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

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

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

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

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

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

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

. . . . . . . s 6. . . . .2 Derivacija funkcije u toˇki . . . .2. . . . .7 Primjene u fizici . . . . . . . . . . . . . . . . . . . . . . . . 6. . . .2 Svojstva neprekidnih funkcija . . . 7. . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . . . . . . . . .5. 6. . . . . . .1 Motivacija . .2 Volumen rotacijskog tijela . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . zs 7. . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . . 7. . . . . . . . . . . . . . . . . . . c 6. . . . .5. . . . . . . . . .1.problem povrˇine (ploˇtine) s s 7.2 Svojstva odredenog integrala . . . . . .2. . . . . . . . . . . . . . . . . . . .5.vi 6 Uvod u diferencijalni raˇun c 6.5 Primjene integralnog raˇuna . . . . . . . . . . . . . . . . . . . . . . . . c 6. . .1. . . . . .4 Moment ustrajnosti (inercije) . . . .2. . . . . . . . c 6. . . . . . . .1.4 Nepravi integral . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . 6. . . . . . . . . . . . .1. . . . . . . . . . . . . . . 6.2 Derivacija funkcije . . . c 6. . . . . . . . . . . . . . . . 6.5 Neprekidnost i limes . . . . . . . . . . . 7. . .2. . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . .1. . . . . . . . s 7. . . . . . .1 Neodredeni integral . . . . .1. . . . . . . . . . s 7. .3 Metode integriranja . . .1 Motivacija . . . . . . . . . . . .8 Primjene derivacija . 6. . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . .5. . . . . . .2 Odredeni integral . c 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Newton . . . . . . . .1. . . . . . .6 Neodredeni oblici . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . 7. . 7. . . . . . . . .5. . . . . .1 Neprekidnost funkcije . . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . .1 Primitivna funkcija .2. . . . . . . . . . . . 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 . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . zs 7. . . . . .4 Raˇunanje derivacija . . . . . . . . . . . . . . . . . . . . . .1. .5. . . . . . . . . . . . . . . . 7.6 Povrˇina rotacijske plohe . . . . . c 6. . . . . . . . 6. .3 Teˇiˇte . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . .2. . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . 7. . . . . . . .1 Povrˇina lika u ravnini . . . . 6. . .Leibnizova formula . .2 Neodredeni integral . . . . . . . . . . . . .2. . . . . .3 Derivacija funkcije . . . .5. . . . . . . . . . . . . .7 Raˇunanje limesa . . . . .6 Derivacije viˇeg reda . . . . . . 7. . . . c 6. . . .1. . . . .

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

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

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

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

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

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

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

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

duljina.♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj. Primijetimo da iz Definicije 1. c s c njegovi elementi su toˇke. Q ∈ E.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina. c Definicija 1.Poglavlje 1 Vektorski raˇun c 1. dok nam za vektorske veliˇine treba viˇe realnih brojeva. sila. U ovom c s ´emo poglavlju opisati matematiˇke koncepte i tehnike koje nam omogu´uju c c c efikasno matematiˇko modeliranje vektorskih veliˇina. Temeljna je razlika izmedu skalarnih i vektorskih c veliˇina u tome ˇto nam je za matematiˇki opis skalarne veliˇine dovoljan jedan c s c c realan broj.1 Vektori i osnovne operacije s njima U egzaktnim znanostima osim skalarnih veliˇina (masa. 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. akceleracija itd. c c Primjer 1.1 Na 20 m od vas nalazi se kamion koji vozi brzinom od 72 km/h ˇ c (20 m/s).1 direktno slijedi da je P Q = QP . i ako jesmo. Duˇina P Q je skup svih toˇaka c z c c pravca kroz P i Q koje se nalaze izmedu P i Q. temperatura itd. ukljuˇivo P i Q. Treba nam i podatak jesmo li na pravcu kojim se kamion giba. giba li se prema nama ili od nas.) Takve c veliˇine zovemo vektorskima.1 Neka su dane toˇke P. 9 .

VEKTORSKI RACUN − → Definicija 1. intenzitet).2 slijedi da je op´enito P Q = QP . tj. z z Q − → − → Iz Definicije 1. s Q P P Slika 1.2: Jednakost vektora.10 ˇ POGLAVLJE 1. Q Q’ P P’ Slika 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . − − → −→ Definicija 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. tj. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. do na translaciju prostora)? z 1. jedna od njih je poˇetak P a druga je kraj Q.1: Duˇina i usmjerena duˇina. jer imaju razliˇite poˇetke i c c c krajeve. Poˇetak joˇ c c c s zovemo hvatiˇte. c . Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. Q) =| P Q |.

Tada je c − − → − = OB. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A.1.2 znamo da takve toˇke A i B postoje i da su jedinstvene.3). Sada samo izaberemo orijentaciju koja nam treba. Preciznije. Pogledajmo sada neka svojstva nul vektora: c − → 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. → Napomena 1. tj. tj.3). z kolinearan je sa svakim vektorom). s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. poˇinje u P a z c zavrˇava u Q. c 2. P = Q. 11 − → 3.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. B ∈ E takve da je OA = − i AB = b . → c . Oˇito je | 0 | = 0. onda c a − → − →. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. → → → − − → − 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 . Vektor kod kojeg su poˇetak i kraj jednaki.1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Napomena 1. Iz a Napomene 1. 3.

i oznaˇavamo ga s → 0 . − → − → − → Napomena 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Q ∈ E vrijedi P Q = P O + OQ. a c a c → − → → → − → a a a 2. − → → − → → → → − 3. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . − + b = b + − (komutativnost). VEKTORSKI RACUN R a G Slika 1. ♣ B b a+b a b 0 A a+b a b Slika 1.3: Motivacija za definiciju zbrajanja vektora. .3 Za bilo koje tri toˇke P. c Teorem 1. → a =−a → − → → → − a a 4.12 ˇ POGLAVLJE 1. (− + b ) + − = → + ( b + − ) (asocijativnost).4: Pravilo trokuta i pravilo paralelograma. O. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). Vektor a zovemo suprotni vektor vektora a c − → −.

1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. tj. z → Za λ ∈ R. λa .λ<0 a A B Slika 1. d c a + b+ c+ d a b Slika 1. Za n ∈ N a c a a a − = (n − 1)− + − .1. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. λ > 0 B’ 0 λa. realnim brojem. koji ima isti smjer kao →. → BA. ali je suprotne orijentacije. s → − − a c Napomena 1. ˇija je duljina jednaka |λ||− |. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.1 ima sljede´a svojstva: ima →. c a − 2.5: Pravilo mnogokuta za zbrajanje viˇe vektora. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). a .6: Mnoˇenje vektora skalarom. a a → Za sluˇaj → + − piˇemo 2− (tj. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. definiramo λ− kao vektor: a → 1.4 Vektor a = −→ iz Teorema 1. Sliˇno 2− + − = 3→. itd. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom.1.

i neka je A = O c toˇka koja leˇi na tom polupravcu. uz pretpostavku − = 0 . a a → − 4. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). b ∈ V je a + b ∈ V . postoji pravac a a . Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).♣ a a Definicija 1. a a → → → 2.5 nigdje ne govori o geometrijskim veliˇinama. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V .4 i pokuˇajmo definirati kolinearnost u drugim s terminima. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).1 i Teorema 1. Neka je dan polupravac (zraka) s poˇetkom u O. 3. VEKTORSKI RACUN → 3. a a a − → 3. za sve a. 1 · − = → (postojanje jedinice). λ(µ→) = (λµ)− (homogenost). − → → → → − Ako su vektori − i b kolinearni. 2. c Vratimo se sada Definiciji 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. koji ima istu orijentaciju kao vektor − za λ > 0. onda. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. a suprotnu orijentaciju a − za λ < 0. Elemente od skupa V zovemo vektori. 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.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. → od vektora a Teorem 1. Primjetimo da se u Definiciji 1.14 ˇ POGLAVLJE 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 : 1.2.

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

. − ..1 i Teorema 1.. z c Napomena 1. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0. Q = O. − .. .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...6 Za vektore − .. . − → Napomena 1..2... Vektori − .. λ2 ... λn ∈ R. . Napomena 1. λ2 . ..5 Uzmemo li neku drugu toˇku Q ∈ E. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.. − ∈ XO (E).. . λ1 .... . .7 Iz Definicije 1. − . .7: Radij-vektori u X0 (E). λ2 .. → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . → → → Neka su sada − ...16 ˇ POGLAVLJE 1. a a1 a2 an → − − Definicija 1. Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .. − . λn .. − . . onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. →.. λ2 . . → ∈ → → − 0 i bar jedan od skalara λ1 . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni .. 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. λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . → s koeficijentima λ1 ....5)... − . VEKTORSKI RACUN E P 0 Slika 1.6 izravno slijedi: → → → → a1 a1 a2 an 1. λn je razliˇit od nule.

a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. jer se nalazimo na pravcu.3 je jasna.7.♣ → → → ˇ s a b c Iz Teorema 1. Teorem 1. Ako je barem jedan od vektora − .1. → → − → Teorem 1. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. .♣ . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . . → ∈ XO linearno zavisni.8 Neka su →. VEKTORSKI PROSTOR XO (E). on se ne moˇe izraziti kao njihova linearna konbinacija..2. b i − tri linearno nezavisna vektora iz XO (E). → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. →... Stoviˇe. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . − i − . Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. taj rastav je jedinstven. →. onda su ti vektori linearno zavisni.♣ → a s Jednostavna posljedica Teorema 1. z → − − 3.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. ♣ Tvrdnja Teorema 1. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.3 Bilo koja dva vektora iz XO (p) su linearno zavisna.3 slijedi iz Napomene 1.. c − → − Napomena 1.. onda su oni linearno zavisni ako i samo ako su kolinearni. e1 e2 e3 z Tada su oni linearno nezavisni.. → → − Teorem 1. b ∈ XO (E). pa z z slijedi da su oni linearno nezavisni.5 Ako su − . Ako su − .4 Ako su − . → ∈ XO (E) jednak nul veka1 a2 an toru. b bilo koja dva linearno nezavisna vektora iz XO (M ). Ako imamo dva vektora − . Stoviˇe.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. c − → → a 4. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. takav rastav je jedinstven.

Tada je a e1 e2 e3 c − (Teorem 1. Stoviˇe. Kako vektori i . − ∈ XO (E). Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. →). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. 0. 0). − .5).9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. j . ay . z c → → Neka je sada − proizvoljan vektor iz XO (E). →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). → → a b i j k .2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . − → − → Neka je (→. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni.7 Uredena trojka (− . →. Koordinatni sustav → − → Definicija 1.8 z ˇ oni su linearno nezavisni. − . uredeni par → − (− . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. VEKTORSKI RACUN 1.1 i Teorem z 1. 1). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Skalare a1 . Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . az ) su jednoznaˇno odredene. 1. prema Napomeni 1. pa ˇine bazu. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Ey = (0. te toˇke Ex = c s c −→ − − → −→ − → − (1. k ne leˇe u istoj ravnini. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . duljine su im 1 i leˇe na okomitim c s z pravcima. Definirajmo i = OEx . Analogno. a2 i a3 − → → → vektor iz XO (E). pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). e1 e2 Napomena 1. 0) i Ez = (0.3 Baza vektorskog prostora XO (E). c →. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). pri ˇemu su skalari a1 . j = OEy i − → −→ − − − − → → → k = OEz .18 ˇ POGLAVLJE 1. 0.

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

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

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

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

. → · b = b · − (simetriˇnost). a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz .. tj. z z → → − → − → − → → 2. 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 . − → a b Napomena 1.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. a c a c c → → → − → − 2. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije.9 Neka su V i W realni vektorski prostori. tj. .. y2 .♣ − → → → → 1. x2 . a a → − → → − − a a c 3. Za preslikavanje (funkciju) sa V u W . . (λ− ) · b = λ(− · b ) (homogenost). →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. → → x y Teorem 1. Definicija 1.. µ ∈ R.1. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. xn ).. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . 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.. ako je vektorski prostor W = R. Posebno. yn ) ∈ Rn . (− + b ) · − = − · → + b · → (aditivnost).. − = (y1 . a x y z Ova se formula za duˇinu vektora. . b ∈ V i sve λ.5.10. → → Neka su − = (x1 . slaˇe s Napomenom 1.. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . + xn yn .

π] c takvi da je ax = cos α. 1]. a → → → − Neka je sada − ∈ XO (E). j . → → − → − →→ → →→ a a i i a j j a k k Napomena 1. a a z c − → a → − Pogledajmo vektor − = − .1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . az = − · k . vrijedi a2 + a2 + a x y 2 az = 1. Neka su sada →. j . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. β. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. k ) od XO (E). k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . pa postoje brojevi α. Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − .2 Neka je − ∈ XO (E) fiksan vektor. Tada je skalarno mnoˇenje s c z − linearni funkcional. j .24 ˇ POGLAVLJE 1.12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. Ve´ smo rekli (toˇka 1. u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . ay . Kako je |− | = 1. γ ∈ [0. az = cos γ. → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − .♠ a a c a c c a − → − → − → Neka je sada ( i . − . cos β. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . cos γ zovemo kosinusi smjera vektora − .3). − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). az ∈ [−1. (− . b ∈ a a c a XO (E) i λ. ay = cos β. VEKTORSKI RACUN → Primjer 1. Stoviˇe. − a0 →| i − −| j → −| k → |a |a |a . Tada su oˇito ax . a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . → a i j k → Brojeve cos α. − ). µ ∈ R proizvoljni. vrijedi a s → − → → = ax → + ay − + az − . ay = − · j .

neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → |a| az cos γ = → . Nadalje. Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E).5.10: Projekcija vektora na pravac. Tada postoji D ∈ E takva da je d = OD. a0 a0 . jediniˇni vektor. a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . imamo − → → →→ − d = ( d · − )− . → |a| ay cos β = − . SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . Dakle imamo OD = ( d · − )− jer je OD = λ− . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti.1. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D.

drugu s −b i zbrojimo ih. i 3. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica.26 ˇ POGLAVLJE 1. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. Ako pomnoˇimo prvu jednadˇbu s d. a b A= . a koristan je z i pri radu s vektorima. za ad − bc = 0. 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. dobijemo z z (ad − bc)x = αd − βb. VEKTORSKI RACUN 1. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. ad − bc S druge strane. x= αd − βb . odnosno. . z z dobijemo αc − βa βa − αc y= = . c c z U ovom se odjeljku upoznajemo s pojmom determinante koji igra vaˇnu ulogu u z saˇetom i elegantnom formuliranju rezultata o linearnim sustavima. 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. drugu s −a i zbrojimo ih.6 Digresija . ako prvu jednadˇbu pomnoˇimo s c.determinante matrica 2.

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

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

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

ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). tj. − → − → − → − → k = c1 i + c2 j + c3 k . j . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. Prikaˇimo i . j . → → a b i j k . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. − → − → → − − → j = b1 i + b2 j + b3 k . k preko i . onda su S i S (odnosno njihove baze) jednako orijentirani. i . ako je D < 0. k : z − → − → − → − → i = a1 i + a2 j + a3 k . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . onda nisu. k ) i S = (O .4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. onda se z orijentiranost od S i S ispituje analogno. i . Dakle. 1. c1 c2 c3 Ako je D > 0.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. j .30 ˇ POGLAVLJE 1.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). j . Definicija 1. i . pomo´u determinante pripadaju´e c c matrice. k ) pravokutni normirani c c → → − desni koordinatni sustav. j . z Napomena 1.

neka je − × b = 0 . → → → − → → − (a b c a c b c − − → → − → 3.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. Kako je − · b = |→|| b | cos ϕ. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). a c → i → kolinearni. Po pretpostavci je |→| = 0 i | b | = 0.8. a → − → → → → − → − → − Obratno.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. b nul vektor. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .♣ → a . pa je cos2 ϕ = 1. − → → → − → − → → 2. Tada je |− × b | = 0. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). → × b = −( b × − ) a a (antikomutativnost). VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .6. c Dokaz: − → → Ako je barem jedan od vektora − . ϕ = 0 ili ϕ = π. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. → × ( b + − ) = − × b + − × − . i ϕ = 0 ili ϕ = π.1. − → − → |a a sc a b → − → → − pa i − × b = 0 . kao saˇeti zapis.♣ Primijetimo da tvrdnje Teorema 1. Neka su sada oba vektora razliˇita od nul vektora. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . a a a Napomena 1. Dakle a − → − i b su kolinearni. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. c c z Teorem 1. tj.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. Zbog − · − = |→||− | cos ϕ. pa desna strana formule za duljinu vektora − × b iˇˇezava. jer je nul vektor kolinearan sa svakim vektorom. Tada je |→ × − | = 0.

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

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

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

zakljuˇujemo da su vektori → i b × c okomiti. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. → komplanarni. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . s → → − → Definicija 1. − . − ∈ XO (E).6.ˇ 1. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. vektorsko mnoˇenje i mjeˇoviti z z s produkt. a a − → → − → − − → − 2. pa tvrdnja slijedi a c iz svojstava determinante 3. z → − − − a c Napomena 1. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi.♣. − komplanarni po Napomeni 1. − . jer je a a c → − − → |→ · b | = |− || cos ϕ|. Tada je: → → → a b c → − → − → − − → 1. b .11 Za vektore − . b . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − .17 Za vektore − . gdje je |→| baza.14: Mjeˇoviti produkt triju vektora. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. b . No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . → − → − → → → → Napomena 1.16 oni su linearno zavisni. − → − i samo ako su a b c − → → → Ako su − . MJESOVITI PRODUKT 35 bx c a c b Slika 1. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . a | b | sin ϕ visina paralelograma. |→ × b | je povrˇina paralelograma razapetog s → i b . b = 0 i → = 0 .16 Vektori →. a a . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. Tada. onda − → − Obratno. b .9. pa kako je − okomit na b × − .4 i 5 iz toˇke 1. kako je a c → − − → → − − → − · ( b × c ) = 0. Pretpostavimo zato da su − = 0 . → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.

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

Takav analitiˇki opis ne ovisi o geometrijskom zoru. i .3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. taj skup je neprazan. pri ˇemu su A. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . 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. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. B B 37 .1. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. Ako je B = 0.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. onda za c proizvoljni x0 imamo C A y0 = − x0 − . s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1. c c s 2. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. Ta jednadˇba opisuje neki skup toˇaka u ravnini.Poglavlje 2 Analitiˇka geometrija c 2.

Ax + By + C = 0 i A x + B y + C = 0.1 Ako imamo dvije jednadˇbe. → − r n → − → → Ako toˇka (x. ako toˇka (x. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . c p n r (x .1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . tj. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. y) ne leˇi na pravcu p. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. s c z Joˇ se naziva i implicitna jednadˇba pravca.1: Pravac u ravnini. y) leˇi na pravcu p. y0 ) okomit na vektor − = A i + B j . 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. tj. vrijedi Ax0 + By0 + C = 0. onda − i → nisu okomiti. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. . pa zbog okomitosti imamo − · → = 0. s z z Napomena 2. c n Zaista. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. − · − = c z r n r n 0. B.y) Slika 2. B = tB i C = tC. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0.38 ˇ POGLAVLJE 2.y ) 0 0 (x . Definicija 2.

♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. ako postoji t ∈ R takav da je A = tA. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Ako je A = 0. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Ako je B = C = 0. jer je (0. − n 4. 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. jer je tada vektor − oblika n − → →=Ai. c Obratno. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0.1. Ako je A = C = 0. B = tB i C = tC. tj. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . onda je pravac paralelan s osi x. pa imamo tvrdnju. C −A −B . Dakle → → r i j n i j n i j → − − → − i n kolinearni. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. onda je pravac os x. n n 2. Oˇito je (x0 . jer je (0. Ako je B = 0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. jer je tada vektor − oblika n − → →=Bj. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 0) rjeˇenje s c s jednadˇbe Ax + By = 0.1. nepotpune obc z like): 1.2. Dobijemo z B A x + −C y = 1. Ako je C = 0. → → Ax = 0 i vektor n n i 5.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda pravac prolazi kroz ishodiˇte. postoji t ∈ R takav da je n = t− . znaˇi z c da prolaze kroz istu toˇku (x0 . PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. jer je toˇka (0. − n → 3. onda je pravac paralelan s osi y. 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. onda je pravac os y. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . z → 2. Odatle je A = tA i → → su vektori n n B = tB.

c c tj.2: Segmentni oblik jednadˇbe pravca. z p s=mi+nj P1 = (x 1.40 ˇ POGLAVLJE 2. a ako je y = 0.3: Kanonski oblik jednadˇbe pravca. onda je x = a.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). 0). pravac prolazi kroz toˇke (0. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. b) i (a.y 1 ) Slika 2.1. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. c c y b a 0 x Slika 2. onda je y = b. z 2. imamo A x a + y b = 1. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z z Uoˇimo sljede´e: ako je x = 0. z .

y1 ) i Q = (x2 . ˇto se vidi i iz vektora smjera → = m i + 0 j . jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. bez komponente u smjeru j . s s 2. Nadimo jednadˇbu tog pravca. Iz uvjeta x − x1 = λm i − − kolinearni.y 2 ) P = (x 1. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). z z Napomena 2.4: Pravac kroz dvije toˇke. 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→. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). tj. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. a kako p po pretpostavci prolazi toˇkom P . c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . Npr.1. Toˇka P = (x. z p Q = (x2 . y = y1 . y1 ) kroz z c z c → → → = m− + n− . Dakle imamo pravac paralelan s osi c → − → − − → − x. y2 ) u ravnini M . tj. onda c c je jasno da njima prolazi jedinstveni pravac p.2.1.y 1 ) Slika 2. PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . iz kanonske jednadˇbe c z .2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni.

1. Tada je y = kx − kx1 + y1 . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. 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. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. Veliˇinu k zovemo koeficijent smjera pravca p. z .42 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 . y − y1 = k(x − x1 ). Uvode´i oznaku k = m . Uvedemo li oznaku l = −kx1 . c 2.5: Eksplicitni oblik jednadˇbe pravca. y l ϕ 0 x Slika 2.

→ → r n Jednadˇbu − · − = d.6: Normirani oblik jednadˇbe pravca. y) leˇi na pravcu p ako i samo ako je z − · − = d.3 Za x = 0 imamo y = l tj. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.1. a2 + b2 = 1. P = (x. pravac prolazi toˇkom (0. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. 2. c c s − → − → → d = |OP0 |. b ∈ [−1. PRAVAC U RAVNINI Napomena 2. Neka je − = a i + b j jediniˇni vektor na pravcu q. odnosno z → → r n x cos ψ + y sin ψ = d . s vektorom i ). c 43 n ˇ Uzeli smo da je k = m . π] takvi da je a = cos ψ − i b = cos φ. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. Povucimo sada kroz O pravac q okomit na p. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. tj. tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy).5). n Kako je tg ϕ = m . 1]. n c y q n θ P0 x r P p 0 Slika 2. pa tada postoje ψ. tj. l). z Jasno je da su a. imamo k = tg ϕ. φ ∈ [0.2. n − → → Toˇka P = (x. c − → − → → pa imamo − = cos ψ i + sin ψ j .1.

z . postavlja se pitanje kako prona´i njegov normirani oblik. po Napomeni 2. predznak od t je jednak suprotnom predznaku od C). z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . dakle mora biti tA = cos ψ. 2. tC = −d.44 ˇ POGLAVLJE 2.2.2 2. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. Stoga je t= 1 √ . tB = sin ψ. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj.

ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. . → n i j 45 Definicija 2. −1 → Neka je ϕ kut izmedu → i −2 . A2 B2 → → Napomena 2.2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ako i samo ako je A1 A2 + B1 B2 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . → → kolinearni. 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 . 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. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .ˇ 2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . tj.

s1 s2 tj. . ako i samo ako je m1 m2 + n1 n2 = 0.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. s1 s2 odnosno ako i samo ako je n1 m1 = . tj. → → Napomena 2. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . m2 n2 → → Napomena 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. ako i samo ako postoji λ ∈ R takav da je − = λ− .

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

Zanima nas udaljenost c toˇke P0 od pravca p. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .7). 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. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. s Napomena 2. tj. Napomena 2. 2 ako i samo ako je tg ϕ = ∞. tj. ANALITICKA GEOMETRIJA Napomena 2. k2 2. ako i samo ako je ϕ1 = ϕ2 . p) = x0 cos ψ + y0 sin ψ − d. odnosno ako i samo ako je k1 = k2 .8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Neka je pravac p dan u c c normiranom obliku. odnosno ako i samo ako je 1 + k1 k2 = 0.2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. c Definicija 2. y0 ) i pravac p u ravnini. To je ekvivalentno s 1 k1 = − .1. sa suprotne strane od ishodiˇta) jer je tada n s . tj.48 ˇ POGLAVLJE 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . x cos ψ + y sin ψ = d.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 .5.

p) = |Ax0 +By0 +C| √ . p) = |bx0 +ay0 −ab| √ . tj. A2 +B 2 Ax0 + By0 + C √ . y0 ) od pravca p je c d(P0 . −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.1 c z c (segmentni. a b . 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. y0 ) od pravca p je c d(P0 . p) ≥ 0. p) = |x0 cos ψ + y0 sin ψ − d|.ˇ 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . udaljenost toˇke P0 = (x0 . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . a2 +b2 x y + = 1. eksplicitni).1. −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. p) < 0. kanonski. pravac kroz dvije toˇke. odnosno bx + ay − ab = 0. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) = odnosno d(P0 . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. onda iz toˇke 2.2.

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

paralelni su. c 2. poklapaju se. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs .3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. c z U sluˇaju da se sijeku u jednoj toˇki. xs = . sijeku se u jednoj toˇki.2.8: Mogu´i poloˇaji pravaca u ravnini. 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. 3. zovimo je S = (xs . Npr. ys ).ˇ 2. tj.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. identiˇni su.2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.

onda je A 1 B1 A 2 B2 = 0. p) i δ(B. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j .11 Ako je A 1 B1 A 2 B2 = 0. onda su p1 i p2 paralelni.52 i ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . 2. p) suprotnog predznaka. p) = x0 cos ψ + y0 sin ψ − d.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.2. Napomena 2.2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . Vrijedi i obrat.4). Osim udaljenosti. ako su p1 i p2 paralelni. .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 . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p)|. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 .

ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. p1 i p2 sijeku u jednoj toˇki. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0.2. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. tj. Dokaˇimo da je i z C3 = αC1 + βC2 . A2 B2 A 1 B1 . → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . → n i j → → −2 = A2 − + B2 − . jer ako su sve tri jednake nuli. bez smanjenja op´enitosti. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . β ∈ R takvi da je −3 = α→ + β −2 .ˇ 2. tj.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. p2 . postoje α. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . onda prema Napomeni c 2. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni.2. Tada p3 mora prolaziti kroz S. p3 u ravnini u op´em obliku. ys ). s c Neka se sada. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2.4 vektori → → −1 = A1 − + B1 − . . Oznaˇimo c c c ju sa S = (xs . po Teoremu 1. p2 . tj. z c s Da bi se p1 .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 .

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. ANALITICKA GEOMETRIJA Kako p1 . 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 . B1 . c A1 B1 .54 ˇ POGLAVLJE 2. iz toˇke 1. B3 . i 5. A 2 B2 je razliˇita od nule. C1 ). B2 . C2 ). imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. S. p2 . (A2 . vektori (A1 . C3 ) su linearno zac visni. pa po svojstvima determinante 4.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. (A3 . p3 po pretpostavci prolaze istom toˇkom. Drugim rijeˇima. β ∈ R. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 .

→ → → a i + b j + c k . odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.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. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. z) = (x0 + ta. z0 + tc). z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . y.2). PRAVAC U PROSTORU 55 2. y0 . y. → − → r r0 s p ts P0 r 0 s r0 Slika 2.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .3. y0 + tb. .9: Pravac u prostoru. Tada imamo P0 P = − − − .3. 2.3. Neka c z s −→ → → − − radij-vektor toˇke P .2.3 2. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.

b. y = y0 + tb. pravac p prolazi toˇkom (x0 .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − .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. z0 ) i 2. ANALITICKA GEOMETRIJA x = x0 + ta. y0 . z s Napomena 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . Prema s z Napomeni 1. Kako su vektori baze linearno nezavisni. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. c su koeficijenti smjera pravca p. vektor smjera pravca p je dan s (a. b. . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − .56 Jednadˇbe z ˇ POGLAVLJE 2. → 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 .14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .3. j i k dobivamo kanonske jednadˇbe pravca. z Napomena 2. c) odnosno a. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . z c s 2.

−| |s Dakle koeficijenti smjera a. s 2. c c Tada kroz njh prolazi jedinstveni pravac p.3. pa odreduje isti pravac. c) je dana s x y z = = . PRAVAC U PROSTORU 57 → Posebno. onda ima dva kosinusa smjera. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.5 i toˇka 2.3. jedan kosinus smjera prelazi u sinus. y2 . → − → → r r1 r2 r1 .4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . i njihov omjer daje koeficijent smjera (toˇka 2. odnosno postoje c s0 α. − . c).1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.2. − → z definirajmo s P c s − je vektor smjera pravca p.3. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . γ ∈ [0. c s → Iz toˇke 1. b. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. →| |s c cos γ = → . Uzmimo sada npr. Sada imamo da je → = P1 P2 = → − →. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . istog smjera i orijentacije kao i →. pa iz toˇke − − s r2 c s r2 r1 c 2. z Znamo iz toˇke 2. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. z1 ) i P2 = (x2 . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .3.5 znamo da postoje kosinusi smjera vektora − . onda znamo da je vektor → s a b c 1 → s0 = − − = − . kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. z2 ) u prostoru. Zbog komplec mentarnosti. π] takvi da je a cos α = − . a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. β.1.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). y1 . Odredimo njegovu jednadˇbu.6).1. − →| s →| |→| |→| |s |s s s − jediniˇni. →| |s b cos β = − . b. b. tj.

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

y0 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. + n2 + 1 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 . vrijedi x−m1 m = y−n1 n = z.n ) 1 1 Slika 2. + n2 + 1 cos γ = √ m2 1 .3. z b c . 59 y = nz + n1 .14 Iz toˇke 2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . b. z y=nz+n 1 x =mz+m 1 y 0 x (m . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. Napomena 2.2.11: Pravac zadan dvjema projekcijama.3.3. uz oznake n = b c b i n1 = − c z0 . Tada za svaki izbor a. Dakle. + n2 + 1 cos β = √ m2 n . PRAVAC U PROSTORU odnosno.

y2 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. . z1 ) i B = (x2 . my1 +ny2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . 2 2 2 . z2 ) u prostoru. mz1 +nz2 ).12: Dijeljenje duˇine u zadanom omjeru. r2 r1 →=− + − → ρ r1 n m → → → − + n −. ANALITICKA GEOMETRIJA 2. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. m+n m+n m+n Napomena 2.60 ˇ POGLAVLJE 2. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . AC : CB = m : n.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. z → c radij vektor toˇke B. 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. .3. tj. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . s z Imamo → = 1 (− + − ). y1 . m ∈ N.

To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . k iz toˇke 1. j .4.3 ). toˇku O). RAVNINA U PROSTORU 61 2. P0 d r π n0 0 M Slika 2. Povucimo okomicu iz toˇke O na ravninu Π. toˇku O) i s c koja sijeˇe sve tri koordinatne osi.4.4 2. z redom (tj. β. s vektorima baze −0 ˇto ih n s − − − → → → i . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. y. ako Π prolazi kroz ishodiˇte (tj.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.2. onda je p = 0. 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. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. a vektor z −0 zovemo normala ravnine Π. γ kutovi c → zatvara s pozitivnim smjerovima osi x. → n Posebno. Neka je −0 = OP0 c c n p −→ − (tj.13: Normalni oblik jednadˇbe ravnine. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. → → r n . → → radij-vektora r n c P . → 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.

z1 ) ∈ E proizvoljna. y1 .2. c c Sada. b. B = (0. c). ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 0. z − − → OA · → = p. Za toˇke s druge strane bit ´e n c c d < 0. iz normalne jednadˇbe ravnine imamo. u stvari. 0.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.2. z. udaljenost ravnine Π od ravnine Π . B. jer je duljina okomice do Π jednaka p). Nadalje. C ∈ Π.4. z). 0). n0 − − → → OB · −0 = p. n − → → OC · −0 = p. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. Imamo neˇto analogno otklonu iz toˇke 2. toˇke u kojima Π sijeˇe koordinatne osi x. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. Kako je d. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. a c kako M leˇi u Π .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Kao i kod pravca (toˇka 2. y. c Neka je M = (x1 . ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). C = c (0. redom. → ako je M s one strane Π na koju pokazuje −0 . onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. y. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. r n Napomena 2.62 ˇ POGLAVLJE 2. 0). kako su A. neka su toˇke A = (a. 2. Napomena 2.16 Ako toˇka P ∈ E ima koordinate (x.2.2 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. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. n .

RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. y0 . z 2. 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 ) = 0.14: Segmentni oblik jednadˇbe ravnine. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). c cos γ = p.4. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). a cos α = p. z Dakle. neka je C = 0.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. cos β = . cos γ = . Odatle. p p p cos α = . tj. c C C Tada postoji toˇka (x0 .4. b cos β = p. . Bez smanjenja op´enitosti. z = − C x − B y − D . B.2. 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.

y. c z Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 z z opisana ravnina u prostoru kroz toˇku P0 = (x0 . C). C). y0 . ako je toˇka P = (x.15: Op´i oblik jednadˇbe ravnine. Onda je − · − = 0. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ).64 ˇ POGLAVLJE 2. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. c z c z Napomena 2. tj. imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. 0 r P n π 0 Slika 2.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. onda je jasno da i c c − − = −0→ leˇi u toj ravnini. → n Zaista. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . z0 ) koja je okomita na vektor z c − = (A. ako P ∈ E ne leˇi u ravnini. B. B. c −→ → − S druge strane. z0 ) i okomita na vektor c − = (A. y0 . odnosno. ANALITICKA GEOMETRIJA P . Dakle. z) toˇka u takvoj ravnini. pri ˇemu se uzima predznak suprotan od c .

4.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. b1 = − B i c1 = − D . Stoga ´emo i vektor − zvati vektor normale. z1 ) ∈ E. c onda je A B D z =− x− y− . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Ako je C = 0. C). z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. 0) nema komponentu u smjeru n − → osi z (tj. c . Dakle imamo cos α = 65 A . pa odreduju istu ravninu. nepotpune obc z like): c c z 1. po c Napomeni 2. B. B. Ako je D = 0. k ). R → → Vektor normale −0 je normirani vektor − = (A.2. Π) = |Ax1 +By1 +Cz1 +D| √ . y1 .1). istog su smjera n n → c n i orijentacije. onda su koordinate A.17. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0.4. pa imamo cos γ = 0. Napomena 2. R cos β = B . B. RAVNINA U PROSTORU predznaka od D. C C C A z Oznaˇimo a1 = − C . ravnina prolazi kroz ishodiˇte. onda je oˇito da O = (0. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. Tada je. tj. onda normala − = (A. R cos γ = C .20 Neka je dana toˇka M = (x1 . 0. s c A2 +B 2 +C 2 Napomena 2. tj. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. s → 2.

z → − a vektore − i → vektori smjera. ravnina je paralelna s koordinatnom ravninom Oyz. 4. B. B. c Od ˇetiri parametra. A. z c c 2. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. Ako je B = C = 0.66 z ˇ POGLAVLJE 2. imamo samo tri nezavisna. onda normala − = (A. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 .4. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. Varijable u i v zovemo parametri. Ako je B = C = D = 0. onda prema 1. s1 s2 . 0) ima komponentu samo u n smjeru osi x. 0. C koji je razliˇit od nule. Imamo Ax + D = 0. ravnina je paralelna A s koordinatnom ravninom Oyz. odnosno x = − D . ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. z → 3. C i D. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .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.16: Ravnine u posebnim poloˇajima. ravnina prolazi kroz ishodiˇte s a prema 3. − i − su komplanarni).

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

P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. z3 ) u c prostoru takve da ne leˇe na istom pravcu.5 2. P2 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . → komplanarni. 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. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. z2 ). P1 P2 . ako i samo ako su P0 P .68 ˇ POGLAVLJE 2. P2 = (x2 .4.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . 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 . z1 ). P3 ne leˇe na istom pravcu. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). P3 = (x3 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . Kao i u toˇki 2. vektori s1 s2 −→ → − − − → P0 P . Po Napomeni 1.4. Kako toˇke P1 . y1 . P2 . s1 .4. y2 . Dakle. P3 (uzmemo npr. ANALITICKA GEOMETRIJA −→ → − − odnosno. 2. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. y3 .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 . P1 P3 komplanarni.16. Po Napomeni 1. 2.5. − .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.

imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. odnosno ako → → kolinearni.5.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . −1 → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .2. 2. Ravnine se ne sijeku. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. Ravnine se sijeku u jednom i samo jednom pravcu. ako i samo ako je −1 · −2 = 0. Teorem 2. 69 −1 Definicija 2. B2 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . 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 . C1 ) n → i −2 = (A2 . ♣ . Ravnine se podudaraju. B1 . C2 ). ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 3.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. tj. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. tj. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.

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

7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. c) i − = (A. toˇka 2. onda je presjeciˇte jedinstveno (tj. b. → → s n . z Definicija 2. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. B.5) i koordinate su mu c c ∆x ∆y ∆z ∆. b. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . 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. 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. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .5. tj. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). paralelne su). −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. s jedna toˇka. y. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. 2. ∆ . C). ∆.4.5. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. z nepoznanice).2.

b. tj. z c c s z0 = − Am1 + Bn1 + D . ako i samo ako je − · − = 0. C) onda je kut c s n 2 izmedu p i Π jednak ϕ.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. b. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. − Am1 +Bn1 +D . a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. c) i − = (A.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. 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. tj. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . − Anm1 +Bnn1 +Dn + n1 . i ravnina Π s Ax + By + Cz + D = 0. → Napomena 2.5. 2.72 ˇ POGLAVLJE 2. B. ANALITICKA GEOMETRIJA → → Znaˇi. → → s n Kako je kosinus kuta izmedu − = (a.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . ako je π − ϕ kut izmedu − = (a. tj. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. B. odnosno ako → − kolinearni. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. Am+Bn+C Am+Bn+C Am+Bn+C . c) i − = (A.

y0 .2.5 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. tj. y1 − b Ax1Aa+Bb+Cc+D . z z . dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.5. z = z1 + ct. 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 . 2. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.5. Aa + Bb + Cc Napomena 2. Ax1 + By1 + Cz1 + D .28 Ako ne postoji takav t koji je konaˇan. z1 − c Ax1Aa+Bb+Cc+D . Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 .27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. tj. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. a druga je uvjet paralelnosti pravca i ravnine. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. y = y1 + bt. ako nema konaˇnog z koji je rjeˇenje.

3. b2 . → → 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 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c2 ). s1 s2 redom. Pravac je sadrˇan u ravnini. c 2.74 ˇ POGLAVLJE 2.18: Mimosmjerni pravci. y1 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. Pravac i ravnina se ne sijeku. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). z2 ) s vektorima smjera − = (a1 . y2 . ANALITICKA GEOMETRIJA Teorem 2. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). b1 .5.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . Definicija 2. Pravac i ravnina se sijeku u samo jednoj toˇki. c c c 2. z1 ) odnosno c → → P2 = (x2 . → → s1 s2 p 2 p 1 Slika 2. . c1 ) odnosno − = (a2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .

mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. tj.5). ako i samo ako je → · − = 0.5.3. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. tj. → Napomena 2. ako i samo ako postoji λ ∈ R takav da je − = λ→. tj. 2. 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 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. 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 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .5. c c z → s1 Napomena 2.2. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . z= 1 m−m n−n . ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .

Toˇnije. 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 . b2 . y1 . c2 ) leˇe u toj ravnini. toˇke leˇe u toj ravnini. Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. D. b1 . b2 . z2 ) leˇe u ravnini. c1 ) i → = (a2 . B. z2 ) s pripadaju´im vektorima smjera − = (a1 . z1 ) i P2 = (x2 . On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. a2 b2 c2 Jasno je da ako se p1 i p2 sijeku. a vektori → i s2 z c c z su paralelni s njom.76 ˇ POGLAVLJE 2. imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. C. Neka je to z ravnina Ax + By + Cz + D = 0.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. y2 . z1 ) odnosno → P2 = (x2 . → − Kako su − = (a1 . y1 . a1 b1 c1 0 a2 b2 c2 0 . z1 ) i P2 = (x2 . b1 . onda moraju leˇati u istoj ravnini. odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. nnn−n1 n . To nam daje uvjete na A. c2 ). c1 ) c c s1 − = (a2 . b2 . C. c1 ) odnosno c s1 − = (a2 . − To znaˇi da i toˇke P1 = (x1 . z2 ) i vektori → = (a1 . n1 −n1 ). ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . i c z to homogeni. y2 . y1 . iz Napomene s1 s2 2. B. 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 = = . y2 . c2 ) paralelni sa ravninom. Kako P1 = (x1 . b1 . D su nepoznanice). Dobili smo sustav od ˇetiri linearne jednadˇbe (A.

ˇetvrti sluˇaj. imamo isti pravac. c =0 . iz toˇke 1. ne leˇe u istoj ravnini. i 6.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. z c 4. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.2. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z Moˇe se desiti da su oni paralelni.29.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pravci se podudaraju. z 3. 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 . Ako su sva tri redka proporcionalna.6 na gornju determinantu (tj.5. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pozabavimo se sluˇajem mimosmjernih pravaca. Teorem 2. Prema Napomeni 2. tj. pa nema presjeciˇta. Pravci leˇe u istoj ravnini i ne sijeku se. z 2. 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. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pravci su mimosmjerni.

Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. c2 ). c2 ). y2 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . b2 . b1 . ANALITICKA GEOMETRIJA 2. 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. .5. = 0. b2 . a2 b2 c2 a2 b2 c2 . y1 . z2 ) s pripadaju´im vektorima smjera − = (a1 . z1 ) i paralelna je sa − = (a1 . b1 . . z1 ) → odnosno P2 = (x2 .22. c1 ) i − = (a2 . Dakle. a2 b2 c2 Definicija 2.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . y1 .78 ˇ POGLAVLJE 2. c1 ) c s1 − = (a2 . 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 = = . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). kako p1 leˇi u Π i Π je paralelna sa p2 . p1 leˇi u ravnini). Iz s1 s2 Napomene 2. imamo da Π prolazi z → → kroz P1 = (x1 .

kako konstruirati ravninu kroz toˇku P1 = (x1 . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . y1 . (Uzmemo c s c li ravninu okomitu na p1 kroz P1 .5. ˇto znamo izraˇunati. → → → n s1 s2 Time smo dobili izraz kao i gore tj. d(p1 . Tada pogledamo presjek te ravnine i pravca p2 . b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . Tada je. ˇto je toˇka.31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. uzmimo toˇku P2 = (x2 . c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. zovimo je M . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). jasno je da moˇemo uzeti da joj je normala z − . Napomena 2.20. pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. y2 . onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. − = → n b1 c1 c1 a1 a1 b1 . . prema Napomeni 2. → − Ako su − i → kolinearni. . Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . onda su p1 i p2 paralelni.2. z2 ). x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 .

.

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

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

n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan. A= .2 Osnovni pojmovi Definicija 3. a13 a23 .. . prvi se mijenja od 1 do m). . . Ako je m = n. Brojevi akj . . k = 1. ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   . . · · · a1n · · · a2n . Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n.. . n i=1.. .1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3). Realni brojevi sloˇeni u matricu su njeni z elementi. . element c aij se nalazi na presjeku i-tog redka i j-tog stupca.♠ Brojevi aik . OSNOVE MATRICNOG RACUNA 83 3. . tj.. . . m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan. drugi je redni broj stupca na ˇijem se presjeku nalazi taj element. . Npr. z    A=         a11 a21 .   . . k = 1.1.1 Neka su m i n prirodni brojevi. Neka je A matrica kao gore. . . drugi se mijenja od 1 do n).. am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. Primjer 3.  .. .j=1 ili samo A = [aij ]. Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. . a12 a22 . .1.. an1 an2 · · · ann .ˇ ˇ 3.

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

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

tj. .. .. . tj. am1 + bm1 · · · amn + bmn Napomena 3. . . Definicija 3.. n... . .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . . . . . j = 1. Piˇemo A = B. m. λam1 · · · λamn · · · amn  a11  . s Napomena 3. . a11  . . C =A+B = .. . a na R znamo ˇto znaˇi s c ”biti jednak”....  . Definirajmo sada mnoˇenje matrice skalarom.  .. j = 1.   . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   ..    · · · a1n b11 · · · b1n . λA = λ  ..4. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. am1     λa11 · · · λa1n · · · a1n . .. . .3 odnosno Definicije 3. . + . . n. Definicija 3..2 Jednakost matrica se definira samo za matrice istog tipa.   . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R.4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. n. m... . j = 1. = .  . .1. = . MATRICE I LINEARNI SUSTAVI 3.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.3 Zbroj matrica se definira samo za matrice istog tipa.86 POGLAVLJE 3.. z Definicija 3. m..3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .

A2 . 3. Ak ∈ Mmn matrice i λ1 ... λk . z Teorem 3.. A2 .♣ Iz Teorema 3. λk razliˇit od c nule..4 Ako je matrica A rastavljena u linearni spoj po matricama A1 .... C ∈ Mmn i sve skalare iz α.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . Dakle je dimenzija c vektorskog prostora Mmn jednaka mn..1. .. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. 2.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. Napomena 3..5 Neka su A1 . Ak ∈ Mmn . 4. linearna kombinacija i linearni rastav.. . razvijena) u linearni spoj po matricama z z A1 . Kaˇemo da je A rastavljena (razloˇena.. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. onda je i A ∈ Mmn . Matrica A = λ1 A1 + .. Ak . OSNOVE MATRICNOG RACUNA 87 Teorem 3... Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A... A2 . + λk Ak je linearna kombinacija matrica A1 . Njegovi su elementi (”vektori”) matrice tipa m × n.. . β ∈ R vrijedi: 1. . .. Ak s koeficijentima λ1 . a na svim ostalim mjestima nule ˇini bazu u Mmn .4... λk ∈ R skalari.. s Definicija 3.ˇ ˇ 3. . j) imaju z jedinicu. . α(A + B) = αA + αB (distributivnost). B. ˇto slijedi izravno iz Definicije s 3. A + B = B + A (komutativnost).3 odnosno Definicije 3. α(βA) = (αβ)A (homogenost). A2 . (A + B) + C = A + (B + C) (asocijativnost).

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

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

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

. c . bm ]T poznata matrica desnih strana i z x = [x1 . Sloˇimo li ih u (r ×s) matricu. takvu podmatricu zovemo blok. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. npr.ˇ ˇ 3.♠ Ako su izabrani redci i stupci uzastopni.. 3. Primjer 3. . Izaberimo dva redka. xn ]T nepoznata matrica. 3. 0. dobijemo podmatricu z 3 4 0 3 matrice A.6. b = [b1 . ♣ 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 ). i dva stupca npr.. 3.5 Podmatrice i blok matrice Neka je A ∈ Mmn . c drugi i tre´i. prvi i tre´i. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.4. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Sloˇimo li ih u (2 × 2) matricu.1. dobivamo podmatricu z matrice A.1.6 Neka je  2 3 4 1   A =  −1 2 1 3  . svaka linearna z jednadˇba ide u svoj redak). OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3.... 1 0 3 0  Neka je r = s = 2. 4. 3..3.

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

U skupu R vrijedi: ako je a · b = 0. postoji broj koji pomnoˇen s a daje 1. onda je barem jedan od a ili b jednak nuli.ˇ ˇ 3. neka je dana matrica c 0 1 1 0 . 1. Teorema 3. c 2. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. dakle ne postoji izbor brojeva a. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. OSNOVE MATRICNOG RACUNA 93 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . U toˇki 3. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.1. c c c Iz svojstva 5. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Dakle postoje ne nul matrice ˇiji je produkt nul matrica. tj.1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.6 Regularne matrice. Npr. c Napomena 3. tj. b. Npr. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . c.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. Za matricu A koja nije regularna kaˇemo da je singularna. MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. neka postoji matrica B ∈ Mn takva da je A · B = B · A = In . z Definicija 3. c Teorem 3.94 POGLAVLJE 3.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . 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.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In .9 Neka je A ∈ Mn regularna. Dakle je A · A−1 = A−1 · A = c In . z Napomena 3. Tada je B jednoznaˇno odredena s A. c 0 1 1 0 · a b c d = c d a b . Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . . tj.♣ Znaˇi.

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

. matrice iz M1n . iz Definicije 1. − . njene z c n redke. Iz Napomene 3.10 slijedi da je L(− . linearne zavisnosti/nezavisnosti. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor)..6 znamo da stupce.. .. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . + λn − : λ1 .. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj.11 Oˇito je da je c − − L(→. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. MATRICE I LINEARNI SUSTAVI 3. vrijede svojstva 1. .. − ) = {λ1 − + . . Oznaˇavamo ga → → → → a1 an a1 an c − . − ∈ Rm .1..5).♣ Kako je po Teoremu 3. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije... →) ⊆ Rm . moˇemo promatrati kao vektore u R ... 2. − je skup svih linearnih kombinacija vektora − .. − ).10 Neka je V vektorski prostor (Definicija 1.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. . matrice iz Mm1 ..5 izravno slijedi da je r(A) = r(AT ). → → s L( a1 an → → → → an a1 L(− . moˇemo promatrati kao vektore u vektorskom prostoru Rm . λn ∈ R}.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. a1 an .. . z Teorem 3.. . Podprostor razapet vektorima a1 an − ... .96 POGLAVLJE 3.. Definicija 3.... Definicija 3. tj..5) i neka je L neki podskup od V . Iskaˇimo sada jedan bitan rezultat... i 3. Sliˇno. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).. . a1 an Napomena 3.11 Neka su − ..7 Rang matrice. − ) podprostor od Rm . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. a1 an → → i izravno iz Definicije 3. → → Definicija 3.

− razapinju L(− . znamo da je u a1 an a1 an bazi najviˇe n vektora.. n). Neka je 0 ∈ Mmn nul matrica. − ).. − )). .. 2. .. →}.. a1 an Vratimo se na konkretan vektorski prostor. ... Napomena 3. Napomena 3. →)) ≤ n.12 Neka su − . Dimenziju vektorskog prostora L(− . .ˇ ˇ 3. Tada je oˇito r(In ) = n. − ) podprostor a1 an a1 an m − .. − ∈ Rm ..5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).13 Kako vektori − . Tada je r(0) = 0.15 Iz Napomene 3. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3..13 imamo da je r(A) ≤ min(m.14 Uz gornje oznake iz Teorema 3..♣ Primjer 3. .. . c . − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − ...12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. − ) → → → → od R razapet sa a1 an a1 an →.. Neka je A ∈ Mmn . Neka je L(− . − .6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Neka je In ∈ Mn . z Teorem 3..1... jer je skup { 0 } uvijek linearno zavisan... → → → → Napomena 3. .8 Vrijedi: − → 1. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . Stoga vrijedi s − − dim(L(→. .. Mmn .. Neka je R(A) podprostor od Rm razapet stupcima matrice A..... i R (A) podprostor Rn razapet redcima od matrice A..

Mnoˇenje redka (stupca) skalarom λ = 0. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. tj. k. Zamjena dvaju redaka (stupaca). .♠ Iz Primjera 3. Pitanje je. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. ima nule.98 POGLAVLJE 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    . na aij za i < j. Primjer 3.5 imamo da je r(B) = 3..    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. z 3.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . na aij za i = k + 1. . c c r(In ) = n) i matrice koja izgleda kao i matrica B. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B.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     ... na pozicijama a11 .  . j = 2. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. n) ima jedinice. iz Teorema 3. Dakle. akk za k ≤ min(m. 2.. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.. na aij za j < i ima nule. Neka je dana B ∈ M5.. . m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Dakle. Nadalje... MATRICE I LINEARNI SUSTAVI 3.

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

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

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

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

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

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

3 Homogeni sustavi → Iz Napomene 3.♣ . Treba provjeriti da N (A) ima svojstva iz Definicije 1.♣ s c z s x → Iz Teorema 3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . tj.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .1 i Teorema 1. dakle dokaˇimo da za proizvoljne c z − . gdje je λ ∈ R proizvoljan. → ∈ 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). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . c 3.2.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). tj. c Svojstva iz Teorema 1.3. A− = b i A− = b . Tada je. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . Dokaz: Oˇito je N (A) ⊆ Rn . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .2 su oˇito zadovoljena.2. u u Dakle je N (A) vektorski podprostor od Rn .8 i Napomene 3. c Napomena 3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .5. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . x x − → Oˇito je 0 ∈ N (A).22 N (A) je podprostor od Rn . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . u v u v − → dakle → + − ∈ N (A).

tj. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .106 POGLAVLJE 3. Tvrdnja Teorema 3.22 zakljuˇujemo da ako su u1 .9 I.) − → → − → − Ako je matrica A sustava A− = b regularna. onda po Teoremu 3. gdje je − ∈ N (A). s x → − → → Obrnuto. tj. onda je i njihova linearna kombinacija rjeˇenje tog sustava. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m).8 je matrica A regularna. 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)). Tvrdnja Teorema 3. → → → → u u y y − → → II. iz jedinstvenosti zakljuˇujemo da je − = 0 . rjeˇenje je x s u s jedinstveno. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). ut rjeˇenja homogenog sustava c s − = − . MATRICE I LINEARNI SUSTAVI Iz Napomene 3. Onda.9 II. z s . . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. prema Teoremu 3..23 Primijetimo: → 1. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.. svako rjeˇenje je oblika − 0 + 0 .. Po Teoremu 3. → → → → Ax a y y 2. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Teorem 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I.♣ Napomena 3. Kako je iz Teorema 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .9 I. N (A) = { 0 }. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje.9. s Dokaz: (Dokazujemo samo tvrdnju II.

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

izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). → → − II. cr . cr ]T ).10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.. cn ]T je rjeˇenje sustava A− = c s x − → b.. µn proizvoljni parametri. .... . r(A) = dimR(A) = n..11 Ako je (− r+1 . dimR(A) + dimN (A) = n.24 Tvrdnja Teorema 3. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica.10 I.... Kako je (− r+1 .2. → x → → Dakle. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . − n ) baza s x u u u − → − = b oblika → od N (A). µn proizvoljni parametri. Broj dimR(A) smo zvali rang od A.. iz Teorema 3... ...3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori... ..1.. → → Teorem 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. dok brojevi c1 . + µn − n . − − → u u u pri ˇemu su µr+1 .♣ c Napomena 3..♣ Iz Teorema 3. . .. cr koji su dani s A−1 β (c) = [c1 ..8 II. cn postoje → − jedinstveni c1 . i obratno.. cr ]T ..11 izravno slijedi iz Teorema 3.. tj. cr+1 . Teorem 3.7 odnosno toˇki 3... ...... a broj dimN (A) defekt od A. c . − u u u pri ˇemu su µr+1 .. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .9. . MATRICE I LINEARNI SUSTAVI − 0 = [c1 . ... Brojevi cr+1 . . + µn − n ..... − = [c1 . . onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + .108 koje je oblika POGLAVLJE 3.. 0 U toˇki 3. cn su slobodni prametri. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . .

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

.. . oznaˇimo s A1k .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. 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 . n > 3. n. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . Tada za A ∈ M1 oblika A = [a] definiramo det A = a... Za A ∈ Mn .110 POGLAVLJE 3. u stvari skup R). matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. odnosno n det A = k=1 (−1)k−1 a1k det A1k . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2.. Determinanta matrice reda n > 3 se definira induktivno. MATRICE I LINEARNI SUSTAVI U toˇki 1. c1 c2 a1 a2 b1 b2 . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . + (−1)n−1 a1n det A1n . Napomena 3.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 .. k = 1.

Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Ako je A ∈ Mn trokutasta (gornja ili donja).7. Svojstva determinante su: 1. Neka je A ∈ Mn dijagonalna matrica. Posebno je c det In = 1. det(Qij A) = − det A. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. onda je det A = a11 a22 · · · ann . 3. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. onda je det A = 0.3. determinanta mijenja predznak. onda sc je det A = 0. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn .1. pravilo za c raˇunanje inverza matrice).2. n ≥ 2. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . c 4. je razvoj determinante po prvom redku. . n ≥ 2. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. 2. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale.

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

Dakle oˇito je det A = 0. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Ako to nije mogu´e. Radimo sve analogno sve do zadnjeg elementa na dijagonali. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. ai+1. onda je det A = 0.2. ♣ Napomena 3. Dokaz: Iz Teorema 3. z Teorem 3.26 Ako je A ∈ Mn regularna. Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Teorem 3. itd.i+1 = 0). LINEARNI SUSTAVI 113 ispod njega. ♣ U Teoremu 3.♣ Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.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+1.12 Za proizvoljne matrice A. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . ♣ Iz Teorema 3.i+1 (naravno. B ∈ Mn vrijedi det(AB) = det A · det B.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 .3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Teorem 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . ♣ .12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.

16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In .13 prethodni zbroj jednak det A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .16 imamo da je 1 kof (A) · A = In . (−1)k+i det Aki . k) stoji kofaktor elementa aki matrice A. c c Dokaz: Neka su uzeti i-ti i j-ti redak. tj. Definicija 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. onda je det A = 0. k=1 Oˇito. 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. ako je i = j. Inaˇe je zbroj det A. tj. c Napomena 3.114 Veliˇinu c POGLAVLJE 3.♣ .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.27 izravno slijedi: Teorem 3. onda je po Teoremu 3. ♣ Napomena 3. Vrijedi i obrat.26 smo vidjeli da ako je A ∈ Mn regularna.28 U Napomeni 3.♣ Iz Napomene 3. det A Dakle A je regularna i A−1 = kof (A) det A . Kofaktor matrice A oznaˇavamo s kof (A). onda iz Teorema 3. Promatramo zbroj n (−1)j+k aik det Ajk . Analogno ide dokaz za stupce. det A Dokaz: Ako je det A = 0. 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.

Takvu x x funkciju zovemo linearni operator. k = 1. n.3.. µ ∈ R i sve − .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Ako je matrica A regularna. . µ ∈ R i sve − .. onda je rjeˇenje z s tog sustava dano s x1 = D1 . → ∈ Rn . A je regularna ako i samo ako je det A = 0. . . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . 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. . xn = . za sve λ.3. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Stoviˇe. 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 . Ako je m = 1.3 3. D x2 = D2 Dn . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.♣ a 3. a Dk . Rm = R. .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. → x Teorem 3. → ∈ Rn .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. onda takav linearni x y operator zovemo linearnim funkcionalom. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . D D pri ˇemu je D = det A. Rjeˇenje je dano s − = A−1 b . Definicija 3.3. .. − → → Iz Teorema 3.26 i Napomene 3.

z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ).5. tj. µ ∈ R i sve →. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.♣ .16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . dakle zadovoljavaju tre´e svojstvo Definic cije 1. 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. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). µ ∈ R i sve →. MATRICE I LINEARNI SUSTAVI Napomena 3. Dokaˇimo da vrijede i prva dva. 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.5. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.116 POGLAVLJE 3.2. − ∈ Rn .1 i Teorema 1. − ∈ Rn . Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaˇimo da je i F + G linearni z operator. x x Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. Iz Definicije 3.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. tvrdnja slijedi.

18 Kompozicija linearnih operatora (ako postoji) je linearni operator.. Postavlja se pitanje vrijedi li obrat? Tj. . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze. matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn .... rastavljen u e → − → − m → kanonskoj bazi ( f 1 .. Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . n.. . + xn − n ) = F (− ). ...♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm . i = 1.3... Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R . . Neka je F : Rn −→ Rm proizvoljan linearni operator. − n ∈ Rn dane sa →i = (0. ... .. . + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + . − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom.. n. .. f m ) od R . x e e e e x − tj.. f m ).. n. f m ) od Rm .. Nadalje. vektor F (− i ). .. 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 . . linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 ... . e e e → → c gdje je jedinica na i-tom mjestu.. Stoga treba voditi raˇuna s kojim c c c parovima baza radimo. . x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i ........ .. − n ) e e − → → − i ( f 1 .. x x Teorem 3.. − n ˇine e e − 1 .. → → ortonormiran skup vektora. PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori.. koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 . i = 1... n. . neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm .. xn ) ∈ Rn x − = x1 − 1 + . Tada za proizvoljni − = (x1 ...... + xn F (− n ) = F (x1 − 1 + .... i = 1. − n ) = Rn . .. je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 . .. Dakle. Dakle..3... i = 1.. i = 1. n. . Lagano se provjeri da vektori − 1 . linearni operator F ´e imati drugaˇiji prikaz.. c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− )). 1. 0). − i = F (− i )...

c 2. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. y.32 i Teorema 3.10 izravno slijedi teorem o rangu i defektu za linearni operator.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Primjer 3. iz toˇke 3.2.10 Pogledajmo sljede´e primjere: c 1. Sada nas zanima kada su ti vektori kolinearni. tj. z . a defekt dva. a defekt jedan. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). z) = x. Iz Napomene 3.♠ c 3. tj. Napomena 3.118 POGLAVLJE 3. Kako su F i F ustvari isti linearni oper− → − → atori.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Njegova je matrica dana s 1 0 0 0 1 0 . Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. z) = (x.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . y. odnosno dimN (F ) = dimN (F ). Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. y). c H =GF . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). − → → → Nadalje. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Tada je po Teoremu 3. Njegova je matrica dana s 1 0 0 . F ∈ Mn ). Neka je F : Rn −→ Rm proizvoljan linearni operator. MATRICE I LINEARNI SUSTAVI Napomena 3. vrijedi dimN (F ) + dimR(F ) = n.

Dokaz: 1. neka je µ ∈ R µ = 0 proizvoljan.3. x x x x → Dakle za svaki µ ∈ R. Napomena 3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).17 Neka je A ∈ Mn .3. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). µ = 0. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Izravno iz Definicije 3. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Dokaz: Oˇito je S(λ0 ) podskup od Rn .5. x x → → Vektor − 0 ∈ Rn . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.33 Primijetimo: → 1. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).2 oˇito zadovoljava. − ∈ S(λ0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .1 i Teorema 1. x y x y x y . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. → → 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 . ♣ Napomena 3. 2. tj. Nadalje neka su − . → → Svojstva iz Teorema 1. c x y tj. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. Nadalje. da c z s zadovoljava uvjete Definicije 1.17. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . A− 0 = x x − 0 . tj.

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

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

MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. tj.122 POGLAVLJE 3. k ∈ Z. Stoga se koriste razne pribliˇne metode.19 Neka je A ∈ Mn simetriˇna matrica. tj.18 Za matrice A. Tada su sve njene svojstvene vrijednosti realne. za trokutaste. Nadalje.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. iterativne metode. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna.2 = cos ϕ ± Kako je ϕ = kπ. c Teorem 3. svojstvene vrijednosti od A nisu realni brojevi.♠ Dakle iz Primjera 3. Za dijagonalne matrice. . Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. imamo cos2 ϕ − 1 < 0 tj. da A c nema realnih svojstvenih vrijednosti. za nul matrice.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Medutim. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. Tako npr. svaki vektor kanonske ortonormirane baze od Rn je svojstven. Definicija 3. c s c z itd. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. cos2 ϕ − 1. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). nul matrice. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor.

c. Primijetimo da a.♠ c s z z = ax by cx dy .3. a b c d . 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. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. onda iz druge jednadˇbe imamo da je y = 2. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. d svi razliˇiti od nule. c. x 0 0 y . d ne mogu biti nula. z Uzmimo sada da je samo a = 0. To nije uvijek mogu´e. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. jer u suprotnom matrica P nije regularna. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. dijagonalizirati matricu A. analogno vrijedi za a = d = 0. Dakle matricu A ne moˇemo dijagonalizirati. ˇto ne moˇe biti. x 0 0 y .♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. Takoder nikoja tri od a.12 Neka je matrica A dana s A= 2 0 1 2 . tj. c. b. Pokuˇajmo je dijagonalizirati. pretpostavimo prvo da je b = c = 0. Dakle. s z Dakle ostaje nam samo sluˇaj kada su a. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. b. d ne mogu svi biti istodobno nula. b.3.20 Sliˇne matrice imaju iste svojstvene vrijednosti. c Primjer 3. tj.

Obratno. 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. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna... . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. Sada. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. ako je λ0 svojstvena vrijednost od A ∈ Mn .. Ipak. c c Teorem 3. 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. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. A je regularna. c Kako je KA (λ) polinom n-tog stupnja. s Teorem 3.♣ Napomena 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. λn . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. c Teorem 3.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . a odgovaraju´i se svojstveni vektori podudaraju. λn . Tada iz Napomene 3... Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .. nultoˇka od KA (λ). Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . . tj.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.. ♣ Teorem 3.♣ c .21 Neka je A ∈ Mn simetriˇna. Dakle 0 nije svojstvena vrijednost.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . iz osnovnog teorema algebre (Teorem 5. λn od KA (λ) zovemo algebarska kratnost od λ0 ..34 znamo da je skup S(λ0 ) potprostor od Rn .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 ... λn od KA (λ) pojavljuje barem jednom. .... Ako je A joˇ simetriˇna onda iz Teorema 3.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.124 POGLAVLJE 3. λ−1 . tj. .12 vidimo da ne moˇemo svaku matricu dijagonalizirati. dijagonalna. . ona se u nizu c nultoˇaka λ1 . c Napomena 3..

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

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

126

POGLAVLJE 4. NIZOVI I REDOVI

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

je strogo padaju´i i pozitivan. c

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

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

127

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

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

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

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

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

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

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

4.1. NIZOVI REALNIH BROJEVA

129

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

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

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

1 = 0. n−→∞ n lim

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

Tada je

n2 = 1. n−→∞ n2 − 1

130

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

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

lim an = +∞.

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

lim an = −∞.

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

lim an = +∞. √

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

M , pa je

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

4.1. NIZOVI REALNIH BROJEVA

131

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

0 nije ˇlan niza, c

c s c c c tj.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. . Tada c an −→ 0 ⇔ 1 −→ ∞. NIZOVI I REDOVI 4.132 POGLAVLJE 4. i ako da. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). r = 0.4 Neka su (an ) i (bn ) konvergentni nizovi. lim (an ± bn ) = lim an ± lim bn . c c c Npr.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Tada vrijedi: 1. lim (an bn ) = lim an lim bn . onda je lim an an = n−→∞ . te c ∈ R proizvoljan. prema kojoj vrijednosti. c Teorem 4. Ako je r ∈ R. ako ne i nemogu´e. proizvoljan i an ≥ 0 za svaki n ∈ N. n−→∞ n−→∞ n−→∞ 4. lim (can ) = c lim an .3 Neka je (an ) niz s pozitivnim ˇlanovima. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . ako je bn = 0 i n−→∞ lim bn = 0. n−→∞ n−→∞ 3.1.♣ an Teorem 4. konvergira li. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an .5 Neka je (an ) konvergentan niz. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. n−→∞ n−→∞ n−→∞ 2.

Teorem 4. za svaki n ∈ N. NIZOVI REALNIH BROJEVA 133 Teorem 4. q 3 . Dakle imamo samo c c s z s jedno gomiliˇte. ili u ˇirem smislu.♣ c z s Napomena 4. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . i ako npr.3 imamo |q | −→ ∞. G > G . izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. log |q| Dakle svi ˇlanovi niza 1. Onda je po Napomeni 4. tj. tj. pa je lim an = 0. no ne c s znamo koliko je i kako to na´i.2 niz (an ) ima barem jedno c gomiliˇte. Za |q| < 1 je lim an = 0. Tj. izraˇunati..♣ Teorem 4. dakle ili q −→ ∞. c Napomena 4. niz 1. ˇto ne moˇe biti jer je G gomiliˇte. To je ekvivalentno s |q| < ε. ε).4. . q. c Dokaz: Neka je (an ) monoton i ograniˇen. q 2 . postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. U suprotnom. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . Pogledajmo prvo sluˇaj |q| < 1. q 2 .1. c c c Prema Teoremu 4. . (an ) raste.. Sada. pa prema prethodnom niz n n −→ 0.4 dovoljno je promatrati niz s a1 = 1. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. on moˇe imati najviˇe jedno gomiliˇte. po Teoremu 4. ako s z s s (an ) ima barem dva gomiliˇta G i G . Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. ograniˇen niz je konvergentan. 1 |q n | Neka je sada |q| > 1. q 3 . znamo da neˇto postoji. odrediti. n−→∞ Dokaz: Iz toˇke 4. Kako je (an ) monoton.. dakle divergira ili u uˇem. q.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . dakle divergentan. Tada po Teoremu 4.. niz (an ) s konvergentan.6 je tipiˇni teorem egzistencije. Imamo log ε n> .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. jer je log |q| < 0.4. c c . tj. Logaritmiranjem se dobije n log |q| < log ε. vrijedi lim inf an = lim sup an ∈ R. Tada je n 1 |q| < 1.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.6 Monoton.1..

Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = n n. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = λn . n−→∞ n−→∞ n 4. n 6. Tada vrijedi lim an = 1. 2. c z 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. 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. gdje je λ > 0. . gdje je λ > 0 proizvoljan. Tada vrijedi n−→∞ lim an = 1. tj. √ 3. Neka je niz (an ) dan formulom an = |λ| . ako je λ < 0 √ 5.134 POGLAVLJE 4. ako je λ = 0. gdje je λ ∈ R proizvoljan. proizvoljan. ako je λ > 1 lim an = n−→∞ 0. 1 n . n−→∞   0. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. ∀r ∈ N). gdje je λ ∈ R proizvoljan.7 je najop´enitiji. Tada vrijedi   ∞.♣ Teorem 4. ako je λ > 0  lim an = 1. Tada n! vrijedi lim an = 0. Neka je niz (an ) dan formulom an = nλ . ako je 0 < λ < 1. λ = 1. teˇe k nuli. Tada vrijedi ∞.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.

c Definicija 4. an je oznaka za red. n=1 Ako niz parcijalnih suma (Sn ) divergira. Konvergencija reda Ako u beskonaˇnom nizu (an ). kaˇemo da i red z Napomena 4. . gdje je (Sn ) niz parcijalnih suma niza (an ). a3 .2 4. (Sn )).. Dakle. n-ta parcijalna suma.8 Oznaka sumu reda an . Red dobiven od niza (an ) oznaˇavamo s c an . a2 .8 Pogledajmo sljede´e primjere: c . Za svaki konaˇan n z c veliˇina Sn je dobro definirana. REDOVI REALNIH BROJEVA 135 4.2. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). tj. a konaˇna suma postaje red.8 Neka je (an ) niz. a oznaka an divergira.1 Redovi realnih brojeva Pojam reda. Ako je S = lim Sn < ∞. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ).. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. No. ∞ an je oznaka za n=1 Primjer 4. Definicija 4. zareze zamijenimo plusevima c dobijemo beskonaˇni red.2.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . a1 . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S... konaˇna suma. tj.4. + an = k=1 ak = Sn .

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

onda on konvergira i obiˇno.♣ c Uoˇimo da iz Primjera 4. Ako red an konvergira.♣ 1 1 Napomena 4. c . S = lim Sn = n−→∞ n=1 an .10 Iz Primjera 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.♠ 2n n−→∞ ∞ Napomena 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. Nadalje.9 ne slijedi obrat Teorema 4.♠ dok red 1 n divergira (Primjer 4.4. kaˇemo da red z an konvergira uvjetno. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. an . tj.8. a red |an | ne konvergira. n 1 (−1)n−1 n uvjetno konvergentan. REDOVI REALNIH BROJEVA za svaki n ∈ N. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. tj. oˇito vrijedi c Sn+1 = Sn + an+1 .10 Red an apsolutno konvergira ako konvergira red |an |.8).2. Primjer 4. c c ako op´i ˇlan niza (an ) konvergira u nulu. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . n−→∞ odnosno n−→∞ lim an+1 = 0. onda op´enito red c c c an ne mora konvergirati.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Definicija 4.8 Ako red apsolutno konvergira. Dakle je red Teorem 4.9 op´enito ne vrijedi.

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

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.♣

146 POGLAVLJE 4. Ako red n an x0 divergira. an za svaki n ≥ n0 . red an0 + an0 +1 + . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . gdje je x ∈ R proizvoljan. Tada iz Teorema 4. c Teorem 4.18 Neka je 0 < λ < 1.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |.♣ Primjer 4.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. onda red an konvergira. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |.3. i n0 ∈ N takav da je an+1 ≤ λ. za svaki n ∈ N. Ako postoji λ ∈ R. Dakle. Neka je an = 1. an0 +2 ≤ λan0 +1 ≤ λ2 an0 .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. an0 +m ≤ λm an0 .. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .♠ 1 xn−1 (n−1)! 4. an za svaki n ≥ n0 . Neka je an = n! . NIZOVI I REDOVI Neka je (an ) proizvoljan niz. 1 2. . . Dokaz: Neka su λ ∈ R. Red oblika an xn . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. za svaki m ∈ N. zovemo red potencija. Oˇito je za x = 0 svaki red potencija konvergentan.. . .13 1. onda konTeorem 4. i suma mu je 1−x . 0 < λ < 1. Dakle imamo an0 +1 ≤ λan0 . . za svaki n ∈ N.

19 Neka je an red s pozitivnim ˇlanovima.3.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. Ako postoji λ ∈ R. c Primjer 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.14 1.16 imamo da i red an0 + an0 +1 + . divergira za l > 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. ali vrijedi 1 . Sada iz Napomene 4.. 4.8 znamo da on = 1.♣ .3.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. konvergira.♣ Napomena 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . 1 n+1 lim n−→∞ 1 n 2.9 konvergira. onda red an ≤ λ. Ako postoji limes c an+1 = l. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. n Tada iz Primjera 4.. an konvergira. n−→∞ an lim onda red an konvergira za l < 1.3 Cauchyev kriterij Teorem 4. c 0 < λ < 1.4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. n2 Tada iz Primjera 4. Neka je dan red vrijedi 1 . imamo da red c an konvergira.8 znamo da on konvergira. Neka je dan red divergira.

n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. a iz toˇke 4. (an ) niz u R i x ∈ R prozvoljan.15 Analogno kao i u Primjeru 4.14 za red odnosno red n znamo da divergira odnosno konvergira.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. c 1 Primjer 4. NIZOVI I REDOVI Napomena 4. Ako postoji lim sup n |an | i lim sup n |an | = 0. c Teorem 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.20 Neka je an xn red potencija.20 zovemo radijus konvergencije reda potencija a n xn .1.♠ c s Cauchyev kriterij je jaˇi. Ako postoji limes c n−→∞ lim √ n an = l.148 POGLAVLJE 4. a divergira za sve x ∈ R za koje je |x| > ρ. a ne moˇemo niˇta z s zakljuˇiti za l = 1.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. tj. onda red an konvergira za l < 1. .4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. divergira za l > 1.

♠ n2 Teoremu 4.20 red potencija |x| < 1. ali smo u Primjeru 4. itd. Ako je x = 1 onda. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. KRITERIJI KONVERGENCIJE Primjer 4. Tada imamo sljede´i kriterij (Leibnic c zov): . iz Primjera 4. Po Teoremu 4.4. Ako je x = −1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. dok za x = 1 red n 1 divergira.).16 1.3. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Neka je dan red potencija lim sup n 149 1 n x . n Tada je 1 = lim n−→∞ n n 1 = 1. n2 1 n x n2 dakle je ρ = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. 4. n 1 n x n dakle je ρ = 1.3. Teorem 4. a divergira za |x| > 1. Po Teoremu 4. c sin n. (−1)n .8 imamo da konvergira i red (−1)n . tg n. a divergira za |x| > 1. onda iz Primjera 4. dakle i apsolutno konvergira red (−1)n .20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Iz n2 n2 1 Teorema 4. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. konvergira za Pogledajmo sada ako je |x| = 1. Neka je dan red potencija lim sup n 1 n x . n 2. konvergira za Pogledajmo sada ako je |x| = 1.20 red potencija |x| < 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. a divergira za |x| > ρ (ako lim sup n |an | postoji). n2 Tada je n 1 = lim n−→∞ n2 1 = 1.8 znamo 1 1 da red konvergira.

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

♠ s .21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.3.17 Iz Teorema 4.4. KRITERIJI KONVERGENCIJE Primjer 4.

.

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

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

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

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

c y x0 0 x Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. Npr. 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.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. z s Iz Napomene 5. c kruˇnica u ravnini nije graf niti jedne funkcije.3: Primjer krivulje koja nije graf funkcije.1.5. . a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. Napomena 5.

To. toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. toˇke prekida i asimptotsko c c ponaˇanje. b ⊆ R sadrˇan u podruˇju definicije funkcije f . tj. kaˇemo da je funkcija f strogo raste. kao ˇto smo rekli. odnosno strogo pada na I. tj. Gledamo li graf funkcije f . FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). realne funkcije realne varijable). bliskost argumenata i sliˇno. c Neka je interval I = a. z c I ⊆ D(f ). c s c Napomena 5. f (x) = cos x. c z . s Dakle. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. podruˇja vrijednosti i nultoˇaka. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). kaˇemo da je f (strogo) monotona na intervalu I. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . Ti su pojmovi vezani c uz usporedbe vrijednosti. c Osim podruˇja definicije. ako postoje). Ako za takve dvije vrijednosti x1 . 0) ∈ Γ(f ). kaˇemo da funkcija f pada z z na I. intervale z monotosti (tj. ne mora biti nultoˇka funkcije c c (npr. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. ekstremne vrijednosti. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama.1. za x = 0 je f (0) = 1). Nuliˇte je apscisa nultoˇke.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). 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 oblika (x0 . tj. podruˇja gdje funkcija raste ili pada). dakako.158 POGLAVLJE 5.4 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. s 5.

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

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

tj. za svaki x ∈ D(f ). c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). b]).5. f (x) = x3 . s Primjer 5. 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. onda kaˇemo da je funkcija f neparna. Funkcije f (x) = x2 . f (x) = x|x| su neparne. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. tj. f (x) = x4 . dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. 2.4: Primjer funkcije s lokalnim ekstremima. D(f ) = [a. |x| su . Problem nalaˇenja ekstrema je vrlo bitan. b]. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5.1. Funkcije f (x) = x. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. z c c Napomena 5. za svaki x ∈ D(f ) . Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. f (x) = parne fukcije.♠ 1 .3 1. onda kaˇemo da je funkcija f parna. Ako vrijedi f (−x) = f (x). f (x) = |x|. D(f ) = [a. b ili D(f ) = a.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. z Ako vrijedi f (−x) = −f (x). gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta).

jedan rub je konaˇan a drugi beskonaˇan).5: Primjer parne (lijevo) i neparne (desno) funkcije. +∞ . 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 -3 -2-2. tj. tj. tj. Dakle imamo da vrijedi f (−x) = f (x) = −f (x).162 POGLAVLJE 5.5 -10 Slika 5.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. postoji i konaˇan je broj f (−1). Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. Primjer 5.5 5 2. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. neka c √ je funkcija f : [−1. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija. Npr.5 1 2 3 -5 -7. 1] −→ R dana formulom f (x) = 1 − x2 . Takav je rub c c regularna toˇka. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . f (x) = 0 za svaki x ∈ R.

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

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

c 165 Napomena 5. Definirajmo sada pojam neprekidnosti funkcije. c 1 Uzmimo ε = 2 . b −→ R. x = 0   −1 x < 0 Funkcija f ima prekid u 0. gdje je I ⊆ D(f ). onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. x0 + δ ) ⊆ f (x0 ) − ε. pravac). Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj.3 Realna funkcija realne varijable f : I = a. dok je u svim drugim toˇkama neprekidna.7 Ako funkcija ima asimptotu. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Odnosno.5 Neka je dana funkcija sign : R −→ R formulom   1.3 kaˇe da je funkcija f : I = a. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira.5. Primjer 5. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. Definicija 5. z Definicija 5. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.1. Tada za svaki δ > 0 i sve x ∈ R za koje je |x − 0| = |x| < δ 1 c vrijedi |f (x) − f (0)| = |f (x)| = 1 > 2 . Kad bi imala dvije asimptote u jednom rubu. Dakle nula je toˇka prekida od f . 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 ). . ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Intuitivno. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. x > 0  sign x = 0. f (x0 ) + ε .

M ∈ R c takvi da je m ≤ f (x) ≤ M. gdje je I ⊆ D(f ). c . za svaki x ∈ I. gdje je I ⊆ D(f ). Napomena 5. je ograniˇena ili omedena na I ako postoje realni brojevi 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.8 Ako u Definiciji 5.4. funkcija je neprekidna u x0 . za svaki x ∈ I. Ako je x0 > 0. M > 0.♠ z Definicija 5. tj. Napomena 5. Analogo se dokaˇe za x0 < 0. iz uvjeta m ≤ f (x) ≤ M.166 POGLAVLJE 5. b −→ R. za svaki x ∈ I. FUNKCIJE y 1 0 x −1 Slika 5. Napomena 5. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.9 Iz Definicije 5. b −→ R neprekidna u toˇki c x0 ∈ I.10 Ako je funkcija f : I = a. takav da je c |f (x)| ≤ M . b −→ R.4 stavimo M = max{|m|.8: Funkcija sign(x). je ograniˇena na I ako postoji realan broj M ∈ R.4 Realna funkcija realne varijable f : I = a. onda je funkcija f ograniˇena na nekoj okolini oko x0 . tj.

g(x) . funkcija f : R −→ R dana c c formulom 1 . tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). g : R −→ R. c c S druge strane. tj.kvocijent s f g (x) = f (x) . definiramo njihov .5.1. tj. Npr. c D(f ± g) = D(f ) ∩ D(g). vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. .produkt s (f g)(x) = f (x)g(x).zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. dok je sama vrijednost funkcije f (0) = 0).1.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. pri ˇemu je x ∈ D(f ) ∩ D(g). c Za zadane dvije funkcije f. x=0 x f (x) = 0. tj. . realnim brojevima. OSNOVNI POJMOVI 167 Napomena 5. pri ˇemu je x ∈ D(f ) ∩ D(g). i z kako. c D(f g) = D(f ) ∩ D(g). c c 5. funkcija sign : R −→ R iz Primjera 5.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule.11 Ako funkcija ima prekid u toˇki.

Npr. pri ˇemu je f proizvoljna. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.168 POGLAVLJE 5.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. b) Ako je c > 0. a) Ako je c = 0. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). graf funkcije f + g je isti kao i graf funkcije f .5). . a g dana formulom g(x) = c. dakle beskonaˇni skup {xn . x. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. x . .. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Uoˇimo da je D(g) = R.. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. . Dakle imamo definirano c c mnoˇenje funkcije skalarom. tj.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. skup funkcija {1. c Preciznije. n = 0. 1. c c ∈ R. z c z Napomena 5. Tj.. c c Neka su f.. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. g : R −→ R. 1. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).3). onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore.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. Napomena 5. c) Ako je c < 0.. pa je D(f ± g) = D(f ).

Pogledajmo funkciju f g u ovisnosti o c ∈ R. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. samo je usporen pad i rast c funkcije f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. Graf funkcije f g je pravac y = 0 ili x os.10: Graf funkcije 2f (x). vrijedi |(f g)(x)| ≤ |f (x)|. . a) Ako je c = 0. y 2 f(x) 0 f(x) x Slika 5. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. 2. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . b) Ako je 0 < c < 1.5. funkcija f g ima iste nultoˇke kao i funkcija c c f .1.9: Graf funkcije f (x) + c za c > 0. onda je (f g)(x) = 0 za svaki x ∈ D(f ). Graf funkcije f g je sliˇan grafu funkcije f . tj.

Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. vrijedi |(f g)(x)| ≤ |f (x)|. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . FUNKCIJE c) Ako je c > 1. Dakle. vrijedi |(f g)(x)| ≥ |f (x)|. e) Ako je c = −1. Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . funkcija f g ima iste nultoˇke kao i funkcija c c f . vrijedi |(f g)(x)| ≥ |f (x)|. Dakle. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . tj. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. funkcija f g ima iste nultoˇke kao i funkcija f . g) Ako je c < −1. y 0 f(x) x −f(x) Slika 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f .170 POGLAVLJE 5. Dakle. Graf funkcije f g je isti kao i graf funkcije f . tj. f) Ako je −1 < c < 0. onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). c d) Ako je c = 1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj. ali su suprotnog predznaka. ali su suprotnog c . dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta.11: Graf funkcije −f (x). onda je (f g)(x) = f (x) za svaki x ∈ D(f ).

1. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. onda oˇito g funkcija f u njima nije definirana. funkcija g f je jednaka pravcu y = 0 na skupu D g f . Ako funkcija f ima nultoˇke. c). c c c Napomena 5. 0 . tj. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke.5. . Pogledajmo funkciju g f u ovisnosti o c ∈ R. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). 3. onda je f (x) = 0 za svaki x ∈ D . tamo funkcija f pada. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. OSNOVNI POJMOVI 171 predznaka. c c c Za ostale operacije ova tvrdnja ne vrijedi. za f. npr. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. Dakle. f). 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞.4). g g 1 b) Ako je c = 1.1. c . kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. g f g a) Ako je c = 0. tj.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). c g) i 3 b). gdje funkcija f raste. onda je f (x) = f (x) za svaki x ∈ D f . funkcija f u njima ima c c vertikalne asimptote. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5.

c h f A B g C Slika 5. recimo g. 3. Tim se postupkom mogu stvarati nove z funkcije. Ako su obje neparne. 2. f g i f g f g sve parne. dok su funkcije f g i f obje neparne. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. neparna a f parna. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Primjer 5. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Ako je jedna funkcija. g 5. onda su funkcije f ± g. g : R −→ R funkcije. Definicija 5. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge.12: Kompozicija funkcija.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. . Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.4). za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Matematiˇki se to formalizira pojmom kompozicija funkcija.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)).172 POGLAVLJE 5. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Neka su f.1. te funkcije f g i obje parne. Ako su obje parne. onda je funkcija f ± g neparna.

U takvom sluˇaju piˇemo f 2 = f ◦ f . da je.1. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.♠ 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. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). tj. za tu funkciju vrijedi g ◦ f = f ◦ g = g. OSNOVNI POJMOVI Primjer 5. z funkciju f komponirati samu sa sobom.6 vidimo da operacija kompozicije funkcija nije komutativna. c Napomena 5. Tada je oˇito c D(f ) = R(f ). moˇemo gledati funkciju f ◦ f .5. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . . za proizvoljnu funkciju f . g ◦ f = f ◦ g. za svaku funkciju g : R −→ R. Napomena 5. 3x + 1 3x + 1 2x 6x = .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.♠ x+1 x+1 173 2x .7 Neka je dana funkcija f (x) formulom f (x) = x .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . tj. op´enito. 1 . Naime. 1 Primjer 5. Dakle imamo f ◦ id = id ◦ f = f.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f .

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 ). 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 ). FUNKCIJE Pogledajmo joˇ neka svojstva kompozicije funkcija. Monotonost kompozicije u ovisnosti o monotonosti komponenata. njihova kompozicija je padaju´a. onda za x1 . 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 c b) Ako su funkcije f i g padaju´e. tj. s 1. c d) Ako je funkcija f padaju´a a g rastu´a. 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 ). tj. njihova kompozicija je padaju´a. a) Ako su funkcije f i g rastu´e. onda za x1 . njihova kompozicija je rastu´a. tj. c c) Ako je funkcija f rastu´a a g padaju´a. c .174 POGLAVLJE 5. onda za x1 . tj. onda za x1 .

onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). 175 a) Ako su funkcije f i g parne.13: Kompozicija funkcija. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. Toˇnije. z 3. c . onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije.1. d) Ako je funkcija f neparna a g parna. OSNOVNI POJMOVI 2. ako je funkcija f neprekidna u x0 . onda je i kompozicija g ◦ f neprekidna u x0 . a funkcija g definirana c i neprekidna u f (x0 ). Parnost kompozicije u ovisnosti o parnosti komponenata. c) Ako je funkcija f parna a g neparna. b) Ako su funkcije f i g neparne. g f N N P P P P g f N P Slika 5.5.

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

1) i (1. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. x2 ∈ D(f ). ali ne i za paran n. Definicija 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. . s c Primjer 5. c c Definicija 5.♠ Primjer 5. f : D(f ) → R(f ) je uvijek surjekcija. je injekcija za neparan n. za bilo koji c ∈ R. Injektivnost.10 Funkcija f (x) = xn .8 Funkcija f je bijekcija ako je i injekcija i surjekcija. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.1.5. 1).8 izraˇunali smo da je x(1300) = 4.11 U Primjeru 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . n ∈ N. tj.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Napomena 5.6 c ekvivalentan sljede´em: za x1 . Napomena 5. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. a injektivnost njegovu jedinstvenost.

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

c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Dakle. g2 (x) = x. +∞ jesu.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. g1 (x) = − x.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle. Teorem 5. no njezine restrikcije na −∞.1. 0]. c Primijetimo da ako f nije strogo monotona nego samo monotona.20 Ako je funkcija f : R −→ R strogo monotona.20 znamo da f c ima inverznu funkciju g. +∞ −→ −∞. a ona c c je strogo rastu´a funkcija. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. f | −∞. +∞ −→ [0. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. kad govorimo o inverzima funkcija f : R −→ R. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.♠ Napomena 5.5. No f ◦ g = id. i √ g2 : [0. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).10). Primjer 5. +∞ .+∞ su bijekcije s inverzima g1 : [0. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. jer je c f ◦ g = g ◦ f = id. Dakle vrijedi f ◦ g = g ◦ f = id.♣ z c . To je oˇito inverzna funkcija od f . onda je ona oˇito i bijekcija na svoju sliku. OSNOVNI POJMOVI 179 Napomena 5. 0] i [0. pa ima i inverznu funkciju. Tada iz Napomene 5. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku.0] √ i f |[0. a strogo c c padaju´e funkcije strogo padaju´a.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.

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. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). +∞ −→ −∞. Primjer 5. Dakle. praktiˇno izraˇunati. 0] ili [0. FUNKCIJE Teorem 5. +∞ gdje je bijekcija.♠ c Analogno kao u Primjeru 5.180 POGLAVLJE 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. 0] odnosno . Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Pokuˇajmo sada. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.12 slijedi da tvrdnju Teorema 5. ali nije bijekcija. f −1 je neparna.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. Tada je njena inverzna funkcija g : [0. +∞ .2 Inverzna funkcija neparne funkcije je neparna. z c Napomena 5.2 ne moˇemo izre´i za parne funkcije. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.♣ Iz Primjera 5. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).

Primjer takve funkcije je c x f (x) = xe . specijalne funkcije kojima se ovdje ne´emo c baviti.2 -3 -2 -1 -0. c .16: Graf funkcije f (x) = xex . +∞ je bijekcija. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. tj.4 0.4 1 2 Slika 5. ima inverznu funkciju. +∞ −→ [0. 5. ˇ Cak i za funkcije koje imaju inverze. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija.5. +∞ dana formulom − n x odnosno n x.6 0.2. 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. c Osim elementarnih postoje i tzv.2 -0. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.8 0. Restrikcija te funkcije na interval [−1. 0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Ako je n neparan.

1 Klasifikacija i podjela realnih funkcija 1.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Eksponencijalne .Ciklometrijske . Elementarne a) Algebarske .Polinomi .Hiperboliˇke c . za svaki x ∈ R.Area 2.Racionalne funkcije .Trigonometrijske .2. k Po definiciji stavljamo x0 = 1. xk = x · x · · · x . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5.Logaritamske . FUNKCIJE 5.Ostale algebarske funkcije b) Transcendentne . mnoˇenih nekim koeficijentima. dolazimo do pojma z .2. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.

P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. tj. P. Ovdje podrazumijevamo da je an = 0.a1 . . . Realne konstante an . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).2. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . .10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + .5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. c 10 7. . a a0 je slobodni koeficijent.5.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . ako su jednaki kao funkcije. . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Koeficijent an je vode´i. Polinomi su konceptualno najjednostavije funkcije. a0 su koeficijenti polinoma Pn (x).5 -3 -2 -1 -2. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Dakle je svaki polinom definiran na cijelom skupu R. Definicija 5. . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.11 Dva polinoma P i Q su jednaka. + a2 x2 + a1 x + a0 . Definicija 5.5 5 2.

Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.14. c c . a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.. c Primjer 5. = an = 0. FUNKCIJE n Teorem 5.02 3 2 0.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5..: n m Teorem 5. c c c s naravno..5 3 Slika 5.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn ..14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma..18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. a ordinata je. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). n. Broj c k zove se red ili kratnost nultoˇke x0 .5 2 2.4 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 . Apscisa nultoˇke je nuliˇte.02 4 0. 0. 1.11.184 POGLAVLJE 5. tj.01 1.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. za sve i = 0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.01 -0.

z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Ako je k paran. kaˇemo da je linearna funkcija strogo rastu´a. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. odnosno strogo padaju´a. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Ako je k neparan. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5.3 Qn−k (x) = 0 na nekoj oklini oko x0 .ako raste u s c nekoj toˇki. Ako su ove nejednakosti c c stroge. dok c u nultoˇkama parnog reda nema promjene predznaka. onda iz Teorema 6. Tjeme .8). raste na cijelom R. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b.2. a padaju´a ako je a ≤ 0.19: Graf linearne funkcije f (x) = x + 75. a prema dolje ako je a < 0.22 U nultoˇkama neparnog reda polinom mijenja predznak. po Teoremu c 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Otvor joj je okrenut prema gore ako je a > 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. a = 0. tj. dok za x > x0 vrijedi (x − x0 )k > 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. je polinom drugog stupnja ili kvadratna funkcija.5. za x ≥ 0. Za a = 0 imamo konstantnu funkciju p(x) = b. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. onda iz Teorema 6. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).

8) graf polinoma mora negdje sje´i x os. tj. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. Zbog neprekidnosti c polinoma na R (Teorem 6.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. c Napomena 5. parabole ima koordinate (−b/2a.♣ c Iz Teorema 5.♣ c c .20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. −D/4a).5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. npr. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. Teorem 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. 2a i realne su ako je D ≥ 0. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. FUNKCIJE 1 2 Slika 5. inaˇe velike negativne vrijednosti). mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).2 = √ −b± D . Nultoˇke kvadratne funkcije dane su formulom c x1. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. inaˇe velike pozitivne).

c neparna je i ima nultoˇku u (0. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . graf c joj je zrcalno simetriˇan s obzirom na y os. onda je oˇito funkcija Pn (x) = xn parna. pravac y = x. c vrijedi D(Pn ) = R. tj. Strogo pada na −∞. onda je P1 (x) = x linearna funkcija. +∞ .. Primjer 5. 0). 0). kao funkcija an xn .♠ c . strogo raste na [0.. iz Primjera 5. P1 (x) strogo raste na R.2. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. Nadalje.. dakle nije injekcija. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. onda je oˇito funkcija Pn (x) = xn neparna. c 2. Ako je n neparan broj. 0). Ako je n = 1. Oˇito je D(P1 ) = R(P1 ) = R.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. +∞ i ima nultoˇku u (0. tj. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. n − 1. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. tj. R(Pn ) = [0. Ako je n paran broj. 0]. i = 1. tj. 1.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Pn (x) strogo raste na R. . 3.5. dakle je bijekcija i ima nultoˇku u (0. dakle je bijekcija.16 Pogledajmo funkciju (polinom) Pn (x) = xn .♠ Dakle.

dijeljenjem polinoma c izlazimo iz te klase funkcija. 5. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. su koeficijenti polinoma Pnm (x). kako se polinom Pn (x) = i=0 ai xi . y) = i=0 j=0 aij xi y j .188 POGLAVLJE 5. z Definicija 5.. Realne konstante aij ... Npr. Napomena 5.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. sam sebi je asimptota. problem s asimptotike je sloˇeniji. . n. i = 1. Za . Po analogiji s racionalnim c brojevima.. razlika. umnoˇak i kompozicija polinoma ponovo polinom. FUNKCIJE Napomena 5. Naravno. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. problem poniˇtavanja je vrlo kompliciran.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu.2.3 Racionalne funkcije Oˇito je zbroj. u tom sluˇaju se situacija komplicira. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. . ali c z kvocijent dvaju polinoma op´enito nije polinom.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.. n > 1. 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). m. tj. itd.. z n Nadalje. j = 1. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. Dakle.

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

♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Osim vertikalnih.190 POGLAVLJE 5. 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 5.26 Ako je pol parnog reda.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Dakle.5 1 80 60 40 20 -1 -0.graf racionalne funkcije moˇe imati asimptote: z 1. tj. Sada tvrdnja izravno slijedi iz Napomene c 5. (lijevo) i pola Napomena 5.5 -25 -50 -75 -100 0. dok za polove neparnog z c reda. 2. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. kao i u toˇkama u c kojima se nazivnik poniˇtava. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .5 1 x 1 Slika 5. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. FUNKCIJE 100 75 50 25 -1 -0. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).22. z c Dokaz: Red pola je red nultoˇke nazivnika. i to na vanjskim rubovima prirodnog podruˇja definicije.26). racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.5 0. bi x i=0 i−m bi x i=0 i xm . kad c argument ide u +∞ i −∞.

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

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

y) takav da vrijedi P (x. Pn (x)) = 0.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.5. Dokaz: Neka je dan proizvoljni polinom Pn (x). f (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. y) = Pn (x) − y.2. y) = x − y n oˇito je P (x. y) = Qm (x)y −Pn (x).19 1. Napomena 5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.18. 5.2. Tada je oˇito P (x. f (x)) = 0. jer u suprotnom ne bi bila funkcija. c . Definirajmo polinom u dvije varijable s P (x. Definirajmo polinom u dvije varijable s P (x. dakle je svaka racionalna c √ Primjer 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Definicija 5. c Neka je sada f (x) = funkcija i algebarska. Tada je oˇito P (x.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.29 Svaki polinom i racionalna funkcija su algebarske funkcije. dakle je svaki polinom algebarska funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. f (x)) = 0.

Funkcija f je inverzna funkcija funkcije g(x) = x3 . vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. 0 je regularna toˇka (toˇka 5. Nadalje. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. je D(f ) = R(f ) = R (Primjer 5. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. c c tj. je D(f ) = 1. dok kosu asimptotu ne moˇe imati zbog Napomene 5.28. z √ 2. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . +∞ i R(f ) = 0. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Dakle. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13). +∞ . ima vertikalnu asimptotu x = 1. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = 3 x.1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli.20 1.13). kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. c 1 3.13). Neka je dana algebarska funkcija f formulom f (x) = x. dakle nema niti vertikalnu niti horizontalnu asimptotu.194 POGLAVLJE 5. dakle nema vertikalnu asimptotu. z tj. tj. je D(f ) = R(f ) = [0. Kada se argument sve viˇe pribliˇava c s z broju 1. f strogo raste na R i neomedena je. √ Primjer 5.4). c c √ Nadalje.4). z 1 4. tj. pravac y = 0 je horizontalna asimptota funkcije f .13). Nadalje. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Dakle.1. FUNKCIJE 1 2. Dakle. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . +∞ (Primjer 5. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. f (x)) = 0. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . u 1 (toˇka 5. y) = xy n − 1 oˇito je P (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).

b i hipotenuzom c (stranica a je nasuprot vrha A. itd. onda vrijedi: b a sin α = . Zahvaljuju´i gornjoj relaciji.) i kutovima α. kosinus ili cos x. katetama a. 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 = . γ (kut α je uz vrh A. ili modulom b prijelaza.7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. C. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. c Odatle im i ime. imamo loga x = loga b logb x. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama.202 POGLAVLJE 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. dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. gdje je M = ln a. koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza. 5.2. Ako je dan pravokutni trokut sa vrhovima A. b a . Vidimo da su vrijednosti logaritma proporcionalne. β. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . itd. Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom.). cos α = . Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x . B. ctg α = . tangens ili tg x i kotangens ili ctg x. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava.

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

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

vidimo da je −1 ≤ cos t ≤ 1. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. π ]. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. itd. npr. dok je sinus neparna. krvnoga tlaka. Dakle je z D(sin) = D(cos) = R.5 -2 5 10 Slika 5. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. plime i oseke. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.5 -1 -1. Najmanji pozitivni period je 2π i zovemo ga temeljni period. Medutim. Nadalje. c 2 1. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. tj.5 1 0. a kosinusa obrnuto. s 2 1 u nuli i 0 u π . vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. tj. temperatura kroz godinu. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). 1]. je period funkcija sin i cos. tj. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. zbog periodiˇnosti. za opis osz c cilacija. napona.5 -1 -1. period razliˇit od 2π i ne s c c .5 -2 5 10 -10 -5 2 1.2. za svaki t ∈ R. imaju amplitudu razliˇitu od 1.5 -0. π ].5. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. c amplitude i faze. Nadalje. To znaˇi R(sin) = R(cos) = [−1. Svaki 2kπ. Kaˇemo da im je faza nula.5 -10 -5 -0.5 1 0. 1]. k ∈ Z. −1 ≤ sin t ≤ 1. Nadalje.32 Lako je vidjeti da je kosinus parna funkcija. Napomena 5.

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

k ∈ Z}. ˇto se vidi i s trigonometrijske kruˇnice. 1) (joˇ s c s π ga zovemo kotangensna os).32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. Sliˇno se interpretira i kotangens.2. 1) i Q na kotangesnoj osi. onda je interpretacija vrijednosti ctg t za t ∈ [0. s 1 P T x 0 1 tg x ctg x Q Slika 5.5. . 2 ] udaljenost toˇaka (0. Imamo ctg t = D(ctg) = R \ {kπ. k ∈ Z}. Sliˇno kao i sinus i kosinus. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0.

Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . π x 2 2 i Ctg x = ctg| 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). 2 i kotangens na 0. π . 2 .33 . c c Dakle. a kotangens strogo padaju´a na 0.2. Tada prema Napomeni 5. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. na svoju sliku. tangens na − 2 . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π ]. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. π]. Napomena 5. njihove restrikcije Tg x = tg| − π . Npr. k ∈ Z}.208 POGLAVLJE 5. a c c s nema rjeˇenja za c ∈ [−1. restringirajmo sinus na [− π .8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. 5. Dakle. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. kosinus na 2 2 π π [0. ni tangens ni kotangens nisu injekcije.34 Zbog periodiˇnosti. Dakle sinus nema inverznu funkciju. c dakle niti bijekcije. dakle nisu bijekcije. a isto vrijedi s / i za ostale trigonometrijske funkcije. FUNKCIJE za svaki t ∈ R \ {kπ. 1]. π .π x su bijekcije s tih intervala na R.

2 ] jednadˇbe sin t = s z s z x. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. π]. rjeˇenje jednadˇbe postoji i jedinstveno je. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. π ] bijekcija. Iz Teorema 5. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 0.34 znamo da su funkcije sin |[− π . Kako je sin |[− π .5 3 2.5 0. 1].5 -1 -0.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).π strogo padaju´e. π]. π ] i tg| − π . π strogo rastu´e. 2 2 R(arccos) = [0. π jednadˇbe tg t = x . ]. inverznu funkciji cos |[0.5 1 0.π] i ctg| 0. dakle su i bijekcije. . π π R(arcsin) = [− . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 2 1.33 slijedi da je arcsin strogo rastu´a. Dakle. ]. 2 2 . z π π Za x ∈ [−1. Nadalje. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 1 Slika 5. oˇito je c c D(arcsin) = D(arccos) = [−1.5 1 0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 2 2 koja je inverzna funkciji sin |[− π .5 1 -1 -1. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. π ] .5.1 i Napomene 5.π] . i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. koje zovemo arkus funkcije. rjeˇenje jednadˇbe postoji i jedinstveno je. 1] −→ [− . π bijekcija.2. 1]. 1] −→ [0. a arccos c strogo padaju´a na [−1. s z 2 2 s z Kako je tg| − π .5 -0. 1. a c 2 2 2 2 cos |[0. Dakle. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.5 -1 -0.

Dakle. π .5 -2 -0. . 2 odnosno ctg| 0. pri traˇenju rjeˇenja t jednadˇbe. inverznu funkciji ctg| 0. z s z sin x = t.5 2 1.5 1 0. Nadalje.210 koja je inverzna funkciji tg| − π . π ]. FUNKCIJE arcctg : R −→ 0. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Napomena 5. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.π . treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 -4 -2 2 4 Slika 5. Iz Teorema 5. -4 2 1. R(arcctg) = 0. c . dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.5 3 2. Npr. 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 . 1].34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. npr. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. oˇito je c c π π D(arctg) = D(arcctg) = R.5 -1 -1. π .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. R(arctg) = − . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 1 0.1 i Napomene 5.5 -2 2 4 4 3. π .

36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Iz formule lagano ˇ slijedi da je |th x | < 1 . y = −1 i y = 1. 3. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. strogo pada na −∞.2.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . Nadalje. za svaki x ∈ R. cth x = th x i zovemo ih redom kosinus hiperboliˇki. PREGLED ELEMENTARNIH FUNKCIJA 211 5.5. parna je. Napomena 5. Strogo raste na R. za svaki x ∈ R. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. Stoviˇe. i R(th) = −1. ch x e + e −x 1 . tanges hiperc c boliˇki i kotanges hiperboliˇki. 2 sh x e x − e −x th x = = x . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. +∞ i nema asimptote. 2 e x − e −x sh x = .2. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. 2. Lako se vidi da je neparna. th je neparna. neograniˇena c je pa je R(sh) = R i nema asimptote. vrijedi ch x = ch2 x − sh2 x = 1 . Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. iako se definiraju u terc minima eksponencijalne funkcije. neograniˇena je. . dakle nije injekcija. 0] i c strogo raste na [0. 1 . Primjerice. Lagano se vidi da je ch x > 0 . +∞ . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. sinus hiperboliˇki. strogo raste na R. Zbog neparnosti c c od sh i parnosti od ch. za svaki x ∈ R. Dakle th ima dvije horizonzalne s z asimptote. Dakle je R(ch) = [1.

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

5 2 2.5 3 Slika 5. vertikalne asimptote od Arth. onda su rubovi −1 i 1.2. Kako su y = −1. tj. vertikalne asimptote od Arth. Oˇito je D(Arth) = −1.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh.5 1 1. tj. R(Arth) = R \ {0} i iz Teorema 5. 1 . a pravac y = 0 horizontalna asimptota. c 3.5 0.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). pravci x = −1 i x = 1.5 1 0. Kako su y = −1 i y = 1 horizontalne asimptote od th. onda je D(Arch) = [1.5. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. Iz Teorema 5.5 -1 -2 -3 0.1 zakljuˇujemo da Arch strogo raste. a x = 0 vertikalna asimptota od cth. Oˇito je D(Arcth) = R \ [−1.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). y = 1 horizontalne. Ako smo ch restringirali na [0. R(Arth) = R i iz Teorema 5. 3 2 1 -1 -0. c 2. onda su rubovi −1 i 1. 1].5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 4. +∞ .1 slijedi da Arth strogo raste. Oˇito je D(Arsh) = R(Arsh) = R.5 2 1. +∞). 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. pravci x = −1 i x = 1. iz Teorema 5. +∞ i R(Arch) = [0. PREGLED ELEMENTARNIH FUNKCIJA 213 1. .1 c slijedi da Arcth strogo pada.

.

1. a visina poˇtarine c u z s kunama).5 + 0. m = 20 i m = 30. (Masa m je izraˇena u gramima.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20) kn. onda je 215 .1.05(m − 20).05h = 0. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.8. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.5 + 0. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.05h (∆c = ˇ 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.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Naime. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.8 kn. Graf te funkcije prikazan je na slici 6. m > 20. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05∆m). Dakle imamo c(m) = 2.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .05(m2 − m1 ). 0 ≤ m ≤ 20 3. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1 6.

Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. odnosno da graf funkcije ima prekid u toj toˇki. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. c c Napomena 6. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.7 kn. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. .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).1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). S druge strane.216 ˇ POGLAVLJE 6.♠ c Definicija 6. s s 20M ≥ (m2 − m1 )). Definicija 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.

nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1 Neka su funkcije f. koji c je manji od nekog fiksnog strogo pozitivnog broja. s c c Napomena 6.1 ima prekid u toˇki c = 20.♠ Primjer 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. Analogno. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. No. Tada su u toˇki x0 neprekidne i funkije: c .1.1 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). kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .2 Svojstva neprekidnih funkcija Teorem 6. ipak m(c) nije blizu m(20). Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. postoji δ > 0 za koji vrijedi Definicija 6.ˇ 6. ali je ona c neprekidna s lijeva u toj toˇki. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. Primjer 6.2 Iz Definicije 6. S druge strane.1. ako je m > 20 i m blizu 20.1. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.2 Funkcija c(m) iz Primjera 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.2 nam daje ideju za sljede´u definiciju: c Definicija 6. ako je m lijevo od 20 i dovoljno blizu 20. 6.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.

po pretpostavci. onda je oˇito f (−1)f (1) = −1 < 0.♣ Teorem 6. f − g. Ako pogledamo funkciju f restringiranu na segment [−1. Ako je funkcija f neprekidna u x0 . postoji xδ ∈ (c − δ. f ima prekid u toˇki c. f . i x0 ∈ D(f ) i f (x0 ) ∈ D(g). ali oˇito f nema nultoˇku na segmentu c c c [−1.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. Tada postoji x0 ∈ a. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. b takav da je f (x0 ) = 0. 2. f |[−1.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. i funkcija g neprekidna u f (x0 ). Dakle.2 Neka su funkcije f. mora imati nultoˇku. c + δ) takav da je f (xδ ) ≤ 0. |xδ − c| < δ. f · g. tj.11 znamo da je funkcija f : R −→ R dana formulom 1 . Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. f + g. 1] (jer je nema na cijelom R).♣ c Teorem 6.1] : [−1. onda njezin graf mora negdje sjeˇi x os.♣ z c Teorem 6. b]. za koji je f (xδ ) ≤ 0. onda je funkcija g ◦ f neprekidna u x0 .♠ . c + δ . g ˇ POGLAVLJE 6. 3. Tada za svaki δ > 0. tj. 4. Tada je |f (xδ ) − f (c)| > f (c) = ε. Uzmimo ε = f (c).218 1. 1]. 1] −→ R. c c Primjer 6. tj. c s Analogno se dokaˇe sluˇaj f (c) < 0. i neka je f (a)f (b) < 0. i neka je f (c) > 0 (f (c) < 0). tj.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.3 Iz Napomene 5. ˇto je suprotno pretpostavci. c + δ). Dokaz: Pretpostavimo suprotno. g : R −→ R takve da je definirano (g ◦ f )(x0 ).♣ Teorem 6. x = 0 svugdje neprekidna osim u nuli. x=0 x f (x) = 1.

4) Teorem 6.♣ c Tvrdnja Teorema 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. 1 . π . 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Nadalje. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval. Tada je funkcija f neprekidna na intervalu I. slika otvorenog intervala − π . M ∈ R takvi da je m ≤ f (x) ≤ M. Tvrdnja z Teorema 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. za svaki x ∈ I (Definicija 5. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.3 Neprekidnost elementarnih funkcija Primjer 6. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.6 ne vrijedi za otvorene intervale.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. Teorem 6. Npr. Npr.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .4 Funkcije f. c 1 x je Teorem 6.1. ali oˇito je neomedena.♣ Teorem 6. b]. Pitanje je sad.5 ne vrijedi za otvorene intervale.ˇ 6.1. funkcija f (x) = neprekidna na 0. .6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.3 slijedi da je uvjet neprekidnosti iz Teorema 6.4 nuˇan.♣ 6. π funkcijom tg je R. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. onda je ta funkcija i neprekidna. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .

π monotone c 2 2 bijekcije na R..7 imamo da su neprekidne i funkcije arctg i arcctg.1 sada slijedi da je na R neprekidna i funkcija x2 .4 dokazali smo da je funkcija f (x) = x neprekidna na R. z 2. n.7. .. polinom Pn (x) neprekidan na R. logaritamske. takoder iz Teorema 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6.♠ z Iz Primjera 6. z c Uzmimo proizvoljni ε > 0. arkus... Budu´i da je |f (x) − f (x0 )| = |x − x0 |.♣ Napomena 6.7 su neprekidne.7 c i periodiˇnosti. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Na isti naˇin se zakljuˇi da su xi . i = 0. i = 0. n. logaritamskih.. hiperboliˇkih (osim kosinusa hiperbolnog).. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. zakljuˇujemo c da je i suma od ai xi . 1. c c neprekidne na R. .3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.1. UVOD U DIFERENCIJALNI RACUN 1. z c Uzmimo proizvoljni ε > 0.4) i Teorema 6. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Na kraju. i = 0.1 direktno imamo: n Teorem 6.. c Dokaz: U Primjeru 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . 1.1.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.220 ˇ POGLAVLJE 6.1. Dokaz: Neprekidnost eksponencijalnih. takoder iz Teorema 7. 1. Nadalje.9 Eksponencijalne. tj.. na intervale − π . Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. jer je svaka racionalna funkcija kvocijent dvaju polinoma. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. π odnosno 0. jer su njihove restrikcije npr. trigonometrijske. Budu´i da je f (x) − f (x0 ) = c − c = 0. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.1.. Iz Teorema 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. . n. dakle iz Teorema 6. Teorem 6. slijedi da c moˇemo uzeti δ = ε. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.4 i Teorema 6. na R su neprekidne i funkcije ai xi . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).

Zbog neparnosti imamo da je sin x neprekidna i u − π . 1 . Dakle su funkcije arccos x. π 2 2 i 0. dakle su po Teoremu 6. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. π i 0. 1 i 1. posebno je 2 2 neprekidna u π . 1 . k ∈ Z. 0. cos x i ch x redom na intervalima − π . 1]. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. 3π . x−a x+a cos . ali u Napomeni 6. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. arcsin x i Arch x redom neprekidne na [−1.1. Oˇito je δ > 0. π 4 2 4 4 kada x varira po intervalu 0. π su monotone bijekcije na 2 2 −1. onda 2x−π varira po intervalu − π . arccos x i Arch x redom na intervalima −1. Isto tako 2x+π varira po intervalu π . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π .1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. k ∈ Z. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). 2 Zbog stroge monotonosti funkcija sin x. +∞ . tj. 3π . 2 2 imamo 2x + π 2x − π cos . 3π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). moˇemo dobiti i δ = 0.7 imamo da su neprekidne funkcije arcsin x. Dakle je arccos x neprekidna s lijeva u toˇki 1. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. 3π . Dokaˇimo da je arccos x neprekidna s lijeva u 1. ˇto je ekvivalentno s s arccos x < ε. −1. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos 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. π . dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. [−1. ♣ .ˇ 6. c Analogno se dokazuju i druge jednostrane neprekidnosti.7 i neprekidne. π . +∞ iz Teorema 6. Sada imamo da je sin x neprekidna na 0. +∞ . te da je Arch x neprekidna s desna u 1. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 1] i [1.

Ako uzmemo s c toˇku x dovoljno malu. funkcija nije definirana u toˇki 0. c c 2. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Dakle. vrijednosti c funkcije su malo ve´e od −1.1.222 ˇ POGLAVLJE 6. za vrijednosti od x koje su malo ve´e od 1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. tj. c 3. 4. 6. 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. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. vrijednosti funkcije c su malo manje od −1. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. tj. ali pozitivnu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . ali negativnu. vidimo da su one c c c blizu vrijednosti −1. dovoljno blizu c nule. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. S druge strane. dodemo li s x dovoljno blizu c toˇki 1. funkcija nije definirana u toˇki 0.5 nije definirana u toˇki x = 1. ako uzmemo toˇku c x dovoljno malu. vrijednost funkcije postaje ve´e od po volji velikog realnog broja.4 Graniˇna vrijednost (limes) funkcije c 1. zakljuˇujemo. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. za x malo manji od 1. tj.

Neka je dana funkcija f : R −→ R formulom f (x) = xx . Dakle. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. Ako funkcija ima limes L u toˇki c.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. osim.1.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. moˇda u samoj toˇki c. . onda piˇemo c s L = lim f (x).2.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.♠ Situacije iz Primjera 6. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Definicija 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0. 2 2 5. tj. osim. pravac y = π je horizontalna asimptota. 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. |f (x) − M | < ε). Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.ˇ 6.2. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. ako c ˇelimo promatrati ponaˇanje oko nule.5). moˇda u samoj toˇki c. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε).3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. x−→c Ako limes postoji on je i jedinstven: Teorem 6.

z c c Uz malu zloporabu notacije moˇemo Definiciju 6. Analogno. Tada za taj ε. i svaki interval oblika (−∞. |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. Uzmimo sada ε = 1 |M − L|. ˇ POGLAVLJE 6. ˇto ne moˇe biti.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). postoji δ > 0.224 Tada je L = M .6 i Napomz ena 4. 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 ). Dakle imamo |M − L| < |M − L|. M ) je okolina od −∞. +∞) okolina od +∞. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. tj. |f (x) − M | < ε). 2 po pretpostavci.2) jako sliˇna definiciji neprekidnosti (Definicija 6. Ali. −∞ ∈ R.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞.♣ s z c c Napomena 6. da je M = L. pri ˇemu. Pri tome uzimamo da je svaki otvoreni interval oblika (M. ali postoji bitna razlika. naravno ne zaboravljamo. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno.4 Uoˇimo da je definicija limesa (Definicija 6. Dakle je M = L. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). . +∞. 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).

Dakle. 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. s desna. osim. recimo odozgo.1.3 moˇemo proˇiriti i na sluˇaj c = +∞ odnosno c = −∞ i z s c L = +∞ odnosno −∞. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Analogno. moˇda. |x − c| < δ) =⇒ (|f (x) − L| < ε). osim. ˇ Zelimo li naglasiti da se argument x pribliˇava vrijednosti c samo s jedne z strane.ˇ 6. |x − c| < δ) =⇒ (|f (x) − L| < ε). 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. tj. x−→+∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (f (x) < −M ). . za funkciju f : R −→ R definiranu na nekoj okolini toˇke c. lim f (x) = −∞ ako za svaki M > 0 postoji δ > 0 takav da x−→c 225 (0 < |x − c| < δ) =⇒ (f (x) < −M ). Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji N > 0 takav da z x−→+∞ za sve (x > N ) =⇒ (f (x) > M ). x−→−∞ lim f (x) = −∞ ako za svaki M > 0 postoji N > 0 takav da za sve (x < −N ) =⇒ (f (x) < −M ). piˇemo s x−→c+ lim f (x). Definiciju 6. 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 ).

♠ 6. x2 − 3x + 2 = −1. x < 0  sign x = 0.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. lim 2. Obrnuto. moˇda u samoj toˇki c.1. UVOD U DIFERENCIJALNI RACUN Teorem 6. x −→0 − lim sign x = −1 .5. onda iz Definicije 6. lim 3. x−→1 x−1 1 = +∞. ako postoje limesi s lijeva i s desna i oni su jednaki L.5 znamo da funkcija   −1. Dokaz: Ako funkcija f ima limes L u toˇki c. x−→0+ lim xx = 1. x−→+∞ 2 5. x−→0 x π 4.7 Iz Primjera 5. x−→+∞ 6. s c 1. lim arctg x = .3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x−→0 x2 lim 1 1 = +∞ i lim = −∞. ne postoji lim sin x.6 Opiˇimo sada pomo´u limesa Primjer 6. Dakle je x−→0+ lim sign x = sign 0 . ♣ c Primjer 6. onda je jasno iz Definicije 6.226 ˇ POGLAVLJE 6. x > 0 ima prekid u nuli.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.5 Neprekidnost i limes Primjer 6. tj. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x = 0   1. c osim. 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.

x−→c Napomena 6. Nadalje.1 i 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).5 U Teoremu 6.2 i definicije jednostranog limesa. imamo x−→c lim f (x) = f (c) = f ( lim x).12 kaˇe da ako je funkcija neprekidna u toˇki c.1.♣ Teorem 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).4) i da limes mora postojati. x−→c+ Dokaz: Izravno iz Definicije 6.♠ Primjer 6.♣ x−→c Analogno kao Teorem 6.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).12 imamo: Teorem 6. onda limes i funkcija z c ”komutiraju” tj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .13 Neka je funkcija g : R −→ R neprekidna.♣ . i neka postoji limes funkcije f u toˇki c.1 i Primjer 6.3. oˇito vrijedi c f (2) = lim f (x). Zaista imamo: c c Teorem 6. c c Sada direktno iz Napomene 6. tj.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.♠ x−→2 Primjeri 6. konaˇan je broj.4).7 i 6. Dokaz: Izravno iz Definicije 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.ˇ 6.

a ∈ R proizvoljan. (−∞) + (−∞) = −∞. 8. (+∞) · (+∞) = +∞. x−→c+ Dokaz: Izravno iz Teorema 6.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. (−∞) · (−∞) = +∞.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). .12 i 6. 6. 7. a +∞ = 0. 9. a > 0 +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.14. Kako one nisu realni brojevi.11. jer operacije nisu definirane i operandi nisu realni brojevi. 5. To se posebno odnosi na veliˇine +∞ i −∞. a ∈ R proizvoljan. +∞ ± a = +∞.♣ 6. (+∞) + (+∞) = +∞. a ∈ R proizvoljan. 4. −∞. 3. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (−∞) · a = 10. (+∞) · (−∞) = −∞. 6. a < 0. −∞ ± a = −∞. a > 0 −∞. UVOD U DIFERENCIJALNI RACUN Teorem 6.1. a < 0. 2. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. (+∞) · a = +∞.228 ˇ POGLAVLJE 6.

−∞ −∞ . 0 ∞ . +∞ +∞ . a ∈ R proizvoljan. −∞ 2. s s c c Iz Primjera 6. ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. (+∞) + (−∞). 00 . ∞ · 0. ”Sedam veliˇanstvenih”: c 0 . ∞ ∞ − ∞. pa je 0 neodreden oblik. 1+∞ . −∞ · 0. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. onda s je to i limes od f (x) kad x −→ c. +∞ · 0.1. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. ∞0 . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. (−∞)0 . a −∞ 229 = 0. 1−∞ . 0 2. (+∞)0 . 4. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. 3. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 1∞ . +∞ −∞ . Osim s beskonaˇnim veliˇinama.ˇ 6. 0 0 . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11.6 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. Dakle. +∞ . 0∞ . 5. 0 . Ako se dobije jedan od neodredenih oblika.

230 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 6. α < 0. 0. 3. −∞. lim x−n = +∞. x−→+∞ lim ax = 9. α>0 +∞. a>1 +∞. 0 < a < 1. 8.7 Raˇunanje limesa c Neki temeljni limesi 1. +∞. lim x−n = −∞. 6. x−→0+ lim xα = 0. x−→−∞ lim ax = 10. n ∈ N neparan. . a>1 0. x−→0− 4. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. +∞. n ∈ N neparan +∞. n ∈ N proizvoljan.1. a>1 +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→+∞ lim loga x = 11. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. +∞. α < 0. a>1 −∞. 5. n ∈ N paran. lim xn = +∞. −∞. 0 < a < 1. 0 < a < 1. x−→+∞ x−→+∞ 2. α > 0 0. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. 0 < a < 1. x−→0+ x−→0− 7. n ∈ N proizvoljan. n ∈ N paran.

Dakle. Iz toˇke 5. Kako gledamo c limes funkcije sin x kada x −→ 0. ortogonalnu projekcija toˇke A na x os.9. njihov rast. Kada s pravca uzmemo x ∈ (0.1. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. pad.2. tj. za a > 1. tg x ). c c eksponencijalnih i logaritamskih funkcija.4). jasno je da je dovoljno x x promatrati x ∈ (0.ˇ 6. koji se nalazi unutar trokuta OBB . Oznaˇimo s A = z c c (cos x. 0). neparnost i sliˇno. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). . svojstva potencija. koriste´i definicije limesa i jednostranih limesa (toˇka 6.16 lim i 1 lim (1 + )x .9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. sin x). i s B = (1. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. To znaˇi da je c x−→+∞ lim loga x = +∞. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA .1. π ). 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 = (1.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. 0) u ravnini. x−→+∞ x sin x = 1. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. a ∈ R. c Osim ovih limesa. +∞) i da joj c c je slika cijeli R. i zbog parnosti od sin x . parnost.

UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. x−→0 x sin x = 1. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. 2 x 2 sin x 1 ≥ ≥ cos x.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.232 ˇ POGLAVLJE 6.♣ x lim . sin x cos x xr .2: Uz izvod osnovnog trigonometrijskog limesa.

a ∈ R. x−→0 x Iz Teorema 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .17 x−→+∞ 233 lim 1+ 1 x x = e.1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 x lim a > 0.12 i Teorema 6. Tada je jasno da t −→ 0 kada x −→ 0. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . i da je x = ln(t + 1). ♣ Primjer 6. x Oznaˇimo sada ex − 1 sa t. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.ˇ 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.♠ x−→0 t−→0 x ln a ln(t+1) ln a . c Zbog toga je ex − 1 t lim = lim = 1.2. x−→0 x lim i ax − 1 = ln a.10 ex − 1 = 1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Dakle imamo ax − 1 ex ln a − 1 = lim . Dakle .

234 ˇ POGLAVLJE 6. x−→c x−→c 4. Tada 1. . g : R −→ R. x−→c c 3. ♣ x−→c Teoremi 6.18 i temeljni limesi iz toˇke 6. 6.16.7 su nam dovoljni za c raˇunanje gotovo svih limesa.13.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. c 6.2 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). 6. 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). x−→c x−→c 2.17.1. 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) = 0.1 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.2.

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

Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) .001) − y(1) . Op´enito.236 ˇ POGLAVLJE 6. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. prosjeˇna brzina odgovara koeficijentu smjera sekante.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. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . c ∆y = tg α. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . UVOD U DIFERENCIJALNI RACUN Primjer 6.3: Ovisnost visine projektila o vremenu. Dakle. y(t0 )) i c ∆t (t0 +∆t. 1. ∆t . y(t0 +∆t)) zatvara s osi x. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . prosjeˇna brzina projektila u vremenskom intervalu [t0 . a to je jednako koeficijent smjera te sekante. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.

c mjeri brzinu promjene veliˇine c Definicija 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .2.2.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .4: Sekante i tangenta. 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. c Primjer 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . f : I −→ R.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. tj.6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .♠ 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. x0 ∈ I. Ako postoji z c f (x0 + ∆x) − f (x0 ) . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.

Derivacija funkcije f (x) = kx + l je f (x) = k. Derivacija funkcije f u toˇki x0 je broj.2. c c koji se oznaˇava sa f (x0 ). l ∈ R. ∆x−→0 ∆x Napomena 6. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).♠ ∆x−→0 ∆x 6.238 ˇ POGLAVLJE 6.15 Pogledajmo sljede´e primjere: c 1. c z Primjer 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Dakle brzina promjene linearne funkcije je konstanta. .6 Uoˇimo bitnu razliku. Dakle je c f (x) = lim f (x + ∆x) − f (x) . 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. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). za proizvoljne k. 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.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.

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

tangenta je paralelna s osi x. tj.17 1.. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. problem konaˇnosti c c limesa. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) .4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. funkcija pada c c na tom intervalu. ne postoji f (0). ∆x Lagano se vidi da je M = 1 i L = −1. Dakle iz Teorema 6. Primjer 6.4) ustvari limes funkcije f (x + ∆x) − f (x) . ako je f (x) < 0 na nekom intervalu. problem postoc janja limesa. problem rubova domene. c c 6. Sliˇno. U toˇkama gdje je f (x) = 0. To su npr. M= ∆x−→0− lim . onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). odnosno da je tangenta pravac koji raste.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji.240 ˇ POGLAVLJE 6. problem razliˇitih vrijednosti s lijeva i zdesna. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.2. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Tu funkcija niti raste c niti pada. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Takve toˇke zovemo stacionarne toˇke.

1. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .♠ Teorem 6. Funkcija f : R −→ R dana formulom f (x) = x0 = 0.7 imamo da je c lim √ 3 1 = +∞. ∆x−→0 dakle ne postoji f (0). ∆x ∆x−→0 dakle ne postoji f (0).7 imamo da je c lim √ 3 1 ∆x2 = +∞. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.1. 3. DERIVACIJA FUNKCIJE 2. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). 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 √ . c x0 ∈ I ⊆ D(f ). √ 3 241 x nije derivabilna u x0 = 0. ∆x ∆x−→0 . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.6.2.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Tada je f i neprekidna u x0 .

f (x) g(x) = f (x)g(x)−f (x)g (x) . Derivacija zbroja.12 zakljuˇujemo da je funkcija g neprekidna u x0 . Nadalje. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). (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). I ⊆ D(g). Sve tri funkcije iz Primjera 6. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. razlike.♣ Obrat Teorema 6. produkta i kvocijenta funkcija Teorem 6. ∆x−→0 ∆x ∆x . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ∆x = 0 .20 Neka su funkcije f. f · g i f g (tamo gdje je definirana. g 2 (x) Dokaz: 1.17 su c neprekidne u nuli.19 op´enito ne vrijedi. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). i vrijedi 1. Tada su na I derivabilne i funkcije f ± g. ∆x f (x0 ).242 ˇ POGLAVLJE 6. tj. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). (f (x) ± g(x)) = f (x) ± g (x) 2. za one x ∈ I za koje je g(x) = 0).12 imamo da je f neprekidna u x0 . Iz Teorema 6. ali vidjeli smo da nisu derivabilne.

19 imamo ∆x−→0 lim g(x + ∆x) = g(x). Izraˇunajmo prvo c 1 g(x) .2. ∆x−→0 ∆x−→0 Sada iz Teorema 6. po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) . tj. g 2 (x) f (x) g(x) = 1 f (x) g(x) . tj.♣ g 2 (x) Napomena 6. za svaki x ∈ I. 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) . 3. Oˇito je D(g) = R. Dakle 1 g(x) = 0.♣ . derivabilna na I i vrijedi (λf ) (x) = λf (x).7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). imamo g(x) · = 0. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (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). Kako je g(x) · 1 g(x) = 1. Tada je funkcija λf . f (x) g(x) f (x)g(x) − f (x)g (x) . c dakle je po Teoremu 6.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. DERIVACIJA FUNKCIJE 2. za svaki x ∈ I. gdje je λ ∈ R proizvoljan.6.

Izraˇunajmo joˇ i (f ◦ g) .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. f (x) Ovo se.15 i Primjera 6. gdje je g(x) = x2 .18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . moˇe provesti samo ako je f (x) = 0.♠ 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. g = f .244 ˇ POGLAVLJE 6. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) ∈ J ⊆ D(g). odnosno (f −1 ) (f (x)) = 1 . Dakle imamo f −1 (f (x)) = x.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . c Primjer 6.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. x ∈ I ⊆ D(f ). c −1 tj. Dakle. f (x) = 0 na I i neka postoji f −1 . Primjera 6. f (x) = sin x.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. naravno. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) ♣ . iz Teorema 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.21. Sada primjenom Teorema 6.

Derivacija funkcije g(x) = √ 1 .10 imamo da je f (x) = lim e∆x − 1 = 1.8 Studentima se preporuˇuje da provjere donje formule samostalno. odnosno 1 g (x) = √ . 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Kako je (f ◦ g)(x) = x iz Teorema 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. 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 . .21 i 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. DERIVACIJA FUNKCIJE Primjer 6. 2 x x je g (x) = Iz Primjera 6. Iz Teorema 6.20. Osnovne derivacije dajemo u sljede´oj tablici.19 Pogledajmo sljede´e primjere: c 1 1.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. i vrijedi (f ◦ g)(x) = x.22 i derivacijama iz donje tablice.6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .21 i 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. x 1 √ . ∆x−→0 ∆x lim dakle je f (x) = ex . c Napomena 6.20. odnosno g (x) = 2.2.

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

onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.5). Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Dakle. c Teorem 6. Tada od svih polinoma stupnja najviˇe jedan.6.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).1. f (x0 )). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .5: Diferencijal funkcije.♣ c . DERIVACIJA FUNKCIJE 247 ∆x. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . jednadˇba tangente u c z toˇki (x0 . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.2. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.

Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .23). dakle je f (0) = cos 0 = 1.5 2 Slika 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.248 ˇ POGLAVLJE 6.16 znamo da je f (x) = cos x. Dakle.♠ s s c . Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator. Iz Primjera 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x.5 -1 0. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. c Primjer 6.5 1 1.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu.

t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ .21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. 1 Kako je f (0) = 0.2. DERIVACIJA FUNKCIJE 249 Primjer 6. ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t .6.♠ c s . z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. odnosno f (0) = 1. f (r) = 1+r . odnosno 2 = (1 + r)t . Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . gdje je G glavnica. 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. ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. Imamo 2G = G(1 + r)t .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

c . b u kojoj je tangenta paralelna s tom sekantom. b−a y f(x) 0 a x0 b x Slika 6. f (a)) i (b. tj.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. b za koju je F (x ) = 0. b ∈ I. Neka je L pravac kroz toˇke (a.26 kaˇe da za svaku sekantu kroz toˇke (a.♣ f (b) − f (a) . b−a f (b) − f (a) (x − a).13 Primijetimo: 1. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). a < b. postoji x ∈ a. f (a)) i (b.25. proizvoljne. Napomena 6.6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). f (b)). b−a onda Teorem 6.2. f (b)) z c postoji toˇka x ∈ a. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. tj.

Uvjet f ∈ C 1 (I) iz Teorema 6. . Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). y f(x) 0 a b x Slika 6. UVOD U DIFERENCIJALNI RACUN 2.12. po Teoremu 6. z Iz Teorema 6. oˇito je c x−→1 lim f (x) = 3 = f (1).13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. f neprekidna na R.258 ˇ POGLAVLJE 6.26 je bitan. 0 x>1 oˇito f ima prekid u x = 1. 2 za koji je f (x ) = 1. x ≤ 1 f (x) = 3 x > 1. Ako je dana funkcija f : R −→ R formulom 3x.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. x za koji je f (x) − f (a) = f (x ). Kako je f (x) = 3. x ≤ 1 . x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). b−a ali ne postoji x ∈ 0. pa je.

26. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. tj..26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).+ (x−x0 )n + (x−x0 )n+1 ..♣ 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. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . Tada za svaki x ∈ I postoji cx izmedu x0 i x takav da vrijedi n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 = i! (n + 1)! f (x0 ) f (n) (x0 ) f (n+1) (cx ) (x−x0 )2 +. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). tj. . 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 . imamo c pribliˇni izraz. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.5). tj.2. f (a)) i (x. poznavaju´i vric c jednosti viˇih derivacija u x0 . iz Teorema 6. ali ne znamo za koji x . imamo toˇan izraz.14 Za n = 0 Teorem 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. c Usporedimo to s lokalnom linearizacijom (toˇka 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a.27 je baˇ Lagrangeov teorem srednje s vrijednosti.6. f (x)).2. no u nekoj toˇki sigurno je. Teorem 6. Koliko je ta aproksimcija dobra? Odnosno. Napomena 6. S druge strane. tj.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. i ne znamo ga toˇno.

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

28 Neka je f ∈ C 1 (I) za neki interval I.. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).6.2. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . sin x. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.15 Taylorovi redovi obiˇno sporo konvergiraju.3. 6. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . dakle nisu jako c dobri za numeriku.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .2.. n! ∞ sin x = n=0 (−1)n x2n+1 . tj. odnosno konvergirati nekoj z (x drugoj funkciji.. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. (2n)! Napomena 6.1). Moˇe se pokazati da su funkcije ex .

zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.♠ Iz Primjera 6. pa je f (x) = lim za svaki x ∈ I. Medutim. pa je f (x + ∆x) − f (x) ≥ 0. UVOD U DIFERENCIJALNI RACUN 1. ∆x Primjer 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. Iz Napomene 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. onda funkcija strogo raste (pada) na I. x−→0 U Teoremu 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. za svaki x ∈ I. Dakle ne vrijedi f (x) > 0 na R.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. 2. po Teoremu 6. Dokaz: c 1. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. jer se c s c medu njima nalaze potencijalni ekstremi.262 ˇ POGLAVLJE 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).25 zakljuˇujemo da u Teoremu 6.11 imamo da obrat ne vrijedi.24 smo vidjeli da. . Ovaj smjer se dokazuje analogno kao u Teoremu 6.26 postoji x ∈ (x. to je i lijeva strana takva. onda je f (x0 ) = 0. za svaki x ∈ I.28 primjenom Teorema 6.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. lim x2 = 0).26. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Obratno. Dokaz ide na sliˇan naˇin. Jedan smjer bismo mogli dokazati. dakle z funkcija f raste na I. Kako je desna strana gornje jednadˇbe nenegativna. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). Limes nenegativne funkcije mora i sam biti nenegativan. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. ∆x za svaki x ∈ I. Tada. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. obratna tvrdnja ne mora vrijediti. 2.

5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. c Dakle. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Ako derivacija s c ne mijenja predznak. u stacionarnoj toˇki funkcija moˇe. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.♣ c Konveksnost.1. kaˇemo da je f konkavna na I. Dokaz: Izravno iz toˇke 5. a s druge pada (raste)). inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Teorema 6. jer konveksnost i konkavnost ovise o predznaku druge derivacije. da je barem f ∈ C 2 (I)). Definicija 6. . onda u x0 funkcija f ima lokalni minimum. ali i ne mora. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).6.28. onda u x0 funkcija f ima lokalni maksimum.4. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . c Kao ˇto smo rekli. x2 ∈ I.2. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. imati s c z lokalni ekstrem. Teorema 6. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. To ovisi o promjeni ponaˇanja funkcije u toj toˇki.24. 2 za sve x1 . Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Teorem 6. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. x2 ∈ I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . DERIVACIJA FUNKCIJE 263 Definicija 6.

funkcija f ima u x0 ∈ I lokalni maksimum.264 ˇ POGLAVLJE 6. f (x1 )) i (x2 . Ako je f (x0 ) > 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Primijenimo li Teorem 6. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0.27 biti iz te okoline. f (x2 )). jer c c se nalazi izmedu x0 i x. UVOD U DIFERENCIJALNI RACUN Definicija 6. Onda ´e i toˇka cx iz Teorema 6. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . Dokaz ide na sliˇan naˇin.♣ Teorem 6. Teorem 6. Dokaz: 1. 2. c 1.27 za sluˇaj c n = 1. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)).♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). c . c 2. Uzmimo x proizvoljan iz te okoline. Npr. Ako je f (x0 ) < 0. konveksnost i konkavnost su odredene predznakom druge derivacije. c c Dakle. funkcija f ima u x0 ∈ I lokalni minimum.3). za svaki x ∈ I. a graf konkavne funkcije iznad sekante kroz toˇke (x1 .6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Dakle je f (cx ) > 0. Zbog neprekidnosti druge c derivacije. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 .30 Neka je f : I −→ R klase C 2 (I). 2. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). 1. za svaki x ∈ I.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I).31. x2 ∈ I graf konveksne funkcije je ispod. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. iz Teorema 6. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. a konkavna ako je za sve x1 . 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. ali je f (0) = 0. izmedu x1 .

Ako je c ∈ I toˇka infleksije od f . pa x = 0 ne moˇe biti z toˇka infleksije. Iz Teorema 6. 0 i 0. moˇda. ali je f (x) > 0 za x ∈ −∞. f (c)) toˇka infleksije grafa funkcije f .7 Neka je f : I −→ R i c ∈ I. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . u x0 ∈ I.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c Dokaz: Izravno iz Definicije 6. pa je po Teoremu 6.L’Hospitalovo pravilo c Teorem 6. Onda je c toˇka infleksije od f . DERIVACIJA FUNKCIJE 265 Definicija 6. z s c c Teorem 6. Tada iz Teorema 6. x ∈ I. 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 . za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. Dokaz: Bez smanjenja op´enitosti.♣ Uvjet f (c) = 0 iz Teorema 6.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. c + δ). z Neka je lim f (x) = lim g(x) = 0. 0 i f (x) > 0 za x ∈ 0. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c c Kaˇe se joˇ da je toˇka (c. x ∈ I.6. Dakle.7. c) i pada na (c.♣ Raˇunanje limesa . c + δ strogo c konkavna za neki δ > 0. c strogo konkavna i na c. c Teorem 6. f ima lokalni maksimum u c. Npr. g (x) onda je i x−→x0 lim f (x) = L.24 f (c) = 0.32 Neka je f ∈ C 2 (I). Neka postoji δ > 0 takav da je funkcija f na c − δ. c strogo konveksna i na c.30 imamo da funkcija f raste na (c − δ. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.34 Neka su f i g derivabilne funkcije na I osim. neka je f na c − δ. c strogo konveksna i na c. Ako je g (x) = 0 za svaki x = x0 . ∞ .2. ∞ . onda je c f (c) = 0. c + δ strogo konkavna ili je na c − δ. Dakle je konveksna na −∞. c + δ strogo konveksna.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.

Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . po g (x0 ) = 0. g (n) (x0 ) = 0. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.16 Neka su funkcije f. g(x0 ) = 0. .34.266 i ˇ POGLAVLJE 6. . 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 ) = .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) .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) . .12) i iz Teorema 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . . g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. f (x0 ) = 0. c Dakle. Tada. . f (n) (x0 ) = 0.12). gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. g (n+1) (x0 ) = 0. c Napomena 6. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. analogno kao u dokazu Teorema 6. tg α2 = f2 (x0 ).♣ g (x) f g Na Teorem 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. Znamo da je c tg α1 = f1 (x0 ). . iz Teorema 6. .

ako i samo ako je f1 (x0 )f2 (x0 ) = −1. onda je i tg α = 0 .26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .2. c c pa moˇemo re´i da se diraju u toj toˇki. Iz toˇke 2. 1 + f1 (x0 )f2 (x0 ) Napomena 6. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.6. odnosno ako i samo ako je tg α = ∞. a > 0. x a + x2 = f2 (x).1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . To znaˇi da u c toˇki (x0 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. . z c c Primjer 6.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .2. tj. Ako je α = 0. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). dakle je f1 (x0 ) = f2 (x0 ).14: Kut izmedu dviju krivulja.

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

periodiˇnost. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. s 5. u izvjesnom smislu. Odrediti intervale monotonosti i lokalne ekstreme. 7. samokorigiraju´i. Nadalje je V (x) = (a − 2x)(a − 6x). c Primjer 6. Prona´i stacionarne toˇke. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Prona´i intervale konveksnosti. Oznaˇimo c li tu duljinu s x. Ispitati parnost. Postupak je. c c 2. c c 6. Sloˇiti sve dobivene podatke u graf funkcije. c c z 8. neparnost. to upu´uje na pogreˇku u raˇunu. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Postupak: 1. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. 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. . Ispitati ponaˇanje na rubovima domene (asimptote). 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. 3.6. c c 4. Odrediti domenu funkcije (prirodno podruˇje definicije).2. konkavnosti i toˇke infleksije.

6 a x2 = . c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = .♠ V 6 27 Primjer 6.15: Kako napraviti kutiju najve´eg volumena?. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. Druga oˇito nema smisla u danom kontekstu. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. dakle u stotinama metara. Iz P = xy = 1 slijedi da je y = x . dakle funkcija V (x) prelazi iz rasta u pad.270 ˇ POGLAVLJE 6. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. Maksimalni c 2 volumen je 2 a = a3 . .) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x .28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. a za c c prvu se lako provjeri da je u njoj lokalni minimum.

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

.

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

5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.2.1 Neka je f neprekidna funkcija na I ⊆ R. c Primjerice. a onda pogledajmo kada postoje i koja su im svojstva. . Iz Teorema 6.7 izravno slijedi da je operator deriviranja linearan. Stoviˇe. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. jer je derivacija svake konstante jednaka nuli. C ∈ R. Zanima nas. itd. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. linearan operator koji mu je inverzan. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x). da je x primitivna funkcija funkcije x. ako postoji.20 i Napomene 6. Odatle slijedi vaˇno svojstvo primitivnih funkcija. UVOD U INTEGRALNI RACUN deriviranja operator.274 ˇ POGLAVLJE 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Definicija 7. Uvedimo prvo ime za takve funkcije. 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. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. Teorem 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.

dx pokazuje po ˇemu se integrira. s To nije toˇno inverz od derivacije.2. tj. H je konstantna funkcija. Interpretirajmo elemente ove formule: je znak integrala. C ∈ R je konstanta integracije.1. c F (x) je primitivna funkcija funkcije f (x). Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . ˇalje c s u f. f (x) je integrand. a to je upravo druga tvrdnja teorema. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . gdje je c neka toˇka izmedu x i x0 .2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom.♣ 7.1 beskonaˇan. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. Ostale raˇunamo koriste´i svojstva c c c . Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. 275 Dakle imamo prvu tvrdnju. slijedi H(x) = H(x0 ) za svaki x ∈ I. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.7. koji je po Teoremu 7. dolazi od S kao suma.4). Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Piˇemo s f (x)dx = F (x) + C. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).1.

Neka je F primitivna funkcija funkcije f .7). f (x)dx. F ± G primitivna funkcija funkcije f ± g.1 Iz Teorema 7. Oˇito je.♣ Napomena 7. zbog linearnosti derivacije.3 Vrijedi: 1. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. z Teorem 7. = (F (x) + C) = F (x) = f (x).276 ˇ POGLAVLJE 7. Kako je imamo f (x)dx f (x)dx = F (x) + C. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2. Dokaz: Neka je F primitivna funkcija funkcije f . Dokaz: 1. UVOD U INTEGRALNI RACUN neodredenog integrala.2 f (x)dx = f (x). Za ostale operacije nema jednostavnih pravila. c zbog linearnosti derivacije. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.20 i Napomena 6. 2. Teorem 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.♣ . cF c primitivna funkcija funkcije cf . Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. Oˇito je. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.

2. eksponencijalne i z trigonometrijske funkcije. c 7.3. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1.1 Pogledajmo sljede´e primjere: c . c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Ako se i moˇe integrirati. c c z z to obiˇno nije lako. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Tako moˇemo integrirati polinome i jednostavnije racionalne. tabliˇne integrale. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Primjer 7. c c koriste´i pravila i tablicu derivacija (toˇka 6. tzv.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1.7. izraˇunati derivaciju bilo koje c c c elementarne funkcije. 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 7.1. S druge strane. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Najpoznatiji primjer je e−x dx.4).3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.2) i svojstva iz Teoc c rema 7.

pa je C = 1. Samo jedna prolazi toˇkom (1. 3). 3).♠ c . Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.278 ˇ POGLAVLJE 7. i one c 3 su oblika x +x+C. Koriste´i Teorem 7. Odredimo integral funkcije f (x) = x2 + sin x. 3). Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Dakle je 3 = F (1) = 1 + 1 + C. i ˇiji graf prolazi kroz toˇku (1. y 3 0 1 x Slika 7. 3 2.2: Primitivne funkcije funkcije 3x2 + 1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). Traˇena funkcija je F (x) = x3 + x + 1. Drugim rjeˇima. Koriste´i Teorem 7. UVOD U INTEGRALNI RACUN 1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i to je x3 +x+1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija.

op´enito. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Koriste´i izraz za diferencijal (toˇka 6.2. ovo moˇemo pisati kao c c z sin x d(sin x). a to znamo da je u2 2 sin x d(sin x). tj. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. z Primjer 7.7. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. deriviranjem sloˇenih funkcija. Ipak. Dakle je sin x cos x dx = 1 2 sin x + C. ima jedan sluˇaj kad se c produkt funkcija lako integrira.3 i tabliˇne integrale.2 Odredimo integral funkcije f (x) = sin x cos x.♠ 2 . ne mogu integrirati produkti funkcija (osim c za polinome. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).5).1. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. + C. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. gornji se integral svodi na u du. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.

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

Sada je du = 2x dx. f (ax + b)dx = f (u) du 1 = a a du = a dx 1 1 f (u)du = F (u) + C = F (ax + b) + C. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. pa je dx = Uvrstimo u integral. Dakle. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du.♠ x2 . 2x 1 dx.4 Odredimo integral funkcije f (x) = tg x .1. 281 sin Integral tg x dx nije tabliˇni. tako i iz diferencijala. x2 −1 Uvedimo supstituciju u = x2 − 1. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. 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.5 Odredimo integral funkcije f (x) = 3x . 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. u 2 2 du . dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. a nije ni produkt. kako iz integranda. Primjer 7.7. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. NEODREDENI INTEGRAL Primjer 7. cos x i da je sin x derivacija od − cos x.♠ u Napomena 7.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b.

Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. Napomena 7. Polazimo od formule za derivaciju produkta funkcija.282 ˇ POGLAVLJE 7.6 Pogledajmo sljede´e primjere: c 1. Imamo produkt u kojem oba faktora znamo lako integrirati. a drugi se deriviranjen pojednostavnjuje. du = u dx.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. klase C 1 (I). tj. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. . u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Koji od njih treba odabrati kao v? v du. Odredimo integral funkcije f (x) = x cos x. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. zbog dv = v dx. v du + u dv. v du. (uv) = u v + v u. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.♣ u (x)v(x)dx.

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

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

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

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

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

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

... .. p = 1.) + 2(rab + rcd + .. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5.1.) = m.. 289 gdje je (rα + rβ + .... Brβ . N1 .4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A ..7. + 2 cd + . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7.... (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N .. + + . B1 .. .. 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). M1 . pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 .5.. Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + .. . Supstitucijom c z t= x+ b− a 2 a2 4 .. tj. iz brojnika desne strane... Drugi je sluˇaj osjetno sloˇeniji... Nrab . p > 1 A ln |x − α| + C..+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + .... Arα . Mrab . (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 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + . Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .

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

x(x−2)(x+1) x+2 A B D = + + . D = −1. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). To nam daje sustav A+D =2 −2A + B − D = −3 A = 3.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .7. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.♠ 3 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. 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. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . B = 2.1.

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

3: Triangulacija podruˇja u ravnini omedenog duˇinama.1 Odredeni integral Motivacija . s P = i P (Ti ). Kako povrˇinu trokuta znamo raˇunati. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. c . gdje se zbraja po svim trokutima triangulacije Ti . z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. tj. Takav lik ˇesto zovemo krivuljnim trapezom. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.2. Lik se triangulira. ODREDENI INTEGRAL 293 7. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. tj. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. c z Napomena 7.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice.2 7.7. ploha.2. duˇinama. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. Povrˇina je geometrijska kategorija. T1 T2 T3 T4 Slika 7. jer je to uobiˇajenije. problem moˇemo s c z smatrati u biti rijeˇenim.

(Funkcija f je strogo pozitivna na [a. b] funkcije f (x). Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima.) Po Teoremu 6. za svaki x ∈ [a. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. b] ako je f (x) > 0. b] . i da komad krivulje bude graf neke funkcije. s lijeva pravcem x = a. b x KT 1 KT2 KT KT3 4 Slika 7.4: Krivuljni trapez. funkcija f na segmentu [a. Promatrajmo. Neka je ta funkcija neprekidna. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. b].5: Rastav ravnog lika na krivuljne trapeze.294 ˇ POGLAVLJE 7. krivuljni trapez omeden odozdo komadom osi x.6. dakle. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a.

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

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

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

. b].♠ Napomena 7.. Koje jesu? Neprekidne sigurno jesu. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b] z kaˇemo da je f integrabilna na [a.13 vidimo da nisu sve funkcije na segmentu [a. b]. b] je integrabilna. f (x) = nije integrabilna. b] integrabilne.5 Svaka monotona funkcija na [a. Koje joˇ? s Teorem 7. nisu integrabilne. b] imamo mi = 0 i Mi = 1. a .9 Uoˇimo da ako je f monotona funkcija na [a. x ∈ R \ Q.♣ Teorem 7. b]. Dirichletova funkcija nije integrabilna. Uoˇimo da za svaku podjelu r segmenta [a. c i = 1. z c tj. dakle je f ograniˇena funkcija na [a. za svaki x ∈ [a.6 Svaka neprekidna funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). onda je ona i c ograniˇena. c Iz Primjera 7. Izraˇunajmo iz definicije c b 1. UVOD U INTEGRALNI RACUN Definicija 7. 1 dx. b].14 1. n. tj.298 ˇ POGLAVLJE 7. Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b]. c Dokaz: Ako f raste na [a.. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.♣ Primjer 7.♣ Napomena 7. b]. b].13 Dirichletova funkcija.8 Dirichletova funkcija ima prekid u svakoj toˇki. onda je f (a) ≤ f (x) ≤ f (b). . b] je integrabilna. x∈Q 0.

.7.2. n. Izraˇunajmo a b x dx. c Oˇito je funkcija f (x) = x neprekidna na [a. i = 1.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. Podijelimo segment [a. Dakle imamo n n n n n ∆xi = i=1 i=1 mi ∆xi = s(r) ≤ i=1 f (si )∆xi ≤ S(r) = i=1 Mi ∆xi = i=1 ∆xi . Sada je mi = a + (i − 1)∆x. 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.. dakle je a 1 dx = b − 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]. Mi = n a + i∆x. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. c 2. . y f(x)=x 0 a x x x 1 2 3 b x Slika 7.. Za svaku podjelu r segc menta [a. ∆x = b−a . b] je mi = Mi = f (si ) = 1. b] c na n jednakih djelova.

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

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

. gdje su a < a1 < a2 < .10 Iz ovog svojstva slijedi da i funkcije koje na [a. [an−1 . a1 ]. dakle znamo izraˇunati c i a f (x)dx.. b] znamo a1 b izraˇunati integrale c a b f (x)dx. . < an < b. < an−1 < b sve toˇke prekida od f na [a. [an . an−1 f (x)dx. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. a1 ]. b]. Dakle. b].. b ako uzmemo u obzir svojstvo c / 2.302 ˇ POGLAVLJE 7. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . iz Teorema 7. c Kako je f neprekidna. Analogno se dokaˇe ako je a < b < c. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna. 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 + . na svakom segmentu [a.. takve da je f monotona na svakom segmentu [a. .. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a.. .... z Napomena 7. . pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. + an−1 f (x)dx. 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.5 i svojstva 3. Definicija 7....4 Funkcija f : [a....

b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.. .. Ako je funkcija f : [a. .. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). a (f (x) ± g(x))dx = a ili aditivnost integrala. n. i = 1. .2 i Teorema 6. b] toˇka c pada u toˇno jedan c c [xj−1 . dakle i integrabilna.18. a 4. x. jer npr. Nadalje. skup c {1. j + 1. pa je mi = 0.. xj ]... Dakle beskonaˇni skup {xn : n = 0. i Mj = f (c). Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. n.. unutra se sigurno nalaze sve neprekidne funkcije na [a.♣ c Napomena 7. Dakle je s(r) = 0 i S(r) = Mj ∆xj . b] (skup R(I) nije prazan.♣ b b 5.7.3). onda je c b f (x)dx = 0. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. 1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5.2. b]). Stoviˇe. Beskonaˇnodimenzionalan je.} se c nalazi u nekoj bazi od R(I)... . .18. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. 6.. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. i = 1. gdje je c ∈ R proizvoljan. Oˇito je z c c tada m = 0. b] i da je f (c) > 0. i svaka funkcija iz tog skupa je neprekidna na I.. Mi = 0. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx..13). M = f (c) i za svaku podjelu r segmenta [a. j − 1. ..2 i Teorema 6.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. a cf (x)dx = c a f (x)dx. x2 . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.

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

3 slijedi da postoji interval I ⊂ [a. b] onda vrijedi stroga nejednakost. b]. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Odatle slijedi da je F (b) ≥ F (a) = 0. x2 ∈ I takve c da je x1 < c < x2 .3 slijedi da postoji interval . Ovo svojstvo se zove svojstvo monotonosti integrala. po Teoremu 6. Kako je funkcija F = g − f neprekidna na [a. b] odnosno stroge pozitivnosti na [x1 . b] oko toˇke c takav da je f (x) > 0. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. c F (x) = g(x) − f (x) ≥ 0. za svaki x ∈ I . onda je F (c) = g(c) − f (c) > 0. b] tada iz Teorema 6. Ako je f (c) < g(c) za bar jedno c ∈ [a.2. b] i ako je f (c) > 0 za neki c ∈ [a. onda je b f (x)dx > 0.28 F raste na [a.7. Tada je b b f (x)dx ≤ a a g(x)dx. x2 ] imamo x2 f (x)dx > 0. Dakle postoje x1 . Ako je f neprekidna i nenegativna funkcija na [a. Dakle. Dokaz: Po Teoremu 7. b] iz Teorema 6. Iz pozitivnosti funkcije f na [a. b].8 je dobro definirana funkcija F ∈ C 1 [a. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Neka su f i g neprekidne funkcije na [a. i oˇito ima pozitivnu derivaciju. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. ODREDENI INTEGRAL 305 8.♣ 9. b]. tj. b].

28 c F strogo raste na I . b]. 11. za svaki x ∈ I . i Primjera 7.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). Nadalje. b]. iz neprekidnosti funkcije f na [a. b]. b]. Teorem 7. odnosno po Teoremu 6.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. b] takva da je c b f (x)dx = f (c)(b − a). iz svojstva 9. Neka je f : [a. odnosno imamo strogu nejednakost.♣ 10. za svaki c x ∈ [a. tj. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b).6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . za svaki x ∈ [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ).♣ a Izraz 1 b−a b f (x)dx a . a Dokaz: Po Teoremu 6. imamo da je F (b) > F (a) = 0. UVOD U INTEGRALNI RACUN I ⊂ [a.306 ˇ POGLAVLJE 7. Ako f nije konstanta na [a. b] −→ R. b]. m ≤ f (x) ≤ M . Dakle postoje x1 . iz svojstva 9. pa postoji barem jedan c ∈ [a. b] za koji je b f (x)dx = f (c)(b − a). tj. a b b f (x)dx ≤ a |f (x)|dx. Tada postoji toˇka c ∈ [a. b] oko toˇke c takav da je F (x) > 0. Nadalje iz Teorema 6.

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

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

NEWTON . ∆x−→0 ∆x Funkcija f je neprekidna na [a. ∆x odnosno f (ζ1 ) = m ≤ .7.3. b].LEIBNIZOVA FORMULA je derivabilna na [a. x+∆x]. Ho´emo gledati c ∆F . b] i vrijedi F (x) = f (x). Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. pa onda i na svakom podsegmentu [x.11: Funkcija F (x).6). Po Teoremu 7. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. ∆F ≤ M = f (ζ2 ). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.

Sliˇno i za ζ2 −→ x.2 c dobivamo x b F (a) = a f (a)dζ = 0.9 (Newton . onda. Odatle je a f (x)dx = F (b) − F (a). UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. iz toˇke 7.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f .Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. Odatle slijedi c f (x) ≤ lim tj.♣ Newton . a Dokaz: Prema Teoremu 7. F (x) = f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. ∆x Teorem 7. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . b] i F (x) = f (x). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). no dokaz je bitno sloˇeniji. b].2.12). f (x) ≤ F (x) ≤ f (x). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Dakle je F (x) derivabilna funkcija na cijelom [a. b F (b) = a f (ζ)dζ. i neodredeni.310 ˇ POGLAVLJE 7. toˇke ζ1 i ζ2 moraju teˇiti prema x. do kojeg dolazimo preko limesa niza integralnih suma. zbog neprekidnosti funkcije f na [a. U njoj se povezuju odredeni integral. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).♣ x ∆x−→0 ∆F ≤ f (x). z Teorem 7. tj.

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

. 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. c c c Neka je funkcija f neprekidna na [a.♠ 7.17 Izraˇunajmo c 0 1 xex dx. b i neka je x−→b− lim f (x) = +∞.10.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. U takvim sluˇajevima govorimo c s c o nepravim integralima. Primjer 7. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. Iz Primjera 7.312 ˇ POGLAVLJE 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. u dv = uv a b a − a v du. 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 √ + 3.6 i omedena) na podruˇju integracije. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.♠ 3 Kod parcijalne integracije situacija je jednostavnija. tj.

NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. b postoji integral te funkcije u granicama od a do x. tj. c y f(x) 0 a x b Slika 7. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x.4.18 1.7. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − .12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. tj. kaˇemo da integral divergira ili da nema z znaˇenja. c c Primjer 7. postoji x f (ζ)dζ. u toˇki a. . x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. a Ako promatrani limes ne postoji. 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.

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

NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. (x − b)n Stavimo ϕ(t) = t + b. inaˇe c Primjer 7. 1]. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. x2 b 2. tj. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. Analogno. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞.7.19 1. 0] −→ R zadovoljava uvjete Teorema 7. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . Iz ϕ(t) = a. Izraˇunajmo c a dx . onda divergira. tn Ako je n < 0. t + b = a imamo t1 = a − b. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. iz ϕ(t) = b dobijemo t2 = 0.4. 1 a f (x)dx konvergira. c+ε2 Ako oba limesa na desnoj strani postoje. Izraˇunajmo c −1 1 x2 dx .10. tj. Sada oˇito funkcija ϕ : [a − c b. dakle imamo b a dx = (x − b)n 0 a−b dt . x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. .

−n + 1 −n + 1 za n > 1. c z z Promatrajmo sada drugi mogu´i izvor problema. 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. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova.19 moˇe posluˇiti pri usporedivanju. Neka je funkcija f neprekidna na [a.316 ˇ POGLAVLJE 7. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. 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. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . b]. divergira za n ≥ 1. iz toˇke 7.2. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. 0]. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. integral dx divergira za n ≥ 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). situaciju kad podruˇje c c integracije nije ograniˇeno.2) npr. Uz svojstvo monotonosti integrala (svojstvo 9. Primjer 7. Znamo c . +∞ . tj. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1.

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

x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Izraˇunajmo c dx . 2. 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. Izraˇunajmo c 1 +∞ dx . Izraˇunajmo 1 +∞ dx . x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. 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.♠ c .

s s tj. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . tj. a . gdje su f1 . pravcem x = a s s i pravcem x = b. pravca x = a i pravca x = b. a Ploˇtina povrˇine izmedu grafa funkcije f . osi x. osi x.5 7. dana s b (f1 (x) − f2 (x))dx.2. b]). za neki c ∈ a. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a.5.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. s s b f (x)dx = P1 − P2 .5. b]. f2 : [a. b].1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. c] i negativna na [c. ako je f : [a. b]. Ako je funkcija f neprekidna i negativna na [a. osi x. pravcem x = a i s pravcem x = b. ali negativnog predznaka. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. za svaki x ∈ [a. b] −→ R neprekidna takva da je pozitivna na [a. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. broj P1 + P2 . b . PRIMJENE INTEGRALNOG RACUNA 319 7.ˇ 7. Nadalje. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f .

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

i = 0.5. d] takvih da je s g1 (y) ≥ g2 (y).5. Podijelimo segment [a. < xn−1 < xn = b. osi y. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije.. za ∆h −→ 0. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . cc z tj. H − ∆h. z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. Povrˇinu osnovice tog valjˇi´a s cc . manjoj) osnovici krnjeg stoˇca. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . recimo visine ∆h = H . zamijenimo komad stoˇca. Za veliki n ∈ N ´e zbroj z c H R Slika 7.. h = 0. za svaki y ∈ [c. . recimo stoˇac visine H i polumjera osz novice r. b]. n ∈ N. i u z s n svakom sloju izmedu visine h i h + ∆h. Za n −→ ∞. Nareˇemo ga na tanke ploˇke.. ∆h.. 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. tj.. krnji stoˇac visine ∆h. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . valjkom iste visine s osnovicom jedz z nakom gornjoj (tj.16: Volumen stoˇca kao limes sume volumena tankih valjaka. dobit ´emo toˇnu formulu za volumen stoˇca.2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije..ˇ 7. Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. 1. n − 1. 7.. Time je c c i tijelo T podijeljeno na n slojeva. d]. ..

tj. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. i=0 Prijedemo na limes. 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. kad max ∆xi+1 −→ 0. No taj popreˇni presjek c c 2 je krug.322 y ˇ POGLAVLJE 7. 0. oznaˇimo s P (xi ). Iz Primjera 7. Primjer 7. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. S druge strane.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 . a njegova povrˇina za zadani x je jednaka f (x)π. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. ako taj limes postoji kad n −→ ∞.♠ 2 . UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. 0).

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

23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . f2 (x) = R − √ r 2 − x2 . y R r 0 x −R Slika 7.324 y ˇ POGLAVLJE 7. Primjer 7. R > r. .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.

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

Zelimo odrediti teˇiˇte izrezanog lika. Promatramo lik omeden pravcima x = a. yi ). Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . segmentom [a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. (Teˇiˇte je toˇka u kojoj. Primjer 7. b] na osi x i grafom funkcije f nad [a. zs zs c ako podupremo tijelo. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . tj. x = b. Uzmemo li ˇkare i izreˇemo taj lik. b]. c s c . ono ostaje u ravnoteˇi.♠ 5 7.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π .5.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a.326 ˇ POGLAVLJE 7. b]. da mu je gusto´a c ˇ svuda ista. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. dobijemo tanko tijelo.

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

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

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

b] takvih da je f2 (x) ≥ f1 (x). ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . po prvom Guldinovu teoremu i Primjeru 7. Tada su. v) tada su novi momenti jednaki Mx + my i My + mx). 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. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. . dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u.26 Sada moˇemo. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . po prvom Guldinovu teoremu. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. − 4 r ). Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. Dakle teˇiˇte je (0. za svaki x ∈ [a. xf2 (x)dx − µ xf1 (x)dx.♠ ishodiˇtu. tj.25. b]. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 .330 ˇ POGLAVLJE 7. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. 4 π ). 3 −r 4r . 3π r r pa teˇiˇte ima koordinate (0. x2 + (y − R)2 = r2 . R > r. 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.

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

♠ 8 π 4 R . 4 3 Zbog M = µV = 1 R2 πH. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .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. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. mjereno od osnovice.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.24: Teˇiˇte homogenog stoˇca. tj. dobivamo xT = 4 H.332 ˇ POGLAVLJE 7. Primjer 7. 4 Zbog M = µV = 14 3 R π. 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 . 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. 23 dobivamo xT = Mx M . za µ = 1.♠ z Primjer 7. 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 .

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

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

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

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

jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . Duljina luka od toˇke A = (a. n. f (xi )). b] na podsegmente [xi−1 .ˇ 7..26: Duljina luka zadanog kao graf funkcije f (x). . b] eksplicitnom formulom y = f (x).. 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 . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .. i gdje je ∆xi = xi − xi−1 . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 .. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. c po Pitagorinu pouˇku.. 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. . i = 1. xi ]. pa uzmimo c s os x. b] zadana kao graf funkcije f ∈ C 1 [a.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.♠ 15 5 7. 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. f (a)) do toˇke c c B = (b. . n. Podijelimo segment [a. i = 1.5.. f (xi−1 )) i (xi . Duljina svakog takvog komada je.5.

xi ].. 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. b] na podsegmente [xi−1 ..27: Ploˇtina plaˇta rotacijskog tijela.5. . s s plaˇta krnjeg stoˇca polumjera donje osnovice R. i = 1. Dijeljenjem segmenta [a. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . i . Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.338 ˇ POGLAVLJE 7. s yT = b a f (x) √ 1+[f (x)]2 dx . i = 1.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e.. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). 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 )). mase µ... Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. s 7. . b] rotira oko osi x.. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. xi ].26). n. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . n.

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

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

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

a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. . duljina jarka je 10 m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. s x 0 y h Slika 7. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. a debljina sloja je dx metara). ˇirina c s 2(1 − x) m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .83 J.33.30: Jarak iz Primjera 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.29: Jarak iz Primjera 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.342 ˇ POGLAVLJE 7.33.

upravo teˇina z K tijela. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . mz i G konstante. imamo F (x) = x2 . mp masa projektila i G univerzalna gravitacijska konstanta).ˇ 7. gdje smo s c K oznaˇili K = Gmz mp . No ta sila je. (Ovdje je mz masa Zemlje. To se postiˇe integriranjem po dubini sile na z mali element povrˇine.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. 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 .34 Koliki je rad potreban uloˇiti da se tijelo (npr. z z Primjer 7. s z Primjer 7. po definiciji. Dakle je K = P R2 i F (x) = PxR . 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.♠ 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. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. Za x = R imamo teˇinu tijela na povrˇini Zemlje.5. c c c smanjenje zbog utroˇka goriva. tj. 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. 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. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. c z s 2 K F (R) = R2 = P . Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = . Uzimaju´i da su mp .

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

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