ ∈ R proizvoljan. c z 4. NIZOVI I REDOVI Teorem 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. Neka je niz (an ) dan formulom an = nλ . 2. Tada vrijedi   ∞.♣ Teorem 4. λ = 1.7 (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. Neka je niz (an ) dan formulom an = |λ| . gdje je λ ∈ R proizvoljan.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. ako je λ < 0 √ 5. ako je λ = 0. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Neka je niz (an ) dan formulom an = n λ. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Neka je niz (an ) dan formulom an = n n. gdje je λ > 0 proizvoljan. n−→∞ n−→∞ n 4.1. √ 3. Neka je niz (an ) dan formulom an = λn . teˇe k nuli.

konaˇna suma. + an = k=1 ak = Sn .8 Pogledajmo sljede´e primjere: c .4. n=1 Ako niz parcijalnih suma (Sn ) divergira.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). . a1 . Konvergencija reda Ako u beskonaˇnom nizu (an ). zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. n-ta parcijalna suma.8 Neka je (an ) niz. kaˇemo da i red z Napomena 4. zareze zamijenimo plusevima c dobijemo beskonaˇni red. a3 . an je oznaka za red. a konaˇna suma postaje red. Ako je S = lim Sn < ∞. Definicija 4. Za svaki konaˇan n z c veliˇina Sn je dobro definirana. (Sn )).2.8 Oznaka sumu reda an . No.1 Redovi realnih brojeva Pojam reda. tj. tj. Red dobiven od niza (an ) oznaˇavamo s c an . Dakle.2 4. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. c Definicija 4.. gdje je (Sn ) niz parcijalnih suma niza (an ). a2 . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + ... a oznaka an divergira.. ∞ an je oznaka za n=1 Primjer 4. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ).2. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . REDOVI REALNIH BROJEVA 135 4. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ).

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

n−→∞ odnosno n−→∞ lim an+1 = 0. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8 Ako red apsolutno konvergira.10 Iz Primjera 4. Ako red an konvergira. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . REDOVI REALNIH BROJEVA za svaki n ∈ N.9 op´enito ne vrijedi. oˇito vrijedi c Sn+1 = Sn + an+1 . tj. kaˇemo da red z an konvergira uvjetno.♣ c Uoˇimo da iz Primjera 4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. onda on konvergira i obiˇno. an . c .2.9 ne slijedi obrat Teorema 4.8. Dakle je red Teorem 4.8 znamo da red = divergira i da je lim n n−→∞ n 0.4. tj.♠ dok red 1 n divergira (Primjer 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. a red |an | ne konvergira. c c ako op´i ˇlan niza (an ) konvergira u nulu. Nadalje.♣ 1 1 Napomena 4.8). Primjer 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. onda op´enito red c c c an ne mora konvergirati.♠ 2n n−→∞ ∞ Napomena 4. S = lim Sn = n−→∞ n=1 an .10 Red an apsolutno konvergira ako konvergira red |an |. Definicija 4. n 1 (−1)n−1 n uvjetno konvergentan.

zovemo geometrijski red s kvocijentom q. Nadalje. onda je oˇito an = a1 (−1)n−1 .5 imamo da je lim Sn = a1 lim a1 1 − qn = . onda je oˇito an = a1 . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.. Sn = a1 + a1 q + a1 q 2 + . c Pretpostavimo da je a1 = 0 i |q| < 1.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . Iz Teorema 4. NIZOVI I REDOVI 4. gdje su a1 . + a1 q n−1 . Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . tj. Pretpostavimo suprotno... Ako je q = 1. q ∈ R proizvoljni. Pogledajmo n-tu parcijalnu sumu. da geometrijski red a1 q konvergira i da je |q| ≥ 1. pa je Sn = na1 .. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . n−→∞ 1 − q 1−q 1 − qn .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. c Ako je q = −1. imamo Sn − qSn = a1 (1 − q n ). a1 q n−1 = 1−q n=1 Obrnuto. vrijedi Sn = a1 za svaki n ∈ N. + a1 q n . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 .. tj. = a1 q n−1 . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. tj.138 POGLAVLJE 4.2.. a to divergira za svaki a1 = 0. Nadalje kako je c n−→∞ lim an = 0 . Teorem 4.

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

139
a1 (−1)n−1 divergira.

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

a po Teoremu 4.5 je
n−→∞

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

Dakle je
n−→∞

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

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

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

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

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

2n−1

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

1 2n−1

=

= 2.

n=1

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

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

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

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

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

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

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

4.2. REDOVI REALNIH BROJEVA

141

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

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

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

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

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

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

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

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

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

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

Cn =
i=1

ci =
i=1

cai = cAn .

142

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

Primjer 4.11 Neka je dan red

(−1)n , tj.

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

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

an =
n=1 n=1

un .

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

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

143 un iz Teorema 4.12 jednaka sumi kon-

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

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

n=1

(−1)n−1 = ln 2. n

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

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

144

POGLAVLJE 4. NIZOVI I REDOVI

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

4.2.4

Redovi s pozitivnim ˇlanovima c

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

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

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

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

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

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

Neka su dani redovi

an i

bn . Za red

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

4.3. KRITERIJI KONVERGENCIJE

145

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

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

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

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

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

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

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

onda konTeorem 4. onda red an konvergira. za svaki n ∈ N. zovemo red potencija. . Ako postoji λ ∈ R. za svaki m ∈ N.♣ Primjer 4. Dokaz: Neka su λ ∈ R.♠ 1 xn−1 (n−1)! 4. i n0 ∈ N takav da je an+1 ≤ λ. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . za svaki n ∈ N. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .. Tada iz Teorema 4.146 POGLAVLJE 4. an0 +m ≤ λm an0 . Ako red n an x0 divergira. . gdje je x ∈ R proizvoljan. 0 < λ < 1. an za svaki n ≥ n0 .13 1. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. 1 2. Dakle. Dakle imamo an0 +1 ≤ λan0 . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. . Neka je an = 1. an za svaki n ≥ n0 . . i suma mu je 1−x . red an0 + an0 +1 + . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . c Teorem 4. Oˇito je za x = 0 svaki red potencija konvergentan.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Neka je an = n! . .3..18 Neka je 0 < λ < 1.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. Red oblika an xn .

n−→∞ an lim onda red an konvergira za l < 1. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. konvergira.16 imamo da i red an0 + an0 +1 + . divergira za l > 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. imamo da red c an konvergira. c 0 < λ < 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .♣ Napomena 4.3.3.3 Cauchyev kriterij Teorem 4. n Tada iz Primjera 4. Neka je dan red divergira.14 1.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. ali vrijedi 1 .8 znamo da on konvergira. c Primjer 4. Sada iz Napomene 4.19 Neka je an red s pozitivnim ˇlanovima.♣ . onda red an ≤ λ. an konvergira. 1 n+1 lim n−→∞ 1 n 2. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.9 konvergira.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. n2 Tada iz Primjera 4..8 znamo da on = 1.4.. 4. Ako postoji λ ∈ R. Ako postoji limes c an+1 = l. Neka je dan red vrijedi 1 .18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.

NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ. a ne moˇemo niˇta z s zakljuˇiti za l = 1. .14 za red odnosno red n znamo da divergira odnosno konvergira. (an ) niz u R i x ∈ R prozvoljan. a iz toˇke 4.20 zovemo radijus konvergencije reda potencija a n xn . c Teorem 4.♠ c s Cauchyev kriterij je jaˇi.15 Analogno kao i u Primjeru 4.1. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. Ako postoji lim sup n |an | i lim sup n |an | = 0. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. divergira za l > 1.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. onda red an konvergira za l < 1.148 POGLAVLJE 4. c 1 Primjer 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. tj. Ako postoji limes c n−→∞ lim √ n an = l.20 Neka je an xn red potencija.

n 2. a divergira za |x| > 1. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. tg n.3. KRITERIJI KONVERGENCIJE Primjer 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. a divergira za |x| > ρ (ako lim sup n |an | postoji). Neka je dan red potencija lim sup n 149 1 n x . Iz n2 n2 1 Teorema 4. Po Teoremu 4. Po Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.3. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. n2 1 n x n2 dakle je ρ = 1. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). Neka je dan red potencija lim sup n 1 n x . itd.8 znamo 1 1 da red konvergira. Ako je x = 1 onda.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. c sin n.♠ n2 Teoremu 4.20 red potencija |x| < 1. 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. n 1 n x n dakle je ρ = 1. onda iz Primjera 4. Tada imamo sljede´i kriterij (Leibnic c zov): . konvergira za Pogledajmo sada ako je |x| = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. a divergira za |x| > 1. n Tada je 1 = lim n−→∞ n n 1 = 1.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1.4. dakle i apsolutno konvergira red (−1)n . dok za x = 1 red n 1 divergira. Ako je x = −1. Teorem 4.20 red potencija |x| < 1. ali smo u Primjeru 4.).8 imamo da konvergira i red (−1)n . iz Primjera 4.16 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. (−1)n .

6 slijedi da su nizovi konvergentni. onda imamo obratnu c c c situaciju. dakle je S2n+2 ≥ S2n za svaki n ∈ N. i istog je predznaka kao taj ˇlan. c c ako je a1 ≥ 0. iz Teorema 4. Kako smo pretpostavili da je a2n−1 pozitivan. imamo a2n+1 + a2n+2 ≥ 0. tj. NIZOVI I REDOVI an alternira. + (−a2n−2 − a2n−1 ) − a2n ]. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. vrijedi S2n = a1 − (−a2 − a3 ) − . onda je podniz od Sn indeksiran parnim indeksima rastu´i. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. Nadalje... koji je suma reda jer je S2n ≤ S ≤ S2n−1 . imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. tj. a a2n negativan za svaki n ∈ N. onda taj red konvergira. onaj indeksiran c neparnim indeksima je padaju´i.♣ c . Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. imamo da je S2n razlika od a1 i strogo pozitivnog broja. za svaki n ∈ N. S2n+2 = S2n + a2n+1 + a2n+2 . a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. Ako red poˇinje pozitivnim ˇlanom. S2n je omeden s a1 .. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . tj. s c |Rn | = |S − Sn | ≤ |an+1 |. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + .150 Teorem 4. te kako vrijedi |an | ≥ |an+1 |. Zaista. Ako red poˇinje negativnim ˇlanom. Nadalje. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Kako je po pretpostavci a2n+1 ≥ 0.21 Ako red POGLAVLJE 4..

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

.

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

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

Kljuˇno je imati dobru ideju o mogu´oj klasi funkcija kojoj naˇa funkcija c c s pripada. prelaˇenje iz jednog oblika u drugi je mogu´e.Problem pronalaˇenja formule funkcije na osnovi poznavanja njenog grafa z je sliˇan problemu pronalaˇenja formule funkcije pri poznavanju tabliˇnih c z c vrijednosti. svaki od tih naˇina c c c c ima svoje prednosti i mane. aproksimacije.Ako imamo grafiˇki opisanu funkciju. itd. ako znamo formulu funkcije. s c . z Dakako. . vrlo je netrivijalan problem. OSNOVNI POJMOVI 155 5. komc paktnost. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija. . a nakon toga odrediti njene numeriˇke parametre.5. dok je mana netrivijalnost dolaˇenja do tih informacija.Prijelaz iz grafiˇkog oblika u tabliˇni je lagan. c . naravno ako imamo dovoljan c c broj tabliˇnih vrijednosti. Koriste se metode interpolacije. Dakako. a mana je da ne znamo vrijednosti funkcije izvan c podruˇja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija.1. c . tj.Naravno. opisivanja funkcijske ovisnosti: c tabliˇno. c c c c . ali u nekim sluˇajevima z c c to je vrlo teˇko. preglednost. .Prednost tabliˇnog zadavanja ili opisivanja funkcije je da je ponekad to c jedini naˇin zadavanja. onda su prednosti zornost. onda je naˇelno trivijalno dobivanje tablice vrijednosti iste funkcije.1.2 Naˇini zadavanja funkcije c Imamo tri osnovna naˇina zadavanja funkcije tj. dok su mane netoˇnost oˇitavanja i nemogu´nost c c c koriˇtenja vrijednosti izvan crtanog podruˇja.Za fukciju zadanu formulom prednost je da znamo sve o funkciji. c c . do na toˇnost oˇitavanja. grafiˇki i formulom (analitiˇkim izrazom).Prelazak iz tabliˇnog oblika u grafiˇki je lagan. s .Problem da se na osnovi tabliˇnih vrijednosti funkcije dobije formula funkcije c je vrlo netrivijalan.

prikaˇemo u koordinatnom sustavu. graf funkcije f sadrˇi sve toˇke ravnine (x. graf funkcije f dobijemo z c c kad sve parove oblika (x.3 Graf funkcije Funkcije se zorno prikazuju grafovima. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. no izvediv. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f .2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. . f (x)).1: Koordinate toˇaka na grafu funkcije. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. projekcija grafa na y-os je slika od f ). tj.156 POGLAVLJE 5. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . FUNKCIJE . c Napomena 5. U nastavku ´emo se baviti ovim problec mom. x ∈ D(f ). 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. x ∈ D(f )} ⊂ R2 . f (x)). y) za koje je y = c z c f (x). Drugim rijeˇima.Na kraju. z Definicija 5.1.

3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.5.3: Primjer krivulje koja nije graf funkcije.1.2: Graf funkcije f i njegove projekcije na koordinatne osi. Npr. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. Napomena 5. c y x0 0 x Slika 5. c kruˇnica u ravnini nije graf niti jedne funkcije. . ˇto je suprotno s definicijom 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. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. z s Iz Napomene 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.

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

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

+∞ i strogo padaju´a na svakom interc c valu u −∞. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. Primjer 5. x0 + ε . +∞ a strogo rastu´a na svakom intervalu u c −∞. Nadalje. pa i globalni maksimum i minimum. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. govorimo o strogom lokalnom maksimumu odnosno minimumu. 2. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. . govorimo o strogom globalnom maksimumu odnosno minimumu. u toˇkama iz R \ {0} f nema lokalnih ekstrema. 0].♠ c Napomena 5. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . dakle je i c strogi globalni maksimum. dok je svaki globalni ekstrem i lokalni. 0].160 POGLAVLJE 5. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). 4. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. Dakle f nema lokalnih pa ni globalnih ekstrema. pa i na cijelom R. Ako su nejednakosti stroge. FUNKCIJE za svaki x ∈ x0 − ε. dakle svaki x ∈ R je lokalni maksimum i minimum. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. onda on ne mora biti i globalni. ako su nejednakosti stroge. c dakle je i strogi globalni minimum.2 1. Dakle. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). Analogno. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. c Nadalje. 3.5 Uoˇimo.

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

5 5 2. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1.5 1 2 3 -5 -7.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. tj. neka c √ je funkcija f : [−1. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Takav je rub c c regularna toˇka.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Primjer 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. 1] −→ R dana formulom f (x) = 1 − x2 . Npr.162 POGLAVLJE 5. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. tj. jedan rub je konaˇan a drugi beskonaˇan). postoji i konaˇan je broj f (−1). Dakle imamo da vrijedi f (−x) = f (x) = −f (x).5 -10 Slika 5. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . tj.5 -1 -3 -2-2. f (x) = 0 za svaki x ∈ R. +∞ .

) 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 −∞.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. (Npr. To znaˇi z c da. tj. +∞ −→ R dana formulom f (x) = x−1 . c c (Npr. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. neka je funkcija f : [0. Tada oˇito f strogo raste u +∞. (Npr. +∞ ili −∞. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1.1. neka je z c funkcija f : 0. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije.5. neka je funkcija c 1 c f : 1. 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 +∞. +∞ −→ R dana formulom f (x) = xx . i to brˇe od svakog pravca. Ako z je a ∈ R taj rub. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a.) c z . s c c c c 2. +∞ −→ R dana formulom f (x) = 2x .) z y y y −1 0 1 x 0 x 0 1 x Slika 5. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1.

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

pravac).5 Neka je dana funkcija sign : R −→ R formulom   1. Dakle nula je toˇka prekida od f . Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije.3 kaˇe da je funkcija f : I = a. gdje je I ⊆ D(f ). Kad bi imala dvije asimptote u jednom rubu. dok je u svim drugim toˇkama neprekidna. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I.7 Ako funkcija ima asimptotu. c 165 Napomena 5. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. z Definicija 5. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. b −→ R. x0 + δ ) ⊆ f (x0 ) − ε. x = 0   −1 x < 0 Funkcija f ima prekid u 0. c 1 Uzmimo ε = 2 . je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. 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 . Intuitivno. . Definirajmo sada pojam neprekidnosti funkcije. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. x > 0  sign x = 0.1. Primjer 5. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.5. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Definicija 5. f (x0 ) + ε .3 Realna funkcija realne varijable f : I = a. Odnosno.

10 Ako je funkcija f : I = a. b −→ R neprekidna u toˇki c x0 ∈ I.4.8 Ako u Definiciji 5.4 stavimo M = max{|m|. onda je funkcija f ograniˇena na nekoj okolini oko x0 . za svaki x ∈ I. M ∈ R c takvi da je m ≤ f (x) ≤ M. je ograniˇena ili omedena na I ako postoje realni brojevi m. Napomena 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. gdje je I ⊆ D(f ). iz uvjeta m ≤ f (x) ≤ M. za svaki x ∈ I. FUNKCIJE y 1 0 x −1 Slika 5. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. tj. funkcija je neprekidna u x0 . slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. je ograniˇena na I ako postoji realan broj M ∈ R. c . M > 0. gdje je I ⊆ D(f ).4 Realna funkcija realne varijable f : I = a.9 Iz Definicije 5.166 POGLAVLJE 5. za svaki x ∈ I. Analogo se dokaˇe za x0 < 0. b −→ R. Ako je x0 > 0.8: Funkcija sign(x). Napomena 5. Napomena 5. tj.♠ z Definicija 5. b −→ R.

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

Napomena 5. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. z c z Napomena 5. tj. . gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. c c Neka su f. skup funkcija {1. c) Ako je c < 0. pri ˇemu je f proizvoljna. Tj.5). Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. 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 ). Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. 1. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. . graf funkcije f + g je isti kao i graf funkcije f . onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ).} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Dakle imamo definirano c c mnoˇenje funkcije skalarom.168 POGLAVLJE 5.. c Preciznije. a) Ako je c = 0. pa je D(f ± g) = D(f ).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. Uoˇimo da je D(g) = R. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. 1. g : R −→ R. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Npr.. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. . x.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.3). c c ∈ R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. dakle beskonaˇni skup {xn . b) Ako je c > 0.12 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.. n = 0... a g dana formulom g(x) = c. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. x .

5. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Graf funkcije f g je pravac y = 0 ili x os. y 2 f(x) 0 f(x) x Slika 5. onda je (f g)(x) = 0 za svaki x ∈ D(f ). . vrijedi |(f g)(x)| ≤ |f (x)|. tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). a) Ako je c = 0. 2. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. b) Ako je 0 < c < 1. Dakle.1.10: Graf funkcije 2f (x). samo je usporen pad i rast c funkcije f .9: Graf funkcije f (x) + c za c > 0. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. Graf funkcije f g je sliˇan grafu funkcije f . 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 ). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. onda je (f g)(x) = f (x) za svaki x ∈ D(f ). onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . funkcija f g ima iste nultoˇke kao i funkcija f . ali su suprotnog c . Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . y 0 f(x) x −f(x) Slika 5. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Dakle. funkcija f g ima iste nultoˇke kao i funkcija c c f . tj. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . vrijedi |(f g)(x)| ≤ |f (x)|. c d) Ako je c = 1. Dakle. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj.170 POGLAVLJE 5. vrijedi |(f g)(x)| ≥ |f (x)|. ali su suprotnog predznaka. tj. Graf funkcije f g je isti kao i graf funkcije f . g) Ako je c < −1. Dakle. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . vrijedi |(f g)(x)| ≥ |f (x)|. FUNKCIJE c) Ako je c > 1. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . e) Ako je c = −1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). f) Ako je −1 < c < 0.11: Graf funkcije −f (x). dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta.

c c c Napomena 5.1.5. c c c Za ostale operacije ova tvrdnja ne vrijedi. c . Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). 0 . f). c). onda je f (x) = f (x) za svaki x ∈ D f . OSNOVNI POJMOVI 171 predznaka. za f.4). Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. onda je f (x) = 0 za svaki x ∈ D . tamo funkcija f pada. npr. gdje funkcija f raste. onda oˇito g funkcija f u njima nije definirana. 3.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). 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 5.1. g g 1 b) Ako je c = 1. g f g a) Ako je c = 0. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. Ako funkcija f ima nultoˇke. Dakle. c g) i 3 b). funkcija f u njima ima c c vertikalne asimptote. Pogledajmo funkciju g f u ovisnosti o c ∈ R. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. . Zbroj dviju padaju´ih funkcija je padaju´a funkcija. tj. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. tj. funkcija g f je jednaka pravcu y = 0 na skupu D g f . 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞.

3.6 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. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u.1. Definicija 5.4). g 5. dok su funkcije f g i f obje neparne. 2. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Tim se postupkom mogu stvarati nove z funkcije. c h f A B g C Slika 5. f g i f g f g sve parne. .172 POGLAVLJE 5. onda je funkcija f ± g neparna. onda su funkcije f ± g. neparna a f parna.12: Kompozicija funkcija. g : R −→ R funkcije. Primjer 5. te funkcije f g i obje parne. Ako je jedna funkcija. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Neka su f. Ako su obje neparne. recimo g. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g).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)). Matematiˇki se to formalizira pojmom kompozicija funkcija. Ako su obje parne.

g ◦ f = f ◦ g. za proizvoljnu funkciju f . Dakle imamo f ◦ id = id ◦ f = f. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. c Napomena 5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .7 Neka je dana funkcija f (x) formulom f (x) = x . OSNOVNI POJMOVI Primjer 5. 3x + 1 3x + 1 2x 6x = .♠ 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. tj. U takvom sluˇaju piˇemo f 2 = f ◦ f . 1 Primjer 5. da je.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Napomena 5.6 vidimo da operacija kompozicije funkcija nije komutativna. moˇemo gledati funkciju f ◦ f .5. za tu funkciju vrijedi g ◦ f = f ◦ g = g. tj.♠ x+1 x+1 173 2x . op´enito. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. za svaku funkciju g : R −→ R.1.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Tada je oˇito c D(f ) = R(f ). jer je D(id ◦ f ) = D(f ◦ id) = D(f ). z funkciju f komponirati samu sa sobom. Naime. . 1 . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).

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

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

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

f : D(f ) → R(f ) je uvijek surjekcija.8 izraˇunali smo da je x(1300) = 4.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Definicija 5. ali ne i za paran n. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.11 U Primjeru 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .10 Funkcija f (x) = xn . S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. tj. c c Definicija 5.1. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. 1) i (1. n ∈ N. Injektivnost. . je injekcija za neparan n. a injektivnost njegovu jedinstvenost. Napomena 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.5. 1).6 c ekvivalentan sljede´em: za x1 .14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. s c Primjer 5. Napomena 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). x2 ∈ D(f ).18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.♠ Primjer 5. za bilo koji c ∈ R.

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

♣ z c . Dakle. a strogo c c padaju´e funkcije strogo padaju´a. c c Dokaz: Neka je f : R −→ R strogo rastu´a.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.+∞ su bijekcije s inverzima g1 : [0. +∞ . Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. Teorem 5. g2 (x) = x. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. To je oˇito inverzna funkcija od f .20 znamo da f c ima inverznu funkciju g. a ona c c je strogo rastu´a funkcija. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. OSNOVNI POJMOVI 179 Napomena 5. kad govorimo o inverzima funkcija f : R −→ R. c Primijetimo da ako f nije strogo monotona nego samo monotona.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. +∞ −→ [0. +∞ −→ −∞. Dakle. Primjer 5. 0] i [0. pa ima i inverznu funkciju. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.1. no njezine restrikcije na −∞. 0].20 Ako je funkcija f : R −→ R strogo monotona. +∞ jesu. i √ g2 : [0. Tada iz Napomene 5.0] √ i f |[0.♠ Napomena 5. g1 (x) = − x. f | −∞.5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. onda je ona oˇito i bijekcija na svoju sliku. No f ◦ g = id. jer je c f ◦ g = g ◦ f = id. Dakle vrijedi f ◦ g = g ◦ f = id.10).

FUNKCIJE Teorem 5.12 slijedi da tvrdnju Teorema 5. praktiˇno izraˇunati.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Primjer 5.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. jer je f (x) c rastu´a. +∞ −→ −∞.2 Inverzna funkcija neparne funkcije je neparna. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. +∞ gdje je bijekcija.♣ Iz Primjera 5.♠ c Analogno kao u Primjeru 5. z c Napomena 5.2 ne moˇemo izre´i za parne funkcije. 0] ili [0. Pokuˇajmo sada. Dakle. Tada je njena inverzna funkcija g : [0. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. 0] odnosno . Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). Kako za inverznu funkciju vrijedi f (f −1 (x)) = 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. ali nije bijekcija.180 POGLAVLJE 5. +∞ . f −1 je neparna.

tj. +∞ je bijekcija. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. c . 5.5. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. +∞ −→ [0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.2. Ako je n neparan.4 0. Restrikcija te funkcije na interval [−1.16: Graf funkcije f (x) = xex . c Osim elementarnih postoje i tzv. specijalne funkcije kojima se ovdje ne´emo c baviti. Primjer takve funkcije je c x f (x) = xe . 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. ima inverznu funkciju. ˇ Cak i za funkcije koje imaju inverze. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2 -3 -2 -1 -0.6 0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.8 0.4 1 2 Slika 5. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.2 -0. +∞ dana formulom − n x odnosno n x.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.

Ostale algebarske funkcije b) Transcendentne .Racionalne funkcije . dolazimo do pojma z . za svaki x ∈ R. FUNKCIJE 5.Area 2.182 POGLAVLJE 5.Hiperboliˇke c .Eksponencijalne .Trigonometrijske .Polinomi . xk = x · x · · · x .Logaritamske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. Elementarne a) Algebarske . mnoˇenih nekim koeficijentima.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Ciklometrijske .1 Klasifikacija i podjela realnih funkcija 1.2. k Po definiciji stavljamo x0 = 1. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.2.

17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.5 -3 -2 -1 -2. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . tj. + a2 x2 + a1 x + a0 . Koeficijent an je vode´i.5 5 2.11 Dva polinoma P i Q su jednaka. Realne konstante an .5.2. ako su jednaki kao funkcije. Definicija 5. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Ovdje podrazumijevamo da je an = 0.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . . Polinomi su konceptualno najjednostavije funkcije. . a0 su koeficijenti polinoma Pn (x). P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. .a1 . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). . c 10 7. P.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. . Dakle je svaki polinom definiran na cijelom skupu R. Definicija 5. a a0 je slobodni koeficijent.

FUNKCIJE n Teorem 5. = an = 0.02 3 2 0. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0...♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. c Primjer 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. a ordinata je. 0.5 3 Slika 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. c c c s naravno. tj. n.01 -0. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. .18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.01 1. 1. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma..14.11.. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).184 POGLAVLJE 5.02 4 0.5 2 2.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .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 .: n m Teorem 5. Apscisa nultoˇke je nuliˇte. c c . za sve i = 0.. Broj c k zove se red ili kratnost nultoˇke x0 .

po Teoremu c 6.2. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.ako raste u s c nekoj toˇki. dok c u nultoˇkama parnog reda nema promjene predznaka. a = 0. Za a = 0 imamo konstantnu funkciju p(x) = b. Ako su ove nejednakosti c c stroge. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Ako je x0 ∈ R nultoˇka reda k c od Pn (x).8). Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. kaˇemo da je linearna funkcija strogo rastu´a. za x ≥ 0. raste na cijelom R. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Otvor joj je okrenut prema gore ako je a > 0. Ako je k neparan. Tjeme .3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.19: Graf linearne funkcije f (x) = x + 75. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. onda iz Teorema 6. a prema dolje ako je a < 0. je polinom drugog stupnja ili kvadratna funkcija.22 U nultoˇkama neparnog reda polinom mijenja predznak. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Ako je k paran.3 Qn−k (x) = 0 na nekoj oklini oko x0 . gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. dok za x > x0 vrijedi (x − x0 )k > 0. tj. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y.5. odnosno strogo padaju´a. onda iz Teorema 6. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). a padaju´a ako je a ≤ 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0.

Nultoˇke kvadratne funkcije dane su formulom c x1. parabole ima koordinate (−b/2a.2 = √ −b± D .8) graf polinoma mora negdje sje´i x os.♣ c Iz Teorema 5. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. Zbog neprekidnosti c polinoma na R (Teorem 6.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. inaˇe velike negativne vrijednosti). FUNKCIJE 1 2 Slika 5.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. inaˇe velike pozitivne). c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. c Napomena 5. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. npr.♣ c c . −D/4a). dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. 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. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). tj. Teorem 5.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. 2a i realne su ako je D ≥ 0.

15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. +∞ . graf c joj je zrcalno simetriˇan s obzirom na y os. iz Primjera 5. n − 1. Ako je n neparan broj.. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 3. Strogo pada na −∞.♠ c . Primjer 5. Pn (x) strogo raste na R. 0]. onda je P1 (x) = x linearna funkcija. kao funkcija an xn . c 2.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0.♠ Dakle. onda je oˇito funkcija Pn (x) = xn parna. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. P1 (x) strogo raste na R. 0).5. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. Oˇito je D(P1 ) = R(P1 ) = R. . dakle je bijekcija i ima nultoˇku u (0. R(Pn ) = [0. i = 1. +∞ i ima nultoˇku u (0.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. 0). 1. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. Ako je n = 1. pravac y = x. onda je oˇito funkcija Pn (x) = xn neparna.2. 0). tj. dakle je bijekcija. tj. tj. strogo raste na [0. c neparna je i ima nultoˇku u (0. dakle nije injekcija.. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. Ako je n paran broj. c vrijedi D(Pn ) = 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 .16 Pogledajmo funkciju (polinom) Pn (x) = xn . tj.. Nadalje.

188 POGLAVLJE 5.. z Definicija 5. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Npr. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. 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. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).. FUNKCIJE Napomena 5. itd.. ali c z kvocijent dvaju polinoma op´enito nije polinom. . i = 1. su koeficijenti polinoma Pnm (x). n.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. problem s asimptotike je sloˇeniji.. Naravno. razlika. 5.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. problem poniˇtavanja je vrlo kompliciran. y) = i=0 j=0 aij xi y j . Dakle. . Napomena 5. dijeljenjem polinoma c izlazimo iz te klase funkcija. Realne konstante aij . kvocijente dvaju polinoma nazivamo racionalnim funkcijama. j = 1. tj.. kako se polinom Pn (x) = i=0 ai xi . sam sebi je asimptota. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. Za . z n Nadalje. m. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. Po analogiji s racionalnim c brojevima..3 Racionalne funkcije Oˇito je zbroj. n > 1. u tom sluˇaju se situacija komplicira.2. umnoˇak i kompozicija polinoma ponovo polinom.

Funkcija hR dana formulom h(x) = 4.17 Pogledajmo sljede´e primjere: c 1.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. c Primjer 5. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. nultoˇkama nazivnika. s c D(f ) = {x ∈ R. je racionalna funkcija. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. Definicija 5. 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. takve su definirane na cijelom R. 5. 6. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. c c . Naravno. Funkcija j dana formulom j(x) = x−13 je polinom. nije racionalna funkcija. Dakle. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. tj. tj. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Funkcija f dana formulom f (x) = 2. (Smatramo da je racionalna funkcija ve´ skra´ena.) Dakle. U polu racionalna funkcija c nije definirana. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Red pola je red odgovaraju´e nultoˇke nazivnika.5. Qm (x) = 0}. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. 3. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika.2.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Dakle.

tj. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. kao i u toˇkama u c kojima se nazivnik poniˇtava. bi x i=0 i−m bi x i=0 i xm . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 0.5 1 x 1 Slika 5. z c Dokaz: Red pola je red nultoˇke nazivnika. (lijevo) i pola Napomena 5.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. kad c argument ide u +∞ i −∞.5 1 80 60 40 20 -1 -0. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. 2. Osim vertikalnih. FUNKCIJE 100 75 50 25 -1 -0. Sada tvrdnja izravno slijedi iz Napomene c 5.26 Ako je pol parnog reda.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).22. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . Dakle. i to na vanjskim rubovima prirodnog podruˇja definicije.graf racionalne funkcije moˇe imati asimptote: z 1. dok za polove neparnog z c reda.26).5 -25 -50 -75 -100 0.190 POGLAVLJE 5. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .

Preciznije.5. onda racionalna funkcija ima horizontalnu asimptotu y = c. PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . Dakle. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. izraz bm xn−m raste ili an pada brˇe od pravca bm x. bn . bm dok prvi pribrojnik. se pribliˇava broju z bi x i−m am . xm . Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . Racionalna funkcija ima horizontalnu c asimptotu y = 0. c xm ai xi−m i=0 m tj. imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . bm x an a) Ako je n < m. onda je n − m = 1. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. tj.2. d) Ako je n = m + 1. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. racionalna funkcija nema ni horizontalne ni kose asimptote. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. i=0 . an c) Ako je n > m + 1. tj. onda je n − m > 1. b) Ako je n = m. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca.

Oˇito je D(f ) = R.27 ne mora vrijediti. R(f ) = [1. m i−m xm bi x i=0 m POGLAVLJE 5. tj. FUNKCIJE ide u am+1 x. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . Dakle.27 Analogno kao i kod vertikalnih asimptota. 0] i za svaki x ∈ −∞. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). +∞ vrijedi f (x) > x. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5.♠ Iz Primjera 5. +∞ . Napomena 5. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . +∞ . +∞ i za svaki x ∈ 0.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. bm jer i=0 bi xi−m ide u bm . f strogo pada na −∞. f (x) = x + x (desno) i njihovih asimptota. Dakle. f strogo raste na [0. f je parna. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. 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). Nadalje. dakle nije injekcija. z √ Primjer 5. zrcalno simetriˇna obzirom c c na y os. kada argument ide u beskonaˇnost. 0 vrijedi f (x) > −x.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5.192 xm (am+1 x) . .

19 1. Pn (x)) = 0.18. c Neka je sada f (x) = funkcija i algebarska. jer u suprotnom ne bi bila funkcija.5.2. Napomena 5. Definicija 5. f (x)) = 0. Tada je oˇito P (x. Tada je oˇito P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. 5. y) = Pn (x) − y. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Dokaz: Neka je dan proizvoljni polinom Pn (x).28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. c . f (x)) = 0. y) = Qm (x)y −Pn (x).24: Primjer iracionalne funkcije f (x) = iz Primjera 5. dakle je svaka racionalna c √ Primjer 5. f (x)) = 0. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. dakle je svaki polinom algebarska funkcija.29 Svaki polinom i racionalna funkcija su algebarske funkcije. Definirajmo polinom u dvije varijable s P (x. y) = x − y n oˇito je P (x.2. y) takav da vrijedi P (x. √ x2 + 1 i njenih asimptota z Napomena 5. Definirajmo polinom u dvije varijable s P (x. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.

dakle nema niti vertikalnu niti horizontalnu asimptotu. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. koja je bijekcija sa R na R. 0 je regularna toˇka (toˇka 5. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.20 1. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Nadalje. c c tj. +∞ i R(f ) = 0. Nadalje. y) = xy n − 1 oˇito je P (x.13). Neka je dana algebarska funkcija f formulom f (x) = √x−1 . ima vertikalnu asimptotu x = 1.13). FUNKCIJE 1 2.1. z √ 2. pravac y = 0 je horizontalna asimptota funkcije f .28. z tj. f (x)) = 0. u 1 (toˇka 5.4). √ Primjer 5. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. je D(f ) = R(f ) = [0. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13).194 POGLAVLJE 5. je D(f ) = 1. Neka je dana algebarska funkcija f formulom f (x) = x. je D(f ) = R(f ) = R (Primjer 5.1. f strogo raste na R i neomedena je. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Dakle. +∞ . dakle nema vertikalnu asimptotu.♠ 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. Dakle. Dakle. tj. dok kosu asimptotu ne moˇe imati zbog Napomene 5. z 1 4. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. tj. +∞ . c c √ Nadalje. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Kada se argument sve viˇe pribliˇava c s z broju 1. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .4).13). +∞ (Primjer 5. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. c 1 3. Funkcija f je inverzna funkcija funkcije g(x) = x3 . Neka je dana algebarska funkcija f formulom f (x) = 3 x.

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).

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

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

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

Nadalje. temperatura kroz godinu. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. tj. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. period razliˇit od 2π i ne s c c . PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z.5 -10 -5 -0. π ].32 Lako je vidjeti da je kosinus parna funkcija. je period funkcija sin i cos. c 2 1.5 -2 5 10 Slika 5.5. a kosinusa obrnuto.5 -2 5 10 -10 -5 2 1. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. vidimo da je −1 ≤ cos t ≤ 1. dok je sinus neparna. Kaˇemo da im je faza nula. npr. krvnoga tlaka. Dakle je z D(sin) = D(cos) = R. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). Nadalje. Najmanji pozitivni period je 2π i zovemo ga temeljni period.5 1 0. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. plime i oseke.5 1 0. 1]. itd.5 -1 -1. c amplitude i faze. k ∈ Z. tj. π ]. s 2 1 u nuli i 0 u π . napona. za opis osz c cilacija. Napomena 5. za svaki t ∈ R. To znaˇi R(sin) = R(cos) = [−1.5 -1 -1.5 -0. Svaki 2kπ. Medutim. −1 ≤ sin t ≤ 1. 1]. imaju amplitudu razliˇitu od 1. tj. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.2. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. zbog periodiˇnosti. Nadalje.

U tim toˇkama tangens ima vertikalnu asimptotu. 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 ] udaljenost toˇaka (1. tj. formulom A sin(Bx − x0 ). i funkciju z c π tangens proˇirujemo izvan intervala [0.π] x su bijekcije na [−1. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. Amplituda ove funkcije je A (jer je amplituda sinusa 1). dakle c niti bijekcije. na svoju sliku. π ] x 2 2 i Cos x = cos |[0 . k ∈ Z}. π]. 2 ˇto se vidi i s trigonometrijske kruˇnice. a kosinus strogo padaju´a na [0.33 Zbog periodiˇnosti. 1]. FUNKCIJE nul fazu. .206 POGLAVLJE 5. funkcije sinus i kosinus nisu injekcije. imamo π D(tg) = R \ {(2k + 1) . Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . c c Sin x = sin |[− π . tj. Dakle. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. 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 −∞. 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. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. Sliˇno kao i sinus i kosinus. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. 0) (joˇ ga zovemo tangensna os). Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. 0) i P na tangensnoj c osi. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. Napomena 5. pomak funkcije na x osi je x0 . 2 ]. 2 ].

s 1 P T x 0 1 tg x ctg x Q Slika 5. k ∈ Z}. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t.2. k ∈ Z}. . onda je interpretacija vrijednosti ctg t za t ∈ [0. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0.5. 2 ] udaljenost toˇaka (0. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. Imamo ctg t = D(ctg) = R \ {kπ. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. 1) i Q na kotangesnoj osi. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Sliˇno kao i sinus i kosinus. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . ˇto se vidi i s trigonometrijske kruˇnice.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. Sliˇno se interpretira i kotangens. 1) (joˇ s c s π ga zovemo kotangensna os).

Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Npr.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. na svoju sliku. 1]. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R.208 POGLAVLJE 5. njihove restrikcije Tg x = tg| − π . a c c s nema rjeˇenja za c ∈ [−1.34 Zbog periodiˇnosti. Dakle sinus nema inverznu funkciju. c dakle niti bijekcije. 5. Dakle. 2 i kotangens na 0. Napomena 5. c c Dakle. kosinus na 2 2 π π [0. π]. π x 2 2 i Ctg x = ctg| 0. ni tangens ni kotangens nisu injekcije. a kotangens strogo padaju´a na 0. π . k ∈ Z}. restringirajmo sinus na [− π .2. dakle nisu bijekcije. Tada prema Napomeni 5. 2 . π . π ]. a isto vrijedi s / i za ostale trigonometrijske funkcije. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5.π x su bijekcije s tih intervala na R. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije.33 .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). FUNKCIJE za svaki t ∈ R \ {kπ. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. tangens na − 2 .

5 -0. π]. π strogo rastu´e. π jednadˇbe tg t = x . π π R(arcsin) = [− . koje zovemo arkus funkcije.5 1 -1 -1. dakle su i bijekcije.5 1 0. 1] −→ [0. Iz Teorema 5. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . π ] .1 i Napomene 5. Nadalje.π] i ctg| 0. π ] bijekcija. s z 2 2 s z Kako je tg| − π .5 2 1. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. ].2. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.5 0. rjeˇenje jednadˇbe postoji i jedinstveno je.5.5 -1 -0.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). π ] i tg| − π . π]. inverznu funkciji cos |[0. a c 2 2 2 2 cos |[0. π bijekcija.π strogo padaju´e. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 1]. Dakle. z π π Za x ∈ [−1. rjeˇenje jednadˇbe postoji i jedinstveno je.33 slijedi da je arcsin strogo rastu´a. ]. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . oˇito je c c D(arcsin) = D(arccos) = [−1.5 -1 -0. 2 2 R(arccos) = [0.5 3 2. 1] −→ [− . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. 2 2 . Kako je sin |[− π .5 1 Slika 5. a arccos c strogo padaju´a na [−1.5 1 0. Dakle. 1]. 2 2 koja je inverzna funkciji sin |[− π . 1. 2 ] jednadˇbe sin t = s z s z x. .π] .34 znamo da su funkcije sin |[− π .5 0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.

5 -2 2 4 4 3. Napomena 5. Iz Teorema 5. tako da bi smo dobili arkus funkcije definirane na tim intervalima. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . π .5 -1 -1. -4 2 1. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.π . Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 -2 -0. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. π . Npr. inverznu funkciji ctg| 0.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.5 2 1.1 i Napomene 5.5 3 2. oˇito je c c π π D(arctg) = D(arcctg) = R. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 1 0. π . R(arcctg) = 0. π ]. 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . Dakle. FUNKCIJE arcctg : R −→ 0.5 1 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. 1].35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). npr. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. .210 koja je inverzna funkciji tg| − π . Nadalje. 2 odnosno ctg| 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.5 -4 -2 2 4 Slika 5. pri traˇenju rjeˇenja t jednadˇbe. R(arctg) = − . c . z s z sin x = t.

2 sh x e x − e −x th x = = x . dakle nije injekcija. strogo raste na R. za svaki x ∈ R. Dakle th ima dvije horizonzalne s z asimptote.5. Lagano se vidi da je ch x > 0 . sinus hiperboliˇki. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. 2. Dakle je R(ch) = [1. i R(th) = −1. neograniˇena c je pa je R(sh) = R i nema asimptote. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. parna je. Zbog neparnosti c c od sh i parnosti od ch. za svaki x ∈ R. +∞ i nema asimptote. Lako se vidi da je neparna. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . 0] i c strogo raste na [0. 2 e x − e −x sh x = . vrijedi ch x = ch2 x − sh2 x = 1 . Primjerice. Stoviˇe. ch x e + e −x 1 .36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1.2. PREGLED ELEMENTARNIH FUNKCIJA 211 5. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Iz formule lagano ˇ slijedi da je |th x | < 1 . Napomena 5. iako se definiraju u terc minima eksponencijalne funkcije. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. th je neparna. strogo pada na −∞. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. neograniˇena je. . y = −1 i y = 1. Strogo raste na R. za svaki x ∈ R. Nadalje. +∞ . tanges hiperc c boliˇki i kotanges hiperboliˇki. 1 .2. 3. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R.

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

R(Arth) = R \ {0} i iz Teorema 5. c 3. Oˇito je D(Arth) = −1. +∞ i R(Arch) = [0. Oˇito je D(Arcth) = R \ [−1. Oˇito je D(Arsh) = R(Arsh) = R. a pravac y = 0 horizontalna asimptota. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. pravci x = −1 i x = 1.5 0. Ako smo ch restringirali na [0.5 -1 -2 -3 0. R(Arth) = R i iz Teorema 5. tj.5 1 1. vertikalne asimptote od Arth.2.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. PREGLED ELEMENTARNIH FUNKCIJA 213 1. pravci x = −1 i x = 1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.5 1 0.1 zakljuˇujemo da Arch strogo raste. a x = 0 vertikalna asimptota od cth. c 2. 1]. Kako su y = −1 i y = 1 horizontalne asimptote od th.5 3 Slika 5.1 c slijedi da Arcth strogo pada. onda je D(Arch) = [1. onda su rubovi −1 i 1. 1 . 4. +∞ .5 2 2. iz Teorema 5.5 2 1.1 slijedi da Arth strogo raste. +∞). Iz Teorema 5. . Kako su y = −1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5. 3 2 1 -1 -0. y = 1 horizontalne. onda su rubovi −1 i 1. vertikalne asimptote od Arth. tj.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).

.

1. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.5 + 0. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.8 kn.05(m − 20). Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. a visina poˇtarine c u z s kunama). Naime. (Masa m je izraˇena u gramima. Dakle imamo c(m) = 2. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.Poglavlje 6 Uvod u diferencijalni raˇun c 6.1. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05(m − 20) kn. m = 20 i m = 30.05h = 0.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05h (∆c = ˇ 0.1 6. onda je 215 .5 + 0.05(m2 − m1 ). Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05∆m).1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.8. 0 ≤ m ≤ 20 3. m > 20. Graf te funkcije prikazan je na slici 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). c c Napomena 6.216 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. . Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 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. S druge strane. Definicija 6.♠ c Definicija 6.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. odnosno da graf funkcije ima prekid u toj toˇki.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.7 kn. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. s s 20M ≥ (m2 − m1 )).

1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε).2 Funkcija c(m) iz Primjera 6.ˇ 6. 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). s c c Napomena 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).2 nam daje ideju za sljede´u definiciju: c Definicija 6. ako je m > 20 i m blizu 20.1.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . Tada su u toˇki x0 neprekidne i funkije: c . No. Primjer 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.♠ Primjer 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Analogno. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. S druge strane. 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 . ako je m lijevo od 20 i dovoljno blizu 20.2 Svojstva neprekidnih funkcija Teorem 6.1 Neka su funkcije f. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0. koji c je manji od nekog fiksnog strogo pozitivnog broja. postoji δ > 0 za koji vrijedi Definicija 6.1 ima prekid u toˇki c = 20. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.2 Iz Definicije 6.1. ipak m(c) nije blizu m(20). ali je ona c neprekidna s lijeva u toj toˇki.1. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.1.

Ako pogledamo funkciju f restringiranu na segment [−1. g ˇ POGLAVLJE 6.♣ Teorem 6. Tada postoji x0 ∈ a. x=0 x f (x) = 1.♣ z c Teorem 6. c + δ) takav da je f (xδ ) ≤ 0. 1] (jer je nema na cijelom R). Uzmimo ε = f (c). g : R −→ R takve da je definirano (g ◦ f )(x0 ). tj. f + g.♠ . tj. Dakle. 4. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).♣ c Teorem 6. f · g. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.2 Neka su funkcije f. postoji xδ ∈ (c − δ.11 znamo da je funkcija f : R −→ R dana formulom 1 . 2. x = 0 svugdje neprekidna osim u nuli. b]. ˇto je suprotno pretpostavci. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. po pretpostavci.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. Ako je funkcija f neprekidna u x0 . onda njezin graf mora negdje sjeˇi x os. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. onda je oˇito f (−1)f (1) = −1 < 0. i funkcija g neprekidna u f (x0 ). f .218 1. 3. tj. Dokaz: Pretpostavimo suprotno. c c Primjer 6.3 Iz Napomene 5. onda je funkcija g ◦ f neprekidna u x0 . |xδ − c| < δ. tj.1] : [−1. 1] −→ R. b takav da je f (x0 ) = 0. Tada za svaki δ > 0. f |[−1. ali oˇito f nema nultoˇku na segmentu c c c [−1. f ima prekid u toˇki c. i neka je f (c) > 0 (f (c) < 0). za koji je f (xδ ) ≤ 0.♣ Teorem 6. i neka je f (a)f (b) < 0. c + δ .4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. f − g. Tada je |f (xδ ) − f (c)| > f (c) = ε. c s Analogno se dokaˇe sluˇaj f (c) < 0. 1]. mora imati nultoˇku. c + δ).

π funkcijom tg je R.3 Neprekidnost elementarnih funkcija Primjer 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.3 slijedi da je uvjet neprekidnosti iz Teorema 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . ali oˇito je neomedena. . i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. π .♣ Teorem 6.6 ne vrijedi za otvorene intervale. 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. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tada je funkcija f neprekidna na intervalu I. onda je ta funkcija i neprekidna. slika otvorenog intervala − π .6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.♣ c Tvrdnja Teorema 6. b]. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. Npr. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.4 nuˇan.1. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.♣ 6. funkcija f (x) = neprekidna na 0.4 Funkcije f. Pitanje je sad. c 1 x je Teorem 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. Teorem 6. za svaki x ∈ I (Definicija 5. Npr. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.1.ˇ 6. 1 . M ∈ R takvi da je m ≤ f (x) ≤ M.5 ne vrijedi za otvorene intervale. Tvrdnja z Teorema 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. Nadalje.4) Teorem 6.

. z c Uzmimo proizvoljni ε > 0.. logaritamskih. Nadalje. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R... slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj.1. Na kraju. . UVOD U DIFERENCIJALNI RACUN 1... Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.7 c i periodiˇnosti.1 sada slijedi da je na R neprekidna i funkcija x2 . hiperboliˇkih (osim kosinusa hiperbolnog). na intervale − π . Zbog neprekidnosti konstantne funkcije na R (Primjer 6.. . 1. n. jer su njihove restrikcije npr. trigonometrijske. π odnosno 0. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. Dokaz: Neprekidnost eksponencijalnih..♣ Napomena 6.7.1 direktno imamo: n Teorem 6. Teorem 6.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. polinom Pn (x) neprekidan na R. i = 0.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.4 dokazali smo da je funkcija f (x) = x neprekidna na R.7 su neprekidne. logaritamske. n. Budu´i da je f (x) − f (x0 ) = c − c = 0. . z 2. dakle iz Teorema 6. . zakljuˇujemo c da je i suma od ai xi . Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. n. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).9 Eksponencijalne. i = 0. c Dokaz: U Primjeru 6. slijedi da c moˇemo uzeti δ = ε.4) i Teorema 6. i = 0.1. 1. π monotone c 2 2 bijekcije na R.220 ˇ POGLAVLJE 6. na R su neprekidne i funkcije ai xi .4 i Teorema 6.♠ z Iz Primjera 6. Iz Teorema 6.. z c Uzmimo proizvoljni ε > 0. 1. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. arkus. Na isti naˇin se zakljuˇi da su xi .1. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.1. c c neprekidne na R.7 imamo da su neprekidne i funkcije arctg i arcctg. jer je svaka racionalna funkcija kvocijent dvaju polinoma. tj. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. takoder iz Teorema 6. takoder iz Teorema 7. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).

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

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

2 2 5. moˇda u samoj toˇki c.1. Dakle. osim. Neka je dana funkcija f : R −→ R formulom f (x) = xx . takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). |f (x) − M | < ε). osim. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. . 6. 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. ako c ˇelimo promatrati ponaˇanje oko nule.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . Definicija 6.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. pravac y = π je horizontalna asimptota.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.2. moˇda u samoj toˇki c.5). Ako funkcija ima limes L u toˇki c.ˇ 6. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.♠ Situacije iz Primjera 6. onda piˇemo c s L = lim f (x). a ne znamo izraˇunati ni njenu vrijednost za x = 0.2. tj. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.

Tada za taj ε. −∞ ∈ R. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. ˇ POGLAVLJE 6.224 Tada je L = M . L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). 2 po pretpostavci.6 i Napomz ena 4. Ali. +∞) okolina od +∞. +∞. da je M = L. . Dakle imamo |M − L| < |M − L|.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi).2) jako sliˇna definiciji neprekidnosti (Definicija 6. ali postoji bitna razlika. Analogno. i svaki interval oblika (−∞. ˇto ne moˇe biti. Dakle je M = L.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. 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). |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. tj.4 Uoˇimo da je definicija limesa (Definicija 6. Uzmimo sada ε = 1 |M − L|. postoji δ > 0. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. M ) je okolina od −∞. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. pri ˇemu. naravno ne zaboravljamo.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. |f (x) − M | < ε). Pri tome uzimamo da je svaki otvoreni interval oblika (M. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.♣ s z c c Napomena 6. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. 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 ).

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

x−→+∞ 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x−→+∞ 2 5.7 Iz Primjera 5. x > 0 ima prekid u nuli. x−→0+ lim xx = 1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . c osim.226 ˇ POGLAVLJE 6.5 znamo da funkcija   −1. ne postoji lim sin x. onda je jasno iz Definicije 6. onda iz Definicije 6.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x−→0 x π 4. Obrnuto. x −→0 − lim sign x = −1 .5 Neprekidnost i limes Primjer 6. tj. ♣ 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.6 Opiˇimo sada pomo´u limesa Primjer 6. moˇda u samoj toˇki c. ako postoje limesi s lijeva i s desna i oni su jednaki L. lim 2. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . Dakle je x−→0+ lim sign x = sign 0 . Dokaz: Ako funkcija f ima limes L u toˇki c.♠ 6. x < 0  sign x = 0. lim arctg x = .1.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.5. s c 1. lim 3. x = 0   1. x−→1 x−1 1 = +∞. x2 − 3x + 2 = −1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. UVOD U DIFERENCIJALNI RACUN Teorem 6.

tj. x−→c Napomena 6.♠ x−→2 Primjeri 6.1 i 6.12 imamo: Teorem 6.1 i Primjer 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.3.♣ .5 U Teoremu 6.♣ x−→c Analogno kao Teorem 6.4). x−→c+ Dokaz: Izravno iz Definicije 6. Nadalje.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Zaista imamo: c c Teorem 6. onda limes i funkcija z c ”komutiraju” tj. Tada je c x−→c lim g(f (x)) = g( lim f (x)).♠ Primjer 6. i neka postoji limes funkcije f u toˇki c.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)).13 Neka je funkcija g : R −→ R neprekidna. Dokaz: Izravno iz Definicije 6.1.♣ Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. konaˇan je broj.7 i 6.ˇ 6. c c Sada direktno iz Napomene 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . oˇito vrijedi c f (2) = lim f (x).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.2 i definicije jednostranog limesa. imamo x−→c lim f (x) = f (c) = f ( lim x).4) i da limes mora postojati.

. 3. a ∈ R proizvoljan.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.14. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. 8. a > 0 −∞. 9. 2.♣ 6. (−∞) · a = 10. (+∞) + (+∞) = +∞. 4.15 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). (−∞) · (−∞) = +∞. 6. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. +∞ ± a = +∞. −∞ ± a = −∞. (+∞) · (−∞) = −∞.12 i 6. (+∞) · (+∞) = +∞. (+∞) · a = +∞. a < 0. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a > 0 +∞. jer operacije nisu definirane i operandi nisu realni brojevi. x−→c+ Dokaz: Izravno iz Teorema 6. a ∈ R proizvoljan. a < 0. 7. 5. To se posebno odnosi na veliˇine +∞ i −∞. a +∞ = 0. a ∈ R proizvoljan. −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. (−∞) + (−∞) = −∞.1. Kako one nisu realni brojevi.228 ˇ POGLAVLJE 6. 6.11.

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

. x−→−∞ lim ax = 10.230 ˇ POGLAVLJE 6. 6. α > 0 0. +∞. x−→0+ lim xα = 0. 0 < a < 1. −∞. 0. lim x−n = −∞. α < 0. n ∈ N neparan +∞. −∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→0− 4. a>1 0. n ∈ N proizvoljan.7 Raˇunanje limesa c Neki temeljni limesi 1. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→+∞ x−→+∞ 2. x−→+∞ lim ax = 9. lim x−n = +∞. n ∈ N paran. 0 < a < 1. 0 < a < 1.1. 0 < a < 1. a>1 −∞. UVOD U DIFERENCIJALNI RACUN 6. +∞. a>1 +∞. a>1 +∞. n ∈ N proizvoljan. n ∈ N paran. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. x−→0+ x−→0− 7. x−→+∞ lim loga x = 11. α < 0. 5. n ∈ N neparan. 3. 8. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. α>0 +∞. lim xn = +∞. +∞.

vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. i zbog parnosti od sin x . koriste´i definicije limesa i jednostranih limesa (toˇka 6. neparnost i sliˇno. c c eksponencijalnih i logaritamskih funkcija. a ∈ R. Oznaˇimo s A = z c c (cos x.9.2. Kako gledamo c limes funkcije sin x kada x −→ 0. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ).6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0.1. i s B = (1. svojstva potencija. tg x ). To znaˇi da je c x−→+∞ lim loga x = +∞. sin x). x−→+∞ x sin x = 1.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). njihov rast.16 lim i 1 lim (1 + )x . 0). Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . +∞) i da joj c c je slika cijeli R. π ).4). x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. 0) u ravnini. jasno je da je dovoljno x x promatrati x ∈ (0. parnost. Kada s pravca uzmemo x ∈ (0.1.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. Iz toˇke 5.ˇ 6. za a > 1. ortogonalnu projekcija toˇke A na x os. tj. Dakle. c Osim ovih limesa. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. pad. . koji se nalazi unutar trokuta OBB .

UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.232 ˇ POGLAVLJE 6. sin x cos x xr . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.2: Uz izvod osnovnog trigonometrijskog limesa. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.♣ x lim . Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. x−→0 x sin x = 1.12) 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−→0 x lim i ax − 1 = ln a. a ∈ R. Tada je jasno da t −→ 0 kada x −→ 0.17 x−→+∞ 233 lim 1+ 1 x x = e. x−→0 t−→0 ln(t + 1) x Iz toˇke 5.ˇ 6.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. Dakle . x−→0 x Iz Teorema 6. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a. x Oznaˇimo sada ex − 1 sa t. x−→0 x lim a > 0.10 ex − 1 = 1. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .2. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . ♣ Primjer 6. i da je x = ln(t + 1).12 i Teorema 6.1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Dakle imamo ax − 1 ex ln a − 1 = lim . c Zbog toga je ex − 1 t lim = lim = 1.

1. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). x−→c c 3. x−→c x−→c 4.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. 6.16. 6. . 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. c 6. ♣ x−→c Teoremi 6.17. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).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.13.18 i temeljni limesi iz toˇke 6.234 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. Tada 1. 6. x−→c x−→c 2.7 su nam dovoljni za c raˇunanje gotovo svih limesa. g : R −→ R. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).2 6.

Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . DERIVACIJA FUNKCIJE 235 Primjer 6. c . b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. tj. dobivamo s v= 50 km = 100 .6. a t vrijeme za koje smo preˇli taj put. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. 15 minuta nakon polaska.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. ∆t ˇ Sto je ∆t manji. 0 moramo promatrati limes.2. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . b).♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. No uvrstimo li ∆t = 0 u gornju formulu. Dana je formulom c v= s(b) − s(a) . s(t0 + ∆t) − s(t0 ) v= . b = t0 + ∆t. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. t gdje je s prijedeni put. t0 + ∆t]. z c zahtijeva podrobnije razmatranje. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. Trenutna brzina. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . za razliku od prosjeˇne. 0.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. Ideja je koristiti ono ˇto znamo. tj. Uzmimo a = t0 . Kretanje je promjena poloˇaja u vremenu. dobivamo neodredeni izraz tipa 0 . Dakle.

001) − y(1) . y(t0 )) i c ∆t (t0 +∆t. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . 1.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. c ∆y = tg α. Op´enito. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . UVOD U DIFERENCIJALNI RACUN Primjer 6.236 ˇ POGLAVLJE 6. ∆t . prosjeˇna brzina odgovara koeficijentu smjera sekante. Dakle. prosjeˇna brzina projektila u vremenskom intervalu [t0 .3: Ovisnost visine projektila o vremenu. y(t0 +∆t)) zatvara s osi x. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. a to je jednako koeficijent smjera te sekante. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.

11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. Ako postoji z c f (x0 + ∆x) − f (x0 ) . c Primjer 6. tj. 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. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 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 . f : I −→ R.2. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.2. x0 ∈ I.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .4: Sekante i tangenta. c mjeri brzinu promjene veliˇine c Definicija 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.♠ 6.

2. 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. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).15 Pogledajmo sljede´e primjere: c 1.238 ˇ POGLAVLJE 6.6 Uoˇimo bitnu razliku.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. .♠ ∆x−→0 ∆x 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. c c koji se oznaˇava sa f (x0 ). ∆x−→0 ∆x Napomena 6. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Dakle brzina promjene linearne funkcije je konstanta. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Derivacija funkcije f (x) = kx + l je f (x) = k. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f u toˇki x0 je broj. za proizvoljne k. l ∈ R. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. c z Primjer 6.

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

ne postoji f (0). problem postoc janja limesa. problem razliˇitih vrijednosti s lijeva i zdesna. Takve toˇke zovemo stacionarne toˇke. problem konaˇnosti c c limesa. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Dakle iz Teorema 6. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) .11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. odnosno da je tangenta pravac koji raste. Tu funkcija niti raste c niti pada. M= ∆x−→0− lim .240 ˇ POGLAVLJE 6. To su npr. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. funkcija pada c c na tom intervalu. Primjer 6.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. U toˇkama gdje je f (x) = 0. problem rubova domene. tj.2.17 1.4) ustvari limes funkcije f (x + ∆x) − f (x) . ako je f (x) < 0 na nekom intervalu. Sliˇno. tangenta je paralelna s osi x. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). ∆x Lagano se vidi da je M = 1 i L = −1. c c 6.. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala.

3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.6. √ 3 241 x nije derivabilna u x0 = 0.♠ Teorem 6.1.7 imamo da je c lim √ 3 1 = +∞.2. 3. DERIVACIJA FUNKCIJE 2. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . ∆x ∆x−→0 dakle ne postoji f (0).1. c x0 ∈ I ⊆ D(f ).7 imamo da je c lim √ 3 1 ∆x2 = +∞.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. ∆x−→0 dakle ne postoji f (0). Tada je f i neprekidna u x0 . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). ∆x ∆x−→0 . 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 . Funkcija f : R −→ R dana formulom f (x) = x0 = 0.

12 zakljuˇujemo da je funkcija g neprekidna u x0 . ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. Sve tri funkcije iz Primjera 6. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . I ⊆ D(g). 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) + f (x)g (x) 3. i vrijedi 1. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). Iz Teorema 6. produkta i kvocijenta funkcija Teorem 6. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). Derivacija zbroja.12 imamo da je f neprekidna u x0 . Tada su na I derivabilne i funkcije f ± g. f · g i f g (tamo gdje je definirana. razlike. ali vidjeli smo da nisu derivabilne. ∆x−→0 ∆x ∆x . tj. g 2 (x) Dokaz: 1. za one x ∈ I za koje je g(x) = 0).242 ˇ POGLAVLJE 6. f (x) g(x) = f (x)g(x)−f (x)g (x) .20 Neka su funkcije f. Nadalje.19 op´enito ne vrijedi. (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).17 su c neprekidne u nuli.♣ Obrat Teorema 6. ∆x f (x0 ). (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x = 0 .

Izraˇunajmo prvo c 1 g(x) . ∆x−→0 ∆x−→0 Sada iz Teorema 6. g 2 (x) f (x) g(x) = 1 f (x) g(x) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). derivabilna na I i vrijedi (λf ) (x) = λf (x).♣ . (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). Oˇito je D(g) = R. f (x) g(x) f (x)g(x) − f (x)g (x) .♣ g 2 (x) Napomena 6. 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) . za svaki x ∈ I. gdje je λ ∈ R proizvoljan. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ.2. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). imamo g(x) · = 0. Dakle 1 g(x) = 0.6. Tada je funkcija λf . tj. tj. c dakle je po Teoremu 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) . 3. DERIVACIJA FUNKCIJE 2. Kako je g(x) · 1 g(x) = 1. za svaki x ∈ I.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).

g = f . ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.244 ˇ POGLAVLJE 6. gdje je g(x) = x2 . odnosno (f −1 ) (f (x)) = 1 . Dakle imamo f −1 (f (x)) = x. naravno. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. moˇe provesti samo ako je f (x) = 0. x ∈ I ⊆ D(f ). i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . Sada primjenom Teorema 6. f (x) Ovo se.21. iz Teorema 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle.15 i Primjera 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) ∈ J ⊆ D(g). c −1 tj. f (x) = 0 na I i neka postoji f −1 .♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . z Teorem 6. c Primjer 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Primjera 6. f (x) ♣ . Izraˇunajmo joˇ i (f ◦ g) . f (x) = sin x.

21 i 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. Derivacija funkcije g(x) = ln x je g (x) = x . Derivacija funkcije g(x) = √ 1 . 2 x x je g (x) = Iz Primjera 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .20. odnosno 1 g (x) = √ . .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.22 i derivacijama iz donje tablice. Osnovne derivacije dajemo u sljede´oj tablici. c Napomena 6. DERIVACIJA FUNKCIJE Primjer 6. Kako je (f ◦ g)(x) = x iz Teorema 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. 6.2. odnosno g (x) = 2.21 i 6. i vrijedi (f ◦ g)(x) = x.19 Pogledajmo sljede´e primjere: c 1 1. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.8 Studentima se preporuˇuje da provjere donje formule samostalno.20.10 imamo da je f (x) = lim e∆x − 1 = 1. Iz Teorema 6. ∆x−→0 ∆x lim dakle je f (x) = ex . x 1 √ .

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. 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 6.1: Derivacije elementarnih funkcija 6. f (x0 )) biti dosta mala. gdje je α kut izmedu tangente funkcije f u toˇki (x0 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (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 . f (x0 )) i osi x. f (x0 )) s c c ∆f apscisom x0 + ∆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 . no to je ponekad teˇko izraˇunati. odnosno ∆f = tg α∆x . vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . c tj.2. Jasno je da je ∆x = tg α.

Dakle. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ).6. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . c Teorem 6. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. f (x0 )). jednadˇba tangente u c z toˇki (x0 . DERIVACIJA FUNKCIJE 247 ∆x. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.5: Diferencijal funkcije.♣ c . polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .2. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.5). Tada od svih polinoma stupnja najviˇe jedan.1.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).

16 znamo da je f (x) = cos x. to su razlike ordinata na grafu i na tangenti male za istu apscisu. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Iz Primjera 6.♠ s s c .23). Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . 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.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.5 -1 0. Dakle.248 ˇ POGLAVLJE 6. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 2 Slika 6. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. c Primjer 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.5 1 1. dakle je f (0) = cos 0 = 1.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).

c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. DERIVACIJA FUNKCIJE 249 Primjer 6. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. 1 Kako je f (0) = 0.6. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . gdje je G glavnica. odnosno f (0) = 1. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. odnosno 2 = (1 + r)t .2. f (r) = 1+r . Imamo 2G = G(1 + r)t . imamo f (r) ≈ f (0) + f (0)(r − 0) = r.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi.♠ c s . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala.

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).

Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). proizvoljne. b−a y f(x) 0 a x0 b x Slika 6.♣ f (b) − f (a) . postoji x ∈ a. c . f (a)) i (b.25. tj.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. b za koju je F (x ) = 0. f (a)) i (b.6. Neka je L pravac kroz toˇke (a. tj. b ∈ I. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). b−a f (b) − f (a) (x − a).13 Primijetimo: 1. f (b)).26 kaˇe da za svaku sekantu kroz toˇke (a. a < b. b−a onda Teorem 6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. Napomena 6.2. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. f (b)) z c postoji toˇka x ∈ a. b u kojoj je tangenta paralelna s tom sekantom.

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

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 +.2.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I.+ (x−x0 )n + (x−x0 )n+1 .2. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. c Usporedimo to s lokalnom linearizacijom (toˇka 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . . 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 . Koliko je ta aproksimcija dobra? Odnosno. Napomena 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. tj. i ne znamo ga toˇno. poznavaju´i vric c jednosti viˇih derivacija u x0 .6. ali ne znamo za koji x .14 Za n = 0 Teorem 6. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).5). tj. no u nekoj toˇki sigurno je.26.♣ 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. tj.. S druge strane. imamo toˇan izraz. iz Teorema 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. tj. Teorem 6. f (a)) i (x.. f (x)). imamo c pribliˇni izraz.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.

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

2. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju. n! ∞ sin x = n=0 (−1)n x2n+1 .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. 6. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . Moˇe se pokazati da su funkcije ex .2. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4... . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). odnosno konvergirati nekoj z (x drugoj funkciji. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. sin x. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .3. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. dakle nisu jako c dobri za numeriku. (2n + 1)! ∞ cos x = n=0 (−1)n x2n ..1).28 Neka je f ∈ C 1 (I) za neki interval I.. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . tj. (2n)! Napomena 6.6.

UVOD U DIFERENCIJALNI RACUN 1.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Iz Napomene 6. onda funkcija strogo raste (pada) na I. Jedan smjer bismo mogli dokazati.♠ Iz Primjera 6.262 ˇ POGLAVLJE 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. po Teoremu 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Dokaz: c 1. Medutim. Dokaz ide na sliˇan naˇin. Dakle ne vrijedi f (x) > 0 na R. ∆x za svaki x ∈ I. Obratno. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. . Kako je desna strana gornje jednadˇbe nenegativna. za svaki x ∈ I. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I.24 smo vidjeli da. to je i lijeva strana takva. obratna tvrdnja ne mora vrijediti. Ovaj smjer se dokazuje analogno kao u Teoremu 6. onda je f (x0 ) = 0. 2. pa je f (x + ∆x) − f (x) ≥ 0.11 imamo da obrat ne vrijedi. lim x2 = 0). Limes nenegativne funkcije mora i sam biti nenegativan.28 primjenom Teorema 6. ∆x Primjer 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. za svaki x ∈ I. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). dakle z funkcija f raste na I. x−→0 U Teoremu 6. Neka je f ∈ C 1 (I) rastu´a funkcija na I. pa je f (x) = lim za svaki x ∈ I.25 zakljuˇujemo da u Teoremu 6. jer se c s c medu njima nalaze potencijalni ekstremi. Tada.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).26 postoji x ∈ (x. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. 2.26.

ali i ne mora. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . onda u x0 funkcija f ima lokalni maksimum. kaˇemo da je f konkavna na I. Teorema 6. DERIVACIJA FUNKCIJE 263 Definicija 6. x2 ∈ I.1. Teorema 6. x2 ∈ I.28. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .4. . 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . jer konveksnost i konkavnost ovise o predznaku druge derivacije.24.2. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. Dokaz: Izravno iz toˇke 5. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).6. Ako derivacija s c ne mijenja predznak. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. u stacionarnoj toˇki funkcija moˇe. a s druge pada (raste)). Teorem 6.♣ c Konveksnost. Definicija 6. c Kao ˇto smo rekli. c Dakle.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. 2 za sve x1 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. imati s c z lokalni ekstrem. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). onda u x0 funkcija f ima lokalni minimum. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . da je barem f ∈ C 2 (I)).

c 1. 2. za svaki x ∈ I. UVOD U DIFERENCIJALNI RACUN Definicija 6. jer c c se nalazi izmedu x0 i x.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . ali je f (0) = 0. funkcija f ima u x0 ∈ I lokalni maksimum. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .27 za sluˇaj c n = 1. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)).3). 2. f (x1 )) i (x2 . c c Dakle. iz Teorema 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . c . druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Npr. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan.♣ Teorem 6.31.27 biti iz te okoline. Ako je f (x0 ) < 0. Zbog neprekidnosti druge c derivacije. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Dokaz: 1. Onda ´e i toˇka cx iz Teorema 6. Dakle je f (cx ) > 0. x2 ∈ I graf konveksne funkcije je ispod.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). c 2.264 ˇ POGLAVLJE 6. 1. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). a konkavna ako je za sve x1 . Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . Teorem 6.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). izmedu x1 . Ako je f (x0 ) > 0.30 Neka je f : I −→ R klase C 2 (I). f (x2 )). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Primijenimo li Teorem 6. konveksnost i konkavnost su odredene predznakom druge derivacije. Dokaz ide na sliˇan naˇin. za svaki x ∈ I. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. funkcija f ima u x0 ∈ I lokalni minimum. Uzmimo x proizvoljan iz te okoline.

♣ Uvjet f (c) = 0 iz Teorema 6. ali je f (x) > 0 za x ∈ −∞. c strogo konveksna i na c. c Teorem 6. Dakle. ∞ . u x0 ∈ I.♣ Raˇunanje limesa .7 Neka je f : I −→ R i c ∈ I. Onda je c toˇka infleksije od f . c c Kaˇe se joˇ da je toˇka (c.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. f (c)) toˇka infleksije grafa funkcije f .6. 0 i 0. Dakle je konveksna na −∞. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. neka je f na c − δ. f ima lokalni maksimum u c. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. moˇda.2.L’Hospitalovo pravilo c Teorem 6. c strogo konkavna i na c. g (x) onda je i x−→x0 lim f (x) = L. Ako je c ∈ I toˇka infleksije od f . Tada iz Teorema 6. Iz Teorema 6. c + δ strogo konkavna ili je na c − δ.7. ∞ . pa je po Teoremu 6. Npr. x ∈ I. z Neka je lim f (x) = lim g(x) = 0. c + δ). c + δ strogo c konkavna za neki δ > 0. c) i pada na (c.32 Neka je f ∈ C 2 (I). x ∈ I. DERIVACIJA FUNKCIJE 265 Definicija 6. z s c c Teorem 6. Neka postoji δ > 0 takav da je funkcija f na c − δ.30 imamo da funkcija f raste na (c − δ.34 Neka su f i g derivabilne funkcije na I osim.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Dokaz: Bez smanjenja op´enitosti. 0 i f (x) > 0 za x ∈ 0. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . pa x = 0 ne moˇe biti z toˇka infleksije.24 f (c) = 0. onda je c f (c) = 0. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . c + δ strogo konveksna. c Dokaz: Izravno iz Definicije 6. Ako je g (x) = 0 za svaki x = x0 . c strogo konveksna i na c.

266 i ˇ POGLAVLJE 6. c Napomena 6.♣ g (x) f g Na Teorem 6. . tg α2 = f2 (x0 ).34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. g (n) (x0 ) = 0. Znamo da je c tg α1 = f1 (x0 ). . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Dakle. 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. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .34.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . analogno kao u dokazu Teorema 6. f (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).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) . . . g(x0 ) = 0. po g (x0 ) = 0. f (n) (x0 ) = 0. . .12).12) i iz Teorema 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.16 Neka su funkcije f. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . 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 ) = . g (n+1) (x0 ) = 0. iz Teorema 6. Tada. .

dakle je f1 (x0 ) = f2 (x0 ).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. Ako je α = 0. 1 + f1 (x0 )f2 (x0 ) Napomena 6. . a > 0. tj. To znaˇi da u c toˇki (x0 . Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). c c pa moˇemo re´i da se diraju u toj toˇki.2. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. z c c Primjer 6. odnosno ako i samo ako je tg α = ∞. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. onda je i tg α = 0 . Iz toˇke 2.6.14: Kut izmedu dviju krivulja. x a + x2 = f2 (x). ako i samo ako je f1 (x0 )f2 (x0 ) = −1.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 .2.

tj. Supstitucijom x2 = u dobivamo u2 + au − a2 = 0.268 ˇ POGLAVLJE 6.. 2 Dakle. nadimo rjeˇenje jednadˇbe f1 (x) = f2 (x). 2 2 5−1 .♠ . a + x2 a 5−1 . Uzimaju´i pozitivno rjeˇenje jednadˇbe s c s z √ x =a imamo za apscisu toˇke presjeka c √ x0 = Deriviraju´i f1 i f2 po x dobivamo c f1 (x) = − Nadalje je f1 (x0 )f2 (x0 ) = −a x0 a + x2 0 = . x2 f2 (x) = √ x . z x4 + ax2 − a2 = 0. f1 i f2 su okomite u toˇki x0 . a . = −1. UVOD U DIFERENCIJALNI RACUN Nadimo presjeciˇte krivulja f1 i f2 . okomite su za svaki a > 0). a odatle je u=a √ 5−1 2 (drugo rjeˇenje je negativno). tj. odnosno sve krivulje f1 (x) i f2 (x) su c medusobno okomite (tj. s s z Iz a √ = a + x2 x kvadriranjem dolazimo do bikvadratne jednadˇbe po x..

Odrediti domenu funkcije (prirodno podruˇje definicije). samokorigiraju´i. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. Postupak: 1. 7. Prona´i stacionarne toˇke. Ispitati ponaˇanje na rubovima domene (asimptote). s 5.2. periodiˇnost. Postupak je. c Primjer 6. Sloˇiti sve dobivene podatke u graf funkcije. Oznaˇimo c li tu duljinu s 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. neparnost. c c 4. Nadalje je V (x) = (a − 2x)(a − 6x). konkavnosti i toˇke infleksije. Ispitati parnost. Odrediti intervale monotonosti i lokalne ekstreme. Prona´i intervale konveksnosti. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. u izvjesnom smislu.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. c c 6. 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. c c 2. 3. c c z 8. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. to upu´uje na pogreˇku u raˇunu. . volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x.6.

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

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

.

Dakle je funkcija z 273 .1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje.treba ih samo mnoˇiti c z vremenom.. . 1. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota.. 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. 2. Npr...1.. n = 0.9 znamo da su skupovi C n (I). za n godina bit ´e ih za n·100 viˇe nego danas. ∞. . n = 0. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. c s z Ako su te veliˇine konstantne. 2. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja.Poglavlje 7 Uvod u integralni raˇun c 7. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.. v = v(t)? Ili prirast populacije nije konstantan. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. ∞. odgovor je jednostavan . Iz z Napomene 6.1 7. 1.. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina.

Uvedimo prvo ime za takve funkcije. C ∈ R. itd. Teorem 7. 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). da je x primitivna funkcija funkcije x. Odatle slijedi vaˇno svojstvo primitivnih funkcija. . UVOD U INTEGRALNI RACUN deriviranja operator. linearan operator koji mu je inverzan. Definicija 7. ako postoji. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Iz Teorema 6. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6.20 i Napomene 6. 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. c Primjerice.2.274 ˇ POGLAVLJE 7. Zanima nas. Stoviˇe.1 Neka je f neprekidna funkcija na I ⊆ R. a onda pogledajmo kada postoje i koja su im svojstva.7 izravno slijedi da je operator deriviranja linearan.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. jer je derivacija svake konstante jednaka nuli.

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

2 f (x)dx = f (x). Za ostale operacije nema jednostavnih pravila. zbog linearnosti derivacije. 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. Neka je F primitivna funkcija funkcije f . Dokaz: Neka je F primitivna funkcija funkcije f .1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.3 Vrijedi: 1. = (F (x) + C) = F (x) = f (x). Teorem 7.7). Kako je imamo f (x)dx f (x)dx = F (x) + C.♣ . Oˇito je. z Teorem 7.276 ˇ POGLAVLJE 7.♣ Napomena 7. c zbog linearnosti derivacije. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. UVOD U INTEGRALNI RACUN neodredenog integrala. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. 2. Oˇito je.20 i Napomena 6. cF c primitivna funkcija funkcije cf .1 Iz Teorema 7. F ± G primitivna funkcija funkcije f ± g. f (x)dx. Dokaz: 1. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.

Primjer 7. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.2. Najpoznatiji primjer je e−x dx.1. S druge strane. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1. izraˇunati derivaciju bilo koje c c c elementarne funkcije. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.3.1. c 7.2) i svojstva iz Teoc c rema 7.4). 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. Ako se i moˇe integrirati.1 Pogledajmo sljede´e primjere: c . eksponencijalne i z trigonometrijske funkcije. tzv. c c koriste´i pravila i tablicu derivacija (toˇka 6.7. c c z z to obiˇno nije lako. tabliˇne integrale.

3). Dakle je 3 = F (1) = 1 + 1 + C. Odredimo integral funkcije f (x) = x2 + sin x. Drugim rjeˇima. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. i to je x3 +x+1.2: Primitivne funkcije funkcije 3x2 + 1. UVOD U INTEGRALNI RACUN 1. Koriste´i Teorem 7. 3 2. Samo jedna prolazi toˇkom (1. 3). i one c 3 su oblika x +x+C.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Traˇena funkcija je F (x) = x3 + x + 1. pa je C = 1. Koriste´i Teorem 7. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. 3). i ˇiji graf prolazi kroz toˇku (1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. y 3 0 1 x Slika 7.♠ c .278 ˇ POGLAVLJE 7.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C.

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

Zamjenom varijabli kao u Primjeru 7. UVOD U INTEGRALNI RACUN U Primjeru 7.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. tj. . Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.280 ˇ POGLAVLJE 7.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Primjer 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. a to je diferencijal od z u6 + C. moˇemo podintegralnu funkciju pisati kao z g(u)du. 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. d(u(x)) = u (x)dx. Ako je G(u) primitivna funkcija od g(u). Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g.

pa je dx = Uvrstimo u integral. tako i iz diferencijala. x2 −1 Uvedimo supstituciju u = x2 − 1. u 2 2 du .1. 281 sin Integral tg x dx nije tabliˇni. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x.7. Sada je du = 2x dx.♠ x2 . a nije ni produkt. 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. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije.4 Odredimo integral funkcije f (x) = tg x . NEODREDENI INTEGRAL Primjer 7.♠ u Napomena 7. 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.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. 2x 1 dx. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. kako iz integranda. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. cos x i da je sin x derivacija od − cos x. Primjer 7.5 Odredimo integral funkcije f (x) = 3x . dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. 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. Dakle.

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

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

Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . Stavimo dv = dx. v = sin x. Stavimo dv = dx. i u = arctg x .8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. ˇto daje du = u dx = s v = x. ˇto daje du = u dx = s cos x dx i v = − cos x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. 2. Odredimo integral funkcije f (x) = sin2 x. v = 1.♠ 2 x dx . tj.284 ˇ POGLAVLJE 7. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . 1. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. x dx x i v = x. Odredimo integral funkcije f (x) = ln x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. tj. i u = sin x. sin2 x dx. i u = ln x. Odredimo integral funkcije f (x) = arctg x . v = 1.5 imamo x dx 1 = ln(x2 + 1) + C. tj. UVOD U INTEGRALNI RACUN 1. Stavimo dv = sin x dx.

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

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

Tada vrijedi: 1. ako je x0 ∈ C nultoˇka od Pn (x). Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. pa tvrdnja oˇito vrijedi. c Neka je x0 ∈ C \ R. onda je to i x0 . imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. tj. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. NEODREDENI INTEGRAL 3. c Napomena 7. c 2. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.) Dokaz: 1. ako je x0 ∈ C oblika a + bi. pa je du = dx. x−3 287 Uvedimo supstituciju u = x − 3. i ostatak r(x) koji je polinom stupnja 0. c Metoda se temelji na sljede´im svojstvima polinoma. polinom (x − x0 ) dijeli s c c z polinom Pn (x).7.1. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. . 2. Qn−1 (x). ako je x0 ∈ C nultoˇka od Pn (x). Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. c c 3. b ∈ R. onda je x0 = x0 . gdje c su a. onda je x0 = a − bi. r(x) = C ∈ R. tj. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). tj. konstanta. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . Ako je x0 ∈ R.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. onda je to i x0 .♠ 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. Uvrstimo u integral. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. a u brojnicima konstante ili linearni polinomi. Odredimo integral funkcije f (x) = 1 . onda polinom (x − x0 ) dijeli Pn (x).

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

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

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

11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 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. Rjeˇenje je A = 3. 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. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. x(x−2)(x+1) x+2 A B D = + + .1.♠ 3 3 . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.7. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. D = −1. B = 2. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2).

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

6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. ODREDENI INTEGRAL 293 7. T1 T2 T3 T4 Slika 7. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.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. Lik se triangulira. problem moˇemo s c z smatrati u biti rijeˇenim. Takav lik ˇesto zovemo krivuljnim trapezom. Povrˇina je geometrijska kategorija. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj.2 7. ploha.7. Kako povrˇinu trokuta znamo raˇunati.2.1 Odredeni integral Motivacija . duˇinama. tj. c . jer je to uobiˇajenije. tj. gdje se zbraja po svim trokutima triangulacije Ti . kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.3: Triangulacija podruˇja u ravnini omedenog duˇinama. c z Napomena 7. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini.2. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. s P = i P (Ti ).

294 ˇ POGLAVLJE 7. i da komad krivulje bude graf neke funkcije. Promatrajmo. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. (Funkcija f je strogo pozitivna na [a. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. b] ako je f (x) > 0. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b x KT 1 KT2 KT KT3 4 Slika 7. krivuljni trapez omeden odozdo komadom osi x. b].4: Krivuljni trapez. Neka je ta funkcija neprekidna. b] funkcije f (x). za svaki x ∈ [a. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. s lijeva pravcem x = a. dakle.6.5: Rastav ravnog lika na krivuljne trapeze. funkcija f na segmentu [a.) Po Teoremu 6. b] .

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

. jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a.6).. 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. s Oznaˇimo li sada zadanu podjelu {x1 .. n.. xn−1 } s r.. . b]. Sliˇno..296 ˇ POGLAVLJE 7. x2 . . i = 1.. . UVOD U INTEGRALNI RACUN postoje po Teoremu 6. n.. a zbog m ≤ mi i Mi ≤ M . i = 1. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a).. Zbog mi ≤ Mi .. 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. S(r) = i=1 Mi ∆xi . Uvijek je m ≤ mi ≤ Mi ≤ M. c m(b − a) ≤ s(r)... imamo s(r) ≤ S(r).7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima.

. pravcima x = a i x = b. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r. c s Uzmimo u svakom segmentu [xi−1 . ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a.. Funkcija f (x) je podintegralna funkcija ili integrand. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. xi ] toˇku si .7.. n. i = 1. b] i oznaˇavamo s c b f (x)dx. i = 1.. Kako je mi ≤ c f (si ) ≤ Mi .. . Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . Ako uzimanjem sve finijih i finijih podjela od [a. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). n. b]. a Krajevi segmenta [a. Veliˇina x je varijabla integracije. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. Dakle.. c Napomena 7. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . . to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . c c a donja se ne smanjuje. c Definicija 7.2.2 Neka je f neprekidna funkcija na [a.. b]. tj. ako su stare toˇke c u podjeli podskup novih. te komadom grafa pozitivne neprekidne (na [a.7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. b] su granice integrala (donja i gornja). To vrijedi ako se podjela profinjuje.

♠ Napomena 7. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. b] je integrabilna. x∈Q 0. onda je f (a) ≤ f (x) ≤ f (b).6 Svaka neprekidna funkcija na [a. Izraˇunajmo iz definicije c b 1. x ∈ R \ Q. Primjer 7.9 Uoˇimo da ako je f monotona funkcija na [a.. onda je ona i c ograniˇena. 1 dx. z c tj. Koje joˇ? s Teorem 7.. Koje jesu? Neprekidne sigurno jesu. b]. c Iz Primjera 7.14 1. b]. b] integrabilne. b].♣ Teorem 7. f (x) = nije integrabilna. Dirichletova funkcija nije integrabilna.5 Svaka monotona funkcija na [a. dakle je f ograniˇena funkcija na [a.298 ˇ POGLAVLJE 7.♣ Napomena 7. c i = 1. UVOD U INTEGRALNI RACUN Definicija 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. b]. Uoˇimo da za svaku podjelu r segmenta [a.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. a . Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). c Dokaz: Ako f raste na [a. b] imamo mi = 0 i Mi = 1. n.♣ Primjer 7. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b] je integrabilna.. b].13 Dirichletova funkcija.13 vidimo da nisu sve funkcije na segmentu [a. za svaki x ∈ [a. . tj. nisu integrabilne. b]. b]. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. b] z kaˇemo da je f integrabilna na [a.

.2.7. b]. 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. b] je mi = Mi = f (si ) = 1.. Mi = n a + i∆x. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a.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. . Sada je mi = a + (i − 1)∆x. c 2. n.. c Oˇito je funkcija f (x) = x neprekidna na [a. b] c na n jednakih djelova. i = 1. dakle je a 1 dx = b − a. Podijelimo segment [a. 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 . b]. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . Za svaku podjelu r segc menta [a. Izraˇunajmo a b x dx. ∆x = b−a .

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

i = 1. Dakle odredeni integral mijenja predznak ako se zamijene granice. za svaku toˇku c ∈ a.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. .. + an−1 f (x)dx. biti negativne. b u svaku podjelu od [a. n.♣ 2. . n.. n. b ... c Ovo se zove aditivnost integrala po podruˇju integracije.. Dokaz: Za bilo koju podjelu r segmenta [a. i = 1.2 a Svojstva odredenog integrala f (x)dx = 0. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi .. . pa je a a b f (x)dx = 0... a drugi u c f (x)dx. a 1.2.. ostaju iste.2. za a < a1 < a2 < . . a f (x)dx = a f (x)dx + c f (x)dx.. < an−1 < b. ODREDENI INTEGRAL 301 7. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + .7. tj. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx.♣ b c b 3. a] su gornja i donja Darbouxova suma a jednake nula. c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. b f (x)dx = − a f (x)dx.. a vri- jednosti mi .. 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. Mi i f (si ).. i = 1.

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

unutra se sigurno nalaze sve neprekidne funkcije na [a. n. b]). j + 1. i = 1.13). Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. n. a 4. 6. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. pa je mi = 0. Stoviˇe. j − 1.. Oˇito je z c c tada m = 0. Dakle je s(r) = 0 i S(r) = Mj ∆xj .♣ b b 5. . Mi = 0. skup c {1. x2 . xj ]..2 i Teorema 6. 1... Dakle beskonaˇni skup {xn : n = 0. ..18.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.. M = f (c) i za svaku podjelu r segmenta [a. i svaka funkcija iz tog skupa je neprekidna na I. b] i da je f (c) > 0.} se c nalazi u nekoj bazi od R(I). .18.2 i Teorema 6.. a cf (x)dx = c a f (x)dx. . dakle i integrabilna. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5.7. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. .♣ c Napomena 7. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). . b] (skup R(I) nije prazan. onda je c b f (x)dx = 0. a (f (x) ± g(x))dx = a ili aditivnost integrala.. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx... i = 1. b] toˇka c pada u toˇno jedan c c [xj−1 . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. Nadalje.. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.2. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. Ako je funkcija f : [a.. gdje je c ∈ R proizvoljan.. x. Beskonaˇnodimenzionalan je. jer npr. i Mj = f (c).3)..

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

c F (x) = g(x) − f (x) ≥ 0. Dokaz: Po Teoremu 7. b].28 F raste na [a. b] oko toˇke c takav da je f (x) > 0. Ovo svojstvo se zove svojstvo monotonosti integrala. tj. Tada je b b f (x)dx ≤ a a g(x)dx. Ako je f (c) < g(c) za bar jedno c ∈ [a. za svaki x ∈ I . odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Ako je f neprekidna i nenegativna funkcija na [a. onda je b f (x)dx > 0.8 je dobro definirana funkcija F ∈ C 1 [a. b] i ako je f (c) > 0 za neki c ∈ [a. Dakle. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.3 slijedi da postoji interval . Ako je f (c) < g(c) za bar jedno c ∈ [a.7.3 slijedi da postoji interval I ⊂ [a. Neka su f i g neprekidne funkcije na [a. Iz pozitivnosti funkcije f na [a. b] iz Teorema 6. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b]. Dakle postoje x1 . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b]. x2 ∈ I takve c da je x1 < c < x2 . Kako je funkcija F = g − f neprekidna na [a. Odatle slijedi da je F (b) ≥ F (a) = 0. b].2. b] tada iz Teorema 6. i oˇito ima pozitivnu derivaciju.♣ 9. ODREDENI INTEGRAL 305 8. po Teoremu 6. x2 ] imamo x2 f (x)dx > 0. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b] odnosno stroge pozitivnosti na [x1 . onda je F (c) = g(c) − f (c) > 0. b] onda vrijedi stroga nejednakost.

6. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). za svaki c x ∈ [a. odnosno imamo strogu nejednakost. i Primjera 7. iz svojstva 9. a b b f (x)dx ≤ a |f (x)|dx. b].306 ˇ POGLAVLJE 7. b]. imamo da je F (b) > F (a) = 0. za svaki x ∈ [a. Ako f nije konstanta na [a. b]. b] takva da je c b f (x)dx = f (c)(b − a). b] za koji je b f (x)dx = f (c)(b − a). Nadalje iz Teorema 6. b] −→ R. za svaki x ∈ I . Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). m ≤ f (x) ≤ M . b].28 c F strogo raste na I .7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. Neka je f : [a. UVOD U INTEGRALNI RACUN I ⊂ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Dakle postoje x1 .♣ 10. a Dokaz: Po Teoremu 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . odnosno po Teoremu 6. b] oko toˇke c takav da je F (x) > 0. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. tj. iz svojstva 9. pa postoji barem jedan c ∈ [a.♣ a Izraz 1 b−a b f (x)dx a . Tada postoji toˇka c ∈ [a. iz neprekidnosti funkcije f na [a.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. tj. b]. Teorem 7. 11. Nadalje.

b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. an ∈ R je a = c ). b].♠ c . Odatle ime teoremu. se zove srednja vrijednost funkcije f na segmentu [a. a2 .12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Povrˇina ispod s grafa neprekidne funkcije f nad [a.9: Teorem srednje vrijednosti za odredeni integral.7.. kako je f neparna c funkcija.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. n Za funkcije koje nisu neprekidne Teorem 7. imamo da je 1 f (x)dx = 0. iz svojstva 7.. Oˇito je da funkcija f ima prekid u x0 = 0. 1] za koju je f (c) = 0. Nadalje. x ≥ 0 −1.+an dine (aritmetiˇka sredina od a1 . a Teorem 7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7...7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. −1 medutim ne postoji toˇka c ∈ [−1.7 ne mora vrijediti: Primjer 7. x < 0. .2.. c Napomena 7.

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

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

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

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

10. 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. 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.♠ 7. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. kao i da je samo poc druˇje integracije konaˇno. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.6 i omedena) na podruˇju integracije. c c c Neka je funkcija f neprekidna na [a.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. .312 ˇ POGLAVLJE 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. Primjer 7.17 Izraˇunajmo c 0 1 xex dx. tj. b i neka je x−→b− lim f (x) = +∞. Iz Primjera 7.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. U takvim sluˇajevima govorimo c s c o nepravim integralima. u dv = uv a b a − a v du.

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

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

4. tj. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . (x − b)n Stavimo ϕ(t) = t + b. 0] −→ R zadovoljava uvjete Teorema 7. tn Ako je n < 0. inaˇe c Primjer 7. Izraˇunajmo c a dx . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. 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 = +∞. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx.19 1. . c+ε2 Ako oba limesa na desnoj strani postoje. t + b = a imamo t1 = a − b. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 1]. 1 a f (x)dx konvergira. tj. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.10. dakle imamo b a dx = (x − b)n 0 a−b dt . Sada oˇito funkcija ϕ : [a − c b. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. onda divergira. iz ϕ(t) = b dobijemo t2 = 0.7. Analogno. x2 b 2. Iz ϕ(t) = a. Izraˇunajmo c −1 1 x2 dx .

Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Dakle tn b a dx (x − b)n konvergira za n < 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a).316 ˇ POGLAVLJE 7. Znamo c . Neka je funkcija f neprekidna na [a.2) npr. situaciju kad podruˇje c c integracije nije ograniˇeno. c z z Promatrajmo sada drugi mogu´i izvor problema. iz toˇke 7. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. Primjer 7.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. b]. −n + 1 −n + 1 za n > 1. divergira za n ≥ 1. Uz svojstvo monotonosti integrala (svojstvo 9. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . 0]. tj. integral dx divergira za n ≥ 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.19 moˇe posluˇiti pri usporedivanju.2. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. +∞ . odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b.

20 1. a Ako promatrani limes ne postoji. Izraˇunajmo c +∞ 0 e−x dx. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. . a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. c c da za svaki x ∈ [a.13: Nepravi integral po neograniˇenom podruˇju integracije. −∞ Primjer 7. postoji x f (ζ)dζ. 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.4.7. −∞ pa i za sluˇaj c +∞ f (x)dx. +∞ postoji integral te funkcije u granicama od a do x. kaˇemo da integral divergira. tj.

x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. c 3. Izraˇunajmo 1 +∞ dx .♠ c . x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 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. Izraˇunajmo c dx . x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. Izraˇunajmo c 1 +∞ dx .

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

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

recimo visine ∆h = H . .5. 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. d]. . za svaki y ∈ [c. Nareˇemo ga na tanke ploˇke. i u z s n svakom sloju izmedu visine h i h + ∆h. ∆h. manjoj) osnovici krnjeg stoˇca. recimo stoˇac visine H i polumjera osz novice r.ˇ 7. krnji stoˇac visine ∆h... 1. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. b]. n − 1.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. H − ∆h. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . osi y. < xn−1 < xn = b. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . za ∆h −→ 0.16: Volumen stoˇca kao limes sume volumena tankih valjaka. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije. Povrˇinu osnovice tog valjˇi´a s cc . i = 0.. h = 0. zamijenimo komad stoˇca. Podijelimo segment [a. dobit ´emo toˇnu formulu za volumen stoˇca.... 7. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. n ∈ N.5. Time je c c i tijelo T podijeljeno na n slojeva. cc z tj... tj. d] takvih da je s g1 (y) ≥ g2 (y). zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. Za veliki n ∈ N ´e zbroj z c H R Slika 7. Za n −→ ∞.

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

Dakle. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). f2 : [a.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. b]. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. ako su f1 . 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. za svaki x ∈ [a.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi.5. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini.ˇ 7. c Primjer 7. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. c z y R 0 Η x Slika 7. z z Po gornjoj formuli.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. .

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

x = b. U limesu. i = 1.11 (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. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . dobijemo prizmu.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. Podijelimo li opet segment [a. debljine ∆xi = xi − xi−1 . tj. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. b] na n dijelova. volumen tog komada moˇemo z izraˇunati. xi ]. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 .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. Razreˇemo ga po izvodnici i razmotamo.ˇ 7. n. b]) funkcije f . . x osi i grafom (pozitivne i neprekidne na [a. xi ] konstantom f (xi ).. to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a.5. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . Sada iz Primjera 7... b] −→ R oko osi y b Vy = 2π a xf (x)dx. rotacijom komada izmedu [xi−1 .♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. . c Teorem 7. nastaje cilindriˇni sloj.

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

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

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

Iz simetrije je jasno da mora biti xT = 0.23: Teˇiˇte homogenog polukruga. i=1 a to u limesu daje My = µ b a xf (x)dx. upravo xi .25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. zs s s y r 0 r x Slika 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . Takoder. recimo. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. iz Primjera 7. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.5. yT = 1 2 b 2 a f (x)dx b a f (x)dx . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). 2 . s Primjer 7. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .ˇ 7. zs √ Imamo f (x) = r2 − x2 . Kako je masa promatranog lika jednaka M = µP.11).16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π.

Tada su.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u. 4 π ). b]. po prvom Guldinovu teoremu. 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. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . 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. v) tada su novi momenti jednaki Mx + my i My + mx). 3 −r 4r . b] takvih da je f2 (x) ≥ f1 (x).330 ˇ POGLAVLJE 7. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 .♠ ishodiˇtu. . po prvom Guldinovu teoremu i Primjeru 7.25. Dakle teˇiˇte je (0. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. − 4 r ). za svaki x ∈ [a. x2 + (y − R)2 = r2 . Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. 3π r r pa teˇiˇte ima koordinate (0.26 Sada moˇemo. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. R > r. xf2 (x)dx − µ xf1 (x)dx. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. tj. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT .

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

23 dobivamo xT = Mx M . za µ = 1. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. 4 Zbog M = µV = 14 3 R π. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. mjereno od osnovice. tj.♠ 8 π 4 R . Primjer 7.28 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.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. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . 4 3 Zbog M = µV = 1 R2 πH. 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 7.332 ˇ POGLAVLJE 7. dobivamo xT = 4 H.♠ z Primjer 7.24: Teˇiˇte homogenog 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 . R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm .

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

a to.. za ∆yi −→ 0.25: Moment inercije homogenog pravokutnika. Sliˇno se dobije da je c I y = 1 M a2 . 12 Promatramo sad homogen ravan lik omeden komadom [a... Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . 12 Iy = 1 M a2 . za si ∈ [xi . i = 1.334 ˇ POGLAVLJE 7. te grafom (pozitivne i neprekidne na [a. xi ] i visinama f (si ). n. . b]) funkcije f . 1 Ix = 3 M b2 . pravcima x = a i x = b. dobije se s Ix = 1 M b2 . UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7. 3 3 . 3 3 3 tj. b] osi x. gdje je M = µab masa pravokutnika. xi+1 ]. teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju. Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi µf 2 (si ) = µf 3 (si )∆xi . n dobivamo i=1 µa∆yi s2 .

3 . Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. 3 a ako mu je ishodiˇte u sredini. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx.ˇ 7. onda je s I0 = 1 M (a2 12 + b2 ). Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). Znamo da je c 2 2 Ix = mx i Iy = my . d] osi y i grafom c pozitivne i neprekidne na [c. dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. d] funkcije g. pri ˇemu je lik omeden pravcima y = c i y = d. komadom [c. g 2 (y)dm. y). dm = µdP = µf (x)dx. Neka je dana materijalna toˇka mase m s koordinatama (x. Oˇito je f (x) = c √ r2 − x2 . za µ = 1. Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . Uvedemo li oznake dP = f (x)dx. Primjer 7. pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy .5.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os.

b] podijeli na male podsegmente [xi−1 . i visine ∆xi = xi − xi−1 .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 .336 ˇ POGLAVLJE 7. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. xi ]. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t.. Iz ϕ(t) = −r imamo t1 = π. π] −→ R zadovoljava Teorem 7. .. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. i zbroje se momenti inercije malih valjaka polumjera f (si ). 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.8 imamo 1 Ix = r4 π. dakle je 1 I0 = Ix + Iy = M r2 . 2 2 a onda se interval [a. 5 .♠ 2 Kombinacijom razmatranja iz toˇke 7. 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.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. moment inercije cijelog kruga obzirom na y os je Iy = Ix . Analogno iz ϕ(t) = r imamo t2 = 0.10.5. 4 4 4 Takoder zbog simetrije. c Primjer 7. n. Prijelazom na limes dobijemo gornju formulu.. Oˇito funkcija ϕ : [0. gdje je si ∈ [xi−1 . i = 1. xi ]. Sada iz Primjera 7.

b] eksplicitnom formulom y = f (x). i gdje je ∆xi = xi − xi−1 . i = 1. b] zadana kao graf funkcije f ∈ C 1 [a.. Podijelimo segment [a. f (a)) do toˇke c c B = (b. 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 ..♠ 15 5 7.5.. b] na podsegmente [xi−1 . i = 1. n. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . n. f (xi−1 )) i (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. Duljina luka od toˇke A = (a. Duljina svakog takvog komada je. pa uzmimo c s os x.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. 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. .ˇ 7. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. xi ].5. n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . c po Pitagorinu pouˇku. . .. f (xi )).26: Duljina luka zadanog kao graf funkcije f (x)..

b] rotira oko osi x.. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. b] na podsegmente [xi−1 . Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.27: Ploˇtina plaˇta rotacijskog tijela. Dijeljenjem segmenta [a. mase µ. . s 7. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . s yT = b a f (x) √ 1+[f (x)]2 dx ..26). xi ]. n.5. i = 1. imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . xi ]. . polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r)... i = 1.338 ˇ POGLAVLJE 7. i . 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. n. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx...6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.

.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.5. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. ako znamo poloˇaj tijela u trenutku t1 = 0.12 (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. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. Primjer 7. . gdje je si ∈ [xi−1 .ˇ 7..31 Izraˇunajmo oploˇje kugle.♣ s zs 7..5. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . c ds = 1 + [f (x)]2 dx. Ovdje smo s ds oznaˇili diferencijal luka.26). i = 1. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .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 . ploˇtinu sfere polumjera r. n. 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. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. Toˇnije. 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 . Teorem 7. tj. xi ]. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 ..

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

♠ z Posebno vaˇan sluˇaj je rad sile teˇe. i nakon toga s . Odavde odmah slijedi da je rad sile F (x) na putu [a. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b.ˇ 7. b] z z b W = a F (x)dx. Ako sila nije konstantna. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a.33 Jarak duljine 10 m. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. pri ˇemu je g ≈ 9. 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.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . rad) biti kvadratna funkcija pomaka x. 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. onda je b W (h) = a F (x)dx. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. tj. no nije ni bitna. b]. F = −kx. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Primjer 7.5.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. 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. 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. ako se masa tijela mijenja. s Primjer 7. Tada ´e njen integral (tj.

U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). . a debljina sloja je dx metara). a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.33.342 ˇ POGLAVLJE 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka.30: Jarak iz Primjera 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .29: Jarak iz Primjera 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. ˇirina c s 2(1 − x) m. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. s x 0 y h Slika 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.33. duljina jarka je 10 m.83 J.

Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N .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.34 Koliki je rad potreban uloˇiti da se tijelo (npr.ˇ 7. mp masa projektila i G univerzalna gravitacijska konstanta). 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. imamo F (x) = x2 . 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 . tj. Uzimaju´i da su mp . upravo teˇina z K tijela. Za x = R imamo teˇinu tijela na povrˇini Zemlje.5.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. Dakle je K = P R2 i F (x) = PxR . 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 = . z z Primjer 7. c c c smanjenje zbog utroˇka goriva. 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. s z Primjer 7.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. No ta sila je. c z s 2 K F (R) = R2 = P . Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. mz i G konstante. (Ovdje je mz masa Zemlje. gdje smo s c K oznaˇili K = Gmz mp . 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. To se postiˇe integriranjem po dubini sile na z mali element povrˇine.

344 ˇ POGLAVLJE 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.♠ s c .35. UVOD U INTEGRALNI RACUN 0 1 Slika 7.31: Kanal iz Primjera 7.

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

Sign up to vote on this title
UsefulNot useful