Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. .3 Neprekidnost elementarnih funkcija . . .2.2 Neodredeni integral . . c 6. . . . . . 7. . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . .1.2. . . . . . . . . . . . . .8 Primjene derivacija . . . . . . .1 Povrˇina lika u ravnini . . 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 . . . . .3 Newton . . c 6. .1. . .5 Neprekidnost i limes . 6. . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . .2. . .1 Motivacija . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . .2 Svojstva odredenog integrala . . . . . . . . .2. . . . . 7. . . . . . . . . . . . . . . . . . s 7. .2 Derivacija funkcije .2. . s 6. . . . . . . . . . . . . . . .2 Volumen rotacijskog tijela . . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . . . . . . . . .1 Neodredeni integral . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . s 7. zs 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . .1 Primitivna funkcija . . . 7.5. . . . . . . . .1. . . . . . . . . . . . . . . . 7. . . . . . . . .3 Derivacija funkcije . . . . . . . . . . . . .7 Raˇunanje limesa . 7. . . . . . . . . . . . . . . . . . .Leibnizova formula . . . . . . 6. .7 Osnovni teoremi diferencijalnog raˇuna . .6 Derivacije viˇeg reda .2 Derivacija funkcije u toˇki . . . . . . . . .2. . . . . . . . . . . . .2. . . .5. . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . .4 Nepravi integral . . . . . . . . . . . . . . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . . .1.vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . .1. . . . . . . . . . . . . . . . zs 7. . . 6. . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. . . . . . . .3 Teˇiˇte . . . . . . . .5. . . . . . . . . .5 Primjene integralnog raˇuna . . . . . . . 6. . .5. . . . . .6 Neodredeni oblici . . . .7 Primjene u fizici . . c 7. . . . . .1 Neprekidnost funkcije . . . 6. . . c 6.1. . . . . . . . . . . .1 Motivacija . . . . . . . . . .1. . . . . . . . . 6. . . . . 6. . . . . .4 Moment ustrajnosti (inercije) .2. . . . . . . 7. . . . . . . . .2. . . . . . . . .5. . . c 6. . . . . . . . . . .1. . . . . . . . . c 6.6 Povrˇina rotacijske plohe . . . . . . . . . . . . . . .2 Odredeni integral . . . . . . .1. . .1. . . . . . . . .5. . .5 Duljina i teˇiˇte luka ravne krivulje . .3 Metode integriranja . . . c 6. . . . 7. . . . . . . . . .4 Raˇunanje derivacija . . . . . . . . . . .

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

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

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

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

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

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

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

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

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

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

3). postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Pogledajmo sada neka svojstva nul vektora: c − → 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.1.1. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Iz a Napomene 1.3). s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. tj. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. 3. z kolinearan je sa svakim vektorom). onda c a − → − →. Preciznije. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. B ∈ E takve da je OA = − i AB = b . Sada samo izaberemo orijentaciju koja nam treba. Vektor kod kojeg su poˇetak i kraj jednaki. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Za vektor P Q kaˇemo da je orijentiran od P prema Q.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Oˇito je | 0 | = 0. → → → − − → − 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 . c 2.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . P = Q. Tada je c − − → − = OB. 11 − → 3. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. → Napomena 1. → c . Napomena 1. poˇinje u P a z c zavrˇava u Q. tj.

VEKTORSKI RACUN R a G Slika 1. .3: Motivacija za definiciju zbrajanja vektora. − + b = b + − (komutativnost). Q ∈ E vrijedi P Q = P O + OQ. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). (− + b ) + − = → + ( b + − ) (asocijativnost). c Teorem 1. − → → − → → → → − 3.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Vektor a zovemo suprotni vektor vektora a c − → −. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . → a =−a → − → → → − a a 4. − → − → − → Napomena 1.12 ˇ POGLAVLJE 1. ♣ B b a+b a b 0 A a+b a b Slika 1. O.3 Za bilo koje tri toˇke P. a c a c → − → → → − → a a a 2.4: Pravilo trokuta i pravilo paralelograma. i oznaˇavamo ga s → 0 .

definiramo λ− kao vektor: a → 1. s → − − a c Napomena 1.1. c a − 2. itd. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. λ > 0 B’ 0 λa.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. ali je suprotne orijentacije. a a → Za sluˇaj → + − piˇemo 2− (tj. Sliˇno 2− + − = 3→. d c a + b+ c+ d a b Slika 1. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →. realnim brojem. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). Za n ∈ N a c a a a − = (n − 1)− + − .1 ima sljede´a svojstva: ima →.4 Vektor a = −→ iz Teorema 1. z → Za λ ∈ R. λa . → BA. a . koji ima isti smjer kao →.5: Pravilo mnogokuta za zbrajanje viˇe vektora. Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB.6: Mnoˇenje vektora skalarom. ˇija je duljina jednaka |λ||− |.λ<0 a A B Slika 1.1. tj.

λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).♣ a a Definicija 1. postoji pravac a a . VEKTORSKI RACUN → 3. λ(µ→) = (λµ)− (homogenost). a a → − 4.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. c Vratimo se sada Definiciji 1. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).5 nigdje ne govori o geometrijskim veliˇinama. a suprotnu orijentaciju a − za λ < 0. za sve a. a a a − → 3. − → → → → − Ako su vektori − i b kolinearni. Elemente od skupa V zovemo vektori. i neka je A = O c toˇka koja leˇi na tom polupravcu.1 i Teorema 1. Primjetimo da se u Definiciji 1. a a → → → 2. 3. 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.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. koji ima istu orijentaciju kao vektor − za λ > 0. uz pretpostavku − = 0 . b ∈ V je a + b ∈ V . Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. 1 · − = → (postojanje jedinice). (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).2.14 ˇ POGLAVLJE 1. onda. 2. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . Neka je dan polupravac (zraka) s poˇetkom u O.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. → od vektora a Teorem 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1.

tj. b ∈ XO (E) i λ ∈ R.2 Vektorski prostor XO (E). A. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). (λ.1). b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E).2.4). Bijekcija je konstruirana na prirodan naˇin. − → 2. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . (Usporedimo ovo s Definicijom 1. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. Imamo da je c a − → → b = λ− . − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . → →→ te vrijedi a a a0 1. b = OB. Kako je → = 0 . tj. pa moˇemo a a a z − → − = a . Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . z → − → − → → → Neka su sada − . →) −→ λ− je funkcija sa R × XO (E) −→ 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. (− . B ∈ E na p takve da je − = OA. onda je |− | = 0. a a .1. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. VEKTORSKI PROSTOR XO (E).

Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni .2. → ∈ → → − 0 i bar jedan od skalara λ1 . ... λn je razliˇit od nule..... − → Napomena 1...6 izravno slijedi: → → → → a1 a1 a2 an 1. − . − ∈ XO (E).1 i Teorema 1. − . Vektori − . λ2 ... Napomena 1. λ1 . . λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . ..6 Za vektore − ...7 Iz Definicije 1.. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0. a a1 a2 an → − − Definicija 1. .. Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1.. . − . ... Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − . . λ2 . .. ..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.. − . Q = O. λn . − . λ2 . Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.5 Uzmemo li neku drugu toˇku Q ∈ E..5)...7: Radij-vektori u X0 (E). onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ.. λn ∈ R. VEKTORSKI RACUN E P 0 Slika 1... → s koeficijentima λ1 . .. → ∈ 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. . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − . z c Napomena 1.. →. λ2 .

. taj rastav je jedinstven. VEKTORSKI PROSTOR XO (E). → → − Teorem 1. onda su ti vektori linearno zavisni.♣ → → → ˇ s a b c Iz Teorema 1. b ∈ XO (E)..♣ . Stoviˇe. Ako su − . pa z z slijedi da su oni linearno nezavisni. → ∈ XO linearno zavisni. . c − → − Napomena 1. onda su oni linearno zavisni ako i samo ako su kolinearni. e1 e2 e3 z Tada su oni linearno nezavisni. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. c − → → a 4.1.7. Ako je barem jedan od vektora − . a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . ♣ Tvrdnja Teorema 1.2. → ∈ XO (E) jednak nul veka1 a2 an toru.. Ako imamo dva vektora − .4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.3 je jasna. takav rastav je jedinstven. Stoviˇe.3 slijedi iz Napomene 1. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .8 Neka su →.. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. Teorem 1. . jer se nalazimo na pravcu.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. b i − tri linearno nezavisna vektora iz XO (E). →.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. b bilo koja dva linearno nezavisna vektora iz XO (M ). jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. → → − → Teorem 1. z → − − 3.4 Ako su − . →.5 Ako su − . − i − .♣ → a s Jednostavna posljedica Teorema 1. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . on se ne moˇe izraziti kao njihova linearna konbinacija.. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.

j .7 Uredena trojka (− . az ) su jednoznaˇno odredene. te toˇke Ex = c s c −→ − − → −→ − → − (1. →. Definirajmo i = OEx . prema Napomeni 1. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. e1 e2 Napomena 1. 0) i Ez = (0.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). Koordinatni sustav → − → Definicija 1. 0). k ne leˇe u istoj ravnini. 1. pri ˇemu su skalari a1 . Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . VEKTORSKI RACUN 1.5). →). zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). Kako vektori i . Ey = (0. → → a b i j k . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. uredeni par → − (− . − ∈ XO (E). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . ay . Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. j = OEy i − → −→ − − − − → → → k = OEz . Skalare a1 . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). z c → → Neka je sada − proizvoljan vektor iz XO (E). a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). 1). →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Stoviˇe. 0. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1.8 z ˇ oni su linearno nezavisni. − → − → Neka je (→.18 ˇ POGLAVLJE 1. Analogno. c →. − . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). 0. pa ˇine bazu. − . a2 i a3 − → → → vektor iz XO (E).2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . Tada je a e1 e2 e3 c − (Teorem 1.1 i Teorem z 1. duljine su im 1 i leˇe na okomitim c s z pravcima.3 Baza vektorskog prostora XO (E).

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

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

j . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Svaka tri vektora − → → → (− . i ) je druga takva baza). − − − → → → Pogledajmo sada jediniˇne vektore ( i . onda je → · b = 0. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). j .3). − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. (Uzimamo 0 ≤ ϕ ≤ π. j . Skalarni produkt vektora − . − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). pa kaˇemo da je ( i .8: Uz definiciju skalarnog produkta. j . Primijetimo da ( i . Kako je rad skalarna veliˇina. SKALARNI PRODUKT 21 produkt dvaju vektora. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). Osim toga. a c c .1. rezultat produkta vektora c − → mora biti skalar. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. Iz Tablice 1. j . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. s − → → − → → − − → → Definicija 1.5.8 Neka su − = 0 i b = 0 . ( k .1 vidimo da su vektori i .) Ako je barem jedan od vektora → i b → − − nul vektor. k ) − − − → → → nije jedina takva baza (npr. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. b . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E).

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

ako je vektorski prostor W = R.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije.. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . a onda f zovemo linearni funkcional.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. µ ∈ R. a a → − → → − − a a c 3. . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . . Definicija 1.9 Neka su V i W realni vektorski prostori.. → → Neka su − = (x1 . f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . (− + b ) · − = − · → + b · → (aditivnost). a c a c c → → → − → − 2. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b .. Posebno. a x y z Ova se formula za duˇinu vektora. (λ− ) · b = λ(− · b ) (homogenost)... slaˇe s Napomenom 1. Za preslikavanje (funkciju) sa V u W .. − = (y1 . tj.5. z z → → − → − → − → → 2. − → a b Napomena 1. y2 .. .1. tj. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . → · b = b · − (simetriˇnost). yn ) ∈ Rn . x2 . + xn yn . b ∈ V i sve λ. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.10.. 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 . →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora.♣ − → → → → 1. → → x y Teorem 1. xn ).

k ) od XO (E). a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . j . vrijedi a2 + a2 + a x y 2 az = 1. Tada je skalarno mnoˇenje s c z − linearni funkcional. a a z c − → a → − Pogledajmo vektor − = − . vrijedi a s → − → → = ax → + ay − + az − . Ve´ smo rekli (toˇka 1. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1.24 ˇ POGLAVLJE 1. Neka su sada →. γ ∈ [0.2 Neka je − ∈ XO (E) fiksan vektor. az = cos γ. − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. π] c takvi da je ax = cos α.3). Stoviˇe. − ). VEKTORSKI RACUN → Primjer 1. → → − → − →→ → →→ a a i i a j j a k k Napomena 1. Kako je |− | = 1. az ∈ [−1. b ∈ a a c a XO (E) i λ. − .12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . ay . ay = − · j . − a0 →| i − −| j → −| k → |a |a |a . 1]. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . µ ∈ R proizvoljni.♠ a a c a c c a − → − → − → Neka je sada ( i . Tada su oˇito ax . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). cos β. az = − · k . a → → → − Neka je sada − ∈ XO (E). (− . j . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. → a i j k → Brojeve cos α. j . cos γ zovemo kosinusi smjera vektora − . pa postoje brojevi α. β. Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − .1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . ay = cos β.

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

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

c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. 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. REDA Oznaka koju joˇ koristimo je s a b . pa onda s . tj. za sustav s tri jednadˇbe i tri nepoznanice imamo: z a1 x + a2 y + a3 z = α b1 x + b2 y + b3 z = β c1 x + c2 y + c3 z = γ. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . tj. odnosno a = c c c − → − → b .6. DIGRESIJA . c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. odnosno paralelnosti pravaca definiranih izrazima ax + by = α. 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 . Ako to nije sluˇaj.DETERMINANTE MATRICA 2. Matrica tog sustava je matrica tre´eg reda. Analogno. to znaˇi da je ad = bc. da smijemo dijeliti s det A. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0.1. cx + dy = β. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. I 3.

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

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

k : z − → − → − → − → i = a1 i + a2 j + a3 k . k ) pravokutni normirani c c → → − desni koordinatni sustav. j . 1. Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. − → − → − → − → k = c1 i + c2 j + c3 k . j . Definicija 1. k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. j . k ) i S = (O . j . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). z Napomena 1. Prikaˇimo i . − → − → → − − → j = b1 i + b2 j + b3 k . k preko i . onda su S i S (odnosno njihove baze) jednako orijentirani.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). onda nisu. ako je D < 0. i . i . pomo´u determinante pripadaju´e c c matrice. onda se z orijentiranost od S i S ispituje analogno. j . Dakle.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). i . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . tj. c1 c2 c3 Ako je D > 0. → → a b i j k .30 ˇ POGLAVLJE 1.

jer je nul vektor kolinearan sa svakim vektorom. Zbog − · − = |→||− | cos ϕ.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni.1.6. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. − → → → − → − → → 2. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. c Dokaz: − → → Ako je barem jedan od vektora − . Po pretpostavci je |→| = 0 i | b | = 0. Tada je |− × b | = 0. kao saˇeti zapis. i ϕ = 0 ili ϕ = π.8.♣ Primijetimo da tvrdnje Teorema 1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. pa je cos2 ϕ = 1.♣ → a . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). neka je − × b = 0 . tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . ϕ = 0 ili ϕ = π. tj. Tada je |→ × − | = 0. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). a c → i → kolinearni. → → → − → → − (a b c a c b c − − → → − → 3. Neka su sada oba vektora razliˇita od nul vektora. → × b = −( b × − ) a a (antikomutativnost). → × ( b + − ) = − × b + − × − . c c z Teorem 1. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a a a Napomena 1. Dakle a − → − i b su kolinearni. a → − → → → → − → − → − Obratno. pa desna strana formule za duljinu vektora − × b iˇˇezava. Kako je − · b = |→|| b | cos ϕ. − → − → |a a sc a b → − → → − pa i − × b = 0 . pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . b nul vektor.

b . VEKTORSKI RACUN − → → → → − Ako − i b nisu kolinearni. 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. Tada iz svojstva skalarnog produkta i formule za a vektorski produkt imamo: − · (− × − ) = 0 → → → a a b − − − → → → b · ( a × b ) = 0. a a a Dakle imamo − → − → → − |→ × b | = |− || b | sin ϕ. k ).7). a a → → − Neka su − i b nekolinearni. i neka − − − → → → − → − − → − → − → → → − a su → = ax i + ay j + az k i b = bx i + by j + bz k zapisi vektora − i b u a − − − − → → → − → − → → → bazi ( i . . prema ”gore” ili prema a ”dolje”? ax b b a Slika 1. j .32 ˇ POGLAVLJE 1. iz formule za duljinu |− × b | slijedi a a → → → → − → − → − |− × b |2 = |− |2 | b |2 (1 − cos2 ϕ) = |− |2 | b |2 sin2 ϕ. Tada je − × b = (ay bz − az by ) i + (az bx − ax bz ) j + (ax by − a − → ay bx ) k . − − − → → → Neka je (O. → → − → − − → − → → → − To znaˇi da je → × b okomit na ravninu u kojoj su − i b . k ) pravokutni normirani desni koordinatni sustav. j . Pitanje je sad je li − × b orijentiran. Izraˇunajmo sada determinantu D (opisanu u toˇki 1. − × b ) c a a a a → → − je jedna baza. tj.12: Vektorski produkt. i . (− .

VEKTORSKI PRODUKT 33 → − → − → − Kako je (O.8. dok je s druge strane i × ( i × j ) = − j tj. − .13 vidimo da je → = − × − . j . vektore ortonormirane baze ( i .13: Kutna brzina. ω r v v ω 0 r Slika 1. c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. j . k ). pravila za vektorsko mnoˇenje te gornju tablicu) z z . k ) desni koordinatni sustav (pravokutni i normirani). k ). to je − → → → → − (O. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . k ) koje ´e nam c c biti koristno pri raˇunanju. j .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1.1. − × b ) desni (op´enito nepravokutni) koordinatni sustav. Sa Slike 1. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . pravila za skalarno mnoˇenje. j . i . b . Uzmimo npr. − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina.

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

− ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. onda − → − Obratno. MJESOVITI PRODUKT 35 bx c a c b Slika 1. Tada. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. zakljuˇujemo da su vektori → i b × c okomiti.4 i 5 iz toˇke 1. b . Pretpostavimo zato da su − = 0 . − ∈ XO (E). |→ · b | je duljina projekcije od − na b za jediniˇni vektor b .6. b . → − → − → → → → Napomena 1. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . s → → − → Definicija 1.17 Za vektore − .14: Mjeˇoviti produkt triju vektora. Tada je: → → → a b c → − → − → − − → 1. pa kako je − okomit na b × − . a a . |→ × b | je povrˇina paralelograma razapetog s → i b . kako je a c → − − → → − − → − · ( b × c ) = 0.16 oni su linearno zavisni.ˇ 1. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. b = 0 i → = 0 . a a − → → − → − − → − 2. − .11 Za vektore − . → komplanarni. b .16 Vektori →. gdje je |→| baza. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − → − i samo ako su a b c − → → → Ako su − .9. pa tvrdnja slijedi a c iz svojstava determinante 3. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. a | b | sin ϕ visina paralelograma. jer je a a c → − − → |→ · b | = |− || cos ϕ|. vektorsko mnoˇenje i mjeˇoviti z z s produkt. − komplanarni po Napomeni 1. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.♣. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . b . − . ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. z → − − − a c Napomena 1.

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

Ta jednadˇba opisuje neki skup toˇaka u ravnini. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. Takav analitiˇki opis ne ovisi o geometrijskom zoru.Poglavlje 2 Analitiˇka geometrija c 2. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.1. pri ˇemu su A. c c s 2.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. Ako je B = 0. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru. i . B B 37 . s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. onda za c proizvoljni x0 imamo C A y0 = − x0 − . j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i .1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata. taj skup je neprazan. 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.

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

no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Odatle je A = tA i → → su vektori n n B = tB. Dakle → → r i j n i j n i j → − − → − i n kolinearni. Ako je C = 0.1. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. tj. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. onda pravac prolazi kroz ishodiˇte. Ako je A = 0. n n 2.1. C −A −B . onda je pravac paralelan s osi y.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. 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. nepotpune obc z like): 1. Ako je B = C = 0. Ako je A = C = 0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. znaˇi z c da prolaze kroz istu toˇku (x0 . y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . jer je tada vektor − oblika n − → →=Ai. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. − n 4.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. onda je pravac paralelan s osi x. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Dobijemo z B A x + −C y = 1. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. Oˇito je (x0 . onda je pravac os x. postoji t ∈ R takav da je n = t− . 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j .2. Ako je B = 0. ako postoji t ∈ R takav da je A = tA. pa imamo tvrdnju. z → 2. − n → 3. jer je tada vektor − oblika n − → →=Bj. y0 ) i da je za svaku drugu toˇku (x. jer je (0. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . c Obratno. jer je (0. → → Ax = 0 i vektor n n i 5. onda je pravac os y. B = tB i C = tC.

c c y b a 0 x Slika 2. onda je x = a. z . onda je y = b. pravac prolazi kroz toˇke (0. z p s=mi+nj P1 = (x 1. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z z Uoˇimo sljede´e: ako je x = 0.y 1 ) Slika 2.40 ˇ POGLAVLJE 2.1. c c tj. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. 0).3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). imamo A x a + y b = 1. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . b) i (a.2: Segmentni oblik jednadˇbe pravca.3: Kanonski oblik jednadˇbe pravca. z 2. a ako je y = 0.

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

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

→ → r n Jednadˇbu − · − = d.1.5). π] takvi da je a = cos ψ − i b = cos φ. pa tada postoje ψ.2. n − → → Toˇka P = (x. tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . imamo k = tg ϕ. tj. b ∈ [−1. PRAVAC U RAVNINI Napomena 2. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. a2 + b2 = 1. Neka je − = a i + b j jediniˇni vektor na pravcu q. c 43 n ˇ Uzeli smo da je k = m . Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. c c s − → − → → d = |OP0 |. n Kako je tg ϕ = m . l). pravac prolazi toˇkom (0. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. n c y q n θ P0 x r P p 0 Slika 2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). φ ∈ [0. z Jasno je da su a.6: Normirani oblik jednadˇbe pravca. odnosno z → → r n x cos ψ + y sin ψ = d . y) leˇi na pravcu p ako i samo ako je z − · − = d.1. P = (x. 1]. s vektorom i ). Povucimo sada kroz O pravac q okomit na p.3 Za x = 0 imamo y = l tj. 2. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.

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

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

→ → Napomena 2.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . ako i samo ako je m1 m2 + n1 n2 = 0. m2 n2 → → Napomena 2. s1 s2 tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .46 b) Kanonski oblik: ˇ POGLAVLJE 2. ako i samo ako postoji λ ∈ R takav da je − = λ− . tj. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. s1 s2 odnosno ako i samo ako je n1 m1 = . . ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . − → 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 .

1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 . . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . Definicija 2. Neka je ϕ = ϕ2 − ϕ1 .ˇ 2. Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . k2 = tg ϕ2 . y = k2 x + l2 .2.7: Kut dvaju pravaca. 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .

Neka je pravac p dan u c c normiranom obliku. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. To je ekvivalentno s 1 k1 = − . ANALITICKA GEOMETRIJA Napomena 2. ako i samo ako je ϕ1 = ϕ2 . tj. tj. Napomena 2. x cos ψ + y sin ψ = d.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. odnosno ako i samo ako je k1 = k2 . k2 2. c Definicija 2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . 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. sa suprotne strane od ishodiˇta) jer je tada n s . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. tj. y0 ) i pravac p u ravnini. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . Zanima nas udaljenost c toˇke P0 od pravca p. s Napomena 2.1. p) = x0 cos ψ + y0 sin ψ − d.2.48 ˇ POGLAVLJE 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p.7).5. odnosno ako i samo ako je 1 + k1 k2 = 0.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. 2 ako i samo ako je tg ϕ = ∞.

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

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

tj. c 2. poklapaju se.8: Mogu´i poloˇaji pravaca u ravnini. paralelni su. c z U sluˇaju da se sijeku u jednoj toˇki. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. identiˇni su.ˇ 2. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. Npr.2. 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. 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 . ys ). zovimo je S = (xs . sijeku se u jednoj toˇki. 3.2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. xs = . koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.

2. 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . onda je A 1 B1 A 2 B2 = 0. p)|.11 Ako je A 1 B1 A 2 B2 = 0. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Osim udaljenosti.52 i ˇ POGLAVLJE 2.4). Vrijedi i obrat. . p) suprotnog predznaka.2. onda su p1 i p2 paralelni. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Napomena 2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. 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 . p) = x0 cos ψ + y0 sin ψ − d. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . p) i δ(B. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2.

Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . β ∈ R takvi da je −3 = α→ + β −2 .4 vektori → → −1 = A1 − + B1 − .5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . . tj. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. jer ako su sve tri jednake nuli.2.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. p2 . s c Neka se sada. Tada p3 mora prolaziti kroz S. z c s Da bi se p1 . tj. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . p3 u ravnini u op´em obliku. onda prema Napomeni c 2. bez smanjenja op´enitosti.ˇ 2. p1 i p2 sijeku u jednoj toˇki. A2 B2 A 1 B1 . po Teoremu 1. postoje α. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. → n i j → → −2 = A2 − + B2 − . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . ys ). p2 .2. tj. Dokaˇimo da je i z C3 = αC1 + βC2 . Oznaˇimo c c c ju sa S = (xs .

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

Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − .3. . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.3. PRAVAC U PROSTORU 55 2. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. → − → r r0 s p ts P0 r 0 s r0 Slika 2. 2.1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. → → → a i + b j + c k . z) = (x0 + ta. Neka c z s −→ → → − − radij-vektor toˇke P . y.2). y0 . z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.2. y0 + tb.3. y.9: Pravac u prostoru. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .3 2. Tada imamo P0 P = − − − . z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . z0 + tc).

njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. b.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . y0 . y = y0 + tb.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . 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 . z Napomena 2. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . pravac p prolazi toˇkom (x0 . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − .56 Jednadˇbe z ˇ POGLAVLJE 2. z c s 2. Prema s z Napomeni 1. j i k dobivamo kanonske jednadˇbe pravca. b. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c) odnosno a. vektor smjera pravca p je dan s (a.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 1.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . Kako su vektori baze linearno nezavisni. ANALITICKA GEOMETRIJA x = x0 + ta. z0 ) i 2.3. . c su koeficijenti smjera pravca p. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . z s Napomena 2.

5 znamo da postoje kosinusi smjera vektora − . istog smjera i orijentacije kao i →. b.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . Zbog komplec mentarnosti.5 i toˇka 2. onda znamo da je vektor → s a b c 1 → s0 = − − = − . γ ∈ [0. pa iz toˇke − − s r2 c s r2 r1 c 2.3. c c Tada kroz njh prolazi jedinstveni pravac p. onda ima dva kosinusa smjera. Odredimo njegovu jednadˇbu. c) je dana s x y z = = . − →| s →| |→| |→| |s |s s s − jediniˇni. tj. PRAVAC U PROSTORU 57 → Posebno. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . jedan kosinus smjera prelazi u sinus. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.1. z Znamo iz toˇke 2.3.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. s 2. y2 . y1 . b.3. − → z definirajmo s P c s − je vektor smjera pravca p. odnosno postoje c s0 α. −| |s Dakle koeficijenti smjera a. i njihov omjer daje koeficijent smjera (toˇka 2. → − → → r r1 r2 r1 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . c). Sada imamo da je → = P1 P2 = → − →. →| |s c cos γ = → . c s → Iz toˇke 1. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . pa odreduje isti pravac. 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.3. z1 ) i P2 = (x2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. →| |s b cos β = − . Uzmimo sada npr.2. z2 ) u prostoru. β.1. − . b. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.6).

58 ˇ POGLAVLJE 2.3. 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. b. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). z0 ) s vektorom smjera − = (a. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. c c c . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. c c c odnosno. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = .10: Pravac kroz dvije toˇke u prostoru. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . y0 . Analogno. uz oznake m = a c i m1 = − a z0 . c x = mz + m1 . z c y2 −y1 2 −z 2. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . y = y1 + t(y2 − y1 ).

z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. Dakle. Napomena 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 .3. + n2 + 1 2.n ) 1 1 Slika 2.2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . z y=nz+n 1 x =mz+m 1 y 0 x (m .3. y0 . vrijedi x−m1 m = y−n1 n = z. Tada za svaki izbor a. + n2 + 1 cos β = √ m2 n . uz oznake n = b c b i n1 = − c z0 . + n2 + 1 cos γ = √ m2 1 . z b c . b.3. 59 y = nz + n1 . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.11: Pravac zadan dvjema projekcijama. PRAVAC U PROSTORU odnosno.14 Iz toˇke 2.

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

Neka je −0 = OP0 c c n p −→ − (tj.3 ). jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. → → radij-vektora r n c P .1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .4. β. → → r n . s vektorima baze −0 ˇto ih n s − − − → → → i .4. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. → 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. RAVNINA U PROSTORU 61 2. y.2. z redom (tj. ako Π prolazi kroz ishodiˇte (tj.4 2. Povucimo okomicu iz toˇke O na ravninu Π. onda je p = 0. → n Posebno. k iz toˇke 1. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. P0 d r π n0 0 M Slika 2. a vektor z −0 zovemo normala ravnine Π. toˇku O). j . 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. γ kutovi c → zatvara s pozitivnim smjerovima osi x.13: Normalni oblik jednadˇbe ravnine. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine.

2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. iz normalne jednadˇbe ravnine imamo. Imamo neˇto analogno otklonu iz toˇke 2. Kako je d.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. 0. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0.2. 0). jer je duljina okomice do Π jednaka p). B = (0.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. y. C ∈ Π. y1 . z. 0). Nadalje. Napomena 2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. udaljenost ravnine Π od ravnine Π . y. B. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. c). ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . 0.2. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). n . duljina okomice c do Π ´e biti p + d (za neki d ∈ R. → ako je M s one strane Π na koju pokazuje −0 .16 Ako toˇka P ∈ E ima koordinate (x. u stvari. z1 ) ∈ E proizvoljna.62 ˇ POGLAVLJE 2. n0 − − → → OB · −0 = p. Kao i kod pravca (toˇka 2. C = c (0. z − − → OA · → = p. n − → → OC · −0 = p. toˇke u kojima Π sijeˇe koordinatne osi x. a c kako M leˇi u Π .2. redom. neka su toˇke A = (a. c Neka je M = (x1 . c c Sada. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. z). Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. b.4. r n Napomena 2. kako su A. Za toˇke s druge strane bit ´e n c c d < 0.2 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.

4. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. Bez smanjenja op´enitosti. cos γ = . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). p p p cos α = . c cos γ = p. y0 . z Dakle. B. Odatle. c C C Tada postoji toˇka (x0 . .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 = . z 2. z = − C x − B y − D . 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 ) = 0.2. neka je C = 0.4. b cos β = p.14: Segmentni oblik jednadˇbe ravnine. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. tj. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). a cos α = p.

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

B. istog su smjera n n → c n i orijentacije. Π) = |Ax1 +By1 +Cz1 +D| √ .20 Neka je dana toˇka M = (x1 . R cos γ = C . s → 2. c .4. Ako je D = 0. tj. R → → Vektor normale −0 je normirani vektor − = (A. onda normala − = (A. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. po c Napomeni 2. R cos β = B . nepotpune obc z like): c c z 1. k ). A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. onda je oˇito da O = (0.4. 0) nema komponentu u smjeru n − → osi z (tj. tj. B. Stoga ´emo i vektor − zvati vektor normale. y1 .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. ravnina prolazi kroz ishodiˇte. b1 = − B i c1 = − D . Tada je. B.2. Napomena 2.1). C).18) i koeficijent razmjernosti je A2 + B 2 + C 2 . c onda je A B D z =− x− y− . onda su koordinate A. 0. C C C A z Oznaˇimo a1 = − C . pa odreduju istu ravninu. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. z1 ) ∈ E. s c A2 +B 2 +C 2 Napomena 2. Ako je C = 0.17. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. RAVNINA U PROSTORU predznaka od D. Dakle imamo cos α = 65 A . pa imamo cos γ = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.

s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . C i D. Ako je B = C = 0. 0. ravnina je paralelna A s koordinatnom ravninom Oyz. onda prema 1. − i − su komplanarni). 4. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. imamo samo tri nezavisna.4. z → − a vektore − i → vektori smjera. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. onda normala − = (A. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. Ako je B = C = D = 0. ravnina prolazi kroz ishodiˇte s a prema 3. c Od ˇetiri parametra.16: Ravnine u posebnim poloˇajima. B. B. ravnina je paralelna s koordinatnom ravninom Oyz. s1 s2 . zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. z c c 2.4 Parametarski oblik jednadˇbe ravnine z → → Neka je dana ravnina Π koja prolazi toˇkom P0 ∈ E i neka su − i − linearno c s1 s2 nezavisni vektori takvi da je ravnina Π paralelna s njima. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . odnosno x = − D . Varijable u i v zovemo parametri. 0) ima komponentu samo u n smjeru osi x. C koji je razliˇit od nule. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. Imamo Ax + D = 0.66 z ˇ POGLAVLJE 2. z → 3.

22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. s1 s2 . → − Nek je P0 = (x0 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. c1 ). z Napomena 2. z0 ).21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. c2 ). y. → = (a2 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. Napomena 2. y = y0 + ub1 + vb2 .2. vidi se da je ravnina dvodimenzionalni objekt u prostoru. b2 . Kako imamo dva parametra (u i v). − = (a1 . Tada P = s1 s2 → − (x. 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 →. c1 ) i − = (a2 . z0 ) z z c → → i dva vektora smjera − = (a1 . y0 . b1 . y0 .4. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. b1 . c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.17: Ravnina zadana parametarski. b2 .

Dakle. Kako toˇke P1 . s1 . moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .5. 2. y2 .4. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . z1 ). → komplanarni. P3 ne leˇe na istom pravcu. P3 (uzmemo npr. ANALITICKA GEOMETRIJA −→ → − − odnosno. vektori s1 s2 −→ → − − − → P0 P . z2 ). Po Napomeni 1. y3 . P2 . P3 = (x3 .68 ˇ POGLAVLJE 2. 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 . P2 .16. P1 P3 komplanarni. y1 . ako i samo ako su P0 P .4. z3 ) u c prostoru takve da ne leˇe na istom pravcu. Kao i u toˇki 2.1 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 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P1 P2 .5 2. 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. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).4. P2 = (x2 . Po Napomeni 1. 2.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . − . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke.

Teorem 2. Ravnine se sijeku u jednom i samo jednom pravcu.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. ♣ . 2. C2 ).2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.5. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . odnosno ako → → kolinearni. 3. Ravnine se ne sijeku. tj. B1 . ako i samo ako je −1 · −2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. C1 ) n → i −2 = (A2 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . Ravnine se podudaraju. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.6 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 . ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. B2 . 69 −1 Definicija 2. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. tj.

Konaˇno. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. C1 = A1 . 2. Uzmimo. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . odredenosti radi. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. tj. 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 . p z 2. A2 x + B2 y + C2 z + D2 = 0. onda se one moraju sje´i. 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. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. i njihov c presjek je pravac.70 ˇ POGLAVLJE 2. onda z s A1 B2 C2 D2 se ravnine podudaraju.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . imamo tre´i sluˇaj. A3 x + B3 y + C3 z + D3 = 0. .23.5. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. z c c Kako ravnine nisu paralelne. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . da je c = 0. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. B1 = C2 . Njene su koordinate c B1 D1   B2 D2 T0 =  . Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.   → Vektor smjera − pravca presjeka mora biti okomit na obje normale pa ga moˇemo p z − − = → × −2 = (B1 C2 − B2 C1 )→ + (C1 A2 − → −1 → uzeti kao njihov vektorski produkt. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . Ako je joˇ i A2 = B1 = C1 = D1 . drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . 0 . Ako ravnine nisu paralelne. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina.

2.4. B. → → s n . c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. 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. toˇka 2. c) i − = (A. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . s jedna toˇka. ∆.5.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . z Definicija 2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. paralelne su). ∆ .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. onda je presjeciˇte jedinstveno (tj. b. C).2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . y. z nepoznanice). b. tj. 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 = 0.5.

72 ˇ POGLAVLJE 2. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . B. z c c s z0 = − Am1 + Bn1 + D . B. Am+Bn+C Am+Bn+C Am+Bn+C . Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. c) i − = (A. odnosno ako → − kolinearni. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2.5. ako i samo ako je − · − = 0. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . ako je π − ϕ kut izmedu − = (a. b. b. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. c) i − = (A. − Anm1 +Bnn1 +Dn + n1 . ANALITICKA GEOMETRIJA → → Znaˇi. i ravnina Π s Ax + By + Cz + D = 0. → Napomena 2.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. tj. 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. 2. − Am1 +Bn1 +D . tj. → → s n Kako je kosinus kuta izmedu − = (a.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . tj.

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

Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.5. c2 ). c c c 2. s1 s2 redom. Definicija 2.74 ˇ POGLAVLJE 2.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . → → 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 . b2 . c 2. z2 ) s vektorima smjera − = (a1 . → → s1 s2 p 2 p 1 Slika 2. Pravac i ravnina se sijeku u samo jednoj toˇki. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). c1 ) odnosno − = (a2 . y2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . y1 . ANALITICKA GEOMETRIJA Teorem 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. z1 ) odnosno c → → P2 = (x2 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). 3.18: Mimosmjerni pravci. Pravac i ravnina se ne sijeku. b1 . Pravac je sadrˇan u ravnini.

3. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. → Napomena 2.5. tj. tj. 2. z= 1 m−m n−n .2. ako i samo ako je → · − = 0. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.5. 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 . ako i samo ako postoji λ ∈ R takav da je − = λ→. tj.5).29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. c c z → s1 Napomena 2.

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

Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z 2.29. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. ne leˇe u istoj ravnini. i 6. iz toˇke 1.2. 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. 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 . ˇetvrti sluˇaj. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pravci se podudaraju. Prema Napomeni 2.6 na gornju determinantu (tj.5. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). z 3. tj.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. z c 4. z Moˇe se desiti da su oni paralelni. Teorem 2. Pravci su mimosmjerni.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. pa nema presjeciˇta. Pravci leˇe u istoj ravnini i ne sijeku se. imamo isti pravac. Pozabavimo se sluˇajem mimosmjernih pravaca. Ako su sva tri redka proporcionalna. c =0 .

c1 ) c s1 − = (a2 .22. imamo da Π prolazi z → → kroz P1 = (x1 . c2 ). Iz s1 s2 Napomene 2. z1 ) i paralelna je sa − = (a1 . y2 . z2 ) s pripadaju´im vektorima smjera − = (a1 . a2 b2 c2 Definicija 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. p1 leˇi u ravnini). c2 ). y1 . b2 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). b1 . Dakle. 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 = = . b2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. a2 b2 c2 a2 b2 c2 . . b1 . c1 ) i − = (a2 . = 0. y1 .78 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA 2. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . kako p1 leˇi u Π i Π je paralelna sa p2 .5.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . z1 ) → odnosno P2 = (x2 .

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

.

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

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

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

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

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

. n. MATRICE I LINEARNI SUSTAVI 3.. . j = 1. .. . .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .. . m. n. .   .1. .. Definicija 3. Piˇemo A = B... + .86 POGLAVLJE 3.    · · · a1n b11 · · · b1n . n. C =A+B = ..4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. m.. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .. λA = λ  . tj. . j = 1. . Definicija 3..  ..4. z Definicija 3. . . . .3 odnosno Definicije 3. a11  . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. m... Definirajmo sada mnoˇenje matrice skalarom. am1     λa11 · · · λa1n · · · a1n . .3 Zbroj matrica se definira samo za matrice istog tipa.   . .  . = ..2 Jednakost matrica se definira samo za matrice istog tipa. a na R znamo ˇto znaˇi s c ”biti jednak”. λam1 · · · λamn · · · amn  a11  . . tj. . . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. j = 1.. am1 + bm1 · · · amn + bmn Napomena 3. . = . ... . s Napomena 3. . .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1..  . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1.

linearna kombinacija i linearni rastav.. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. Ak s koeficijentima λ1 . . Ak .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . λk ∈ R skalari.♣ Iz Teorema 3. α(βA) = (αβ)A (homogenost). .. ˇto slijedi izravno iz Definicije s 3.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A.. λk razliˇit od c nule. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. . A2 . onda je i A ∈ Mmn . OSNOVE MATRICNOG RACUNA 87 Teorem 3..4 Ako je matrica A rastavljena u linearni spoj po matricama A1 .. A2 . λk . . B.. A2 .. razvijena) u linearni spoj po matricama z z A1 . . .. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i..ˇ ˇ 3. Napomena 3.1.... + λk Ak je linearna kombinacija matrica A1 . 3...3 odnosno Definicije 3. s Definicija 3.. Njegovi su elementi (”vektori”) matrice tipa m × n. Matrica A = λ1 A1 + . z Teorem 3. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. (A + B) + C = A + (B + C) (asocijativnost). β ∈ R vrijedi: 1..5 Neka su A1 . .. Kaˇemo da je A rastavljena (razloˇena. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. α(A + B) = αA + αB (distributivnost).. 4....4. j) imaju z jedinicu. a na svim ostalim mjestima nule ˇini bazu u Mmn .. A + B = B + A (komutativnost). 2. A2 . C ∈ Mmn i sve skalare iz α. Ak ∈ Mmn matrice i λ1 .. Ak ∈ Mmn .

(A + B)T = AT + B T za sve A. 3. m i j = 1.1. Tako bismo za matrice A = [aij ].4. nema podlogu u fizici. AT = −Aa i A = As + Aa ..4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. Dakle imamo tvrdnju. gdje su elementi od C dani s cij = aij bij za i = 1. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. Produkt A·B takvih matrica .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. . 2 Oˇito je AT = As . Iako jednostavna. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. To nam z name´e sljede´u definiciju. Oˇito je tako definirana matrica C ∈ Mmn . Definicije 3.88 POGLAVLJE 3. ♣ c s a 3. itd. MATRICE I LINEARNI SUSTAVI 1... B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. Takoder. a za Aa vrijedi AT = −Aa . . B ∈ Mmn . gdje za As vrijedi AT = As . (AT )T = A za sve A ∈ Mmn .. n. geometriji.. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. 2.. B. Napomena 3.3 i Definicije 3.

. onda je A · B ∈ Mmp .. Mnoˇenje matrica vodi raˇuna o poredku operanada. ... b2j . ain ). .. Tada je i-ti redak matrice A jednak (ai1 . Dakle zakljuˇujemo da na mjestu (i. ain bnj . B = C Slika 3. .. a j-ti stupac matrice B je (b1j . a broj stupaca je c jednak broju stupaca od B. . Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .. m. z c tj. Definicija 3. a da B · A nije ni definiran.. i = 1. Napomena 3... + ain bnj . bnj ).. m. . broj stupaca od A je jednak broju redaka od B. ai2 . a B ·A ∈ Mnn ... na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. j = 1. 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 + ..4)..... za j = 1. ako su A ∈ Mmn i B ∈ Mnp i m = p. ai2 .. Dakle opet je A·B = B ·A. bnj ) = ai1 b1j + ai2 b2j + . imamo A·B ∈ Mmp . .. p p = j n (i. ..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. Za takve matrice A i B kaˇemo da su ulanˇane. p. Npr. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. n i m . Dakle. . ain ) · (b1j . Ako je m = p = n. za i = 1.1: Produkt matrica. 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. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. b2j .....1.ˇ ˇ 3. a B · A nije definirano. ..j) m A .. p..

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

i dva stupca npr. c . takvu podmatricu zovemo blok.. prvi i tre´i. dobijemo podmatricu z 3 4 0 3 matrice A. npr. 3. svaka linearna z jednadˇba ide u svoj redak). dobivamo podmatricu z matrice A. 0.3. 3.. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.4. 3.♠ Ako su izabrani redci i stupci uzastopni. ..6. Izaberimo dva redka. 4.. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. ♣ 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 ). . 3.6 Neka je  2 3 4 1   A =  −1 2 1 3  . Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica.5 Podmatrice i blok matrice Neka je A ∈ Mmn .ˇ ˇ 3. 1 0 3 0  Neka je r = s = 2. Sloˇimo li ih u (2 × 2) matricu. xn ]T nepoznata matrica. bm ]T poznata matrica desnih strana i z x = [x1 .1.1. c drugi i tre´i.. b = [b1 .. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. Sloˇimo li ih u (r ×s) matricu. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. Primjer 3.

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

Npr. tj. U toˇki 3.6 Regularne matrice.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.1. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. neka je dana matrica c 0 1 1 0 . Teorema 3. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. OSNOVE MATRICNOG RACUNA 93 3. c. c c c Iz svojstva 5. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .ˇ ˇ 3.1. tj. c 2. onda je barem jedan od a ili b jednak nuli. 1. dakle ne postoji izbor brojeva a.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . c Napomena 3. postoji broj koji pomnoˇen s a daje 1. Npr.1. b.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . U skupu R vrijedi: ako je a · b = 0. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 .

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

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

vrijede svojstva 1. Iskaˇimo sada jedan bitan rezultat. .. a1 an . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn ... Sliˇno... . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). → → s L( a1 an → → → → an a1 L(− .. . − ∈ Rm .1.10 Neka je V vektorski prostor (Definicija 1. ... + λn − : λ1 .. →) ⊆ Rm .10 slijedi da je L(− .11 Neka su − . → → Definicija 3... linearne zavisnosti/nezavisnosti.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.. . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. − ). 2.96 POGLAVLJE 3. . z Teorem 3. i 3... tj. Podprostor razapet vektorima a1 an − . Iz Napomene 3. matrice iz Mm1 .11 Oˇito je da je c − − L(→. a1 an Napomena 3. matrice iz M1n .. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).♣ Kako je po Teoremu 3.... Definicija 3. njene z c n redke.5). − ) = {λ1 − + .6 znamo da stupce. − .7 Rang matrice.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. moˇemo promatrati kao vektore u R . Oznaˇavamo ga → → → → a1 an a1 an c − . Elementarne transformacije Neka je A = [aij ] ∈ Mmn . a1 an → → i izravno iz Definicije 3.. Definicija 3... moˇemo promatrati kao vektore u vektorskom prostoru Rm . λn ∈ R}. − je skup svih linearnih kombinacija vektora − ..5 izravno slijedi da je r(A) = r(AT ). Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.5) i neka je L neki podskup od V . iz Definicije 1.. . . − ) podprostor od Rm .. MATRICE I LINEARNI SUSTAVI 3...

. →)) ≤ n. n).♣ Primjer 3. − razapinju L(− . . Neka je 0 ∈ Mmn nul matrica... .. →}.. − )). ... a1 an Vratimo se na konkretan vektorski prostor.. c . − ) → → → → od R razapet sa a1 an a1 an →. .5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).. − ). jer je skup { 0 } uvijek linearno zavisan.14 Uz gornje oznake iz Teorema 3. − ) podprostor a1 an a1 an m − ... Dimenziju vektorskog prostora L(− .. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3.15 Iz Napomene 3.. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. znamo da je u a1 an a1 an bazi najviˇe n vektora.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Neka je In ∈ Mn . . z Teorem 3. i R (A) podprostor Rn razapet redcima od matrice A. ..12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. . − . Napomena 3. Mmn .13 imamo da je r(A) ≤ min(m..1. → → → → Napomena 3..8 Vrijedi: − → 1. − ∈ Rm .. Neka je A ∈ Mmn .. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n...12 Neka su − . Napomena 3. Stoga vrijedi s − − dim(L(→. Neka je R(A) podprostor od Rm razapet stupcima matrice A. 2. Tada je oˇito r(In ) = n. Tada je r(0) = 0. .. Neka je L(− .13 Kako vektori − ..... ..ˇ ˇ 3.

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

A = 0.13 Matrice A. 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.. tj. ekvivalentne matrice imaju isti rang. Matrica H je Hermiteova forma matrice A. matrica M prelazi u jec c diniˇnu. 02 ∈ Mm−r. Neka je A ∈ Mmn . Ir ∈ Mr .16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice.n−r . tj. Isto tako. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . 01 ∈ Mr. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija. ve´ samo njegovu duljinu. c c Napomena 3. Primijenimo li na H elementarne transformacije obrnutim redom. → → a a Napomena 3. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. . OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog.. .. a a ... − n ] (vektori a a a a − 1 . ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. 03 su nul matrice).♠ c Definicija 3. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 . ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima).17 Ako imamo n vektora − 1 ..1.. Dakle.. Kako je r(A) = r(H) = r... jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale..n−r (01 . − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A.. n)..r i 03 ∈ Mm−r. . 02 . gdje je r ≤ min(m. Dakle dobijemo matricu H.ˇ ˇ 3. − n ). − n )... Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . . Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). sastavi se matrica A = [− 1 . .

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

imamo netrivijalno rjeˇenje. s s z s 3... bm : c a11 x1 + a12 x2 + .. xn s z koeficijentima aij ... + a1n xn = b1 a21 x1 + a22 x2 + ... LINEARNI SUSTAVI 101 3..1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . s z suglasan ili mogu´. Takvo rjeˇenje zovemo trivijalno.14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto... c c Napomena 3.. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. c2 . . + a2n xn = b2 .. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. . s . c s z proturjeˇan ili nemogu´. i = 1. 0.. a bi = 0. .2.. Definicija 3.3.. n.. Za sustav kaˇemo da je homogen ako je b1 = . jer x1 = . . n i slobodnim ˇlanovima b1 .... + amn xn = bm . m.... Homogeni sustav je uvijek mogu´.. . = ain = 0.. kaˇemo da je nekonzistentan.. j = 1.. Uredena n-torka (c1 . sustav je nemogu´... uredena ˇetvorka (1. . Ako je barem z jedan bi = 0. .. c2 . s Ako je (c1 . s i = 1. .. i = 1... 2. am1 x1 + am2 x2 + . Ako za neki i = 1.. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.. c s 2. .. . . m vrijedi ai1 = .. Npr.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. . cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .. . Ako sustav nema rjeˇenja. = bm = 0..2.... m.2 3. sustav je nehomogen.. . = xn = 0 daje rjeˇenje c svakog homogenog sustava...18 Primijetimo: 1.

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

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

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

3. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 .1 i Teorema 1.2. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . Treba provjeriti da N (A) ima svojstva iz Definicije 1. tj.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). tj. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .♣ . dakle dokaˇimo da za proizvoljne c z − . Dokaz: Oˇito je N (A) ⊆ Rn .2 su oˇito zadovoljena. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . x x − → Oˇito je 0 ∈ N (A).♣ s c z s x → Iz Teorema 3. Tada je.8 i Napomene 3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . → ∈ 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). A− = b i A− = b . c Napomena 3.22 N (A) je podprostor od Rn . u u Dakle je N (A) vektorski podprostor od Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. gdje je λ ∈ R proizvoljan.2. u v u v − → dakle → + − ∈ N (A). c 3.5. c Svojstva iz Teorema 1.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .3 Homogeni sustavi → Iz Napomene 3.

tj.♣ Napomena 3.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . ut rjeˇenja homogenog sustava c s − = − . MATRICE I LINEARNI SUSTAVI Iz Napomene 3.9 II. → → → → u u y y − → → II. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. Onda. 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))..23 Primijetimo: → 1. tj. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. N (A) = { 0 }. gdje je − ∈ N (A).8 je matrica A regularna. 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). → → → → Ax a y y 2. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. Po Teoremu 3. iz jedinstvenosti zakljuˇujemo da je − = 0 . ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . s Dokaz: (Dokazujemo samo tvrdnju II. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. rjeˇenje je x s u s jedinstveno. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . . svako rjeˇenje je oblika − 0 + 0 . Tvrdnja Teorema 3.106 POGLAVLJE 3.. z s . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Kako je iz Teorema 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Teorem 3.9.9 I.) − → → − → − Ako je matrica A sustava A− = b regularna. onda po Teoremu 3.9 I. Tvrdnja Teorema 3. s x → − → → Obrnuto. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A)..22 zakljuˇujemo da ako su u1 . prema Teoremu 3.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.

.. Kako je r(A0 ) = r. cn proizvoljni realni parametri... pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. − arn xn . r. . + a1r xr = b1 − a1r+1 xr+1 − .. − ain cn za i = 1.. LINEARNI SUSTAVI 107 3. . .. . iz Teorema 3.2.. prebacimo ˇlanove s nepoznanicama xr+1 . pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. + arn xn = br . kao βi (c) = bi − air+1 cr+1 − . .. ..8 II. c Dakle. imamo sustav − → − x A0 →0 = β (c). xn na desnu stranu i doc bijemo: a11 x1 + . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .2. . Iz Teorema 3... − a1n xn .... ar1 x1 + .. uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. − → Prvo treba odrediti rangove matrica A i Ab .... pri ˇemu su cr+1 . . + arr xr + arr+1 xr+1 + . .. . − → Uvedimo novi vektor desnih strana β (c).... ar1 x1 + . .8).. . . Nadalje..3. + a1n xn = b1 . Ako oni nisu jednaki..6 imamo da je A0 regularna.4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. + arr xr = br − arr+1 xr+1 − . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. Ako su rangovi jednaki (r(A) = r(Ab ) = r). + a1r xr + a1r+1 xr+1 + .

iz Teorema 3... .8 II. . − − → u u u pri ˇemu su µr+1 . ....10 I. cr ]T ). cn su slobodni prametri.. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . cr ]T .. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .... → → Teorem 3.. − n ) baza s x u u u − → − = b oblika → od N (A).. cr .3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. dimR(A) + dimN (A) = n. .7 odnosno toˇki 3.24 Tvrdnja Teorema 3... cr+1 ...♣ c Napomena 3. + µn − n . cr koji su dani s A−1 β (c) = [c1 . i obratno...... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . + µn − n . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). Broj dimR(A) smo zvali rang od A. µn proizvoljni parametri. − u u u pri ˇemu su µr+1 . tj. r(A) = dimR(A) = n. . Brojevi cr+1 ... cn ]T je rjeˇenje sustava A− = c s x − → b. .. ..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I... .. → x → → Dakle...♣ Iz Teorema 3.. Kako je (− r+1 . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A).. − = [c1 ..1.. cn postoje → − jedinstveni c1 . onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . 0 U toˇki 3. µn proizvoljni parametri.2. → → − II..9. . a broj dimN (A) defekt od A. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + .11 izravno slijedi iz Teorema 3.. . Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. .. Teorem 3.. dok brojevi c1 .. c .108 koje je oblika POGLAVLJE 3.11 Ako je (− r+1 . ..

. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 . . b ] mnoˇili s lijeva elementarnim matricama Q1 . .5 Determinanta. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). m ima nule. na aij za i = k + 1.1. Q1 · Q2 · · · Qq · b ] = [A . − → mi smo zapravo matricu [A.. k. b ] dobili matricu [A . Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. a ostale pozicije su ”nebitne”).. b p . ima nule. . posebno dizajnirane. b ] (gdje je matrica A takva da na pozicijama a11 .. . j = 2. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3... uz male modifikacije je numeriˇki stabilan. na aij za i < j. z Za neke se posebne matrice druge. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Radimo li to elementarnim transformacijama samo nad redcima. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.. 3. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab .2. ... b ].. Ovaj se postupak moˇe primiz jeniti na sve matrice. n) ima jedinice.6. A −→ det A. lagano moˇemo oˇitati rjeˇenje). tj.. metode mogu pokazati brˇima (manja im je sloˇenost).. imamo postupak Gaussovih eliminacija. na aij za j < i ima nule.2. tj... akk za k ≤ min(m. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. . sloˇenost mu je c z 3 ∼ n (tj. Qq . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A..3.

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

Neka je A ∈ Mn dijagonalna matrica. Svojstva determinante su: 1. . Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. Ako je A ∈ Mn trokutasta (gornja ili donja). determinanta mijenja predznak. pravilo za c raˇunanje inverza matrice). Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . det(Qij A) = − det A. c 4. Posebno je c det In = 1.7.3. n ≥ 2. n ≥ 2.1.2. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. onda sc je det A = 0. 2. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. onda je det A = 0. 3. onda je det A = a11 a22 · · · ann . je razvoj determinante po prvom redku.

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

14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.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 . ♣ Napomena 3.26 Ako je A ∈ Mn regularna.i+1 = 0).12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. ♣ U Teoremu 3. z Teorem 3. ♣ . Ako to nije mogu´e. onda je det A = 0.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.2. ♣ Iz Teorema 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.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 . tj.3. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. Dakle oˇito je det A = 0.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. 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.♣ Teorem 3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . Teorem 3. Teorem 3. ai+1.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Dokaz: Iz Teorema 3. itd.12 Za proizvoljne matrice A. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . B ∈ Mn vrijedi det(AB) = det A · det B. LINEARNI SUSTAVI 113 ispod njega. Radimo sve analogno sve do zadnjeg elementa na dijagonali. Teorem 3.i+1 (naravno.

det A Dokaz: Ako je det A = 0. det A Dakle A je regularna i A−1 = kof (A) det A .16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Kofaktor matrice A oznaˇavamo s kof (A). Promatramo zbroj n (−1)j+k aik det Ajk . Analogno ide dokaz za stupce. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. k=1 Oˇito. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. tj. onda je po Teoremu 3.114 Veliˇinu c POGLAVLJE 3. 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.27 izravno slijedi: Teorem 3. (−1)k+i det Aki . tj.♣ Iz Napomene 3.♣ . ako je i = j. k) stoji kofaktor elementa aki matrice A. onda iz Teorema 3.16 imamo da je 1 kof (A) · A = In .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . c c Dokaz: Neka su uzeti i-ti i j-ti redak.26 smo vidjeli da ako je A ∈ Mn regularna. Definicija 3. c Napomena 3.13 prethodni zbroj jednak det A. Vrijedi i obrat.28 U Napomeni 3. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . Inaˇe je zbroj det A. onda je det A = 0. ♣ Napomena 3.

je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. → ∈ Rn . − → → Iz Teorema 3. k = 1. xn = .3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. onda takav linearni x y operator zovemo linearnim funkcionalom. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . a Dk . D x2 = D2 Dn . µ ∈ R i sve − . Takvu x x funkciju zovemo linearni operator. µ ∈ R i sve − .3 3.3.♣ a 3. 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 . Rm = R. Ako je matrica A regularna. .28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . A je regularna ako i samo ako je det A = 0.. . n. za sve λ. D D pri ˇemu je D = det A. Definicija 3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. .26 i Napomene 3. . → ∈ Rn .. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. Ako je m = 1. .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Stoviˇe. Rjeˇenje je dano s − = A−1 b . → x Teorem 3. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. ..3. s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna. onda je rjeˇenje z s tog sustava dano s x1 = D1 .

Dokaˇimo da je i F + G linearni z operator. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.116 POGLAVLJE 3. 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 (− ).16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . tvrdnja slijedi.1 i Teorema 1.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. MATRICE I LINEARNI SUSTAVI Napomena 3. µ ∈ R i sve →. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.5. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). Iz Definicije 3. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. − ∈ Rn . x x Napomena 3. − ∈ Rn .2. tj.♣ . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. dakle zadovoljavaju tre´e svojstvo Definic cije 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. 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. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Dokaˇimo da vrijede i prva dva. µ ∈ R i sve →. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).5.

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

y). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. z) = x.2. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. z .3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . a defekt dva. c H =GF .18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . tj. Iz Napomene 3. Sada nas zanima kada su ti vektori kolinearni. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . z) = (x.10 izravno slijedi teorem o rangu i defektu za linearni operator. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Napomena 3. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . Tada je po Teoremu 3. a defekt jedan.3. F ∈ Mn ). − → → → Nadalje. tj. vrijedi dimN (F ) + dimR(F ) = n.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.32 i Teorema 3.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Njegova je matrica dana s 1 0 0 0 1 0 .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. odnosno dimN (F ) = dimN (F ). Oˇito je rang od p1 jednak jedan (jer je slika x-os).10 Pogledajmo sljede´e primjere: c 1. Neka je F : Rn −→ Rm proizvoljan linearni operator. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Kako su F i F ustvari isti linearni oper− → − → atori.118 POGLAVLJE 3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). c 2. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. y. MATRICE I LINEARNI SUSTAVI Napomena 3. Njegova je matrica dana s 1 0 0 . Primjer 3. y.♠ c 3. iz toˇke 3.

x x → → Vektor − 0 ∈ Rn . Dokaz: 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . Izravno iz Definicije 3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 .17 Neka je A ∈ Mn .17. ♣ Napomena 3. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . tj. A− 0 = x x − 0 . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . c x y tj.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. 2. tj.3. x y x y x y . → → 2. da c z s zadovoljava uvjete Definicije 1. neka je µ ∈ R µ = 0 proizvoljan. x x x x → Dakle za svaki µ ∈ R. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Napomena 3. Dokaz: Oˇito je S(λ0 ) podskup od Rn . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. − ∈ S(λ0 ).2 oˇito zadovoljava.1 i Teorema 1. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Nadalje. → → Svojstva iz Teorema 1. y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Nadalje neka su − . µ = 0. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .33 Primijetimo: → 1.5.

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

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

122 POGLAVLJE 3.2 = cos ϕ ± Kako je ϕ = kπ. c s c z itd. nul matrice. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Tada su sve njene svojstvene vrijednosti realne. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. . tj. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. imamo cos2 ϕ − 1 < 0 tj. iterativne metode. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. cos2 ϕ − 1. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ).19 Neka je A ∈ Mn simetriˇna matrica.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Tako npr. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. Definicija 3. tj. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. Za dijagonalne matrice. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. Stoga se koriste razne pribliˇne metode. za nul matrice.♠ Dakle iz Primjera 3. za trokutaste. k ∈ Z. c Teorem 3. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. svojstvene vrijednosti od A nisu realni brojevi.18 Za matrice A. da A c nema realnih svojstvenih vrijednosti. svaki vektor kanonske ortonormirane baze od Rn je svojstven.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Nadalje. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. Medutim.

d ne mogu biti nula. jer u suprotnom matrica P nije regularna. Primijetimo da a. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. tj. tj. b. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. pretpostavimo prvo da je b = c = 0. dijagonalizirati matricu A. Dakle matricu A ne moˇemo dijagonalizirati. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. b.20 Sliˇne matrice imaju iste svojstvene vrijednosti. b. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. onda iz druge jednadˇbe imamo da je y = 2. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu.12 Neka je matrica A dana s A= 2 0 1 2 . ˇto ne moˇe biti. c. a b c d . Takoder nikoja tri od a. Pokuˇajmo je dijagonalizirati. pokuˇajmo prona´i regularnu matricu s s c P = takvu da vrijedi P −1 AP = Uoˇimo da je gornja jednakost ekvivalentna s c AP = P dakle imamo 2a 2b a + 2c b + 2d Odnosno. c. d svi razliˇiti od nule. x 0 0 y . c.3. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy.♠ c s z z = ax by cx dy . z Uzmimo sada da je samo a = 0. c Primjer 3. Dakle. analogno vrijedi za a = d = 0.3. To nije uvijek mogu´e. x 0 0 y . d ne mogu svi biti istodobno nula. s z Dakle ostaje nam samo sluˇaj kada su a.

z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. a odgovaraju´i se svojstveni vektori podudaraju.. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A.. c c Teorem 3. c Kako je KA (λ) polinom n-tog stupnja.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. tj.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. dijagonalna..12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. Sada. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). . λn od KA (λ) zovemo algebarska kratnost od λ0 . Ipak. . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. nultoˇka od KA (λ).35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . ..34 znamo da je skup S(λ0 ) potprostor od Rn .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . ona se u nizu c nultoˇaka λ1 . λn od KA (λ) pojavljuje barem jednom. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. Dakle 0 nije svojstvena vrijednost.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . ♣ Teorem 3. A je regularna.. Tada iz Napomene 3.. λn . tj. . ako je λ0 svojstvena vrijednost od A ∈ Mn ..21 Neka je A ∈ Mn simetriˇna. c Teorem 3. λn .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.. s Teorem 3. .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .♣ Napomena 3.♣ c . Obratno.. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . c Napomena 3. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. λ−1 . MATRICE I LINEARNI SUSTAVI Iz Primjera 3.... Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Ako je A joˇ simetriˇna onda iz Teorema 3.. iz osnovnog teorema algebre (Teorem 5.124 POGLAVLJE 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

Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . c s c c c tj. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . onda je lim an an = n−→∞ . ako je bn = 0 i n−→∞ lim bn = 0. Ako je r ∈ R. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε).♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. lim (an ± bn ) = lim an ± lim bn .♣ an Teorem 4. c Teorem 4. konvergira li.1. prema kojoj vrijednosti. n−→∞ n−→∞ n−→∞ 2. c c c Npr. n−→∞ n−→∞ 3.4 Neka su (an ) i (bn ) konvergentni nizovi. ako ne i nemogu´e. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. te c ∈ R proizvoljan. proizvoljan i an ≥ 0 za svaki n ∈ N. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. i ako da. Tada c an −→ 0 ⇔ 1 −→ ∞. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. r = 0.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno.3 Neka je (an ) niz s pozitivnim ˇlanovima. . lim (an bn ) = lim an lim bn . lim (can ) = c lim an . Tada vrijedi: 1. NIZOVI I REDOVI 4.5 Neka je (an ) konvergentan niz. n−→∞ n−→∞ n−→∞ 4.132 POGLAVLJE 4.

ε).6 Monoton. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. c Dokaz: Neka je (an ) monoton i ograniˇen.♣ c z s Napomena 4. Onda je po Napomeni 4.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . ili u ˇirem smislu. c c . NIZOVI REALNIH BROJEVA 133 Teorem 4.3 imamo |q | −→ ∞. n−→∞ Dokaz: Iz toˇke 4. odrediti.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.. Pogledajmo prvo sluˇaj |q| < 1. i ako npr. tj. dakle ili q −→ ∞. dakle divergira ili u uˇem. ako s z s s (an ) ima barem dva gomiliˇta G i G . ograniˇen niz je konvergentan. Tada po Teoremu 4.2 niz (an ) ima barem jedno c gomiliˇte. po Teoremu 4.4. c Napomena 4. niz (an ) s konvergentan. Teorem 4. znamo da neˇto postoji. on moˇe imati najviˇe jedno gomiliˇte. G > G . ˇto ne moˇe biti jer je G gomiliˇte. (an ) raste. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova.4. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. log |q| Dakle svi ˇlanovi niza 1. q 3 . To je ekvivalentno s |q| < ε. c c c Prema Teoremu 4.4 dovoljno je promatrati niz s a1 = 1.. 1 |q n | Neka je sada |q| > 1.1.. q 2 . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. niz 1. vrijedi lim inf an = lim sup an ∈ R. izraˇunati. U suprotnom. jer je log |q| < 0. Tj. no ne c s znamo koliko je i kako to na´i. . tj. q.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj.♣ Teorem 4.. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .6 je tipiˇni teorem egzistencije. Tada je n 1 |q| < 1. Imamo log ε n> . za svaki n ∈ N. q. Dakle imamo samo c c s z s jedno gomiliˇte. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. pa je lim an = 0. dakle divergentan.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . Logaritmiranjem se dobije n log |q| < log ε. Kako je (an ) monoton. Sada. Za |q| < 1 je lim an = 0. q 2 .1. pa prema prethodnom niz n n −→ 0. q 3 . ..

Tada vrijedi ∞. Neka je niz (an ) dan formulom an = n n.1. . Neka je niz (an ) dan formulom an = nλ . n 6. √ 3. ∀r ∈ N). NIZOVI I REDOVI Teorem 4. n−→∞ n−→∞ n 4. gdje je λ > 0. Neka je niz (an ) dan formulom an = n λ.134 POGLAVLJE 4.7 je najop´enitiji. Tada vrijedi   ∞. ako je λ < 0 √ 5. λ = 1. ako je 0 < λ < 1. gdje je λ ∈ R proizvoljan.♣ Teorem 4. c z 4. Tada vrijedi n−→∞ lim an = 1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. ako je λ > 0  lim an = 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. tj. gdje je λ > 0 proizvoljan. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. Tada vrijedi lim an = 1. Tada n! vrijedi lim an = 0. ako je λ > 1 lim an = n−→∞ 0. gdje je λ ∈ R proizvoljan. teˇe k nuli. ako je λ = 0. 2. Neka je niz (an ) dan formulom an = |λ| . n−→∞   0.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. proizvoljan. 1 n . Neka je niz (an ) dan formulom an = λn .

Definicija 4. ∞ an je oznaka za n=1 Primjer 4. tj. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). REDOVI REALNIH BROJEVA 135 4. kaˇemo da i red z Napomena 4. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. gdje je (Sn ) niz parcijalnih suma niza (an ). a oznaka an divergira.2. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). a3 . . a1 . Ako je S = lim Sn < ∞. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + .9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ).4.1 Redovi realnih brojeva Pojam reda... kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S.8 Pogledajmo sljede´e primjere: c .8 Neka je (an ) niz.2. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . No. Red dobiven od niza (an ) oznaˇavamo s c an . a konaˇna suma postaje red. zareze zamijenimo plusevima c dobijemo beskonaˇni red.8 Oznaka sumu reda an . an je oznaka za red. konaˇna suma. a2 . n=1 Ako niz parcijalnih suma (Sn ) divergira. c Definicija 4.2 4. Za svaki konaˇan n z c veliˇina Sn je dobro definirana.. + an = k=1 ak = Sn . Dakle. tj. n-ta parcijalna suma. (Sn )). Konvergencija reda Ako u beskonaˇnom nizu (an )..

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

Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. n 1 (−1)n−1 n uvjetno konvergentan.♣ c Uoˇimo da iz Primjera 4.4.9 ne slijedi obrat Teorema 4. c . Primjer 4. onda op´enito red c c c an ne mora konvergirati. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.10 Iz Primjera 4. S = lim Sn = n−→∞ n=1 an .8).♣ 1 1 Napomena 4.9 op´enito ne vrijedi. c c ako op´i ˇlan niza (an ) konvergira u nulu. an .9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Definicija 4. 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 = 0.2.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. Ako red an konvergira. kaˇemo da red z an konvergira uvjetno.8. a red |an | ne konvergira.♠ 2n n−→∞ ∞ Napomena 4. oˇito vrijedi c Sn+1 = Sn + an+1 . Dakle je red Teorem 4.8 Ako red apsolutno konvergira. REDOVI REALNIH BROJEVA za svaki n ∈ N. tj. tj.♠ dok red 1 n divergira (Primjer 4. Nadalje.10 Red an apsolutno konvergira ako konvergira red |an |. onda on konvergira i obiˇno.8 znamo da red = divergira i da je lim n n−→∞ n 0.

. + a1 q n ..5 imamo da je lim Sn = a1 lim a1 1 − qn = . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Pretpostavimo suprotno. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan.. tj. Nadalje. da geometrijski red a1 q konvergira i da je |q| ≥ 1. = a1 q n−1 . tj.. q ∈ R proizvoljni. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . NIZOVI I REDOVI 4.138 POGLAVLJE 4. c Pretpostavimo da je a1 = 0 i |q| < 1. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . onda je oˇito an = a1 . a to divergira za svaki a1 = 0. Teorem 4. Ako je q = 1. Iz Teorema 4. Sn = a1 + a1 q + a1 q 2 + . n−→∞ 1 − q 1−q 1 − qn . pa je Sn = na1 . imamo Sn − qSn = a1 (1 − q n ). pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. zovemo geometrijski red s kvocijentom q. + a1 q n−1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. c Ako je q = −1.. onda je oˇito an = a1 (−1)n−1 . gdje su a1 . vrijedi Sn = a1 za svaki n ∈ N. tj. Nadalje kako je c n−→∞ lim an = 0 .2..2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . Pogledajmo n-tu parcijalnu sumu. a1 q n−1 = 1−q n=1 Obrnuto.

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.♣

red an0 + an0 +1 + .. . za svaki n ∈ N. za svaki m ∈ N.♠ 1 xn−1 (n−1)! 4. an za svaki n ≥ n0 .2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. i suma mu je 1−x .3.13 1. Oˇito je za x = 0 svaki red potencija konvergentan. gdje je x ∈ R proizvoljan. Dakle. . Ako red n an x0 divergira.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Tada iz Teorema 4. za svaki n ∈ N.18 Neka je 0 < λ < 1. Dokaz: Neka su λ ∈ R. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . . onda red an konvergira. Red oblika an xn . zovemo red potencija. Neka je an = 1.146 POGLAVLJE 4. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. . an0 +2 ≤ λan0 +1 ≤ λ2 an0 . i n0 ∈ N takvi da vrijedi an+1 ≤ λ.♣ Primjer 4. 0 < λ < 1.. c Teorem 4. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. 1 2. . i n0 ∈ N takav da je an+1 ≤ λ. an za svaki n ≥ n0 . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. onda konTeorem 4.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. an0 +m ≤ λm an0 . Dakle imamo an0 +1 ≤ λan0 . Neka je an = n! . Ako postoji λ ∈ R. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex .

19 Neka je an red s pozitivnim ˇlanovima.4.8 znamo da on = 1. n2 Tada iz Primjera 4. n−→∞ an lim onda red an konvergira za l < 1.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .♣ .3 Cauchyev kriterij Teorem 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.3. ali vrijedi 1 .3.. Sada iz Napomene 4. n Tada iz Primjera 4. konvergira. Ako postoji λ ∈ R. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.9 konvergira.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Ako postoji limes c an+1 = l. Neka je dan red divergira. divergira za l > 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.16 imamo da i red an0 + an0 +1 + . an konvergira. 4. 1 n+1 lim n−→∞ 1 n 2.14 1.. onda red an ≤ λ. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.8 znamo da on konvergira. Neka je dan red vrijedi 1 . imamo da red c an konvergira. c Primjer 4.♣ Napomena 4. c 0 < λ < 1.

postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. Ako postoji lim sup n |an | i lim sup n |an | = 0. c Teorem 4.15 Analogno kao i u Primjeru 4.♠ c s Cauchyev kriterij je jaˇi.1. a divergira za sve x ∈ R za koje je |x| > ρ.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. onda red an konvergira za l < 1. divergira za l > 1.148 POGLAVLJE 4.14 za red odnosno red n znamo da divergira odnosno konvergira.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.20 zovemo radijus konvergencije reda potencija a n xn .19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. tj. . Ako postoji limes c n−→∞ lim √ n an = l. c 1 Primjer 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. a iz toˇke 4. (an ) niz u R i x ∈ R prozvoljan. NIZOVI I REDOVI Napomena 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).20 Neka je an xn red potencija.

). n2 1 n x n2 dakle je ρ = 1. Tada imamo sljede´i kriterij (Leibnic c zov): . n 2.4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. c sin n. n Tada je 1 = lim n−→∞ n n 1 = 1. a divergira za |x| > 1.20 red potencija |x| < 1. tg n. Po Teoremu 4.20 red potencija |x| < 1. a divergira za |x| > ρ (ako lim sup n |an | postoji).20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. 4. KRITERIJI KONVERGENCIJE Primjer 4.3. itd. n2 Tada je n 1 = lim n−→∞ n2 1 = 1.8 imamo da konvergira i red (−1)n .9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Po Teoremu 4. a divergira za |x| > 1. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). iz Primjera 4. onda iz Primjera 4. Ako je x = 1 onda. Neka je dan red potencija lim sup n 149 1 n x . konvergira za Pogledajmo sada ako je |x| = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. Iz n2 n2 1 Teorema 4. Ako je x = −1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. dakle i apsolutno konvergira red (−1)n .♠ n2 Teoremu 4.16 1. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.8 znamo 1 1 da red konvergira. n 1 n x n dakle je ρ = 1. konvergira za Pogledajmo sada ako je |x| = 1.3. Teorem 4. Neka je dan red potencija lim sup n 1 n x . Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. dok za x = 1 red n 1 divergira.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. ali smo u Primjeru 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. (−1)n .

onaj indeksiran c neparnim indeksima je padaju´i. Ako red poˇinje pozitivnim ˇlanom. onda je podniz od Sn indeksiran parnim indeksima rastu´i. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. Zaista. vrijedi S2n = a1 − (−a2 − a3 ) − . ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0.♣ c ... − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . i istog je predznaka kao taj ˇlan. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i.21 Ako red POGLAVLJE 4. dakle je S2n+2 ≥ S2n za svaki n ∈ N. a a2n negativan za svaki n ∈ N. S2n je omeden s a1 . tj. Ako red poˇinje negativnim ˇlanom. iz Teorema 4. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana.6 slijedi da su nizovi konvergentni. Nadalje.. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Kako je po pretpostavci a2n+1 ≥ 0. Nadalje. s c |Rn | = |S − Sn | ≤ |an+1 |. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N.. imamo a2n+1 + a2n+2 ≥ 0. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S.150 Teorem 4. tj. + (−a2n−2 − a2n−1 ) − a2n ]. tj. za svaki n ∈ N. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . NIZOVI I REDOVI an alternira. te kako vrijedi |an | ≥ |an+1 |. c c ako je a1 ≥ 0. imamo da je S2n razlika od a1 i strogo pozitivnog broja. Kako smo pretpostavili da je a2n−1 pozitivan. onda imamo obratnu c c c situaciju. onda taj red konvergira. S2n+2 = S2n + a2n+1 + a2n+2 .

21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira. KRITERIJI KONVERGENCIJE Primjer 4.3.17 Iz Teorema 4.♠ s .4.

.

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

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

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

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

1. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.3 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. z s Iz Napomene 5. Npr. c kruˇnica u ravnini nije graf niti jedne funkcije.3: Primjer krivulje koja nije graf funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5. ˇto je suprotno s definicijom funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. c y x0 0 x Slika 5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. .5.

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

i strogo je monotona na svakom intervalu u R. pa i na cijelom R. . tj. 0]. z c Primjer 5. i strogo je rastu´a na svakom intervalu c u R. D(f ) = R. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). c c strogo padaju´a u svakoj toˇki iz −∞.♠ c Svaki interval oblika x0 − ε. pa i na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. D(f ) = R. Posebno. zovemo c okolina toˇke x0 . dok u 0 nije ni rastu´a ni c c c padaju´a. +∞ . funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. tj. Posebno. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. Posebno. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. R(f ) = {x ∈ R : x ≥ 0}. 3. Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. Analogno. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. tj. i slika su joj svi nenegativni realni brojevi. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R.1 1. pa i na c cijelom R. +∞ i strogo padaju´a na svakom intervalu u −∞. tj. D(f ) = R. D(f ) = R. i strogo je monotona na svakom intervalu u 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. tj. i strogo je padaju´a na svakom intervalu u R. ε > 0. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0.5. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). c 4. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. 0 . c 2.1. c Dakle. funkcija f (x) = 5 je monotona u svakoj toˇki iz R.

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

b ili D(f ) = a. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. za svaki x ∈ D(f ).1. tj. f (x) = |x|. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). onda kaˇemo da je funkcija f parna. D(f ) = [a.3 1.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. |x| su . s Primjer 5. Funkcije f (x) = x2 . Funkcije f (x) = x. tj. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna.4: Primjer funkcije s lokalnim ekstremima. Problem nalaˇenja ekstrema je vrlo bitan.5. za svaki x ∈ D(f ) . b]). f (x) = x|x| su neparne. D(f ) = [a. f (x) = x3 . z Ako vrijedi f (−x) = −f (x). 2. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. f (x) = parne fukcije. b]. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). z c c Napomena 5. Ako vrijedi f (−x) = f (x). dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. onda kaˇemo da je funkcija f neparna. Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval.♠ 1 . OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. f (x) = x4 .

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

) c z . i to brˇe od svakog pravca. (Npr. (Npr. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. s c c c c 2.1. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. Tada oˇito f strogo raste u +∞. 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 z c funkcija f : 0. neka je funkcija c 1 c f : 1. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. +∞ −→ R dana formulom f (x) = xx . a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). +∞ ili −∞. Ako z je a ∈ R taj rub. To znaˇi z c da. +∞ −→ R dana formulom f (x) = x−1 .5.) 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 −∞. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. tj.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. neka je funkcija f : [0. c c (Npr. +∞ −→ R dana formulom f (x) = 2x . ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub.

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

. c 1 Uzmimo ε = 2 . gdje je I ⊆ D(f ). Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. dok je u svim drugim toˇkama neprekidna. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Odnosno. 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 . funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. Dakle nula je toˇka prekida od f . Kad bi imala dvije asimptote u jednom rubu. x > 0  sign x = 0. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. f (x0 ) + ε .3 kaˇe da je funkcija f : I = a. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. Definirajmo sada pojam neprekidnosti funkcije. x = 0   −1 x < 0 Funkcija f ima prekid u 0. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. Intuitivno. c 165 Napomena 5. b −→ R.5. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota.1. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ.7 Ako funkcija ima asimptotu. z Definicija 5. x0 + δ ) ⊆ f (x0 ) − ε. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Definicija 5. pravac).3 Realna funkcija realne varijable f : I = a. Primjer 5.5 Neka je dana funkcija sign : R −→ R formulom   1. 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 ).

b −→ R neprekidna u toˇki c x0 ∈ I. FUNKCIJE y 1 0 x −1 Slika 5. 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. funkcija je neprekidna u x0 . za svaki x ∈ I. takav da je c |f (x)| ≤ M .4. Napomena 5. je ograniˇena ili omedena na I ako postoje realni brojevi m.8 Ako u Definiciji 5. c . |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.10 Ako je funkcija f : I = a. za svaki x ∈ I. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. onda je funkcija f ograniˇena na nekoj okolini oko x0 .♠ z Definicija 5.9 Iz Definicije 5. tj. Analogo se dokaˇe za x0 < 0.4 stavimo M = max{|m|.8: Funkcija sign(x). Ako je x0 > 0. je ograniˇena na I ako postoji realan broj M ∈ R. tj. gdje je I ⊆ D(f ). b −→ R. b −→ R.166 POGLAVLJE 5. M ∈ R c takvi da je m ≤ f (x) ≤ M. gdje je I ⊆ D(f ). Napomena 5. Napomena 5. za svaki x ∈ I. M > 0. iz uvjeta m ≤ f (x) ≤ M.4 Realna funkcija realne varijable f : I = a.

1. OSNOVNI POJMOVI 167 Napomena 5.5. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. c D(f g) = D(f ) ∩ D(g). c Za zadane dvije funkcije f. c c S druge strane. c c 5. g : R −→ R. c D(f ± g) = D(f ) ∩ D(g). dok je sama vrijednost funkcije f (0) = 0).zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). tj. pri ˇemu je x ∈ D(f ) ∩ D(g). Npr. tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali).kvocijent s f g (x) = f (x) . x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞.produkt s (f g)(x) = f (x)g(x).5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. g(x) .1. funkcija f : R −→ R dana c c formulom 1 . onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. x=0 x f (x) = 0. tj. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. definiramo njihov . . funkcija sign : R −→ R iz Primjera 5.11 Ako funkcija ima prekid u toˇki. i z kako. .5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. realnim brojevima. tj. pri ˇemu je x ∈ D(f ) ∩ D(g).

Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Napomena 5. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).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. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R.3). g : R −→ R. graf funkcije f + g je isti kao i graf funkcije f .13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5.5). a) Ako je c = 0. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).. x . Uoˇimo da je D(g) = R.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). pa je D(f ± g) = D(f ). Dakle imamo definirano c c mnoˇenje funkcije skalarom. z c z Napomena 5. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. 1. b) Ako je c > 0. x. Npr.. dakle beskonaˇni skup {xn . .168 POGLAVLJE 5. c Preciznije. tj. c) Ako je c < 0. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. n = 0. skup funkcija {1.. Tj. . onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). c c ∈ R. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. 1. pri ˇemu je f proizvoljna.. . a g dana formulom g(x) = c. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. c c Neka su f..

9: Graf funkcije f (x) + c za c > 0. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). 2.10: Graf funkcije 2f (x). pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . Dakle. onda je (f g)(x) = 0 za svaki x ∈ D(f ). tj. samo je usporen pad i rast c funkcije f . funkcija f g ima iste nultoˇke kao i funkcija c c f . b) Ako je 0 < c < 1. y 2 f(x) 0 f(x) x Slika 5. Graf funkcije f g je pravac y = 0 ili x os. vrijedi |(f g)(x)| ≤ |f (x)|.5.1. a) Ako je c = 0. Graf funkcije f g je sliˇan grafu funkcije f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. Pogledajmo funkciju f g u ovisnosti o c ∈ R. .

pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . Dakle. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . onda je (f g)(x) = f (x) za svaki x ∈ D(f ). ali su suprotnog c . Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . vrijedi |(f g)(x)| ≥ |f (x)|. c d) Ako je c = 1. Graf funkcije f g je isti kao i graf funkcije f . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . funkcija f g ima iste nultoˇke kao i funkcija c c f . y 0 f(x) x −f(x) Slika 5.170 POGLAVLJE 5.11: Graf funkcije −f (x). f) Ako je −1 < c < 0. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. e) Ako je c = −1. g) Ako je c < −1. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . tj. Dakle. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta. onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Dakle. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. FUNKCIJE c) Ako je c > 1. funkcija f g ima iste nultoˇke kao i funkcija f . onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). vrijedi |(f g)(x)| ≤ |f (x)|. tj. vrijedi |(f g)(x)| ≥ |f (x)|. ali su suprotnog predznaka.

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

tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. te funkcije f g i obje parne. dok su funkcije f g i f obje neparne. Definicija 5. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). 2. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. onda je funkcija f ± g neparna. Ako je jedna funkcija.4).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)). Ako su obje neparne. f g i f g f g sve parne. Matematiˇki se to formalizira pojmom kompozicija funkcija. g 5. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. g : R −→ R funkcije. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.172 POGLAVLJE 5.12: Kompozicija funkcija. recimo g. onda su funkcije f ± g. Neka su f. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. . 3.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. neparna a f parna. c h f A B g C Slika 5.1. Tim se postupkom mogu stvarati nove z funkcije. Primjer 5. Ako su obje parne.

za tu funkciju vrijedi g ◦ f = f ◦ g = g. 3x + 1 3x + 1 2x 6x = . da je. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu.6 vidimo da operacija kompozicije funkcija nije komutativna.♠ 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.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . U takvom sluˇaju piˇemo f 2 = f ◦ f . za svaku funkciju g : R −→ R. tj. tj. c Napomena 5. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). z funkciju f komponirati samu sa sobom. 1 . Napomena 5. Naime. g ◦ f = f ◦ g. za proizvoljnu funkciju f . Dakle imamo f ◦ id = id ◦ f = f. 1 Primjer 5. Tada je oˇito c D(f ) = R(f ). . OSNOVNI POJMOVI Primjer 5.5. op´enito.♠ x+1 x+1 173 2x . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f .6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.7 Neka je dana funkcija f (x) formulom f (x) = x . moˇemo gledati funkciju f ◦ f .1.

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

OSNOVNI POJMOVI 2.13: Kompozicija funkcija. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x).1. g f N N P P P P g f N P Slika 5. c . Toˇnije. ali to ´emo detaljnije razraditi kasnije. a funkcija g definirana c i neprekidna u f (x0 ). Parnost kompozicije u ovisnosti o parnosti komponenata. Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). onda je i kompozicija g ◦ f neprekidna u x0 . 175 a) Ako su funkcije f i g parne. d) Ako je funkcija f neparna a g parna. z 3. c) Ako je funkcija f parna a g neparna. ako je funkcija f neprekidna u x0 . b) Ako su funkcije f i g neparne. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x).5.

i joˇ 500 kn za dovoz i odvoz. FUNKCIJE 5. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. Primjer 5.176 POGLAVLJE 5. . Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. 2. 200x + 500 = 1300. i obrnuto. 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. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. Drugim rijeˇima.. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena.. .♠ z s Definicija 5. Kaˇe se i da z c z f ne lijepi argumente. 10 sati rada stroja koˇtati 2500 kn.. Nas zanima x(y).9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. 12}. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. To je za neke funkcije mogu´e. Dakle. tj.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). a za z c neke nije.1.8 Troˇkovi rada stroja su 200 kn/h. b : studenti −→ {0. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. s s Jasno je da ´e nas npr. Ne c c moˇemo rijeˇiti problem. tj.♠ Primjer 5. moˇe biti viˇe studenata koji su imali nula bodova. Uspjeli smo rijeˇiti problem. c s Pogledajmo sada obratni problem.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Dakle imamo. 1. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.

n ∈ N.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. ali ne i za paran n. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5.1.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. 1). surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. x2 ∈ D(f ).11 U Primjeru 5.♠ Primjer 5. za bilo koji c ∈ R. Napomena 5. Definicija 5. c c Definicija 5.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. je injekcija za neparan n. .14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).10 Funkcija f (x) = xn .18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.8 izraˇunali smo da je x(1300) = 4. a injektivnost njegovu jedinstvenost. Napomena 5. f : D(f ) → R(f ) je uvijek surjekcija.5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . s c Primjer 5. tj. 1) i (1.6 c ekvivalentan sljede´em: za x1 . Injektivnost.

200 (200x − 500) + 500 = x. 200 POGLAVLJE 5.178 dobivamo formulu za x u terminima c. 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). dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.♠ 200 Definicija 5.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). Dakle. . x(c) = c − 500 . 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5.15: Graf funkcije i njoj inverzne funkcije. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id.

+∞ −→ [0.♣ z c . OSNOVNI POJMOVI 179 Napomena 5.0] √ i f |[0. Dakle. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. Dakle vrijedi f ◦ g = g ◦ f = id. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Tada iz Napomene 5. f | −∞. no njezine restrikcije na −∞.+∞ su bijekcije s inverzima g1 : [0. c Primijetimo da ako f nije strogo monotona nego samo monotona. 0] i [0. onda je ona oˇito i bijekcija na svoju sliku. jer je c f ◦ g = g ◦ f = id. Teorem 5. Primjer 5.20 znamo da f c ima inverznu funkciju g. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. +∞ −→ −∞. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. Dakle.1.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. g1 (x) = − x. a ona c c je strogo rastu´a funkcija. To je oˇito inverzna funkcija od f . kad govorimo o inverzima funkcija f : R −→ R. +∞ jesu.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. c c Dokaz: Neka je f : R −→ R strogo rastu´a. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. +∞ . c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.♠ Napomena 5. 0].10). No f ◦ g = id. g2 (x) = x. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).20 Ako je funkcija f : R −→ R strogo monotona. a strogo c c padaju´e funkcije strogo padaju´a. i √ g2 : [0. pa ima i inverznu funkciju.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija.5.

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

+∞ je bijekcija.4 1 2 Slika 5. Ako je n neparan. Primjer takve funkcije je c x f (x) = xe . Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. specijalne funkcije kojima se ovdje ne´emo c baviti.6 0. c . c Osim elementarnih postoje i tzv. +∞ −→ [0.16: Graf funkcije f (x) = xex . PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. tj.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.2. Restrikcija te funkcije na interval [−1. 5. ˇ Cak i za funkcije koje imaju inverze.4 0.2 -3 -2 -1 -0.5.2 -0. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.8 0. 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. +∞ dana formulom − n x odnosno n x. ima inverznu funkciju. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.

2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.1 Klasifikacija i podjela realnih funkcija 1. za svaki x ∈ R.Ciklometrijske .Polinomi . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. xk = x · x · · · x .Logaritamske .Area 2.2.Hiperboliˇke c .Racionalne funkcije . FUNKCIJE 5.Trigonometrijske .182 POGLAVLJE 5. dolazimo do pojma z .2. Elementarne a) Algebarske .Eksponencijalne .Ostale algebarske funkcije b) Transcendentne . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. mnoˇenih nekim koeficijentima. k Po definiciji stavljamo x0 = 1.

c 10 7. . .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. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5. a0 su koeficijenti polinoma Pn (x). Definicija 5. Polinomi su konceptualno najjednostavije funkcije. .5 5 2.a1 . Realne konstante an . P.11 Dva polinoma P i Q su jednaka.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . tj. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.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 + . + a2 x2 + a1 x + a0 . . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Koeficijent an je vode´i.2. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.5 -3 -2 -1 -2. Dakle je svaki polinom definiran na cijelom skupu R. a a0 je slobodni koeficijent. ako su jednaki kao funkcije. Definicija 5. . . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. . Ovdje podrazumijevamo da je an = 0.

pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. 0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .02 4 0. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. a ordinata je. n. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.02 3 2 0.184 POGLAVLJE 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.11. c c c s naravno.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.4 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 .01 -0. c Primjer 5.5 3 Slika 5. c c ..5 2 2. FUNKCIJE n Teorem 5. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. = an = 0..♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . .: n m Teorem 5.. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. Broj c k zove se red ili kratnost nultoˇke x0 . 1. tj. Apscisa nultoˇke je nuliˇte. za sve i = 0. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda..01 1..14.

a = 0.ako raste u s c nekoj toˇki. je polinom drugog stupnja ili kvadratna funkcija. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. odnosno strogo padaju´a. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). za x ≥ 0. Za a = 0 imamo konstantnu funkciju p(x) = b.8). raste na cijelom R.5. a padaju´a ako je a ≤ 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 .3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. dok za x > x0 vrijedi (x − x0 )k > 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. dok c u nultoˇkama parnog reda nema promjene predznaka. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Tjeme .2. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. a prema dolje ako je a < 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Ako je k paran. Otvor joj je okrenut prema gore ako je a > 0. tj. kaˇemo da je linearna funkcija strogo rastu´a.22 U nultoˇkama neparnog reda polinom mijenja predznak. po Teoremu c 6. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. Ako su ove nejednakosti c c stroge. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. onda iz Teorema 6.19: Graf linearne funkcije f (x) = x + 75. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Ako je k neparan. onda iz Teorema 6.

8) graf polinoma mora negdje sje´i x os. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. inaˇe velike pozitivne).♣ c Iz Teorema 5.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. Teorem 5. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. npr. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. FUNKCIJE 1 2 Slika 5. −D/4a).♣ c c . Nultoˇke kvadratne funkcije dane su formulom c x1.2 = √ −b± D .5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. c Napomena 5. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. tj. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. 2a i realne su ako je D ≥ 0. inaˇe velike negativne vrijednosti). Zbog neprekidnosti c polinoma na R (Teorem 6. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. parabole ima koordinate (−b/2a.

i = 1. dakle nije injekcija. tj. strogo raste na [0. P1 (x) strogo raste na R. 3. 0). onda je P1 (x) = x linearna funkcija.♠ c . pravac y = x. onda je oˇito funkcija Pn (x) = xn parna. c vrijedi D(Pn ) = R. dakle je bijekcija. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. Primjer 5. 0). c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.2. onda je oˇito funkcija Pn (x) = xn neparna. Ako je n neparan broj. Pn (x) strogo raste na R. Ako je n = 1. R(Pn ) = [0.. tj. 0). c neparna je i ima nultoˇku u (0. tj. kao funkcija an xn .♠ Dakle.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. +∞ i ima nultoˇku u (0..5. dakle je bijekcija i ima nultoˇku u (0. graf c joj je zrcalno simetriˇan s obzirom na y os.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. n − 1.16 Pogledajmo funkciju (polinom) Pn (x) = xn . Strogo pada na −∞. tj.. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 1. Oˇito je D(P1 ) = R(P1 ) = R. iz Primjera 5. Ako je n paran broj.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. +∞ . PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. . c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. c 2. Nadalje. 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 .

ali c z kvocijent dvaju polinoma op´enito nije polinom. Naravno.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. problem s asimptotike je sloˇeniji. kako se polinom Pn (x) = i=0 ai xi . umnoˇak i kompozicija polinoma ponovo polinom. . z Definicija 5. Dakle. Npr. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.3 Racionalne funkcije Oˇito je zbroj... Po analogiji s racionalnim c brojevima. . i = 1. sam sebi je asimptota. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Realne konstante aij . problem poniˇtavanja je vrlo kompliciran. su koeficijenti polinoma Pnm (x). j = 1. n. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. Napomena 5.. m. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. itd. tj. 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. n > 1.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. razlika.188 POGLAVLJE 5.. u tom sluˇaju se situacija komplicira.. z n Nadalje. FUNKCIJE Napomena 5. Za .♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli.. dijeljenjem polinoma c izlazimo iz te klase funkcija. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). 5. y) = i=0 j=0 aij xi y j .2.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.

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

190 POGLAVLJE 5. Dakle. dok za polove neparnog z c reda. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).5 0. 2. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. kao i u toˇkama u c kojima se nazivnik poniˇtava. Osim vertikalnih. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .26). kad c argument ide u +∞ i −∞. bi x i=0 i−m bi x i=0 i xm .graf racionalne funkcije moˇe imati asimptote: z 1. i to na vanjskim rubovima prirodnog podruˇja definicije. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. z c Dokaz: Red pola je red nultoˇke nazivnika.22. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 1 80 60 40 20 -1 -0. tj.5 -25 -50 -75 -100 0.26 Ako je pol parnog reda. FUNKCIJE 100 75 50 25 -1 -0.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika.5 1 x 1 Slika 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Sada tvrdnja izravno slijedi iz Napomene c 5. (lijevo) i pola Napomena 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.

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

kada argument ide u beskonaˇnost. +∞ . m i−m xm bi x i=0 m POGLAVLJE 5. bm jer i=0 bi xi−m ide u bm .23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). Dakle. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. R(f ) = [1. . Oˇito je D(f ) = R. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. dakle nije injekcija.♠ Iz Primjera 5. z √ Primjer 5.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. 0] i za svaki x ∈ −∞. +∞ .27 Analogno kao i kod vertikalnih asimptota. 0 vrijedi f (x) > −x. 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). f (x) = x + x (desno) i njihovih asimptota. f strogo raste na [0. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm .192 xm (am+1 x) . Napomena 5. f je parna. FUNKCIJE ide u am+1 x. +∞ vrijedi f (x) > x.27 ne mora vrijediti. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. Dakle. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . f strogo pada na −∞. tj. +∞ i za svaki x ∈ 0. zrcalno simetriˇna obzirom c c na y os. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. Nadalje.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1.

Definicija 5.5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija.2.19 1. Dokaz: Neka je dan proizvoljni polinom Pn (x).4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. y) takav da vrijedi P (x. Pn (x)) = 0. dakle je svaka racionalna c √ Primjer 5. y) = Qm (x)y −Pn (x). f (x)) = 0. 5. c . PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Definirajmo polinom u dvije varijable s P (x. y) = Pn (x) − y. Definirajmo polinom u dvije varijable s P (x. Tada je oˇito P (x. jer u suprotnom ne bi bila funkcija. √ x2 + 1 i njenih asimptota z Napomena 5.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. f (x)) = 0. f (x)) = 0. c Neka je sada f (x) = funkcija i algebarska.18. Tada je oˇito P (x. Napomena 5. y) = x − y n oˇito je P (x. dakle je svaki polinom algebarska funkcija.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu.29 Svaki polinom i racionalna funkcija su algebarske funkcije. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.2.

Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . y) = xy n − 1 oˇito je P (x.1.4). Funkcija f je inverzna funkcija funkcije g(x) = x3 . ima vertikalnu asimptotu x = 1. +∞ i R(f ) = 0. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. +∞ (Primjer 5. Nadalje. je D(f ) = R(f ) = [0. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. 0 je regularna toˇka (toˇka 5. tj.13). z √ 2.28.4). Nadalje. dakle nema niti vertikalnu niti horizontalnu asimptotu. z tj. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Dakle. je D(f ) = R(f ) = R (Primjer 5. z 1 4. +∞ . Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti.♠ 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. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.194 POGLAVLJE 5. Dakle. +∞ . FUNKCIJE 1 2. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. Dakle.1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. dakle nema vertikalnu asimptotu. c 1 3. je D(f ) = 1. c c tj. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. dok kosu asimptotu ne moˇe imati zbog Napomene 5.13). f strogo raste na R i neomedena je. √ Primjer 5. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Neka je dana algebarska funkcija f formulom f (x) = 3 x.20 1. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.13). c c √ Nadalje. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. f (x)) = 0. Kada se argument sve viˇe pribliˇava c s z broju 1. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = x. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x .13). pravac y = 0 je horizontalna asimptota funkcije f . tj. u 1 (toˇka 5.

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).

katetama a. C. Konstantu proporcionalnosti 1 M = loga b = log a zovemo transformacijskim modulom. Moduli prijelaza su korisni i pri svodenju funkcije f (x) = ax na funkciju ex . b a .202 POGLAVLJE 5. b i hipotenuzom c (stranica a je nasuprot vrha A. tangens ili tg x i kotangens ili ctg x. γ (kut α je uz vrh A. no logaritamska funkcija je i dalje bitna za opis i razumijevanje mnogih prirodnih pojava. imamo loga x = loga b logb x. 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. Vrijednosti dekadskih logaritama su tabelirane u logaritamskim tablicama. B.). gdje je M = ln a. Povijesno se pojavljuju u metriˇkim problemima vezanim za pravokutni trokut. itd. itd. Ako je dan pravokutni trokut sa vrhovima A. za sve ostale baze koristimo se odgovaraju´im c modulima prijelaza. S porastom dostupz nosti elektroniˇkih raˇunala vaˇnost logaritama kao raˇunalnih pomagala poˇela c c z c c se smanjivati. dovoljno je poznavati vrijednosti logaric tamske funkcije za jednu bazu. c c a b tg α = . koje su nekad bile nezaobilazno pomagalo svakog inˇenjera. Iz svojstava operacije potenciranja slijedi ax = (eln a )x = eM x . Vidimo da su vrijednosti logaritma proporcionalne. Zahvaljuju´i gornjoj relaciji. kosinus ili cos x. onda vrijedi: b a sin α = . β. ili modulom b prijelaza. 5.2. c Odatle im i ime.7 Trigonometrijske funkcije Trigonometrijske funkcije su sinus ili sin x. cos α = .) i kutovima α. ctg α = .

Primjerice. cos α cos α ctg α = . ctg α = tg(90o − α). Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. Dakle. identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c .31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). opseg kruˇnice je 2π. 1 radijan je kut za koji je duljina luka jednaka polumjeru. Tako punom kutu odgovara mjera 2π. Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. c z c Za r = 1. pravi kut ima z π radijana.5. imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. z π a pravom 2 . Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1. Neka je dan z s s proizvoljni kut α. tj. = cos α = sin(90o − α). Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. a tg α = = b 1 − sin2 α. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. Oˇito je kut α vezan s duljinom luka. tj. ispruˇenom π. Uzmimo koordinatni sustav na c pravcu (tj. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1. Dakle. onda on sijeˇe kruˇnicu u jednoj c z toˇki T . Ovo preslikavanje je z c c oˇito bijekcija. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. 0). a c b c sin α . PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne. Tako npr. Odatle je cos α = Nadalje. sin α Napomena 5.2. ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Prvo nam treba c c veza izmedu kuta i broja. 0) paralelan s osi y.

z c z π Jasno je da za t ∈ [0. Dakle za t ∈ [ 3π . yt ) na kruˇnici. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). 2π]. sada moˇemo sinus i kosinus analogno proˇirivati na R. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. situacija se poˇinje ponavljati. yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Kaˇemo da su sin c z i cos periodiˇke funkcije. 2 ]. a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. tj. na kutove iz [0. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . ako je t ∈ [π. Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . 2π]. Dakle za t ∈ [ π . Dakle vrijedi c sin(t + 2kπ) = sin t. π ] na [− π . onda 2 t nije ˇiljast. onda vrijedi xt = x2π−t i yt = −y2π−t . Naravno.204 1 POGLAVLJE 5.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . FUNKCIJE sin x 0 cos x x 1 Slika 5. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). 0). z (1. 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). cos(t + 2kπ) = cos t . s [0. π]. Ako je t ∈ [ π . 3π ]. Dakle za t ∈ [π. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . 0] odnosno na [−2π. Sliˇno. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. Analogno se sinus i kosinus s proˇire s [0. Nakon ˇto z s s namotamo komad duljine 2π. Ako je t ∈ [ 2 . 2 ] (tj.

tj. za svaki t ∈ R. π ]. imaju amplitudu razliˇitu od 1. period razliˇit od 2π i ne s c c . Kaˇemo da im je faza nula.5 -0. napona.5 1 0. Napomena 5.2.5 -1 -1. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. s 2 1 u nuli i 0 u π .5 -1 -1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Najmanji pozitivni period je 2π i zovemo ga temeljni period. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. plime i oseke. Medutim.32 Lako je vidjeti da je kosinus parna funkcija. temperatura kroz godinu. Svaki 2kπ.5.5 -10 -5 -0. Nadalje. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. To znaˇi R(sin) = R(cos) = [−1. npr. −1 ≤ sin t ≤ 1. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. k ∈ Z. a kosinusa obrnuto. zbog periodiˇnosti.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). π ]. dok je sinus neparna. itd. 1]. Nadalje.5 1 0.5 -2 5 10 Slika 5. Nadalje. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. tj.5 -2 5 10 -10 -5 2 1. je period funkcija sin i cos. c 2 1. Dakle je z D(sin) = D(cos) = R. tj. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. c amplitude i faze. krvnoga tlaka. vidimo da je −1 ≤ cos t ≤ 1. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. za opis osz c cilacija. 1].

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

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

208 POGLAVLJE 5.π x su bijekcije s tih intervala na R. k ∈ Z}. na svoju sliku. Tada prema Napomeni 5. ni tangens ni kotangens nisu injekcije. 2 . 5. 1]. a c c s nema rjeˇenja za c ∈ [−1.34 Zbog periodiˇnosti. Dakle sinus nema inverznu funkciju. njihove restrikcije Tg x = tg| − π . a kotangens strogo padaju´a na 0. Dakle. FUNKCIJE za svaki t ∈ R \ {kπ.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). restringirajmo sinus na [− π . 2 i kotangens na 0. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. π . c c Dakle. c dakle niti bijekcije. kosinus na 2 2 π π [0. π ]. dakle nisu bijekcije. π . tangens na − 2 .33 . Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π]. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Napomena 5.2. Npr. a isto vrijedi s / i za ostale trigonometrijske funkcije. π x 2 2 i Ctg x = ctg| 0.

1].5 1 Slika 5.5 3 2.34 znamo da su funkcije sin |[− π .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). π bijekcija.5 1 0. oˇito je c c D(arcsin) = D(arccos) = [−1.5 1 0. koje zovemo arkus funkcije. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.2. π π R(arcsin) = [− . ]. s z 2 2 s z Kako je tg| − π . inverznu funkciji cos |[0. 1. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.1 i Napomene 5.π] . Nadalje. 2 ] jednadˇbe sin t = s z s z x. z π π Za x ∈ [−1. π]. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. Dakle. ]. π jednadˇbe tg t = x . .π strogo padaju´e.5 0. π]. a c 2 2 2 2 cos |[0.5. 1] −→ [− . 1] −→ [0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. π strogo rastu´e. dakle su i bijekcije.5 -1 -0. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. 2 2 koja je inverzna funkciji sin |[− π . Dakle. Iz Teorema 5. rjeˇenje jednadˇbe postoji i jedinstveno je.π] i ctg| 0. 1]. π ] bijekcija. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . 2 2 R(arccos) = [0.5 -1 -0.5 1 -1 -1. rjeˇenje jednadˇbe postoji i jedinstveno je.5 0.33 slijedi da je arcsin strogo rastu´a. 2 2 . Kako je sin |[− π .5 2 1. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. a arccos c strogo padaju´a na [−1. π ] . 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . π ] i tg| − π .5 -0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .

c . inverznu funkciji ctg| 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π .5 -1 -1. Npr. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. π ].5 -2 2 4 4 3.5 1 0.5 -4 -2 2 4 Slika 5.5 2 1. π . 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . Napomena 5.5 1 0.1 i Napomene 5. z s z sin x = t.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.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. pri traˇenju rjeˇenja t jednadˇbe. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.π .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. tako da bi smo dobili arkus funkcije definirane na tim intervalima. π . FUNKCIJE arcctg : R −→ 0. Dakle. Nadalje. . R(arcctg) = 0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). -4 2 1. R(arctg) = − . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. 1]. π .210 koja je inverzna funkciji tg| − π . Iz Teorema 5.5 3 2. oˇito je c c π π D(arctg) = D(arcctg) = R. 2 odnosno ctg| 0.5 -2 -0. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. npr.

. Lagano se vidi da je ch x > 0 . dakle nije injekcija. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. parna je. th je neparna. PREGLED ELEMENTARNIH FUNKCIJA 211 5. Dakle je R(ch) = [1. za svaki x ∈ R. za svaki x ∈ R. strogo pada na −∞. iako se definiraju u terc minima eksponencijalne funkcije. Primjerice. neograniˇena je. Lako se vidi da je neparna. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. 2 sh x e x − e −x th x = = x . 2. tanges hiperc c boliˇki i kotanges hiperboliˇki. sinus hiperboliˇki. neograniˇena c je pa je R(sh) = R i nema asimptote. strogo raste na R. 2 e x − e −x sh x = . ch x e + e −x 1 . 0] i c strogo raste na [0.2.5. 1 . Dakle th ima dvije horizonzalne s z asimptote. +∞ . jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . 3. Nadalje. Napomena 5.2. +∞ i nema asimptote. za svaki x ∈ R. Zbog neparnosti c c od sh i parnosti od ch.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. y = −1 i y = 1. Strogo raste na R. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. vrijedi ch x = ch2 x − sh2 x = 1 . Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. Stoviˇe. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. i R(th) = −1. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Iz formule lagano ˇ slijedi da je |th x | < 1 .

5 1 0. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. restringiramo na −∞. ch postaje bijekcija na svoju sliku.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. Zbog neparnosti od th i cth je neparna. za svaki x ∈ R\{0}.5 -1 -1. Ako ch. i R(cth) = R \ [−1. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. 1]. +∞ . cth strogo pada na R \ {0}. 1. Nadalje. Kako th strogo raste na R. 0] ili [0. areasinus hiperboliˇki ili Arsh. tj. to mora i cth x . preciznije areakosc inus hiperboliˇki ili Arch. za svaki x ∈ R. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. 4. c osim funkcije ch. Dakle cth ima i dvije horizontalne asimptote. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. Funkcije inverzne hiperboliˇkima zovu se area funkcije.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). kako je |th x | < 1 . z y = −1 i y = 1. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. imamo: .37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno).5 -4 -2 -0. zbog parnosti. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. 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. imamo da je |cth x | > 1 .

Iz Teorema 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5 3 Slika 5.5. y = 1 horizontalne. a pravac y = 0 horizontalna asimptota.1 slijedi da Arth strogo raste. iz Teorema 5.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. vertikalne asimptote od Arth. Ako smo ch restringirali na [0.5 0. R(Arth) = R \ {0} i iz Teorema 5. Oˇito je D(Arth) = −1.5 -1 -2 -3 0.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). 1 . vertikalne asimptote od Arth. tj. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.1 c slijedi da Arcth strogo pada. c 3. Oˇito je D(Arcth) = R \ [−1. 3 2 1 -1 -0. onda su rubovi −1 i 1. pravci x = −1 i x = 1. 4.5 2 1. Kako su y = −1 i y = 1 horizontalne asimptote od th. . 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. R(Arth) = R i iz Teorema 5. c 2. Oˇito je D(Arsh) = R(Arsh) = R. a x = 0 vertikalna asimptota od cth.5 1 0. Kako su y = −1. onda je D(Arch) = [1. +∞ i R(Arch) = [0. tj. +∞).1 zakljuˇujemo da Arch strogo raste. +∞ .5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.5 2 2.5 1 1. 1]. pravci x = −1 i x = 1.2. PREGLED ELEMENTARNIH FUNKCIJA 213 1. onda su rubovi −1 i 1.

.

(Masa m je izraˇena u gramima.05(m − 20). a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. m > 20. 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. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. a visina poˇtarine c u z s kunama).5 + 0. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.8 kn.1 6. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . 0 ≤ m ≤ 20 3.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05∆m).8. Dakle imamo c(m) = 2.05h (∆c = ˇ 0. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. onda je 215 . Naime.05(m − 20) kn.1.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.1.5 + 0.05h = 0.05(m2 − m1 ). Graf te funkcije prikazan je na slici 6. m = 20 i m = 30. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.

S druge strane.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.216 ˇ POGLAVLJE 6. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.7 kn. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. . Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.♠ c Definicija 6.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. odnosno da graf funkcije ima prekid u toj toˇki. Definicija 6. c c Napomena 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. s s 20M ≥ (m2 − m1 )).

ipak m(c) nije blizu m(20).1. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Tada su u toˇki x0 neprekidne i funkije: c . Primjer 6. No. ali je ona c neprekidna s lijeva u toj toˇki. 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 . postoji δ > 0 za koji vrijedi Definicija 6.1. ako je m > 20 i m blizu 20.2 nam daje ideju za sljede´u definiciju: c Definicija 6. koji c je manji od nekog fiksnog strogo pozitivnog broja.1 ima prekid u toˇki c = 20. ako je m lijevo od 20 i dovoljno blizu 20. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.♠ Primjer 6.1. s c c Napomena 6. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).2 Funkcija c(m) iz Primjera 6.1. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.ˇ 6.2 Iz Definicije 6. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1 Neka su funkcije f. Analogno. S druge strane.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 .2 Svojstva neprekidnih funkcija Teorem 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.

2 Neka su funkcije f. ˇto je suprotno pretpostavci. i funkcija g neprekidna u f (x0 ). f − g. tj. ali oˇito f nema nultoˇku na segmentu c c c [−1.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. x = 0 svugdje neprekidna osim u nuli. f ima prekid u toˇki c. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). f |[−1. i neka je f (c) > 0 (f (c) < 0).♣ Teorem 6. f · g. za koji je f (xδ ) ≤ 0. b takav da je f (x0 ) = 0. onda njezin graf mora negdje sjeˇi x os. c + δ). c s Analogno se dokaˇe sluˇaj f (c) < 0.♣ c Teorem 6.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. Dakle. Tada je |f (xδ ) − f (c)| > f (c) = ε. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0.1] : [−1. c + δ . Uzmimo ε = f (c).4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka.♣ z c Teorem 6.♣ Teorem 6. 1]. Tada postoji x0 ∈ a. Dokaz: Pretpostavimo suprotno. b]. 1] −→ R. postoji xδ ∈ (c − δ.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. Tada za svaki δ > 0.♠ . |xδ − c| < δ. 2. c + δ) takav da je f (xδ ) ≤ 0. Ako pogledamo funkciju f restringiranu na segment [−1. onda je oˇito f (−1)f (1) = −1 < 0. i neka je f (a)f (b) < 0. 4. mora imati nultoˇku. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.218 1. tj. f + g.3 Iz Napomene 5. 1] (jer je nema na cijelom R). tj. 3. f . onda je funkcija g ◦ f neprekidna u x0 . x=0 x f (x) = 1. g : R −→ R takve da je definirano (g ◦ f )(x0 ). g ˇ POGLAVLJE 6. tj. c c Primjer 6. Ako je funkcija f neprekidna u x0 . po pretpostavci.

5 ne vrijedi za otvorene intervale. M ∈ R takvi da je m ≤ f (x) ≤ M. 1 .3 Neprekidnost elementarnih funkcija Primjer 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.6 ne vrijedi za otvorene intervale. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval. π . i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .♣ 6. Npr.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. c 1 x je Teorem 6.4 nuˇan.3 slijedi da je uvjet neprekidnosti iz Teorema 6. b]. Npr.1.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. Teorem 6. onda je ta funkcija i neprekidna. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. funkcija f (x) = neprekidna na 0. za svaki x ∈ I (Definicija 5. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.4 Funkcije f. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.ˇ 6. ali oˇito je neomedena. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. Pitanje je sad.♣ Teorem 6.♣ c Tvrdnja Teorema 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . slika otvorenog intervala − π .4) Teorem 6. π funkcijom tg je R.1. Tvrdnja z Teorema 6. . Tada je funkcija f neprekidna na intervalu I. Nadalje.

. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. . 1. tj.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R..3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. .220 ˇ POGLAVLJE 6. logaritamske. i = 0.. i = 0.. c c neprekidne na R.1. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.. i = 0. polinom Pn (x) neprekidan na R. na intervale − π . Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. . Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.♠ z Iz Primjera 6. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. z c Uzmimo proizvoljni ε > 0. n. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. .9 Eksponencijalne.♣ Napomena 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).. n.1 sada slijedi da je na R neprekidna i funkcija x2 . UVOD U DIFERENCIJALNI RACUN 1. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Teorem 6..7 c i periodiˇnosti. n. Budu´i da je f (x) − f (x0 ) = c − c = 0. dakle iz Teorema 6. Dokaz: Neprekidnost eksponencijalnih. takoder iz Teorema 6. Na kraju. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Budu´i da je |f (x) − f (x0 )| = |x − x0 |.7 imamo da su neprekidne i funkcije arctg i arcctg.4 dokazali smo da je funkcija f (x) = x neprekidna na R. jer su njihove restrikcije npr. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. slijedi da c moˇemo uzeti δ = ε. π odnosno 0.1 direktno imamo: n Teorem 6. takoder iz Teorema 7. c Dokaz: U Primjeru 6. Na isti naˇin se zakljuˇi da su xi .4) i Teorema 6..1.7. 1.1. zakljuˇujemo c da je i suma od ai xi . jer je svaka racionalna funkcija kvocijent dvaju polinoma.7 su neprekidne. z 2.1. Nadalje. π monotone c 2 2 bijekcije na R.. arkus. 1. Iz Teorema 6. hiperboliˇkih (osim kosinusa hiperbolnog). z c Uzmimo proizvoljni ε > 0. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. trigonometrijske. na R su neprekidne i funkcije ai xi . logaritamskih.4 i Teorema 6.

Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). te da je Arch x neprekidna s desna u 1. Dakle su funkcije arccos x.ˇ 6. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). 1 . 1 . moˇemo dobiti i δ = 0. k ∈ Z.7 i neprekidne. 1 i 1. ˇto je ekvivalentno s s arccos x < ε. dakle su po Teoremu 6. Dokaˇimo da je arccos x neprekidna s lijeva u 1. x−a x+a cos . arccos x i Arch x redom na intervalima −1. 3π . Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). Sada imamo da je sin x neprekidna na 0. 1] i [1. 2 2 imamo 2x + π 2x − π cos . Dakle je arccos x neprekidna s lijeva u toˇki 1. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. arcsin x i Arch x redom neprekidne na [−1. π 4 2 4 4 kada x varira po intervalu 0. 0. cos x i ch x redom na intervalima − π . Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. +∞ . −1. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. tj. 3π . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. Isto tako 2x+π varira po intervalu π . k ∈ Z. ali u Napomeni 6.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male 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 . 3π . π su monotone bijekcije na 2 2 −1. [−1. +∞ iz Teorema 6.1. Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . c Analogno se dokazuju i druge jednostrane neprekidnosti. 1]. ♣ .7 imamo da su neprekidne funkcije arcsin x. 3π . 2 Zbog stroge monotonosti funkcija sin x. π i 0. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . π . onda 2x−π varira po intervalu − π . Zbog neparnosti imamo da je sin x neprekidna i u − π . Oˇito je δ > 0. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. posebno je 2 2 neprekidna u π . +∞ . π 2 2 i 0. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ.

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

Definicija 6.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. |f (x) − M | < ε).5). moramo se ograniˇiti samo na pozz s c itivne vrijednosti. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. a ne znamo izraˇunati ni njenu vrijednost za x = 0.1. Neka je dana funkcija f : R −→ R formulom f (x) = xx . onda piˇemo c s L = lim f (x). .3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. osim. osim.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.♠ Situacije iz Primjera 6. pravac y = π je horizontalna asimptota.2. 6. moˇda u samoj toˇki c. 2 2 5. ako c ˇelimo promatrati ponaˇanje oko nule.2. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. tj.ˇ 6. Ako funkcija ima limes L u toˇki c. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Dakle. moˇda u samoj toˇki c. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. 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).

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

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

Dakle je x−→0+ lim sign x = sign 0 .3 direktno slijedi da postoji i limes u toˇki c i jednak je L. ♣ c Primjer 6. UVOD U DIFERENCIJALNI RACUN Teorem 6.♠ 6. Obrnuto. x−→1 x−1 1 = +∞.7 Iz Primjera 5. x > 0 ima prekid u nuli.1. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . tj.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x < 0  sign x = 0. moˇda u samoj toˇki c. x = 0   1. lim arctg x = .6 Opiˇimo sada pomo´u limesa Primjer 6. x−→0 x π 4. ako postoje limesi s lijeva i s desna i oni su jednaki L. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . onda iz Definicije 6.226 ˇ POGLAVLJE 6. c osim. ne postoji lim sin x. x2 − 3x + 2 = −1.5 Neprekidnost i limes Primjer 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞. lim 3. lim 2. 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. s c 1. onda je jasno iz Definicije 6. x−→+∞ 2 5. x−→0+ lim xx = 1.5. x −→0 − lim sign x = −1 .5 znamo da funkcija   −1.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. x−→+∞ 6. Dokaz: Ako funkcija f ima limes L u toˇki c.

14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).13 Neka je funkcija g : R −→ R neprekidna. Dokaz: Izravno iz Definicije 6.1 i Primjer 6. c c Sada direktno iz Napomene 6.7 i 6. konaˇan je broj.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.ˇ 6.1 i 6. i neka postoji limes funkcije f u toˇki c.♣ . tj. imamo x−→c lim f (x) = f (c) = f ( lim x).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.4).12 imamo: Teorem 6.2 i definicije jednostranog limesa.♠ x−→2 Primjeri 6.♣ Teorem 6. Nadalje. oˇito vrijedi c f (2) = lim f (x). x−→c+ Dokaz: Izravno iz Definicije 6. x−→c Napomena 6. Zaista imamo: c c Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.3.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. onda limes i funkcija z c ”komutiraju” tj.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Tada je c x−→c lim g(f (x)) = g( lim f (x)).♠ Primjer 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.♣ x−→c Analogno kao Teorem 6.4) i da limes mora postojati.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .5 U Teoremu 6.

neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.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. 3. (+∞) + (+∞) = +∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. (+∞) · a = +∞.14. a ∈ R proizvoljan. +∞ ± a = +∞.12 i 6. . a > 0 +∞. a < 0. Kako one nisu realni brojevi. a > 0 −∞. 5. a +∞ = 0.15 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). a ∈ R proizvoljan.228 ˇ POGLAVLJE 6.1.11. 6. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (+∞) · (+∞) = +∞. 8. (−∞) · a = 10. −∞. jer operacije nisu definirane i operandi nisu realni brojevi. (−∞) + (−∞) = −∞. (+∞) · (−∞) = −∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran. a ∈ R proizvoljan. 9. 2. 6. (−∞) · (−∞) = +∞. 7. −∞ ± a = −∞. x−→c+ Dokaz: Izravno iz Teorema 6. To se posebno odnosi na veliˇine +∞ i −∞.♣ 6. 4. a < 0.

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

α>0 +∞. . x−→+∞ x−→+∞ 2. x−→+∞ lim loga x = 11. lim xn = +∞. α < 0. 0 < a < 1. lim x−n = −∞. x−→+∞ lim ax = 9.230 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 6. a>1 −∞. 0 < a < 1. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 6. n ∈ N proizvoljan. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→0+ lim xα = 0. n ∈ N paran. x−→0− 4. +∞. −∞. lim x−n = +∞. α < 0. 0 < a < 1. a>1 0. n ∈ N proizvoljan.7 Raˇunanje limesa c Neki temeljni limesi 1. n ∈ N paran. −∞. n ∈ N neparan. +∞. x−→0+ x−→0− 7. 3. a>1 +∞.1. n ∈ N neparan +∞. 8. x−→−∞ lim ax = 10. 0. α > 0 0. a>1 +∞. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. 5. 0 < a < 1.

i zbog parnosti od sin x .9. a ∈ R. neparnost i sliˇno. 0). x−→+∞ x sin x = 1. π ). koriste´i definicije limesa i jednostranih limesa (toˇka 6.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Dakle. Kada s pravca uzmemo x ∈ (0. +∞) i da joj c c je slika cijeli R.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. c c eksponencijalnih i logaritamskih funkcija. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). tj. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . tg x ).1.4). za a > 1.ˇ 6. parnost.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. jasno je da je dovoljno x x promatrati x ∈ (0. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. njihov rast. svojstva potencija. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Oznaˇimo s A = z c c (cos x. Iz toˇke 5. . To znaˇi da je c x−→+∞ lim loga x = +∞. 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. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. Kako gledamo c limes funkcije sin x kada x −→ 0. sin x). c Osim ovih limesa. 0) u ravnini. ortogonalnu projekcija toˇke A na x os. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ).1. pad.16 lim i 1 lim (1 + )x .2. koji se nalazi unutar trokuta OBB . i s B = (1.

Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x .12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1.2: Uz izvod osnovnog trigonometrijskog limesa. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. 2 x 2 sin x 1 ≥ ≥ cos x. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.♣ x lim .232 ˇ POGLAVLJE 6. x−→0 x sin x = 1. sin x cos x xr . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ .

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. ♣ Primjer 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . a ∈ R. x−→0 x lim a > 0. x−→0 x lim i ax − 1 = ln a. i da je x = ln(t + 1). x−→0 t−→0 ln(t + 1) x Iz toˇke 5. x−→0 x Iz Teorema 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .ˇ 6. Tada je jasno da t −→ 0 kada x −→ 0. x Oznaˇimo sada ex − 1 sa t. Dakle imamo ax − 1 ex ln a − 1 = lim . c Zbog toga je ex − 1 t lim = lim = 1.2.12 i Teorema 6.1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.17 x−→+∞ 233 lim 1+ 1 x x = e. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Dakle .10 ex − 1 = 1.

6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.18 i temeljni limesi iz toˇke 6.1.2. x−→c x−→c 2. c 6.17.234 ˇ POGLAVLJE 6.16. x−→c c 3.2 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. 6.13. x−→c x−→c 4. 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). g : R −→ R. Tada 1.7 su nam dovoljni za c raˇunanje gotovo svih limesa. . ♣ x−→c Teoremi 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.1 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.

0.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. 0 moramo promatrati limes. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. tj.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. b = t0 + ∆t. dobivamo s v= 50 km = 100 . Uzmimo a = t0 . Trenutna brzina. t0 + ∆t]. a t vrijeme za koje smo preˇli taj put. dobivamo neodredeni izraz tipa 0 . s(t0 + ∆t) − s(t0 ) v= . c . Dakle. b). Kretanje je promjena poloˇaja u vremenu. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente.6.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . ∆t ˇ Sto je ∆t manji. z c zahtijeva podrobnije razmatranje. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. 15 minuta nakon polaska. za razliku od prosjeˇne. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. Dana je formulom c v= s(b) − s(a) .2. tj. t gdje je s prijedeni put. No uvrstimo li ∆t = 0 u gornju formulu. DERIVACIJA FUNKCIJE 235 Primjer 6. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . Ideja je koristiti ono ˇto znamo.

236 ˇ POGLAVLJE 6.001) − y(1) . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. c ∆y = tg α. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . prosjeˇna brzina odgovara koeficijentu smjera sekante. prosjeˇna brzina projektila u vremenskom intervalu [t0 . Op´enito. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . y(t0 +∆t)) zatvara s osi x. y(t0 )) i c ∆t (t0 +∆t.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. a to je jednako koeficijent smjera te sekante. Dakle. ∆t . UVOD U DIFERENCIJALNI RACUN Primjer 6. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) .3: Ovisnost visine projektila o vremenu. 1.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.

f : I −→ R.2. c Primjer 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . tj. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.2. Ako postoji z c f (x0 + ∆x) − f (x0 ) .4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. x0 ∈ I.4: Sekante i tangenta. ∆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 . c mjeri brzinu promjene veliˇine c Definicija 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.♠ 6. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.

Dakle je c f (x) = lim f (x + ∆x) − f (x) . Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. Derivacija funkcije f (x) = kx + l je f (x) = k.2.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.15 Pogledajmo sljede´e primjere: c 1. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. ∆x−→0 ∆x Napomena 6. c c koji se oznaˇava sa f (x0 ). c z Primjer 6. 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. . 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.♠ ∆x−→0 ∆x 6. Derivacija funkcije f u toˇki x0 je broj.6 Uoˇimo bitnu razliku. l ∈ R. UVOD U DIFERENCIJALNI RACUN Primjer 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). Dakle brzina promjene linearne funkcije je konstanta. za proizvoljne k.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.238 ˇ POGLAVLJE 6.

6. tj.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. ˇto smo i oˇekivali.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. 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. 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 . Derivacija funkcije f (x) = x2 je f (x) = 2x. Dakle je promjena brzine konstantne funkcije nula. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. a c iz gornjeg raˇuna imamo da je c f (x) = 0.2. funkcija f (x) = l je konstanta. s c 2. ∆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.♠ .

Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. problem razliˇitih vrijednosti s lijeva i zdesna.17 1. ∆x Lagano se vidi da je M = 1 i L = −1. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . c c 6. Tu funkcija niti raste c niti pada. Dakle iz Teorema 6. funkcija pada c c na tom intervalu. Takve toˇke zovemo stacionarne toˇke. M= ∆x−→0− lim . To su npr. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). ne postoji f (0). Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. tangenta je paralelna s osi x. Sliˇno. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Primjer 6. ako je f (x) < 0 na nekom intervalu. odnosno da je tangenta pravac koji raste. problem konaˇnosti c c limesa.. problem rubova domene.4) ustvari limes funkcije f (x + ∆x) − f (x) .11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. U toˇkama gdje je f (x) = 0. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. tj.2.240 ˇ POGLAVLJE 6. problem postoc janja limesa.

7 imamo da je c lim √ 3 1 ∆x2 = +∞.2. 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 . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .1. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ .♠ Teorem 6. DERIVACIJA FUNKCIJE 2. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). 3.1. ∆x−→0 dakle ne postoji f (0). 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. ∆x ∆x−→0 . c x0 ∈ I ⊆ D(f ). √ 3 241 x nije derivabilna u x0 = 0.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. ∆x ∆x−→0 dakle ne postoji f (0). Funkcija f : R −→ R dana formulom f (x) = x0 = 0.7 imamo da je c lim √ 3 1 = +∞. Tada je f i neprekidna u x0 .

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

c dakle je po Teoremu 6.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. g 2 (x) f (x) g(x) = 1 f (x) g(x) . f (x) g(x) f (x)g(x) − f (x)g (x) . Oˇito je D(g) = R. DERIVACIJA FUNKCIJE 2. ∆x−→0 ∆x−→0 Sada iz Teorema 6. gdje je λ ∈ R proizvoljan. tj.♣ g 2 (x) Napomena 6. 3. za svaki x ∈ I. za svaki x ∈ I. Dakle 1 g(x) = 0.2. tj. Izraˇunajmo prvo c 1 g(x) . 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) . 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) . (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). imamo g(x) · = 0. Kako je g(x) · 1 g(x) = 1. derivabilna na I i vrijedi (λf ) (x) = λf (x).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x).♣ .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).6. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). Tada je funkcija λf .

Izraˇunajmo joˇ i (f ◦ g) . Dakle imamo f −1 (f (x)) = x.244 ˇ POGLAVLJE 6.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. Sada primjenom Teorema 6.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.21.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. c −1 tj. Primjera 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) = 0 na I i neka postoji f −1 . f (x) ∈ J ⊆ D(g). Dakle. odnosno (f −1 ) (f (x)) = 1 . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . gdje je g(x) = x2 . c Primjer 6.15 i Primjera 6. naravno. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) Ovo se.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . f (x) = sin x. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. x ∈ I ⊆ D(f ). f (x) ♣ . iz Teorema 6. moˇe provesti samo ako je f (x) = 0. g = f . z Teorem 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).

∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. odnosno g (x) = 2. c Napomena 6.6. odnosno 1 g (x) = √ .22 i derivacijama iz donje tablice. .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Kako je (f ◦ g)(x) = x iz Teorema 6. 2 x x je g (x) = Iz Primjera 6.20. 6.20.19 Pogledajmo sljede´e primjere: c 1 1. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . Derivacija funkcije g(x) = √ 1 . Iz Teorema 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. ∆x−→0 ∆x lim dakle je f (x) = ex . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. i vrijedi (f ◦ g)(x) = x. x 1 √ . Derivacija funkcije g(x) = ln x je g (x) = x .2.21 i 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.21 i 6.10 imamo da je f (x) = lim e∆x − 1 = 1. Osnovne derivacije dajemo u sljede´oj tablici.8 Studentima se preporuˇuje da provjere donje formule samostalno. 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. DERIVACIJA FUNKCIJE Primjer 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.

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

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

248 ˇ POGLAVLJE 6.16 znamo da je f (x) = cos x. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).23).♠ s s c . odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.5 -1 0. UVOD U DIFERENCIJALNI RACUN 2 1 -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 Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 1 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. c Primjer 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu.5 2 Slika 6. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Dakle. Iz Primjera 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. dakle je f (0) = cos 0 = 1. 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. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .

ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. Imamo 2G = G(1 + r)t . Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . odnosno f (0) = 1. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . 1 Kako je f (0) = 0. gdje je G glavnica.♠ c s . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca.6. f (r) = 1+r . ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi.2. DERIVACIJA FUNKCIJE 249 Primjer 6.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . odnosno 2 = (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).

♣ f (b) − f (a) .12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. postoji x ∈ a. f (a)) i (b. b u kojoj je tangenta paralelna s tom sekantom. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. b−a onda Teorem 6. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).6.25. f (b)). tj.13 Primijetimo: 1.26 kaˇe da za svaku sekantu kroz toˇke (a. Napomena 6. b−a f (b) − f (a) (x − a). c . b−a y f(x) 0 a x0 b x Slika 6. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). f (b)) z c postoji toˇka x ∈ a. Neka je L pravac kroz toˇke (a.2. proizvoljne. b ∈ I. b za koju je F (x ) = 0. f (a)) i (b. tj. a < b.

po Teoremu 6.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. . oˇito je c x−→1 lim f (x) = 3 = f (1). b−a ali ne postoji x ∈ 0. pa je.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Uvjet f ∈ C 1 (I) iz Teorema 6. f neprekidna na R. 0 x>1 oˇito f ima prekid u x = 1.258 ˇ POGLAVLJE 6. 2 za koji je f (x ) = 1.12. Kako je f (x) = 3. Ako je dana funkcija f : R −→ R formulom 3x. x za koji je f (x) − f (a) = f (x ). x ≤ 1 . z Iz Teorema 6. y f(x) 0 a b x Slika 6. UVOD U DIFERENCIJALNI RACUN 2. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. x ≤ 1 f (x) = 3 x > 1.26 je bitan. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R).

poznavaju´i vric c jednosti viˇih derivacija u x0 . imamo toˇan izraz. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. Napomena 6. Teorem 6. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. Koliko je ta aproksimcija dobra? Odnosno.14 Za n = 0 Teorem 6. 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 +.5). ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. imamo c pribliˇni izraz. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. no u nekoj toˇki sigurno je.. i ne znamo ga toˇno.6. 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 . S druge strane.. tj. tj.26.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).2. f (x)). ali ne znamo za koji x . tj.27 je baˇ Lagrangeov teorem srednje s vrijednosti.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. tj. c Usporedimo to s lokalnom linearizacijom (toˇka 6. . f (a)) i (x.+ (x−x0 )n + (x−x0 )n+1 . iz Teorema 6.2. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).

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

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

25 zakljuˇujemo da u Teoremu 6. ∆x za svaki x ∈ I.26.262 ˇ POGLAVLJE 6. Dokaz: c 1.♠ Iz Primjera 6. UVOD U DIFERENCIJALNI RACUN 1. jer se c s c medu njima nalaze potencijalni ekstremi. Medutim. Obratno. . Funkcija f pada na I ako i samo ako je f (x) ≤ 0.11 imamo da obrat ne vrijedi. dakle z funkcija f raste na I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. Iz Napomene 6. Dokaz ide na sliˇan naˇin.24 smo vidjeli da. Jedan smjer bismo mogli dokazati. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.26 postoji x ∈ (x. ∆x Primjer 6. onda je f (x0 ) = 0. onda funkcija strogo raste (pada) na I. za svaki x ∈ I. po Teoremu 6. x−→0 U Teoremu 6. lim x2 = 0). ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). pa je f (x + ∆x) − f (x) ≥ 0. za svaki x ∈ I. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. obratna tvrdnja ne mora vrijediti. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). pa je f (x) = lim za svaki x ∈ I. Tada. Kako je desna strana gornje jednadˇbe nenegativna. Limes nenegativne funkcije mora i sam biti nenegativan. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Dakle ne vrijedi f (x) > 0 na R. 2.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.28 primjenom Teorema 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. to je i lijeva strana takva. 2. Neka je f ∈ C 1 (I) rastu´a funkcija na I.

c Kao ˇto smo rekli. DERIVACIJA FUNKCIJE 263 Definicija 6. Definicija 6. onda u x0 funkcija f ima lokalni maksimum. x2 ∈ I. u stacionarnoj toˇki funkcija moˇe. Teorema 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). ali i ne mora. c Dakle. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .2.28.♣ c Konveksnost. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .1. onda u x0 funkcija f ima lokalni minimum. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. 2 za sve x1 . Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .4. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .24. x2 ∈ I. Teorema 6. Dokaz: Izravno iz toˇke 5.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .6. . imati s c z lokalni ekstrem. kaˇemo da je f konkavna na I. da je barem f ∈ C 2 (I)). jer konveksnost i konkavnost ovise o predznaku druge derivacije. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Teorem 6. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Ako derivacija s c ne mijenja predznak. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. a s druge pada (raste)).

Dokaz ide na sliˇan naˇin. f (x2 )). Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. Ako je f (x0 ) > 0. c .27 biti iz te okoline. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). c 2. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . za svaki x ∈ I. c c Dakle. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. 1. 2.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Ako je f (x0 ) < 0. Dakle je f (cx ) > 0. funkcija f ima u x0 ∈ I lokalni maksimum. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. x2 ∈ I graf konveksne funkcije je ispod. za svaki x ∈ I.3). Npr. iz Teorema 6.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .30 Neka je f : I −→ R klase C 2 (I). funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . funkcija f ima u x0 ∈ I lokalni minimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . UVOD U DIFERENCIJALNI RACUN Definicija 6. ali je f (0) = 0. Onda ´e i toˇka cx iz Teorema 6. Primijenimo li Teorem 6. a konkavna ako je za sve x1 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). c 1.♣ Teorem 6.31. Uzmimo x proizvoljan iz te okoline.27 za sluˇaj c n = 1. Teorem 6.264 ˇ POGLAVLJE 6. Dokaz: 1. f (x1 )) i (x2 . 2. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. izmedu x1 . konveksnost i konkavnost su odredene predznakom druge derivacije. jer c c se nalazi izmedu x0 i x. Zbog neprekidnosti druge c derivacije.

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

Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .34. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . f (n) (x0 ) = 0. iz Teorema 6. Tada. 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 ) = . . . f (x0 ) = 0. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.12).12) i iz Teorema 6. tg α2 = f2 (x0 ).266 i ˇ POGLAVLJE 6. g(x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . c Napomena 6. analogno kao u dokazu Teorema 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. . .♣ g (x) f g Na Teorem 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . c Dakle. . po g (x0 ) = 0. . Znamo da je c tg α1 = f1 (x0 ).16 Neka su funkcije f. g (n+1) (x0 ) = 0. g (n) (x0 ) = 0.

f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. x a + x2 = f2 (x). dakle je f1 (x0 ) = f2 (x0 ). z c c Primjer 6. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. Ako je α = 0. odnosno ako i samo ako je tg α = ∞. . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . onda je i tg α = 0 . Iz toˇke 2. c c pa moˇemo re´i da se diraju u toj toˇki. 1 + f1 (x0 )f2 (x0 ) Napomena 6.14: Kut izmedu dviju krivulja.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .2. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . To znaˇi da u c toˇki (x0 . tj.6. a > 0.2. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).

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

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

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

minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. U drugom pristupu. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. za x = 1. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . 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). je dio matematiˇke op´e kulture. z c Usporedimo sada ova dva pristupa. pozvali smo se na rezultat koji. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. koji je elegantniji. tj. slijedi da je x + x ≥ 1. 1 Nadalje.6.2. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. doduˇe.♠ s z c .

.

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

itd. jer je derivacija svake konstante jednaka nuli. Iz Teorema 6. linearan operator koji mu je inverzan. Zanima nas. Stoviˇe.2. a onda pogledajmo kada postoje i koja su im svojstva. Definicija 7. Uvedimo prvo ime za takve funkcije.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I.7 izravno slijedi da je operator deriviranja linearan. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. da je x primitivna funkcija funkcije x. 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). UVOD U INTEGRALNI RACUN deriviranja operator.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x).20 i Napomene 6. C ∈ R. 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. ako postoji. Teorem 7. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.274 ˇ POGLAVLJE 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. . Odatle slijedi vaˇno svojstvo primitivnih funkcija. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. c Primjerice.1 Neka je f neprekidna funkcija na I ⊆ R.

C ∈ R je konstanta integracije. f (x) je integrand.♣ 7. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. koji je po Teoremu 7. slijedi H(x) = H(x0 ) za svaki x ∈ I.4). Interpretirajmo elemente ove formule: je znak integrala. a to je upravo druga tvrdnja teorema.1. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . H je konstantna funkcija.2.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6.1 beskonaˇan. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . Piˇemo s f (x)dx = F (x) + C.7. s To nije toˇno inverz od derivacije. tj. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.1. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. c F (x) je primitivna funkcija funkcije f (x). dolazi od S kao suma. 275 Dakle imamo prvu tvrdnju. gdje je c neka toˇka izmedu x i x0 . Ostale raˇunamo koriste´i svojstva c c c .26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). ˇalje c s u f. dx pokazuje po ˇemu se integrira. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).

(f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Dokaz: 1.1 Iz Teorema 7.♣ . Teorem 7. Oˇito je.♣ Napomena 7.2 f (x)dx = f (x). Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.3 Vrijedi: 1. f (x)dx. 2.7). z Teorem 7. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx.276 ˇ POGLAVLJE 7. Neka je F primitivna funkcija funkcije f . 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g. F ± G primitivna funkcija funkcije f ± g. UVOD U INTEGRALNI RACUN neodredenog integrala. Oˇito je. Dokaz: Neka je F primitivna funkcija funkcije f .1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. cF c primitivna funkcija funkcije cf . Za ostale operacije nema jednostavnih pravila. = (F (x) + C) = F (x) = f (x).20 i Napomena 6. zbog linearnosti derivacije. Kako je imamo f (x)dx f (x)dx = F (x) + C. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. c zbog linearnosti derivacije.

1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1.4). c 7.7. tabliˇne integrale. Najpoznatiji primjer je e−x dx. 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. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. S druge strane.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. tzv. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. eksponencijalne i z trigonometrijske funkcije. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.1.2.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.1. c c koriste´i pravila i tablicu derivacija (toˇka 6. c c z z to obiˇno nije lako. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Ako se i moˇe integrirati. Tako moˇemo integrirati polinome i jednostavnije racionalne. Primjer 7.2) i svojstva iz Teoc c rema 7.3.1 Pogledajmo sljede´e primjere: c .

Koriste´i Teorem 7. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. UVOD U INTEGRALNI RACUN 1. 3). Drugim rjeˇima. i to je x3 +x+1. pa je C = 1. 3). Odredimo integral funkcije f (x) = x2 + sin x. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.2: Primitivne funkcije funkcije 3x2 + 1. 3). y 3 0 1 x Slika 7. Samo jedna prolazi toˇkom (1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.278 ˇ POGLAVLJE 7.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. Dakle je 3 = F (1) = 1 + 1 + C.♠ c . i one c 3 su oblika x +x+C. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. Koriste´i Teorem 7. 3 2. i ˇiji graf prolazi kroz toˇku (1. Traˇena funkcija je F (x) = x3 + x + 1.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).

3 i tabliˇne integrale. gornji se integral svodi na u du. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). deriviranjem sloˇenih funkcija. op´enito. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. Ipak. z Primjer 7.7.2. a to znamo da je u2 2 sin x d(sin x).1. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.♠ 2 . Dakle je sin x cos x dx = 1 2 sin x + C. tj. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. Koriste´i izraz za diferencijal (toˇka 6.2 Odredimo integral funkcije f (x) = sin x cos x. ovo moˇemo pisati kao c c z sin x d(sin x). + C.5). ne mogu integrirati produkti funkcija (osim c za polinome. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.

Zamjenom varijabli kao u Primjeru 7. a to je diferencijal od z u6 + C. Ako je G(u) primitivna funkcija od g(u).♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C.3 Odredimo integral funkcije f (x) = sin5 x cos x.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. moˇemo podintegralnu funkciju pisati kao z g(u)du. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. tj. Primjer 7. . Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. d(u(x)) = u (x)dx. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. UVOD U INTEGRALNI RACUN U Primjeru 7.280 ˇ POGLAVLJE 7.

281 sin Integral tg x dx nije tabliˇni. u 2 2 du . a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. 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.1. cos x i da je sin x derivacija od − cos x. x2 −1 Uvedimo supstituciju u = x2 − 1.♠ x2 .7.4 Odredimo integral funkcije f (x) = tg x . Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b.5 Odredimo integral funkcije f (x) = 3x . 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. Dakle. Sada je du = 2x dx. a nije ni produkt. imamo 3x dx = 3 x2 − 1 Da smo imali x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln |x2 − 1| + C. dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. tako i iz diferencijala. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du.♠ u Napomena 7. 2x 1 dx. pa je dx = Uvrstimo u integral. NEODREDENI INTEGRAL Primjer 7. kako iz integranda. Primjer 7.

♣ u (x)v(x)dx. Odredimo integral funkcije f (x) = x cos x. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. .282 ˇ POGLAVLJE 7. Napomena 7. du = u dx. 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. (uv) = u v + v u.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. v du + u dv. a drugi se deriviranjen pojednostavnjuje.6 Pogledajmo sljede´e primjere: c 1. klase C 1 (I). Polazimo od formule za derivaciju produkta funkcija. v du. Imamo produkt u kojem oba faktora znamo lako integrirati. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. tj. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Koji od njih treba odabrati kao v? v du. zbog dv = v dx.

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

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

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

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

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

xs sve razliˇite nultoˇke medu z1 . . xs .. x0 nultoˇka od Pn−2 (x). . c2 − 4d < 0. x2 . Kako je x0 nultoˇka kratnosti r od Pn (x). razliˇite realne nultoˇke s pripadnim kratnostima rα ..... f = 0. UVOD U INTEGRALNI RACUN 3. c Neka je x0 ∈ C \ R... medu brojevima x1 . r2 . 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.. rs . tj.. Neka je γ = u+vi...5 znamo da svaki polinom Pn (x) = i=0 ai xi stupnja n > 0 z s realnim koeficijentima ima toˇno n kompleksnih nultoˇaka z1 .. Kako je x0 nultoˇka kratnosti r od Pn (x). c Pn (x) = an (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · gdje je (rα + rβ + . njena kratnost je toˇno r.. onda je po tvrdnji 2.♣ n Napomena 7. medu kojima moˇe c c biti istih. zn od Pn (x) s pripadnim c c kratnostima r1 . x2 + ax + b = (x − (e + f i))(x + (e − f i)). .. znamo da Pn (x) moˇemo podijeliti c s z polinomom (x − x0 )(x − x0 )..288 ˇ POGLAVLJE 7. rcd .) + 2(rab + rcd + . rβ . Neka su x1 . x2 . ima moˇda onih s komplesnim koeficijentima. s ≤ n. h = 0..) = n.. Medutim.. ... odnosno x0 je nultoˇka kratnosti dva c c ili viˇe od Pn (x).. . (x − xs ). . Medutim. β.. u rastavu polinoma Pn (x) uvijek se u paru javljaju faktori (x − (u + vi))rγ i (x − (u − vi))rγ . xs od Pn (x).... .. redom.. medu razliˇitim nultoˇkama c c c c x1 . a2 − 4b < 0. v = 0. Nastavljaju´i ovaj postupak nakon r koraka zakljuˇujemo da je x0 s c c c z nultoˇka kratnosti r ili viˇe od Pn (x). . c c Dakle je po tvrdnji 2.5 Iz Teorema 5. onda je x0 = x0 . c c razliˇite kompleksne nultoˇke s pripadnim kratnostima rab .. g + hi. Tada je po Napomeni 7.. . x2 . x2 + cx + d = (x − (g + hi))(x + (g − hi)).. .. jedna kompleksna nultoˇka medu razliˇitim nultoˇkama x1 . + rs = n. Iz Napomene 7. Kvadratni faktori nemaju realnih korijena. to je x0 nultoˇka kratnosti r −1 od Pn−2 (x)..4 i γ = u − vi nultoˇka od Pn (x) kratnosti c rγ . i e + f i.. i gdje su α. tj. x2 . odnosno medu linearnim fakorima (x − x1 ).. Iz 1.4 direktno slijedi da se Pn (x) moˇe zapisati kao z Pn (x) = an (x − x1 )r1 (x − x2 )r2 · · · (x − xs )rs . i c x0 nultoˇka kratnosti jedan ili viˇe od Pn (x).. . pa tvrdnja oˇito vrijedi. Dakle.... (x − x2 ). Ako je x0 ∈ R. . .. 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. . r1 + r2 + . Mi ˇelimo iskljuˇivo z z c raditi s realnim koeficijentima.. . xs c c c od Pn (x) kratnosti rγ .. Neka je Pn−2 (x) = Pn (x) : ((x − x0 )(x − x0 )).. zn . Mnoˇe´i ta dva faktora dobivamo z c (x − (u + vi))rγ (x − (u − vi))rγ = (x2 − 2ux + u2 + v 2 )rγ ..

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

x3 −2x2 +x .q . Primjer 7.1 . Integracija integrala I2.q = + 2q−3 I2. nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. logaritama z i arkustangensa. + 1)q Time smo problem sveli na odredivanje integrala I1. 2 2 q>1 q = 1. Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija.q = (t2 t dt + 1)q i I2.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 .q =  (b− a )q−1 1 4 + C.290 dobivamo ˇ POGLAVLJE 7. Imamo 2x2 − 3x + 3 A B D = + + .q se lako izraˇuna supstitucijom u = t2 + 1: c   I1. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo. x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 . q = 1. + 1)q Integral I1. UVOD U INTEGRALNI RACUN 1 Mx + N a2 aM ) dx = (b − )−q+ 2 (N − 2 + ax + b)q (x 4 2 (t2 dt + + 1)q (b − a2 −q+1 ) M 4 (t2 tdt .) c Kako je formula za I2. i kako znamo izraˇunati integral I2.q je sloˇenija. Dobiva se z I2. c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen. 2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C.q rekurzivna.q−1 .q = (t2 dt . q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C.

1. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2).7. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Rjeˇenje je A = 3.♠ 3 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. B = 2. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . D = −1. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. 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. x(x−2)(x+1) x+2 A B D = + + .

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

Takav lik ˇesto zovemo krivuljnim trapezom. ODREDENI INTEGRAL 293 7. 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. ploha. duˇinama.1 Odredeni integral Motivacija .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. jer je to uobiˇajenije. T1 T2 T3 T4 Slika 7. c . tj. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje.7.3: Triangulacija podruˇja u ravnini omedenog duˇinama. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. c z Napomena 7. Kako povrˇinu trokuta znamo raˇunati. 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. Lik se triangulira. problem moˇemo s c z smatrati u biti rijeˇenim. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. gdje se zbraja po svim trokutima triangulacije Ti . ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj.2 7.2. s P = i P (Ti ). Povrˇina je geometrijska kategorija. tj.

(Funkcija f je strogo pozitivna na [a. s lijeva pravcem x = a.5: Rastav ravnog lika na krivuljne trapeze. b x KT 1 KT2 KT KT3 4 Slika 7. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. b]. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. dakle. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. Promatrajmo. za svaki x ∈ [a. b] funkcije f (x). i da komad krivulje bude graf neke funkcije.) Po Teoremu 6.6. funkcija f na segmentu [a. b] ako je f (x) > 0. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b] .294 ˇ POGLAVLJE 7. krivuljni trapez omeden odozdo komadom osi x. Neka je ta funkcija neprekidna.4: Krivuljni trapez.

n − 1. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < .. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. n (brojevi mi i Mi c . c Krajeve segmenta [a. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . < xn−1 .. b]. . a M maksimum funkcije f na [a. Ideja je da se uzimanjem sve uˇih i uˇih osnovica z z nepoznata ploˇtina P moˇe po volji dobro aproksimirati zbrojevima povrˇina pras z s vokutnika upisanih ili opisanih malim krivuljnim trapezima. S druge strane. i = 1. Podijelimo segment [a.. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. 295 gdje je m minimum. pri ˇemu su xi ∈ a..6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima.. Dakle je m ≤ f (x) ≤ M.. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. b] oznaˇimo s x0 = a i xn = b. .n. i = 1. b]. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 . b] i visina M . z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. Imamo gornju i donju ocjenu nepoznate veliˇine P . .. pravokutnik s osnovicom [a. ∀x ∈ [a. xi ]..7. Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7.2. b za svaki i = 1... s je manja razlika vrijednosti M i m. Oznaˇimo li traˇenu ploˇtinu s P .

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

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

dakle je f ograniˇena funkcija na [a. b]. c i = 1.♣ Napomena 7. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b]. c Iz Primjera 7. b].♣ Primjer 7. a .. b]. f (x) = nije integrabilna. Izraˇunajmo iz definicije c b 1.13 Dirichletova funkcija. nisu integrabilne.. .3 Ako za funkciju f moˇemo definirati odredeni integral na [a. 1 dx. b]. UVOD U INTEGRALNI RACUN Definicija 7. n. onda je ona i c ograniˇena.8 Dirichletova funkcija ima prekid u svakoj toˇki. tj.9 Uoˇimo da ako je f monotona funkcija na [a. Uoˇimo da za svaku podjelu r segmenta [a. b] je integrabilna.5 Svaka monotona funkcija na [a.6 Svaka neprekidna funkcija na [a. za svaki x ∈ [a. b] je integrabilna. x∈Q 0. b] imamo mi = 0 i Mi = 1.298 ˇ POGLAVLJE 7. onda je f (a) ≤ f (x) ≤ f (b). Koje jesu? Neprekidne sigurno jesu. Primjer 7. Koje joˇ? s Teorem 7. b]. Dirichletova funkcija nije integrabilna.13 vidimo da nisu sve funkcije na segmentu [a. b] z kaˇemo da je f integrabilna na [a.♠ Napomena 7. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).. b] integrabilne. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. z c tj.14 1. c Dokaz: Ako f raste na [a. b]. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.♣ Teorem 7. x ∈ R \ Q.

c Oˇito je funkcija f (x) = x neprekidna na [a. b] je mi = Mi = f (si ) = 1. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. n. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a.. c 2. 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. Izraˇunajmo a b x dx. . Podijelimo segment [a. b]. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . b]. Za svaku podjelu r segc menta [a... i = 1.7.2. Sada je mi = a + (i − 1)∆x.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. 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 . b] c na n jednakih djelova. Mi = n a + i∆x. ∆x = b−a .

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

i = 1. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. za a < a1 < a2 < .. b f (x)dx = − a f (x)dx. . Dokaz: Za bilo koju podjelu r segmenta [a. . c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a.2. a f (x)dx = a f (x)dx + c f (x)dx. n. tj..2.♣ b c b 3.. i = 1. b u svaku podjelu od [a. . b .7. ostaju iste. n. za svaku toˇku c ∈ a.. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . c Ovo se zove aditivnost integrala po podruˇju integracije. pa je a a b f (x)dx = 0.. b] c n zbrojevi i=1 f (si )∆xi rastavljaju u zbrojeve u kojima su svi si < c i u c b zbrojeve u kojima su svi si > c. biti negativne... Dakle odredeni integral mijenja predznak ako se zamijene granice. n.. a vri- jednosti mi . ODREDENI INTEGRAL 301 7.2 a Svojstva odredenog integrala f (x)dx = 0..♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. . i = 1. a 1..♣ 2. a] su gornja i donja Darbouxova suma a jednake nula. + an−1 f (x)dx. a drugi u c f (x)dx. Mi i f (si ).. < an−1 < b...

[an−1 ... a1 ]. . z Napomena 7..10 Iz ovog svojstva slijedi da i funkcije koje na [a...4 Funkcija f : [a. b]. Dakle. b] znamo a1 b izraˇunati integrale c a b f (x)dx. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < . a1 ]. b]..... iz Teorema 7. . Definicija 7. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx.... c Kako je f neprekidna. dakle znamo izraˇunati c i a f (x)dx. takve da je f monotona na svakom segmentu [a.. . 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. an−1 f (x)dx. Analogno se dokaˇe ako je a < b < c. . gdje su a < a1 < a2 < . b ako uzmemo u obzir svojstvo c / 2. < an < b. 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 + .. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna. < an−1 < b sve toˇke prekida od f na [a. na svakom segmentu [a.. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. [an .302 ˇ POGLAVLJE 7.5 i svojstva 3. + an−1 f (x)dx.

a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.♣ c Napomena 7. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. a 4. 6... pa je mi = 0. dakle i integrabilna. x2 .7.. x. Dakle beskonaˇni skup {xn : n = 0..2. . jer npr. gdje je c ∈ R proizvoljan.. Oˇito je z c c tada m = 0... j − 1. . xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. b] (skup R(I) nije prazan. . Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. b] toˇka c pada u toˇno jedan c c [xj−1 . b] i da je f (c) > 0. a (f (x) ± g(x))dx = a ili aditivnost integrala. onda je c b f (x)dx = 0. Beskonaˇnodimenzionalan je.18. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. n. M = f (c) i za svaku podjelu r segmenta [a.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).18. Dakle je s(r) = 0 i S(r) = Mj ∆xj .11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. ..} se c nalazi u nekoj bazi od R(I).. unutra se sigurno nalaze sve neprekidne funkcije na [a. . Ako je funkcija f : [a. . Mi = 0.2 i Teorema 6.2 i Teorema 6. skup c {1. 1. Stoviˇe. i = 1. i = 1.. j + 1. i svaka funkcija iz tog skupa je neprekidna na I.3).. xj ]. i Mj = f (c)..♣ b b 5. a cf (x)dx = c a f (x)dx.13). ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. n. b]). Nadalje. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7..

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

b]. c F (x) = g(x) − f (x) ≥ 0.8 je dobro definirana funkcija F ∈ C 1 [a. i oˇito ima pozitivnu derivaciju. b] iz Teorema 6. b]. Dokaz: Po Teoremu 7.28 F raste na [a.3 slijedi da postoji interval . Kako je funkcija F = g − f neprekidna na [a. onda je b f (x)dx > 0. Odatle slijedi da je F (b) ≥ F (a) = 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Dakle. x2 ∈ I takve c da je x1 < c < x2 .♣ 9. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b] tada iz Teorema 6. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a.7. za svaki x ∈ I . Ovo svojstvo se zove svojstvo monotonosti integrala.3 slijedi da postoji interval I ⊂ [a. b]. Dakle postoje x1 . b] odnosno stroge pozitivnosti na [x1 . Neka su f i g neprekidne funkcije na [a. po Teoremu 6. Ako je f (c) < g(c) za bar jedno c ∈ [a.2. Tada je b b f (x)dx ≤ a a g(x)dx. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a. onda je F (c) = g(c) − f (c) > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Iz pozitivnosti funkcije f na [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. b] i ako je f (c) > 0 za neki c ∈ [a. b]. b] oko toˇke c takav da je f (x) > 0. b] onda vrijedi stroga nejednakost. ODREDENI INTEGRAL 305 8. x2 ] imamo x2 f (x)dx > 0. tj.

za svaki c x ∈ [a.♣ 10. i Primjera 7. Ako f nije konstanta na [a. b]. a b b f (x)dx ≤ a |f (x)|dx. tj. pa postoji barem jedan c ∈ [a. Nadalje. b] takva da je c b f (x)dx = f (c)(b − a). b]. b] −→ R. b]. iz svojstva 9. b]. 11. tj. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|.♣ a Izraz 1 b−a b f (x)dx a . odnosno imamo strogu nejednakost. za svaki x ∈ [a. Teorem 7. b] oko toˇke c takav da je F (x) > 0. iz neprekidnosti funkcije f na [a. a Dokaz: Po Teoremu 6. imamo da je F (b) > F (a) = 0. za svaki x ∈ I . Nadalje iz Teorema 6.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). b]. b] za koji je b f (x)dx = f (c)(b − a). iz svojstva 9. Dakle postoje x1 .7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). odnosno po Teoremu 6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . UVOD U INTEGRALNI RACUN I ⊂ [a. m ≤ f (x) ≤ M . Tada postoji toˇka c ∈ [a.28 c F strogo raste na I . imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx.6.306 ˇ POGLAVLJE 7. Neka je f : [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b).

12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Oˇito je da funkcija f ima prekid u x0 = 0. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. a2 .7.. Nadalje.9: Teorem srednje vrijednosti za odredeni integral. a Teorem 7. kako je f neparna c funkcija. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. x < 0.♠ c . se zove srednja vrijednost funkcije f na segmentu [a. Odatle ime teoremu. b].15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. 1] za koju je f (c) = 0... iz svojstva 7. n Za funkcije koje nisu neprekidne Teorem 7.2.+an dine (aritmetiˇka sredina od a1 . imamo da je 1 f (x)dx = 0.7 ne mora vrijediti: Primjer 7. −1 medutim ne postoji toˇka c ∈ [−1. an ∈ R je a = c ). b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. x ≥ 0 −1. Povrˇina ispod s grafa neprekidne funkcije f nad [a.. c Napomena 7..7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. .

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

6).11: Funkcija F (x). Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. ∆x odnosno f (ζ1 ) = m ≤ .7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.3. Ho´emo gledati c ∆F . x+∆x]. NEWTON . b] i vrijedi F (x) = f (x). ∆F ≤ M = f (ζ2 ). b]. ∆x−→0 ∆x Funkcija f je neprekidna na [a.LEIBNIZOVA FORMULA je derivabilna na [a. Po Teoremu 7.7. pa onda i na svakom podsegmentu [x.

toˇke ζ1 i ζ2 moraju teˇiti prema x. ∆x Teorem 7. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti.2. a Dokaz: Prema Teoremu 7. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ).Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. b] i F (x) = f (x). no dokaz je bitno sloˇeniji.♣ x ∆x−→0 ∆F ≤ f (x).9 (Newton . Dakle je F (x) derivabilna funkcija na cijelom [a.12). onda. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . F (x) = f (x). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. f (x) ≤ F (x) ≤ f (x). iz toˇke 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. i neodredeni. tj. zbog neprekidnosti funkcije f na [a. U njoj se povezuju odredeni integral. b F (b) = a f (ζ)dζ. do kojeg dolazimo preko limesa niza integralnih suma.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Odatle slijedi c f (x) ≤ lim tj. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Sliˇno i za ζ2 −→ x. z Teorem 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.310 ˇ POGLAVLJE 7. Odatle je a f (x)dx = F (b) − F (a). b].♣ Newton .

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

Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. tj. b i neka je x−→b− lim f (x) = +∞.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.♠ 7. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. u dv = uv a b a − a v du.17 Izraˇunajmo c 0 1 xex dx.312 ˇ POGLAVLJE 7. Iz Primjera 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. .10. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3. c c c Neka je funkcija f neprekidna na [a.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Primjer 7. kao i da je samo poc druˇje integracije konaˇno. 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. U takvim sluˇajevima govorimo c s c o nepravim integralima.6 i omedena) na podruˇju integracije.

te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. c y f(x) 0 a x b Slika 7. tj.12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − . b postoji integral te funkcije u granicama od a do x. tj. .18 1.7. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. u toˇki a. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. postoji x f (ζ)dζ. c c Primjer 7. 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. a Ako promatrani limes ne postoji. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x.4. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. kaˇemo da integral divergira ili da nema z znaˇenja.

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

Izraˇunajmo c −1 1 x2 dx . 1 a f (x)dx konvergira. 0] −→ R zadovoljava uvjete Teorema 7. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. tj. iz ϕ(t) = b dobijemo t2 = 0. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. t + b = a imamo t1 = a − b. x2 b 2. Analogno. dakle imamo b a dx = (x − b)n 0 a−b dt . inaˇe c Primjer 7. tn Ako je n < 0. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.10. c+ε2 Ako oba limesa na desnoj strani postoje. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.4. Iz ϕ(t) = a.19 1. Izraˇunajmo c a dx . 1]. onda divergira. 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 = +∞. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1.7. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . . Sada oˇito funkcija ϕ : [a − c b. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. (x − b)n Stavimo ϕ(t) = t + b. tj.

Neka je funkcija f neprekidna na [a. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. tj. b].♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. situaciju kad podruˇje c c integracije nije ograniˇeno. integral dx divergira za n ≥ 1. Uz svojstvo monotonosti integrala (svojstvo 9. +∞ .2. Znamo c . za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − .19 moˇe posluˇiti pri usporedivanju. 0]. iz toˇke 7. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b.316 ˇ POGLAVLJE 7. Dakle tn b a dx (x − b)n konvergira za n < 1. divergira za n ≥ 1. c z z Promatrajmo sada drugi mogu´i izvor problema. 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. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Primjer 7. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1.2) npr. −n + 1 −n + 1 za n > 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.

kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. postoji x f (ζ)dζ. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. tj. +∞ postoji integral te funkcije u granicama od a do x. . z Sliˇno postupamo i za sluˇaj c c b f (x)dx. −∞ Primjer 7. a Ako promatrani limes ne postoji.20 1.13: Nepravi integral po neograniˇenom podruˇju integracije. c c da za svaki x ∈ [a.7. kaˇemo da integral divergira. −∞ pa i za sluˇaj c +∞ f (x)dx. Izraˇunajmo c +∞ 0 e−x dx.4.

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

1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. c] i negativna na [c.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7.5 7. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b.5. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . b]). Ako je funkcija f neprekidna i negativna na [a. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. osi x.2. b]. b] −→ R neprekidna takva da je pozitivna na [a. b]. PRIMJENE INTEGRALNOG RACUNA 319 7. ako je f : [a. za neki c ∈ a.5. s s b f (x)dx = P1 − P2 . osi x. Nadalje.ˇ 7. broj P1 + P2 . c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. b . dana s b (f1 (x) − f2 (x))dx. gdje su f1 . b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . a Ploˇtina povrˇine izmedu grafa funkcije f . b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). a . f2 : [a. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. za svaki x ∈ [a. tj. pravcem x = a s s i pravcem x = b. pravca x = a i pravca x = b. ali negativnog predznaka. s s tj. pravcem x = a i s pravcem x = b. b]. osi x.

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

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

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

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 7.5.ˇ 7. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. ako su f1 . b].22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. Dakle.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. f2 : [a. c Primjer 7. za svaki x ∈ [a. z z Po gornjoj formuli.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. .

Primjer 7. R > r.324 y ˇ POGLAVLJE 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. y R r 0 x −R Slika 7. f2 (x) = R − √ r 2 − x2 . .

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

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

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

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

16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).ˇ 7. recimo. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx .5. Kako je masa promatranog lika jednaka M = µP.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. Iz simetrije je jasno da mora biti xT = 0. yT = 1 2 b 2 a f (x)dx b a f (x)dx . i=1 a to u limesu daje My = µ b a xf (x)dx. zs √ Imamo f (x) = r2 − x2 . PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.23: Teˇiˇte homogenog polukruga. zs s s y r 0 r x Slika 7. 2 . Takoder. upravo xi . Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . iz Primjera 7.11). s Primjer 7.

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

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

332 ˇ POGLAVLJE 7. 4 Zbog M = µV = 14 3 R π. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .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. Primjer 7. 4 3 Zbog M = µV = 1 R2 πH. 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 . teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca. za µ = 1. tj. 23 dobivamo xT = Mx M . R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R.24: Teˇiˇte homogenog stoˇca. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. dobivamo xT = 4 H. 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 .♠ 8 π 4 R . 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.♠ z Primjer 7. mjereno od osnovice.

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

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

d] funkcije g. 3 ˇto u limesu za ∆xi −→ 0 daje s 1 Ix = µ 3 b a f 3 (x)dx. y). Oˇito je f (x) = c √ r2 − x2 . Uvedemo li oznake dP = f (x)dx. 3 a ako mu je ishodiˇte u sredini. onda je s I0 = 1 M (a2 12 + b2 ).5. Tako za pravokutnik s poˇetka ove toˇke imamo c c I0 = 1 M (a2 + b2 ). Znamo da je c 2 2 Ix = mx i Iy = my . pri ˇemu je lik omeden pravcima y = c i y = d. d] osi y i grafom c pozitivne i neprekidne na [c. dm = µdP = µf (x)dx. Primjer 7. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .ˇ 7.29 Izraˇunajmo moment inercije polukruga sa srediˇtem u ishodiˇtu c s s i polumjera r obzirom na x os. Broj r = x2 + y 2 je udaljenost materijalne toˇke od c ishodiˇta. Neka je dana materijalna toˇka mase m s koordinatama (x. imamo Ix = Sliˇnim se razmatranjem dobije c Iy = d c 1 3 b a f 2 (x)dm. 3 . za µ = 1. pa je moment tromosti s obzirom na ishodiˇte I0 jednak s s I0 = mr2 = mx2 + my 2 = Ix + Iy . Zbrajanjem po svim pravokutnicima dobivamo n 335 i=1 1 3 µf (si )∆xi . g 2 (y)dm. dakle je 1 Ix = µ 3 r −3 (r2 − x2 ) 2 dx. komadom [c.

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

.. b] na podsegmente [xi−1 . Podijelimo segment [a. Duljina luka od toˇke A = (a. i = 1. xi ]. 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. n...26: Duljina luka zadanog kao graf funkcije f (x). b] zadana kao graf funkcije f ∈ C 1 [a. . i gdje je ∆xi = xi − xi−1 .5. 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 . f (a)) do toˇke c c B = (b. c po Pitagorinu pouˇku. b] eksplicitnom formulom y = f (x).ˇ 7... Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.♠ 15 5 7. f (xi )). Duljina svakog takvog komada je. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . n. f (xi−1 )) i (xi . . Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7. . pa uzmimo c s os x.5. i = 1. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 .

. n. 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 )). Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.27: Ploˇtina plaˇta rotacijskog tijela.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a.26).. mase µ. xi ]. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. s yT = b a f (x) √ 1+[f (x)]2 dx . b] rotira oko osi x. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . . s 7. i = 1. 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. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. i = 1. . Dijeljenjem segmenta [a. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.5. n. b] na podsegmente [xi−1 .... i . a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx ..338 ˇ POGLAVLJE 7. s s plaˇta krnjeg stoˇca polumjera donje osnovice R.

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

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

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] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh. b] z z b W = a F (x)dx. rad) biti kvadratna funkcija pomaka x. F = −kx. i nakon toga s . sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. Ako sila nije konstantna. no nije ni bitna. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Konstanta k nam nije zadana u ovom primjeru. 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.33 Jarak duljine 10 m. Primjer 7. pri ˇemu je g ≈ 9. Odavde odmah slijedi da je rad sile F (x) na putu [a.ˇ 7.5.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Tada ´e njen integral (tj. s Primjer 7. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a. ako se masa tijela mijenja. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. To je formula dobivena integriranjem konstantne sile mg od 0 do h. tj. onda je b W (h) = a F (x)dx.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. b]. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju.

a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.83 J.33. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. ˇirina c s 2(1 − x) m. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. duljina jarka je 10 m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).30: Jarak iz Primjera 7.342 ˇ POGLAVLJE 7.29: Jarak iz Primjera 7. s x 0 y h Slika 7. a debljina sloja je dx metara). .33. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.

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

UVOD U INTEGRALNI RACUN 0 1 Slika 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.35.344 ˇ POGLAVLJE 7.31: Kanal iz Primjera 7.♠ s c .

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