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

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

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

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

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

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

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

6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . 7. . .2. . . . . 7. . . . . . . . . . . . . . .2 Neodredeni integral . . 6. . .7 Raˇunanje limesa . . . .1 Primitivna funkcija . . . . . .2. . . . 7.2 Svojstva neprekidnih funkcija .7 Primjene u fizici . . . .2. . . . .1. . .6 Derivacije viˇeg reda .2. . . . .2. . . .1. . . .5. . . . . . . . . . . . . . .1. . . zs 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . .1. . . . . . . .3 Teˇiˇte . . . . . . . . . .Leibnizova formula . . . . . .1. . . . . . . . . . . . . . . . . 7.5 Primjene integralnog raˇuna . . . . 7. . . . . . . 7. . . . . .5. . . . . .2. . . . . . . . . . . . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . .6 Neodredeni oblici . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. .1 Motivacija . . . . . . .4 Nepravi integral . . . . . . . . s 7. . . . . . .8 Primjene derivacija . . . . . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . . . . . zs 7. . . . . s 6. . . . . . . . . . . . .1 Povrˇina lika u ravnini .4 Moment ustrajnosti (inercije) . . .6 Povrˇina rotacijske plohe . . . . . . . . .5. . . . . . . . . . . . . . .1. . . . c 6. . . . . 7. . .3 Neprekidnost elementarnih funkcija . . . c 6. .5 Duljina i teˇiˇte luka ravne krivulje . . . c 6. . . . . . . c 6. . . . . . . . . . . . . . . . . . .1. .5 Neprekidnost i limes . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . . . . . . . . . . . 6. . . .5. . . . . 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 .5. . . . . . . . .2 Derivacija funkcije . . . 7. .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . c 7.1. . .2 Volumen rotacijskog tijela . . . . .5. . . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Newton . . . . . . . . . . . . . . . . . . . . . .1. .7 Osnovni teoremi diferencijalnog raˇuna . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . .1 Neodredeni integral . . . . . . . . . . . . . . .3 Derivacija funkcije . . . . . .4 Raˇunanje derivacija .2 Svojstva odredenog integrala . . .4 Graniˇna vrijednost (limes) funkcije . . .5. . . . . . . . . . . . . . . . . . s 7. . .2. . . . . . c 6. . . 6. . . .2. . . . . . . . . . . . . 7. . .3 Metode integriranja . . .1. . . . . . . . . . . . . . . . . . . . . . . . . .2 Odredeni integral . . . . . . . . . . 6. . . 7 Uvod u integralni raˇun c 7. .

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

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

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

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

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

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

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

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

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

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

Napomena 1. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . z kolinearan je sa svakim vektorom). tj.1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.2 znamo da takve toˇke A i B postoje i da su jedinstvene. onda c a − → − →. Iz a Napomene 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Tada je c − − → − = OB. → c . poˇinje u P a z c zavrˇava u Q. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. 11 − → 3.3). Za vektor P Q kaˇemo da je orijentiran od P prema Q. tj. → Napomena 1. Oˇito je | 0 | = 0. 3. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. Pogledajmo sada neka svojstva nul vektora: c − → 1. Vektor kod kojeg su poˇetak i kraj jednaki. B ∈ E takve da je OA = − i AB = b . P = Q. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.1. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Preciznije. Sada samo izaberemo orijentaciju koja nam treba. c 2.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.3).

3 Za bilo koje tri toˇke P.3: Motivacija za definiciju zbrajanja vektora.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. Q ∈ E vrijedi P Q = P O + OQ. O.4: Pravilo trokuta i pravilo paralelograma.12 ˇ POGLAVLJE 1. − + b = b + − (komutativnost). − → → − → → → → − 3. ♣ B b a+b a b 0 A a+b a b Slika 1. i oznaˇavamo ga s → 0 . c Teorem 1. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). . − → − → − → Napomena 1. Vektor a zovemo suprotni vektor vektora a c − → −. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . a c a c → − → → → − → a a a 2. → a =−a → − → → → − a a 4. (− + b ) + − = → + ( b + − ) (asocijativnost). VEKTORSKI RACUN R a G Slika 1.

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

za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . VEKTORSKI RACUN → 3. − → → → → − Ako su vektori − i b kolinearni.5 nigdje ne govori o geometrijskim veliˇinama. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). i neka je A = O c toˇka koja leˇi na tom polupravcu. c Vratimo se sada Definiciji 1. a a a − → 3. a a → → → 2. uz pretpostavku − = 0 . postoji pravac a a .2. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). b ∈ V je a + b ∈ V . Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. Neka je dan polupravac (zraka) s poˇetkom u O. → od vektora a Teorem 1.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. 1 · − = → (postojanje jedinice). 3. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. koji ima istu orijentaciju kao vektor − za λ > 0. 2. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). Primjetimo da se u Definiciji 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1.♣ a a Definicija 1. a suprotnu orijentaciju a − za λ < 0.1 i Teorema 1.14 ˇ POGLAVLJE 1.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. Elemente od skupa V zovemo vektori. onda. λ(µ→) = (λµ)− (homogenost). 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. za sve a. a a → − 4.

Bijekcija je konstruirana na prirodan naˇin. VEKTORSKI PROSTOR XO (E). Kako je → = 0 . − → 2. b ∈ XO (E) i λ ∈ R. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. b = OB. Imamo da je c a − → → b = λ− . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). (− . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . → →→ te vrijedi a a a0 1. a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . A.4). b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. a a . Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − .2.1). pa moˇemo a a a z − → − = a . onda je |− | = 0. (Usporedimo ovo s Definicijom 1. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . tj. B ∈ E na p takve da je − = OA.2 Vektorski prostor XO (E). Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. z → − → − → → → Neka su sada − . (λ.1. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . tj. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor.

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

2. Ako su − . VEKTORSKI PROSTOR XO (E).4 Ako su − .♣ → → → ˇ s a b c Iz Teorema 1. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.8 Neka su →. → → − Teorem 1.. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . taj rastav je jedinstven. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. ♣ Tvrdnja Teorema 1. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . Ako je barem jedan od vektora − ..3 je jasna.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . pa z z slijedi da su oni linearno nezavisni. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. takav rastav je jedinstven. → ∈ XO (E) jednak nul veka1 a2 an toru. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. Stoviˇe. e1 e2 e3 z Tada su oni linearno nezavisni.♣ → a s Jednostavna posljedica Teorema 1. . jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. →. c − → − Napomena 1.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.. → ∈ XO linearno zavisni. b bilo koja dva linearno nezavisna vektora iz XO (M ). onda su ti vektori linearno zavisni. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.5 Ako su − . b i − tri linearno nezavisna vektora iz XO (E).1. Ako imamo dva vektora − .. on se ne moˇe izraziti kao njihova linearna konbinacija. Stoviˇe. Teorem 1. z → − − 3. jer se nalazimo na pravcu.3 Bilo koja dva vektora iz XO (p) su linearno zavisna..♣ . →.7. c − → → a 4. onda su oni linearno zavisni ako i samo ako su kolinearni. → → − → Teorem 1. . b ∈ XO (E).3 slijedi iz Napomene 1.. − i − .

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

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

z 1.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). n. xn ) : xi ∈ R za i = 1.... yn ) ∈ Rn i λ ∈ R definiramo: (x1 . λx2 ....... x2 + y2 ..... az ) = (λax . x2 .. Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 . . . (y1 . 1..2. ay .. Dakle Rn = {(x1 . .. y2 . n}. VEKTORSKI RACUN 1. U tu svrhu moramo na odgovaraju´i naˇin definirati c c .. i = 1. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza.. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni.. xn ) + (y1 . Moˇe se pokazati da skup od n vektora −i = (0.. az + bz ). Skup svih takvih n-torki oznaˇavat ´emo sa Rn . Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. λay . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R .. ay . ay + by . .. ...5 Skalarni produkt ˇ Vektori su generalizacija brojeva. . kaˇemo da je R n-dimenzionalni realni vektorski prostor. xn ) gdje su xi ∈ R za i = 1.. 2. . λ(ax .. ako su sila i put kolinearni. . ... xn ). .. . y2 . 0.. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). c c Za (x1 .. n. x2 . Zelimo imati operacije koje imamo za brojeve i koje se svode na operacije s brojevima za n = 1 (sluˇaj n = 1 svodi se na c vektorski prostor XO (p) ili R1 = R).. . Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. by ...1 i Teorema 1. az ) + (bx .. U toˇki 1.20 ˇ POGLAVLJE 1. xn ) = (λx1 . x2 . Zelimo uvesti i mnoˇenje vektora. 0. . Kako ta baza ima c n n vektora.. x2 . λ(x1 . . x2 .. λaz ). 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula... Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1.. To svojstvo baze od X0 (E) zovemo potpunost. λxn ). (ax . xn + yn ). bz ) = (ax + bx . ˇini bazu u R . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N.. yn ) = (x1 + y1 .

→ → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E).8 Neka su − = 0 i b = 0 . j . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1.1 vidimo da su vektori i . k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). a c c . − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b .3). (Uzimamo 0 ≤ ϕ ≤ π. j . Kako je rad skalarna veliˇina. Iz Tablice 1.5. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. onda je → · b = 0. Svaka tri vektora − → → → (− . − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). j . j . − − − → → → Pogledajmo sada jediniˇne vektore ( i . Skalarni produkt vektora − .) Ako je barem jedan od vektora → i b → − − nul vektor. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. rezultat produkta vektora c − → mora biti skalar. ( k . Primijetimo da ( i .8: Uz definiciju skalarnog produkta. SKALARNI PRODUKT 21 produkt dvaju vektora. kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. j . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad.1. s − → → − → → − − → → Definicija 1. k ) − − − → → → nije jedina takva baza (npr. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. i ) je druga takva baza). b . pa kaˇemo da je ( i . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). Osim toga.

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

µ ∈ R.. → · b = b · − (simetriˇnost). f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .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 + . 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 . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. yn ) ∈ Rn . a a → − → → − − a a c 3. tj. + xn yn ... tj. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . y2 . . (− + b ) · − = − · → + b · → (aditivnost). − → a b Napomena 1. slaˇe s Napomenom 1.9 Neka su V i W realni vektorski prostori.. z z → → − → − → − → → 2.. Za preslikavanje (funkciju) sa V u W . Posebno. − = (y1 . (λ− ) · b = λ(− · b ) (homogenost). b ∈ V i sve λ. a onda f zovemo linearni funkcional.♣ − → → → → 1. → → Neka su − = (x1 .10. Definicija 1. . ... ako je vektorski prostor W = R..1. a x y z Ova se formula za duˇinu vektora. → → x y Teorem 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. a c a c c → → → − → − 2. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . xn ). x2 .6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.5.

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

− |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. Dakle imamo OD = ( d · − )− jer je OD = λ− . SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . jediniˇni vektor.10: Projekcija vektora na pravac. imamo − → → →→ − d = ( d · − )− . neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1. → |a| ay cos β = − . Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p. Tada postoji D ∈ E takva da je d = OD. → |a| az cos γ = → . a0 a0 . a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. Nadalje. Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD .1.5. Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D.

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. a koristan je z i pri radu s vektorima. ad − bc S druge strane. .determinante matrica 2. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. ako prvu jednadˇbu pomnoˇimo s c. dobijemo z z (ad − bc)x = αd − βb. VEKTORSKI RACUN 1. x= αd − βb . drugu s −b i zbrojimo ih.26 ˇ POGLAVLJE 1. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. z z dobijemo αc − βa βa − αc y= = . i 3. za ad − bc = 0.6 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. drugu s −a i zbrojimo ih. 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. a b A= . odnosno. Ako pomnoˇimo prvu jednadˇbu s d. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi.

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

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

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

Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− .30 ˇ POGLAVLJE 1. pomo´u determinante pripadaju´e c c matrice.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. k ) pravokutni normirani c c → → − desni koordinatni sustav. Definicija 1. → → a b i j k . Dakle. k preko i .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. − → − → − → − → k = c1 i + c2 j + c3 k . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . ako je D < 0. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. j . j . onda nisu. i . j . tj. k ) i S = (O .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. c1 c2 c3 Ako je D > 0. onda se z orijentiranost od S i S ispituje analogno. − → − → → − − → j = b1 i + b2 j + b3 k . Prikaˇimo i . i . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). 1.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). i . k : z − → − → − → − → i = a1 i + a2 j + a3 k . j . z Napomena 1. onda su S i S (odnosno njihove baze) jednako orijentirani. j .

Tada je |→ × − | = 0. kao saˇeti zapis. i ϕ = 0 ili ϕ = π. → → → − → → − (a b c a c b c − − → → − → 3. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). Dakle a − → − i b su kolinearni. Neka su sada oba vektora razliˇita od nul vektora. b nul vektor. tj.1. a → − → → → → − → − → − Obratno. pa je cos2 ϕ = 1.♣ Primijetimo da tvrdnje Teorema 1. jer je nul vektor kolinearan sa svakim vektorom. → × b = −( b × − ) a a (antikomutativnost). → × ( b + − ) = − × b + − × − . pa desna strana formule za duljinu vektora − × b iˇˇezava.6. a c → i → kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. c Dokaz: − → → Ako je barem jedan od vektora − . c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . − → → → − → − → → 2. Kako je − · b = |→|| b | cos ϕ. a a a Napomena 1.8. Zbog − · − = |→||− | cos ϕ. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. neka je − × b = 0 . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. c c z Teorem 1.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Tada je |− × b | = 0. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . − → − → |a a sc a b → − → → − pa i − × b = 0 . Po pretpostavci je |→| = 0 i | b | = 0. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .♣ → a . ϕ = 0 ili ϕ = π. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ).

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

− − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . Uzmimo npr. − × b ) desni (op´enito nepravokutni) koordinatni sustav. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i . dok je s druge strane i × ( i × j ) = − j tj. vektore ortonormirane baze ( i . k ).13 vidimo da je → = − × − . VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. i . b .15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. k ). j . Sa Slike 1. j .1. ω r v v ω 0 r Slika 1. j . Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . pravila za vektorsko mnoˇenje te gornju tablicu) z z . c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. j .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. pravila za skalarno mnoˇenje.8.13: Kutna brzina. k ) desni koordinatni sustav (pravokutni i normirani). to je − → → → → − (O. k ) koje ´e nam c c biti koristno pri raˇunanju. Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. − .

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

kako je a c → − − → → − − → − · ( b × c ) = 0. − komplanarni po Napomeni 1. → − → − → → → → Napomena 1. onda − → − Obratno. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. vektorsko mnoˇenje i mjeˇoviti z z s produkt. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. − → − i samo ako su a b c − → → → Ako su − .11 Za vektore − . − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. pa tvrdnja slijedi a c iz svojstava determinante 3. − ∈ XO (E). b = 0 i → = 0 .17 Za vektore − .6. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − .9. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. pa kako je − okomit na b × − . − . |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . b . z → − − − a c Napomena 1. jer je a a c → − − → |→ · b | = |− || cos ϕ|. b . → komplanarni.16 Vektori →.ˇ 1.14: Mjeˇoviti produkt triju vektora. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. b . s → → − → Definicija 1. b . Tada. Pretpostavimo zato da su − = 0 . a a − → → − → − − → − 2. MJESOVITI PRODUKT 35 bx c a c b Slika 1. − .4 i 5 iz toˇke 1. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . a | b | sin ϕ visina paralelograma. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. zakljuˇujemo da su vektori → i b × c okomiti.♣. a a .16 oni su linearno zavisni. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . gdje je |→| baza. |→ × b | je povrˇina paralelograma razapetog s → i b . Tada je: → → → a b c → − → − → − − → 1.

Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . b . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O.36 ˇ POGLAVLJE 1. 2. 3. zi ) i = 1. P1 P4 . − . P1 . a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . 4 c c jednak apsolutnoj vrijednost broja 1 6 x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . − | b × c | je povrˇina baze. − ). k )). Neka je dan − ∈ XO (E) i neka je (→. jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). yi . − . 3. P1 P4 . VEKTORSKI RACUN → → → − − → − → → 3. Tada je volumen paralelepipeda razapetog s P1 P2 . − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). |− ·( b × →)| je volumen paralelepipeda razapetog s − . Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1.18 Neka su dane toˇke Pi = (xi . i . imamo tvrdnju. P3 . 3. − − → a b c Napomena 1. 2. j . P1 . P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . P3 .♣ 1 6 volumena paralelepipeda . Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . − . 2. P1 . P3 .

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

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

B = tB i C = tC.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0.1. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . c Obratno. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. Ako je B = C = 0. C −A −B . jer je (0. jer je tada vektor − oblika n − → →=Ai. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Ako je A = C = 0. − n 4.1. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. onda je pravac paralelan s osi y. onda je pravac os y. postoji t ∈ R takav da je n = t− .♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. z → 2. onda je pravac os x. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. ako postoji t ∈ R takav da je A = tA. pa imamo tvrdnju. onda je pravac paralelan s osi x. jer je tada vektor − oblika n − → →=Bj. Oˇito je (x0 . Dakle → → r i j n i j n i j → − − → − i n kolinearni. jer je (0. 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. Ako je C = 0.2. → → Ax = 0 i vektor n n i 5. nepotpune obc z like): 1. y0 ) i da je za svaku drugu toˇku (x. tj. Odatle je A = tA i → → su vektori n n B = tB. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. onda pravac prolazi kroz ishodiˇte. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . n n 2. Dobijemo z B A x + −C y = 1. znaˇi z c da prolaze kroz istu toˇku (x0 . 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . jer je toˇka (0. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Ako je B = 0. − n → 3. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. Ako je A = 0.

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

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

y l ϕ 0 x Slika 2. Uvedemo li oznaku l = −kx1 .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. Uvode´i oznaku k = m . c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Tada je y = kx − kx1 + y1 . z . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l.1. Veliˇinu k zovemo koeficijent smjera pravca p. 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 . znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. y − y1 = k(x − x1 ). Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. c 2.42 ˇ POGLAVLJE 2.5: Eksplicitni oblik jednadˇbe pravca.

n Kako je tg ϕ = m .6: Normirani oblik jednadˇbe pravca. Neka je − = a i + b j jediniˇni vektor na pravcu q. s vektorom i ). tj.2. l). y) leˇi na pravcu p ako i samo ako je z − · − = d.5). pa tada postoje ψ. tj. n − → → Toˇka P = (x. a2 + b2 = 1. c 43 n ˇ Uzeli smo da je k = m . y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.1. π] takvi da je a = cos ψ − i b = cos φ. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. b ∈ [−1. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. imamo k = tg ϕ. φ ∈ [0.1. pravac prolazi toˇkom (0. c − → − → → pa imamo − = cos ψ i + sin ψ j . 1]. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. odnosno z → → r n x cos ψ + y sin ψ = d . tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. 2. → → r n Jednadˇbu − · − = d. Povucimo sada kroz O pravac q okomit na p. c c s − → − → → d = |OP0 |.3 Za x = 0 imamo y = l tj. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. z Jasno je da su a. PRAVAC U RAVNINI Napomena 2. P = (x.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). n c y q n θ P0 x r P p 0 Slika 2.

2. postavlja se pitanje kako prona´i njegov normirani oblik. tC = −d. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0. predznak od t je jednak suprotnom predznaku od C). + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj.44 ˇ POGLAVLJE 2. po Napomeni 2. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca.2 2.2. tB = sin ψ. z .1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. Stoga je t= 1 √ . Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . dakle mora biti tA = cos ψ.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.

5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. .2. → → 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. 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 .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . A2 B2 → → Napomena 2. → n i j 45 Definicija 2.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . −1 → Neka je ϕ kut izmedu → i −2 .ˇ 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . tj. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .

. s1 s2 odnosno ako i samo ako je n1 m1 = .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. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . m2 n2 → → Napomena 2. ako i samo ako je m1 m2 + n1 n2 = 0. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. s1 s2 tj.46 b) Kanonski oblik: ˇ POGLAVLJE 2. tj.6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . → → Napomena 2. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . ako i samo ako postoji λ ∈ R takav da je − = λ− .

Neka je ϕ = ϕ2 − ϕ1 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 .2. Definicija 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .ˇ 2. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.7: Kut dvaju pravaca. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . . y = k2 x + l2 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . k2 = tg ϕ2 .

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. tj. Napomena 2.1. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. c Definicija 2.2. odnosno ako i samo ako je k1 = k2 .2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . tj.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . y0 ) i pravac p u ravnini.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2.7).5. odnosno ako i samo ako je 1 + k1 k2 = 0. tj. k2 2. Zanima nas udaljenost c toˇke P0 od pravca p. ANALITICKA GEOMETRIJA Napomena 2. x cos ψ + y sin ψ = d. 2 ako i samo ako je tg ϕ = ∞.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Neka je pravac p dan u c c normiranom obliku.48 ˇ POGLAVLJE 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. s Napomena 2. ako i samo ako je ϕ1 = ϕ2 . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . sa suprotne strane od ishodiˇta) jer je tada n s . p) = x0 cos ψ + y0 sin ψ − d. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. To je ekvivalentno s 1 k1 = − .

p) ≥ 0. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .ˇ 2. tj. a b . −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. A2 +B 2 Ax0 + By0 + C √ . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . y0 ) od pravca p je c d(P0 .1 c z c (segmentni. a2 +b2 x y + = 1. p) = |x0 cos ψ + y0 sin ψ − d|. onda iz toˇke 2. odnosno bx + ay − ab = 0. p) = |bx0 +ay0 −ab| √ .1.2. p) = |Ax0 +By0 +C| √ . udaljenost toˇke P0 = (x0 . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 .6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. 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. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . kanonski. pravac kroz dvije toˇke. eksplicitni). p) = odnosno d(P0 . y0 ) od pravca p je c d(P0 . p) < 0.

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

Npr. sijeku se u jednoj toˇki. xs = . zovimo je S = (xs .8: Mogu´i poloˇaji pravaca u ravnini. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.2. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.2. identiˇni su. poklapaju se. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. tj. 3.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. ys ).ˇ 2. c z U sluˇaju da se sijeku u jednoj toˇki. paralelni su. 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 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs .

onda je A 1 B1 A 2 B2 = 0. Napomena 2. p) suprotnog predznaka. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) i δ(B.2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 .52 i ˇ POGLAVLJE 2. Osim udaljenosti. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. 2.2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .4).11 Ako je A 1 B1 A 2 B2 = 0. Vrijedi i obrat. p) = x0 cos ψ + y0 sin ψ − d. onda su p1 i p2 paralelni. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . ako su p1 i p2 paralelni. . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p)|. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 .

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

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

1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1.2. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . Neka c z s −→ → → − − radij-vektor toˇke P . PRAVAC U PROSTORU 55 2. .3. Tada imamo P0 P = − − − .3 2. y. 2. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . z0 + tc). Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. y0 + tb.3. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . → → → a i + b j + c k . z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. y. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . z) = (x0 + ta. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.9: Pravac u prostoru. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. → − → r r0 s p ts P0 r 0 s r0 Slika 2.3.2). y0 .

vektor smjera pravca p je dan s (a. b. c su koeficijenti smjera pravca p. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . z0 ) i 2.3. pravac p prolazi toˇkom (x0 .14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . 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. . j i k dobivamo kanonske jednadˇbe pravca. Prema s z Napomeni 1. z s Napomena 2. y = y0 + tb. b. z Napomena 2. c) odnosno a. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . 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 .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . ANALITICKA GEOMETRIJA x = x0 + ta. z c s 2.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − .56 Jednadˇbe z ˇ POGLAVLJE 2. y0 .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. Kako su vektori baze linearno nezavisni. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i .

z1 ) i P2 = (x2 .5 i toˇka 2. onda ima dva kosinusa smjera. b. s 2. PRAVAC U PROSTORU 57 → Posebno. z Znamo iz toˇke 2. c). → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. c c Tada kroz njh prolazi jedinstveni pravac p. → − → → r r1 r2 r1 . Zbog komplec mentarnosti.5 znamo da postoje kosinusi smjera vektora − . 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.6).4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 .3. π] takvi da je a cos α = − . i njihov omjer daje koeficijent smjera (toˇka 2.1. − . y2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. →| |s b cos β = − . istog smjera i orijentacije kao i →. − → z definirajmo s P c s − je vektor smjera pravca p. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Uzmimo sada npr.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). c) je dana s x y z = = . Sada imamo da je → = P1 P2 = → − →. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . pa iz toˇke − − s r2 c s r2 r1 c 2. jedan kosinus smjera prelazi u sinus. c s → Iz toˇke 1. β. tj.1. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . z2 ) u prostoru. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. →| |s c cos γ = → . − →| s →| |→| |→| |s |s s s − jediniˇni. γ ∈ [0. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. pa odreduje isti pravac.3.3. Odredimo njegovu jednadˇbu. b. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .3. −| |s Dakle koeficijenti smjera a.2. onda znamo da je vektor → s a b c 1 → s0 = − − = − . b. y1 . odnosno postoje c s0 α.

y = y1 + t(y2 − y1 ). ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. c c c odnosno. c x = mz + m1 .5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . z c y2 −y1 2 −z 2.3.58 ˇ POGLAVLJE 2. c c c . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke.10: Pravac kroz dvije toˇke u prostoru. uz oznake m = a c i m1 = − a z0 . Analogno. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . b. 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. y0 . c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. z0 ) s vektorom smjera − = (a. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = .

y0 .n ) 1 1 Slika 2.3. b.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 . PRAVAC U PROSTORU odnosno. Dakle. z y=nz+n 1 x =mz+m 1 y 0 x (m . uz oznake n = b c b i n1 = − c z0 . Tada za svaki izbor a.11: Pravac zadan dvjema projekcijama. 59 y = nz + n1 .3.3. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. + n2 + 1 cos β = √ m2 n .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . + n2 + 1 2.14 Iz toˇke 2. Napomena 2. vrijedi x−m1 m = y−n1 n = z. + n2 + 1 cos γ = √ m2 1 . z b c .

. z → c radij vektor toˇke B. my1 +ny2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − .12: Dijeljenje duˇine u zadanom omjeru. 2 2 2 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB.3. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. y2 . m ∈ N. m+n m+n m+n Napomena 2.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . ANALITICKA GEOMETRIJA 2. y1 . tj. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2. r2 r1 →=− + − → ρ r1 n m → → → − + n −. z1 ) i B = (x2 . . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. AC : CB = m : n. s z Imamo → = 1 (− + − ).60 ˇ POGLAVLJE 2. mz1 +nz2 ). z2 ) u prostoru.

→ → r n . y. onda je p = 0. P0 d r π n0 0 M Slika 2. Neka je −0 = OP0 c c n p −→ − (tj.13: Normalni oblik jednadˇbe ravnine. s vektorima baze −0 ˇto ih n s − − − → → → i . − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. β. a vektor z −0 zovemo normala ravnine Π. ako Π prolazi kroz ishodiˇte (tj.3 ). z redom (tj. → n Posebno. → 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. 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. toˇku O) i s c koja sijeˇe sve tri koordinatne osi.4. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.4 2.2. j . → → radij-vektora r n c P . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. Povucimo okomicu iz toˇke O na ravninu Π. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . RAVNINA U PROSTORU 61 2. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. k iz toˇke 1. toˇku O).4.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x.

z. n . udaljenost ravnine Π od ravnine Π . → ako je M s one strane Π na koju pokazuje −0 . c c Sada. z1 ) ∈ E proizvoljna. n − → → OC · −0 = p. 2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. r n Napomena 2. Kako je d. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. C ∈ Π. redom. b. 0). 0. B. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p.2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 .2.62 ˇ POGLAVLJE 2.4.16 Ako toˇka P ∈ E ima koordinate (x. iz normalne jednadˇbe ravnine imamo. z − − → OA · → = p. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). Π) = |x1 cos α + y1 cos β + z1 cos γ − p|.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. a c kako M leˇi u Π . 0. y1 . B = (0. Napomena 2. Kao i kod pravca (toˇka 2.2. c Neka je M = (x1 . mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. Za toˇke s druge strane bit ´e n c c d < 0. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. u stvari. Nadalje. n0 − − → → OB · −0 = p. neka su toˇke A = (a. Imamo neˇto analogno otklonu iz toˇke 2. c). 0). C = c (0. y. y. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. z). toˇke u kojima Π sijeˇe koordinatne osi x. jer je duljina okomice do Π jednaka p). kako su A.

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

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

po c Napomeni 2. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. nepotpune obc z like): c c z 1. Dakle imamo cos α = 65 A .20 Neka je dana toˇka M = (x1 . istog su smjera n n → c n i orijentacije.1). 0) nema komponentu u smjeru n − → osi z (tj. s c A2 +B 2 +C 2 Napomena 2. c . C C C A z Oznaˇimo a1 = − C . z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. R cos γ = C . k ). tj. Π) = |Ax1 +By1 +Cz1 +D| √ . z1 ) ∈ E. pa odreduju istu ravninu. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M.17. ravnina prolazi kroz ishodiˇte. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. 0. R cos β = B . A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Ako je D = 0.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. y1 . tj. pa imamo cos γ = 0. B. B. c onda je A B D z =− x− y− . onda su koordinate A. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.2. Stoga ´emo i vektor − zvati vektor normale.4. RAVNINA U PROSTORU predznaka od D. R → → Vektor normale −0 je normirani vektor − = (A. s → 2.4. Napomena 2. Ako je C = 0. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. C).18) i koeficijent razmjernosti je A2 + B 2 + C 2 . onda normala − = (A. b1 = − B i c1 = − D . B. Tada je. onda je oˇito da O = (0.

0.66 z ˇ POGLAVLJE 2.4. B. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. imamo samo tri nezavisna. C koji je razliˇit od nule. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . Ako je B = C = 0. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . 4. Varijable u i v zovemo parametri. onda prema 1. ravnina je paralelna s koordinatnom ravninom Oyz. Imamo Ax + D = 0. B. odnosno x = − D . Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. onda normala − = (A. z → − a vektore − i → vektori smjera. C i D. − i − su komplanarni). z → 3.4 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. A. ravnina je paralelna A s koordinatnom ravninom Oyz. 0) ima komponentu samo u n smjeru osi x. z c c 2. ravnina prolazi kroz ishodiˇte s a prema 3.16: Ravnine u posebnim poloˇajima. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . s1 s2 . 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. c Od ˇetiri parametra.

Napomena 2. z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. Kako imamo dva parametra (u i v). z Napomena 2.17: Ravnina zadana parametarski. c1 ) i − = (a2 .2. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. b1 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. vidi se da je ravnina dvodimenzionalni objekt u prostoru. y0 . y0 . → − Nek je P0 = (x0 . z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . y = y0 + ub1 + vb2 . s1 s2 . z0 ). z0 ) z z c → → i dva vektora smjera − = (a1 . → = (a2 . − = (a1 . c2 ). Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. Tada P = s1 s2 → − (x. c1 ).4.22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. y. b2 . b2 . b1 .

− . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P1 P3 komplanarni. → komplanarni.68 ˇ POGLAVLJE 2.16. P2 = (x2 . Dakle. z1 ). Po Napomeni 1. y2 . P1 P2 . P3 = (x3 . 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 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. 2. P2 .4. y3 . Po Napomeni 1.1 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 .5 2.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. z3 ) u c prostoru takve da ne leˇe na istom pravcu. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .4. P2 .5. z2 ). P3 (uzmemo npr.4. ako i samo ako su P0 P . 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. ANALITICKA GEOMETRIJA −→ → − − odnosno. P3 ne leˇe na istom pravcu. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Kao i u toˇki 2. vektori s1 s2 −→ → − − − → P0 P . y1 . Kako toˇke P1 . s1 . 2.

−1 → Napomena 2. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. 3.2. Ravnine se podudaraju.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 .6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . tj. 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. ako i samo ako je −1 · −2 = 0. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. tj. B2 . C1 ) n → i −2 = (A2 . B1 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. C2 ). 69 −1 Definicija 2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.5. Teorem 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. Ravnine se sijeku u jednom i samo jednom pravcu. odnosno ako → → kolinearni. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.

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

5. b. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. s jedna toˇka. ∆. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . 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. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. z nepoznanice). c) i − = (A.5. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . paralelne su). ∆ . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. toˇka 2.5) i koordinate su mu c c ∆x ∆y ∆z ∆. 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 = 0.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. C). tj. → → s n . ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .2. y. B.4. onda je presjeciˇte jedinstveno (tj. z Definicija 2. b. 2. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju).

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. − Anm1 +Bnn1 +Dn + n1 . C) onda je kut c s n 2 izmedu p i Π jednak ϕ. odnosno ako → − kolinearni. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ .25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. ako je π − ϕ kut izmedu − = (a. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . 2. → Napomena 2. b. tj. Am+Bn+C Am+Bn+C Am+Bn+C . odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. c) i − = (A. B. ako i samo ako je − · − = 0. i ravnina Π s Ax + By + Cz + D = 0. ANALITICKA GEOMETRIJA → → Znaˇi.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. b. B. tj. − Am1 +Bn1 +D . → → s n Kako je kosinus kuta izmedu − = (a.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta.5. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. z c c s z0 = − Am1 + Bn1 + D .72 ˇ POGLAVLJE 2. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. tj. c) i − = (A.

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

b1 . z2 ) s vektorima smjera − = (a1 .5. y1 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. → → s1 s2 p 2 p 1 Slika 2. Definicija 2. Pravac i ravnina se sijeku u samo jednoj toˇki.74 ˇ POGLAVLJE 2. s1 s2 redom. ANALITICKA GEOMETRIJA Teorem 2. b2 . c1 ) odnosno − = (a2 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). z1 ) odnosno c → → P2 = (x2 . Pravac i ravnina se ne sijeku. 3. c c c 2. y2 . c2 ).♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0).6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . . Pravac je sadrˇan u ravnini.18: Mimosmjerni pravci. → → 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 . c 2.

29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. → Napomena 2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. ako i samo ako je → · − = 0. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. tj.2. 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 . z= 1 m−m n−n . ako i samo ako postoji λ ∈ R takav da je − = λ→. tj. tj. 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. 2. 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 = = . c c z → s1 Napomena 2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.3.5. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .5).

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

ˇetvrti sluˇaj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. tj. z 3. iz toˇke 1. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. c =0 . z Moˇe se desiti da su oni paralelni. z s pravci p1 i p2 ´e se sje´i ako je c c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 i ne vrijedi a1 : b1 : c1 = a2 : b2 : c2 . Pravci su mimosmjerni.29. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. pa nema presjeciˇta.2. z 2.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ne leˇe u istoj ravnini. i 6. 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 = 0.6 na gornju determinantu (tj. Teorem 2. imamo isti pravac. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pozabavimo se sluˇajem mimosmjernih pravaca. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. Prema Napomeni 2. Pravci se podudaraju. z c 4.5. Pravci leˇe u istoj ravnini i ne sijeku se. Ako su sva tri redka proporcionalna. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.

22. Iz s1 s2 Napomene 2. b2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. kako p1 leˇi u Π i Π je paralelna sa p2 . y1 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. ANALITICKA GEOMETRIJA 2. Dakle.8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . y1 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). z2 ) s pripadaju´im vektorima smjera − = (a1 . a2 b2 c2 Definicija 2. a2 b2 c2 a2 b2 c2 . c1 ) c s1 − = (a2 .5. . c2 ). 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 = = . b1 . = 0. z1 ) → odnosno P2 = (x2 . c2 ). Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . c1 ) i − = (a2 . jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0. b2 . z1 ) i paralelna je sa − = (a1 . y2 . . b1 . p1 leˇi u ravnini). imamo da Π prolazi z → → kroz P1 = (x1 .78 ˇ POGLAVLJE 2.

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

.

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

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

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

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

. Oznaˇavamo ju s AT . n. n. j = 1. . . Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1..1... ali suprotnog predznaka. c .. 7 3 −2 −3 0 Napomena 3.5 Matrica A  1  A= 4 7 je simetriˇna. tj. tj. n. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j.. Sliˇno se definira donja trokutasta matrica. j = c T 1. Primjer 3.. aij = aji za i.. tj. odnosno vrijedi aii = 0 za i = 1. j = 1... .. n je transponirana matrica matrice A. . . c c Primjer 3.♠ . tj.ˇ ˇ 3. matrica A je antisimetriˇna (kososimetriˇna). m.  2 0   AT =  3 1  .. ..3 Ako je A= onda je 2 3 4 0 1 2  . dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . c Primjer 3.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A.♠ 2 7 .1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu.. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n..♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. zrcale se jedni u druge.. n.. aij = −aji za i.. c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . Ako je A = −A.

MATRICE I LINEARNI SUSTAVI 3..86 POGLAVLJE 3. Definirajmo sada mnoˇenje matrice skalarom. . . Definicija 3. j = 1.  . + ..3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1.4. am1 + bm1 · · · amn + bmn Napomena 3. m. . z Definicija 3..2 Jednakost matrica se definira samo za matrice istog tipa.. n. ... .3 odnosno Definicije 3. .  . .. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R.. j = 1. . . s Napomena 3. . tj. = ... . . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   ..4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1.  . .. . . . . n.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .3 Zbroj matrica se definira samo za matrice istog tipa.   . m. m. . C =A+B = .. . .. λam1 · · · λamn · · · amn  a11  .   . am1     λa11 · · · λa1n · · · a1n . j = 1. Definicija 3. a na R znamo ˇto znaˇi s c ”biti jednak”. = ... a11  .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1.. Piˇemo A = B. n. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva.1. λA = λ  . . tj. Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3.    · · · a1n b11 · · · b1n .. . .

.♣ Iz Teorema 3. s Definicija 3... A2 .5 Neka su A1 ... λk . ... onda je i A ∈ Mmn . α(A + B) = αA + αB (distributivnost)..4.. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. 2. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . razvijena) u linearni spoj po matricama z z A1 . linearna kombinacija i linearni rastav. Ak .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. A2 . . Kaˇemo da je A rastavljena (razloˇena. + λk Ak je linearna kombinacija matrica A1 . . z Teorem 3. α(βA) = (αβ)A (homogenost).2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . . .. Napomena 3.. A + B = B + A (komutativnost).. Njegovi su elementi (”vektori”) matrice tipa m × n. A2 . j) imaju z jedinicu. B. Ak ∈ Mmn .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . Ak ∈ Mmn matrice i λ1 .ˇ ˇ 3. a na svim ostalim mjestima nule ˇini bazu u Mmn . 3. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i.. β ∈ R vrijedi: 1..... . λk razliˇit od c nule. A2 .. C ∈ Mmn i sve skalare iz α. .1.. (A + B) + C = A + (B + C) (asocijativnost). OSNOVE MATRICNOG RACUNA 87 Teorem 3. Matrica A = λ1 A1 + . Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. λk ∈ R skalari... Ak s koeficijentima λ1 .. 4.3 odnosno Definicije 3.. ˇto slijedi izravno iz Definicije s 3.

Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. n.1.. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. 3.. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). 2. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. Tako bismo za matrice A = [aij ].. nema podlogu u fizici. MATRICE I LINEARNI SUSTAVI 1. B ∈ Mmn . m i j = 1.4. (AT )T = A za sve A ∈ Mmn .5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . . geometriji. B. Iako jednostavna. Definicije 3. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. AT = −Aa i A = As + Aa . ♣ c s a 3. Produkt A·B takvih matrica . 2 Oˇito je AT = As . itd... Napomena 3. To nam z name´e sljede´u definiciju.88 POGLAVLJE 3.. gdje za As vrijedi AT = As . a za Aa vrijedi AT = −Aa .3 i Definicije 3. Oˇito je tako definirana matrica C ∈ Mmn . (A + B)T = AT + B T za sve A.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. . Takoder. Dakle imamo tvrdnju. gdje su elementi od C dani s cij = aij bij za i = 1. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A.

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

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

xn ]T nepoznata matrica. .. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. takvu podmatricu zovemo blok.. 3.4. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. dobivamo podmatricu z matrice A. svaka linearna z jednadˇba ide u svoj redak). 4. 1 0 3 0  Neka je r = s = 2. 3. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ).5 Podmatrice i blok matrice Neka je A ∈ Mmn . Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.1.. prvi i tre´i. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. 0. Sloˇimo li ih u (r ×s) matricu.6 Neka je  2 3 4 1   A =  −1 2 1 3  .♠ Ako su izabrani redci i stupci uzastopni. dobijemo podmatricu z 3 4 0 3 matrice A. 3. 3.1.ˇ ˇ 3.. npr. Izaberimo dva redka. Primjer 3. Sloˇimo li ih u (2 × 2) matricu..6. c drugi i tre´i. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. i dva stupca npr..3. . bm ]T poznata matrica desnih strana i z x = [x1 . c . b = [b1 .

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

na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . Teorema 3. c. OSNOVE MATRICNOG RACUNA 93 3. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 .ˇ ˇ 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.1. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. c Napomena 3.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Npr. c 2. c c c Iz svojstva 5. onda je barem jedan od a ili b jednak nuli. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. dakle ne postoji izbor brojeva a. tj. U toˇki 3. Npr.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. postoji broj koji pomnoˇen s a daje 1. U skupu R vrijedi: ako je a · b = 0.6 Regularne matrice. neka je dana matrica c 0 1 1 0 . b. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. tj. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.1. 1.1. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.

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

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

Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. Podprostor razapet vektorima a1 an − . moˇemo promatrati kao vektore u vektorskom prostoru Rm .. a1 an Napomena 3.. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. . .1. − . .10 Neka je V vektorski prostor (Definicija 1. Oznaˇavamo ga → → → → a1 an a1 an c − . matrice iz Mm1 .. njene z c n redke.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A..6 znamo da stupce.10 slijedi da je L(− . →) ⊆ Rm ....9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. Iz Napomene 3. − ) podprostor od Rm . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).7 Rang matrice. 2. .5) i neka je L neki podskup od V . . vrijede svojstva 1.11 Oˇito je da je c − − L(→.. Definicija 3.. ... . Iskaˇimo sada jedan bitan rezultat. Definicija 3. iz Definicije 1. . moˇemo promatrati kao vektore u R .. matrice iz M1n .. tj.. − je skup svih linearnih kombinacija vektora − . linearne zavisnosti/nezavisnosti. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . a1 an . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. λn ∈ R}..5 izravno slijedi da je r(A) = r(AT ). onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). → → Definicija 3. a1 an → → i izravno iz Definicije 3...5).96 POGLAVLJE 3..5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn ... z Teorem 3.♣ Kako je po Teoremu 3.. − ). − ∈ Rm .. − ) = {λ1 − + .. → → s L( a1 an → → → → an a1 L(− ..11 Neka su − . Sliˇno. MATRICE I LINEARNI SUSTAVI 3.. + λn − : λ1 .. i 3.

2.. → → → → Napomena 3. Neka je R(A) podprostor od Rm razapet stupcima matrice A..13 Kako vektori − .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. − )... ... − )). →)) ≤ n. z Teorem 3.. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − .1. i R (A) podprostor Rn razapet redcima od matrice A. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. . − ) → → → → od R razapet sa a1 an a1 an →. .12 Neka su − .14 Uz gornje oznake iz Teorema 3. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3.15 Iz Napomene 3. Napomena 3. c .ˇ ˇ 3. n). znamo da je u a1 an a1 an bazi najviˇe n vektora.. Neka je In ∈ Mn . Stoga vrijedi s − − dim(L(→. − ) podprostor a1 an a1 an m − . ... − razapinju L(− . . jer je skup { 0 } uvijek linearno zavisan.. Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn . .. Neka je A ∈ Mmn ..♣ Primjer 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. Tada je oˇito r(In ) = n. ...... − ∈ Rm . Neka je 0 ∈ Mmn nul matrica. Mmn .. ...... a1 an Vratimo se na konkretan vektorski prostor.13 imamo da je r(A) ≤ min(m. Napomena 3. Neka je L(− . Dimenziju vektorskog prostora L(− ... .8 Vrijedi: − → 1. Tada je r(0) = 0.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). →}. − ..

n) ima jedinice. z 3. Dakle. na aij za i = k + 1.98 POGLAVLJE 3. ima nule. . komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Nadalje.. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.  . Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.♠ Iz Primjera 3. 2... . j = 2. Mnoˇenje redka (stupca) skalarom λ = 0.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .5 imamo da je r(B) = 3. iz Teorema 3. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . na aij za i < j. akk za k ≤ min(m. Primjer 3... ..    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. na aij za j < i ima nule. na pozicijama a11 .. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . Zamjena dvaju redaka (stupaca).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     . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. Neka je dana B ∈ M5.. MATRICE I LINEARNI SUSTAVI 3.. Dakle. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. tj. Pitanje je. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. c c r(In ) = n) i matrice koja izgleda kao i matrica B. k.

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

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

c c Napomena 3.. + amn xn = bm ... c s 2. Ako sustav nema rjeˇenja.... m. xn s z koeficijentima aij . . i = 1.. c2 . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.. c2 .. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0.. .. s ... Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. imamo netrivijalno rjeˇenje.. ...1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 ...2.3. Uredena n-torka (c1 . j = 1.. c s z proturjeˇan ili nemogu´.... = bm = 0. bm : c a11 x1 + a12 x2 + .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto.. a bi = 0. Za sustav kaˇemo da je homogen ako je b1 = . . . am1 x1 + am2 x2 + . jer x1 = . n.. . = ain = 0. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . s z suglasan ili mogu´. 0.. . Takvo rjeˇenje zovemo trivijalno.. n i slobodnim ˇlanovima b1 .. Npr... kaˇemo da je nekonzistentan.18 Primijetimo: 1... . .. m vrijedi ai1 = . i = 1. 2. . m.2 3.. + a2n xn = b2 ..xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.. = xn = 0 daje rjeˇenje c svakog homogenog sustava.. s i = 1. Definicija 3.. .2.. Homogeni sustav je uvijek mogu´. LINEARNI SUSTAVI 101 3. uredena ˇetvorka (1. s Ako je (c1 .. Ako je barem z jedan bi = 0. sustav je nehomogen. .. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. Ako za neki i = 1. . . s s z s 3... + a1n xn = b1 a21 x1 + a22 x2 + ... sustav je nemogu´.

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

. ... vektor A− je linearna kombinacija vektora − 1 ... . .. . − → Matricu Ab = [A... a a Nadalje.. am1 · · · amn bm zovemo proˇirena matrica sustava.. a11  . →n . − n . ... LINEARNI SUSTAVI .. x a a → → → tj.. b ]. →n ) (jer b = A− = x1 − 1 + . →n ].... tj. − n . zakljuˇujemo da sustav A x c s − → − − b moˇe prikazati kao linearna kombinacija vektora →1 . s 3.  ..2. a a Proˇirena matrica sustava ima oblik s → → → − Ab = [− 1 .. traˇe se → − → a z a ako je b ∈ L( a a x → − − − 1 + . b ]. .. + xn →n . . vrijedi → → − A− = x1 − 1 + ..  b1 . . → a x1 .  · · · a1n ......  ..2 Geometrijska interpretacija. ... . x . tj. − n . .2.3. . s s x → → Oznaˇimo s − 1 . . 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 .. + xn →n . Kronecker-Capellijev teorem → → − Pokuˇajmo sada geometrijski interpretirati rjeˇenje sustava A− = b . x a a − → − = b ima rjeˇenje ako i samo ako se vektor → Dakle. . → → kombinacije vektora a a Geometrijska nam interpretacija daje kriterij egzistencije i jedinstvenosti rjeˇenja s − → → sustava A− = b . .. + xn →n ).. 103 am1 x1 + am2 x2 + . Ab =  . + amn xn = bm predstavljaju isti sustav.. − n vektor stupce matrice sustava A c a a − − A = [→1 . ako i samo z a a − → − → − → − 1 .

s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . tj. → → − III. − n su vektor stupci od A).6 imamo da je r(A) = n). → − x 0 → → − Napomena 3.... sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. λ = 0 . Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. odnosno λ1 = . To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. λn ∈ R takvi da je λ1 →1 + . s c s → − → → − → − → Ako je A− = b . .104 POGLAVLJE 3. Ako je n = m.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. Neka su sada λ1 . s x → → − → Obrnuto.. jer je A(A b ) = b . Dakle stupci od A su linearno x x nezavisni.8 homogeni sustav je uvijek c rjeˇiv.. A je regularna. da su stupci od A linearno nezavisni. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . bilo kojih r z linearno nezavisnih redaka u A. Iz Napomene 3... odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3. Ho´emo pokazati da je λ1 = .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. (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. = λn = 0 a a a c (tj.. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi... pa je sustav konzistentan. Ako je r = r(A) = r(Ab ). Iz − → → − b = (λ1 + x1 )− 1 + . s − → → II. + a − → → → → λn − n = 0 (− 1 . tj. Dokaz: . . onda ih ima beskonaˇno x s c mnogo. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. = λn = 0. dakle ima bar jedno rjeˇenje.. ♣ − → − Napomena 3. po Teoremu 3. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b ....20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). tj. → je A regularna. MATRICE I LINEARNI SUSTAVI Teorem 3. tj. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3.21 Ako sustav A− = b ima dva rjeˇenja. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − .6).) Ako je n = m i A regularna.

u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .3 Homogeni sustavi → Iz Napomene 3. x x − → Oˇito je 0 ∈ N (A).♣ s c z s x → Iz Teorema 3.♣ . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . tj. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).5.1 i Teorema 1. c Napomena 3. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. c 3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.8 i Napomene 3.2. u u Dakle je N (A) vektorski podprostor od Rn . gdje je λ ∈ R proizvoljan. 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 1.3. c Svojstva iz Teorema 1.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . dakle dokaˇimo da za proizvoljne c z − . A− = b i A− = b . tj. → ∈ 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).22 N (A) je podprostor od Rn . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . Dokaz: Oˇito je N (A) ⊆ Rn .2.2 su oˇito zadovoljena. Tada je. u v u v − → dakle → + − ∈ N (A).

9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. svako rjeˇenje je oblika − 0 + 0 . N (A) = { 0 }. Kako je iz Teorema 3. prema Teoremu 3. Po Teoremu 3.9 I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.23 Primijetimo: → 1. Teorem 3. gdje je − ∈ N (A).) − → → − → − Ako je matrica A sustava A− = b regularna.9. iz jedinstvenosti zakljuˇujemo da je − = 0 . onda je i njihova linearna kombinacija rjeˇenje tog sustava. 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)).106 POGLAVLJE 3. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). s Dokaz: (Dokazujemo samo tvrdnju II. → → → → u u y y − → → II. onda po Teoremu 3. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.9 I. Tvrdnja Teorema 3.. Tvrdnja Teorema 3. s x → − → → Obrnuto. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A.22 zakljuˇujemo da ako su u1 .8 je matrica A regularna. Onda. . tj.9 II..8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .♣ Napomena 3. rjeˇenje je x s u s jedinstveno. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . z s . → → → → Ax a y y 2. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. ut rjeˇenja homogenog sustava c s − = − . tj.

iz Teorema 3. ..2. − arn xn .. imamo sustav − → − x A0 →0 = β (c). ar1 x1 + .. .8 II.3.. c Dakle. r.. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. pri ˇemu su cr+1 . + a1r xr + a1r+1 xr+1 + . . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. kao βi (c) = bi − air+1 cr+1 − . + arr xr = br − arr+1 xr+1 − .. ..... Kako je r(A0 ) = r. . Iz Teorema 3.. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + .. .. Nadalje.. . − → Uvedimo novi vektor desnih strana β (c).. .2.6 imamo da je A0 regularna.. − a1n xn .. . + a1n xn = b1 ... + a1r xr = b1 − a1r+1 xr+1 − .. − → Prvo treba odrediti rangove matrica A i Ab .. + arr xr + arr+1 xr+1 + ... Ako oni nisu jednaki. . xn na desnu stranu i doc bijemo: a11 x1 + . . .8). ar1 x1 + . pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β .4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. prebacimo ˇlanove s nepoznanicama xr+1 .. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.. − ain cn za i = 1.. + arn xn = br . cn proizvoljni realni parametri. Ako su rangovi jednaki (r(A) = r(Ab ) = r). uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. . LINEARNI SUSTAVI 107 3..

. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . cn ]T je rjeˇenje sustava A− = c s x − → b. − u u u pri ˇemu su µr+1 .. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. cr ]T ). .. µn proizvoljni parametri.. cr . 0 U toˇki 3... dimR(A) + dimN (A) = n. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . c . ... . .1.. cr+1 .10 I. cr ]T . . + µn − n .. → → − II.. cn su slobodni prametri. a broj dimN (A) defekt od A.. Brojevi cr+1 . tj.. . − n ) baza s x u u u − → − = b oblika → od N (A).. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + .. Teorem 3.24 Tvrdnja Teorema 3.♣ Iz Teorema 3.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.... Broj dimR(A) smo zvali rang od A.9.. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica.. . Kako je (− r+1 .. iz Teorema 3..♣ c Napomena 3.8 II. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. → → Teorem 3... + µn − n . − = [c1 . . i obratno. − − → u u u pri ˇemu su µr+1 . cr koji su dani s A−1 β (c) = [c1 .. → x → → Dakle. .11 Ako je (− r+1 ..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . .108 koje je oblika POGLAVLJE 3. r(A) = dimR(A) = n..... dok brojevi c1 . ..11 izravno slijedi iz Teorema 3. µn proizvoljni parametri... cn postoje → − jedinstveni c1 .. ..7 odnosno toˇki 3..2..

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

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

je razvoj determinante po prvom redku. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . 3. Svojstva determinante su: 1. c 4. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. determinanta mijenja predznak.1. . Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Posebno je c det In = 1. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. onda sc je det A = 0. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . det(Qij A) = − det A. Ako je A ∈ Mn trokutasta (gornja ili donja).7. onda je det A = 0. n ≥ 2. Neka je A ∈ Mn dijagonalna matrica. n ≥ 2.2. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. pravilo za c raˇunanje inverza matrice).3. onda je det A = a11 a22 · · · ann . 2. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3.

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

itd. tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Teorem 3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . B ∈ Mn vrijedi det(AB) = det A · det B. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. Teorem 3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . ai+1.3. Dakle oˇito je det A = 0.2. Dokaz: Iz Teorema 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. Ako to nije mogu´e.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. ♣ U Teoremu 3.i+1 (naravno. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. ♣ . Radimo sve analogno sve do zadnjeg elementa na dijagonali. ♣ Napomena 3. ♣ Iz Teorema 3. onda je det A = 0.♣ Teorem 3.26 Ako je A ∈ Mn regularna.12 Za proizvoljne matrice A. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. 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. z Teorem 3.i+1 = 0). LINEARNI SUSTAVI 113 ispod njega.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 .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Teorem 3. det A−1 = 0 i vrijedi det A−1 = (det A)−1 .

Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. det A Dakle A je regularna i A−1 = kof (A) det A .26 smo vidjeli da ako je A ∈ Mn regularna. onda je po Teoremu 3.16 imamo da je 1 kof (A) · A = In . Promatramo zbroj n (−1)j+k aik det Ajk .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. onda je det A = 0.28 U Napomeni 3. det A Dokaz: Ako je det A = 0. ♣ Napomena 3. tj. 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. k) stoji kofaktor elementa aki matrice A. Vrijedi i obrat. onda iz Teorema 3. (−1)k+i det Aki .27 izravno slijedi: Teorem 3.♣ Iz Napomene 3.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . c Napomena 3. Kofaktor matrice A oznaˇavamo s kof (A). Definicija 3.♣ . c c Dokaz: Neka su uzeti i-ti i j-ti redak.13 prethodni zbroj jednak det A.114 Veliˇinu c POGLAVLJE 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. Inaˇe je zbroj det A. tj. Analogno ide dokaz za stupce. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . ako je i = j.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 . k=1 Oˇito.

.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. A je regularna ako i samo ako je det A = 0. 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 . − → → Iz Teorema 3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . za sve λ. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .26 i Napomene 3. Ako je matrica A regularna. onda je rjeˇenje z s tog sustava dano s x1 = D1 . → x Teorem 3. . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b .. k = 1. Takvu x x funkciju zovemo linearni operator. D x2 = D2 Dn . µ ∈ R i sve − . onda takav linearni x y operator zovemo linearnim funkcionalom. µ ∈ R i sve − . → ∈ Rn . Rjeˇenje je dano s − = A−1 b .3. Stoviˇe.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.3.♣ a 3. . → ∈ Rn . Definicija 3. Rm = R. n. xn = .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. . . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. . a Dk .3. D D pri ˇemu je D = det A. Ako je m = 1. .3 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.

− ∈ Rn .1 i Teorema 1. x x x Definirajmo joˇ i mnoˇenje operatora F : Rn −→ Rm proizvoljnim skalarom s z λ ∈ R na sljede´i naˇin c c → → (λF )(− ) = λF (− ). x x Napomena 3. tj. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Iz Definicije 3. Dokaˇimo da vrijede i prva dva.5. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. µ ∈ R i sve →. dakle zadovoljavaju tre´e svojstvo Definic cije 1.116 POGLAVLJE 3. − ∈ Rn . Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni.5. Dokaˇimo da je i F + G linearni z operator. µ ∈ R i sve →. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.2. MATRICE I LINEARNI SUSTAVI Napomena 3.♣ . → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . tvrdnja slijedi. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.

0)..3. − n ) e e − → → − i ( f 1 . − i = F (− i ).. rastavljen u e → − → − m → kanonskoj bazi ( f 1 ... . Lagano se provjeri da vektori − 1 .... Postavlja se pitanje vrijedi li obrat? Tj...... Nadalje.. − n ∈ Rn dane sa →i = (0. ... PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori. Stoga treba voditi raˇuna s kojim c c c parovima baza radimo. n.. . n. x e e e e x − tj. ... + xn − n ) = F (− ). i = 1.18 Kompozicija linearnih operatora (ako postoji) je linearni operator.. . i = 1.. − n ) = Rn .. + xn F (− n ) = F (x1 − 1 + .♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm .. linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 . Tada za proizvoljni − = (x1 ... je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 ... . . matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn .. f m ). e e e → → c gdje je jedinica na i-tom mjestu. + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze..3.. n. . linearni operator F ´e imati drugaˇiji prikaz.... . 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 . f m ) od R . → → ortonormiran skup vektora. neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm ...... − n ˇine e e − 1 . vektor F (− i ). Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R .. i = 1. i = 1. Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 .. Neka je F : Rn −→ Rm proizvoljan linearni operator. i = 1.. − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom. Dakle... c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− )). n.. . n.. x x Teorem 3. .. ... .. x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i .. . .. koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 .. f m ) od Rm ... Dakle. 1.. . xn ) ∈ Rn x − = x1 − 1 + . .

2.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Iz Napomene 3. y.3.32 i Teorema 3. Napomena 3. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Oˇito je rang od p1 jednak jedan (jer je slika x-os). F ∈ Mn ). tj. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Dakle dimenziju slike linearnog s operatora takoder zovemo rang. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . c H =GF . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. iz toˇke 3. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Neka je F : Rn −→ Rm proizvoljan linearni operator. c 2. y). z) = (x. a defekt jedan.10 Pogledajmo sljede´e primjere: c 1.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . z) = x. Sada nas zanima kada su ti vektori kolinearni. odnosno dimN (F ) = dimN (F ). Njegova je matrica dana s 1 0 0 . Njegova je matrica dana s 1 0 0 0 1 0 .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. z . − → → → Nadalje. a defekt dva. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. vrijedi dimN (F ) + dimR(F ) = n. tj.118 POGLAVLJE 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Primjer 3. MATRICE I LINEARNI SUSTAVI Napomena 3. y.10 izravno slijedi teorem o rangu i defektu za linearni operator. Tada je po Teoremu 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F .2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Kako su F i F ustvari isti linearni oper− → − → atori.♠ c 3.

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 .17 Neka je A ∈ Mn . tj. Izravno iz Definicije 3. A− 0 = x x − 0 . Nadalje. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . Dokaz: Oˇito je S(λ0 ) podskup od Rn . − ∈ S(λ0 ).2 oˇito zadovoljava. tj. da c z s zadovoljava uvjete Definicije 1. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). → → 2. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ).33 Primijetimo: → 1.5. ♣ Napomena 3. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . neka je µ ∈ R µ = 0 proizvoljan. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Napomena 3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti.3. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. Nadalje neka su − . x y x y x y . → → Svojstva iz Teorema 1. Dokaz: 1. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn .17. 2. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. µ = 0. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . x x x x → Dakle za svaki µ ∈ R. c x y tj.1 i Teorema 1.3.

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

zovemo svojstveni ili karakteristiˇni polinom c matrice A.. Dakle. tj.. PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. tj. ako i samo ako je KA (λ0 ) = 0. . ϕ = kπ k ∈ Z.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R.. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. s Izraˇunajmo svojstvene vrijednosti od A.3. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1.3. a1 = (−1)n−1 trA. + an . u oznaci KA (λ). gdje su bij = aij za i = j i bij = aij − λ za i = j. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. Nadalje. Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + . Primjer 3. Taj polinom. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Ako stavimo λ = 0 dobijemo KA (0) = an = det A. Dakle. Odatle je a1 = (−1)n−1 a11 + . koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante.. + (−1)n−1 ann .

tj. . tj.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Definicija 3. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i.18 Za matrice A.19 Neka je A ∈ Mn simetriˇna matrica. Za dijagonalne matrice. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP.2 = cos ϕ ± Kako je ϕ = kπ. imamo cos2 ϕ − 1 < 0 tj. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. k ∈ Z. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. iterativne metode. da A c nema realnih svojstvenih vrijednosti. c Teorem 3. Tako npr. c s c z itd. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1.♠ Dakle iz Primjera 3.122 POGLAVLJE 3. nul matrice. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. svojstvene vrijednosti od A nisu realni brojevi. za trokutaste. Medutim. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Nadalje. svaki vektor kanonske ortonormirane baze od Rn je svojstven. za nul matrice. Stoga se koriste razne pribliˇne metode. Tada su sve njene svojstvene vrijednosti realne. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). cos2 ϕ − 1. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje.

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

c Teorem 3.124 POGLAVLJE 3. λn od KA (λ) zovemo algebarska kratnost od λ0 .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . dijagonalna. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. c Kako je KA (λ) polinom n-tog stupnja. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .♣ Napomena 3.♣ c . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. .. Ipak.. 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. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. nultoˇka od KA (λ).12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. tj.. iz osnovnog teorema algebre (Teorem 5...21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. λn . ako je λ0 svojstvena vrijednost od A ∈ Mn . ♣ Teorem 3. s Teorem 3. Dakle 0 nije svojstvena vrijednost.. .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . A je regularna. ona se u nizu c nultoˇaka λ1 . c c Teorem 3. . Obratno. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A..5) znamo da z z KA (λ) ima n nultoˇaka λ1 . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. c Napomena 3. Sada.. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna..35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .21 Neka je A ∈ Mn simetriˇna.. Ako je A joˇ simetriˇna onda iz Teorema 3. . tj.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . λ−1 .34 znamo da je skup S(λ0 ) potprostor od Rn .♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. λn od KA (λ) pojavljuje barem jednom. λn . Tada iz Napomene 3.. a odgovaraju´i se svojstveni vektori podudaraju.

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

♣ an Teorem 4. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . n−→∞ n−→∞ 3. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. r = 0.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. prema kojoj vrijednosti. ako ne i nemogu´e.1.5 Neka je (an ) konvergentan niz.132 POGLAVLJE 4.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Tada vrijedi: 1. . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . ako je bn = 0 i n−→∞ lim bn = 0. Tada c an −→ 0 ⇔ 1 −→ ∞. lim (can ) = c lim an . NIZOVI I REDOVI 4.4 Neka su (an ) i (bn ) konvergentni nizovi. lim (an bn ) = lim an lim bn .3 Neka je (an ) niz s pozitivnim ˇlanovima. n−→∞ n−→∞ n−→∞ 2. proizvoljan i an ≥ 0 za svaki n ∈ N. i ako da. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). c Teorem 4. c c c Npr. Ako je r ∈ R. te c ∈ R proizvoljan. lim (an ± bn ) = lim an ± lim bn . n−→∞ n−→∞ n−→∞ 4. onda je lim an an = n−→∞ . Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. konvergira li. c s c c c tj.

Pogledajmo prvo sluˇaj |q| < 1. dakle divergira ili u uˇem. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. i ako npr. Tada je n 1 |q| < 1. n−→∞ Dokaz: Iz toˇke 4. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε.. po Teoremu 4. c c c Prema Teoremu 4. za svaki n ∈ N.4. Logaritmiranjem se dobije n log |q| < log ε. log |q| Dakle svi ˇlanovi niza 1. on moˇe imati najviˇe jedno gomiliˇte. . Tada po Teoremu 4. . q. c c . ili u ˇirem smislu. q..1. q 3 . ograniˇen niz je konvergentan.. niz (an ) s konvergentan. Teorem 4. Imamo log ε n> .1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . ε). 1 |q n | Neka je sada |q| > 1.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. tj. Dakle imamo samo c c s z s jedno gomiliˇte.4 dovoljno je promatrati niz s a1 = 1.6 je tipiˇni teorem egzistencije. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. niz 1. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. pa prema prethodnom niz n n −→ 0. q 2 . odrediti. vrijedi lim inf an = lim sup an ∈ R. U suprotnom. ˇto ne moˇe biti jer je G gomiliˇte.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .3 imamo |q | −→ ∞. q 3 . Sada.. dakle divergentan. znamo da neˇto postoji.1. no ne c s znamo koliko je i kako to na´i. G > G . ako s z s s (an ) ima barem dva gomiliˇta G i G . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.4. c Dokaz: Neka je (an ) monoton i ograniˇen. Za |q| < 1 je lim an = 0. izraˇunati.♣ Teorem 4. To je ekvivalentno s |q| < ε. Tj.♣ c z s Napomena 4.2 niz (an ) ima barem jedno c gomiliˇte. c Napomena 4.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . NIZOVI REALNIH BROJEVA 133 Teorem 4.6 Monoton. Onda je po Napomeni 4. dakle ili q −→ ∞. pa je lim an = 0. Kako je (an ) monoton. jer je log |q| < 0. q 2 . (an ) raste.. tj.

ako je λ > 1 lim an = n−→∞ 0.134 POGLAVLJE 4. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male.1. 1 n . λ = 1. . gdje je λ > 0 proizvoljan. ako je 0 < λ < 1. Tada vrijedi ∞. ∀r ∈ N). Neka je niz (an ) dan formulom an = n n. tj. c z 4. √ 3. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = λn . gdje je λ ∈ R proizvoljan. Neka je niz (an ) dan formulom an = nλ . teˇe k nuli. Tada vrijedi n−→∞ lim an = 1. Neka je niz (an ) dan formulom an = |λ| .♣ Teorem 4. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.7 je najop´enitiji. ako je λ > 0  lim an = 1. Tada vrijedi lim an = 1. gdje je λ > 0. n 6. proizvoljan. Tada n! vrijedi lim an = 0.7 (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. n−→∞ n−→∞ n 4. gdje je λ ∈ R proizvoljan. n−→∞   0.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. 2. ako je λ < 0 √ 5. Tada vrijedi   ∞. ako je λ = 0.

zareze zamijenimo plusevima c dobijemo beskonaˇni red. No. an je oznaka za red.8 Pogledajmo sljede´e primjere: c . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. Definicija 4. a3 . nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ).1 Redovi realnih brojeva Pojam reda. ∞ an je oznaka za n=1 Primjer 4.2.2.4. kaˇemo da i red z Napomena 4. n=1 Ako niz parcijalnih suma (Sn ) divergira. konaˇna suma.8 Oznaka sumu reda an . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . Dakle. + an = k=1 ak = Sn .. (Sn )).. tj. Red dobiven od niza (an ) oznaˇavamo s c an .. a2 . tj.8 Neka je (an ) niz. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.. Konvergencija reda Ako u beskonaˇnom nizu (an ). a1 . c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . REDOVI REALNIH BROJEVA 135 4. a konaˇna suma postaje red. gdje je (Sn ) niz parcijalnih suma niza (an ). a oznaka an divergira. Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). . n-ta parcijalna suma.2 4. Za svaki konaˇan n z c veliˇina Sn je dobro definirana. c Definicija 4.9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). Ako je S = lim Sn < ∞.

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

9 op´enito ne vrijedi.8. tj. n 1 (−1)n−1 n uvjetno konvergentan.4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . onda op´enito red c c c an ne mora konvergirati. S = lim Sn = n−→∞ n=1 an .9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.8 znamo da red = divergira i da je lim n n−→∞ n 0.8 Ako red apsolutno konvergira. n−→∞ odnosno n−→∞ lim an+1 = 0.♣ c Uoˇimo da iz Primjera 4. REDOVI REALNIH BROJEVA za svaki n ∈ N.2. kaˇemo da red z an konvergira uvjetno. c . onda on konvergira i obiˇno.8). an .♠ 2n n−→∞ ∞ Napomena 4.9 ne slijedi obrat Teorema 4. Ako red an konvergira. Definicija 4.10 Red an apsolutno konvergira ako konvergira red |an |.10 Iz Primjera 4. Dakle je red Teorem 4.♠ dok red 1 n divergira (Primjer 4. a red |an | ne konvergira. Primjer 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.♣ 1 1 Napomena 4. oˇito vrijedi c Sn+1 = Sn + an+1 . c c ako op´i ˇlan niza (an ) konvergira u nulu.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. tj. Nadalje. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.

Sn = a1 + a1 q + a1 q 2 + . 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. n−→∞ 1 − q 1−q 1 − qn . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . tj. c Ako je q = −1. a1 q n−1 = 1−q n=1 Obrnuto... da geometrijski red a1 q konvergira i da je |q| ≥ 1..138 POGLAVLJE 4.5 imamo da je lim Sn = a1 lim a1 1 − qn = . Nadalje. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . Pretpostavimo suprotno. Ako je q = 1. pa je Sn = na1 .. + a1 q n−1 . q ∈ R proizvoljni. NIZOVI I REDOVI 4. zovemo geometrijski red s kvocijentom q. onda je oˇito an = a1 (−1)n−1 . c Pretpostavimo da je a1 = 0 i |q| < 1. = a1 q n−1 .2. tj. Pogledajmo n-tu parcijalnu sumu. Iz Teorema 4. + a1 q n . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . vrijedi Sn = a1 za svaki n ∈ N. onda je oˇito an = a1 .. tj..2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. Nadalje kako je c n−→∞ lim an = 0 . Teorem 4. imamo Sn − qSn = a1 (1 − q n ). 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. gdje su a1 . a to divergira za svaki a1 = 0.

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.♣

17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. Red oblika an xn . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R.. an0 +m ≤ λm an0 . zovemo red potencija.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. 1 2.♠ 1 xn−1 (n−1)! 4. Tada iz Teorema 4. gdje je x ∈ R proizvoljan. Dakle imamo an0 +1 ≤ λan0 . an za svaki n ≥ n0 .. . za svaki m ∈ N. i n0 ∈ N takav da je an+1 ≤ λ. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. c Teorem 4. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. za svaki n ∈ N. Neka je an = 1. 0 < λ < 1. . Neka je an = n! . Ako postoji λ ∈ R.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.13 1. Dokaz: Neka su λ ∈ R. onda red an konvergira. Oˇito je za x = 0 svaki red potencija konvergentan. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Ako red n an x0 divergira. an za svaki n ≥ n0 . za svaki n ∈ N. Dakle. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . onda konTeorem 4. red an0 + an0 +1 + .18 Neka je 0 < λ < 1.146 POGLAVLJE 4. .3. . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. an0 +2 ≤ λan0 +1 ≤ λ2 an0 .♣ Primjer 4. i suma mu je 1−x . .

17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.3. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.. onda red an ≤ λ.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. Neka je dan red divergira. imamo da red c an konvergira.♣ Napomena 4. Ako postoji λ ∈ R. divergira za l > 1. Sada iz Napomene 4. konvergira. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.8 znamo da on konvergira.3. Neka je dan red vrijedi 1 .4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. an konvergira.14 1. n Tada iz Primjera 4. n−→∞ an lim onda red an konvergira za l < 1. 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . n2 Tada iz Primjera 4.8 znamo da on = 1.19 Neka je an red s pozitivnim ˇlanovima. c Primjer 4.9 konvergira. c 0 < λ < 1. Ako postoji limes c an+1 = l.♣ .3 Cauchyev kriterij Teorem 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.. 1 n+1 lim n−→∞ 1 n 2. a ne moˇemo niˇta z s zakljuˇiti za l = 1. ali vrijedi 1 .16 imamo da i red an0 + an0 +1 + .

Ako postoji lim sup n |an | i lim sup n |an | = 0.14 za red odnosno red n znamo da divergira odnosno konvergira.20 Neka je an xn red potencija.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. a iz toˇke 4. tj.♠ c s Cauchyev kriterij je jaˇi. (an ) niz u R i x ∈ R prozvoljan. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. divergira za l > 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. . a divergira za sve x ∈ R za koje je |x| > ρ.15 Analogno kao i u Primjeru 4.1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. c 1 Primjer 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. c Teorem 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.20 zovemo radijus konvergencije reda potencija a n xn . NIZOVI I REDOVI Napomena 4.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.148 POGLAVLJE 4. onda red an konvergira za l < 1. Ako postoji limes c n−→∞ lim √ n an = l. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).

♠ n2 Teoremu 4.8 znamo 1 1 da red konvergira.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. a divergira za |x| > 1. Po Teoremu 4. Neka je dan red potencija lim sup n 1 n x . Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Neka je dan red potencija lim sup n 149 1 n x . problem se pojavljuje ako ih je beskonaˇno mnogo (npr. n Tada je 1 = lim n−→∞ n n 1 = 1. Tada imamo sljede´i kriterij (Leibnic c zov): .20 red potencija |x| < 1. konvergira za Pogledajmo sada ako je |x| = 1. Iz n2 n2 1 Teorema 4. Teorem 4. tg n. iz Primjera 4.).4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).3.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.20 red potencija |x| < 1.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. n2 1 n x n2 dakle je ρ = 1. n 2. Ako je x = 1 onda. n 1 n x n dakle je ρ = 1. a divergira za |x| > ρ (ako lim sup n |an | postoji).9 1 znamo da red (−1)n konvergira i suma mu je ln 2. 4. dok za x = 1 red n 1 divergira. Ako je x = −1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. onda iz Primjera 4.3.16 1. itd. ali smo u Primjeru 4. konvergira za Pogledajmo sada ako je |x| = 1. Po Teoremu 4. c sin n.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.8 imamo da konvergira i red (−1)n . n2 Tada je n 1 = lim n−→∞ n2 1 = 1. a divergira za |x| > 1. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. KRITERIJI KONVERGENCIJE Primjer 4. dakle i apsolutno konvergira red (−1)n . (−1)n .

. s c |Rn | = |S − Sn | ≤ |an+1 |.. dakle je S2n+2 ≥ S2n za svaki n ∈ N. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + .150 Teorem 4. za svaki n ∈ N. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . te kako vrijedi |an | ≥ |an+1 |. iz Teorema 4.6 slijedi da su nizovi konvergentni. Ako red poˇinje negativnim ˇlanom. Ako red poˇinje pozitivnim ˇlanom.♣ c . imamo da je S2n razlika od a1 i strogo pozitivnog broja. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |.. tj. tj. + (−a2n−2 − a2n−1 ) − a2n ]. imamo a2n+1 + a2n+2 ≥ 0. onda je podniz od Sn indeksiran parnim indeksima rastu´i. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Nadalje. vrijedi S2n = a1 − (−a2 − a3 ) − . n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. NIZOVI I REDOVI an alternira. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. onaj indeksiran c neparnim indeksima je padaju´i. a a2n negativan za svaki n ∈ N. Kako smo pretpostavili da je a2n−1 pozitivan. S2n+2 = S2n + a2n+1 + a2n+2 . Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . tj. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. S2n je omeden s a1 . Nadalje. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. Kako je po pretpostavci a2n+1 ≥ 0. i istog je predznaka kao taj ˇlan. Zaista.. onda imamo obratnu c c c situaciju. c c ako je a1 ≥ 0. onda taj red konvergira. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |.21 Ako red POGLAVLJE 4. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N.

3.17 Iz Teorema 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.♠ s . KRITERIJI KONVERGENCIJE Primjer 4.4.

.

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

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

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

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

5.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.1. c y x0 0 x Slika 5. Napomena 5. c kruˇnica u ravnini nije graf niti jedne funkcije. ˇto je suprotno s definicijom funkcije. Npr. . 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.3: Primjer krivulje koja nije graf funkcije. 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.2: Graf funkcije f i njegove projekcije na koordinatne osi. z s Iz Napomene 5.

4 Pojmovi znaˇajni za realne funkcije realne varic jable Pojam funkcije je vrlo op´enit i obuhva´a sve mogu´e vrste ovisnosti jedne veliˇine c c c c o drugoj. Ako za takve dvije vrijednosti x1 . podruˇja gdje funkcija raste ili pada). tj. 0) ∈ Γ(f ). s Dakle. c z . realne funkcije realne varijable). odnosno strogo pada na I. b ⊆ R sadrˇan u podruˇju definicije funkcije f . FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. tj. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. c s c Napomena 5. dakako.158 POGLAVLJE 5. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). c Neka je interval I = a. Gledamo li graf funkcije f . Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. kao ˇto smo rekli. Nuliˇte je apscisa nultoˇke. kaˇemo da je funkcija f strogo raste.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). f (x) = cos x. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). ekstremne vrijednosti. toˇke oblika (x0 . toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). podruˇja vrijednosti i nultoˇaka. intervale z monotosti (tj. tj. ne mora biti nultoˇka funkcije c c (npr. za x = 0 je f (0) = 1). kaˇemo da je f (strogo) monotona na intervalu I. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). 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. c Osim podruˇja definicije. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . To. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. s 5.1. Ti su pojmovi vezani c uz usporedbe vrijednosti. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. ako postoje). kaˇemo da funkcija f pada z z na I. bliskost argumenata i sliˇno. toˇke prekida i asimptotsko c c ponaˇanje. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. z c I ⊆ D(f ).

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

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

D(f ) = [a.♠ 1 . onda kaˇemo da je funkcija f neparna. s Primjer 5.4: Primjer funkcije s lokalnim ekstremima. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. D(f ) = [a. b ili D(f ) = a. 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. f (x) = |x|.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. Funkcije f (x) = x. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. Funkcije f (x) = x2 . f (x) = parne fukcije.5. Ako vrijedi f (−x) = f (x). Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. 2. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). b]. f (x) = x4 . onda kaˇemo da je funkcija f parna.3 1. za svaki x ∈ D(f ). z c c Napomena 5. tj. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. za svaki x ∈ D(f ) . Problem nalaˇenja ekstrema je vrlo bitan. tj. b]). |x| su . f (x) = x3 .1. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. z Ako vrijedi f (−x) = −f (x). f (x) = x|x| su neparne.

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

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

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

Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. x0 + δ ) ⊆ f (x0 ) − ε. x > 0  sign x = 0. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. . dok je u svim drugim toˇkama neprekidna. b −→ R. c 165 Napomena 5.5. z Definicija 5.3 Realna funkcija realne varijable f : I = a. Primjer 5.3 kaˇe da je funkcija f : I = a. Kad bi imala dvije asimptote u jednom rubu.5 Neka je dana funkcija sign : R −→ R formulom   1. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. 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 ). c 1 Uzmimo ε = 2 . 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 . Definicija 5. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). x = 0   −1 x < 0 Funkcija f ima prekid u 0.7 Ako funkcija ima asimptotu. gdje je I ⊆ D(f ). ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. Intuitivno. Definirajmo sada pojam neprekidnosti funkcije.1. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Dakle nula je toˇka prekida od f . Odnosno. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. f (x0 ) + ε . pravac).

tj. FUNKCIJE y 1 0 x −1 Slika 5. Napomena 5. M > 0. b −→ R. je ograniˇena na I ako postoji realan broj M ∈ R. Analogo se dokaˇe za x0 < 0. c .4 Realna funkcija realne varijable f : I = a.8 Ako u Definiciji 5. Napomena 5. za svaki x ∈ I. tj. za svaki x ∈ I. takav da je c |f (x)| ≤ M . |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. gdje je I ⊆ D(f ). gdje je I ⊆ D(f ). funkcija je neprekidna u x0 .8: Funkcija sign(x).166 POGLAVLJE 5.4.♠ z Definicija 5. b −→ R. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. M ∈ R c takvi da je m ≤ f (x) ≤ M. Ako je x0 > 0.9 Iz Definicije 5.4 stavimo M = max{|m|. onda je funkcija f ograniˇena na nekoj okolini oko x0 . 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. b −→ R neprekidna u toˇki c x0 ∈ I. Napomena 5.10 Ako je funkcija f : I = a. za svaki x ∈ I. je ograniˇena ili omedena na I ako postoje realni brojevi m. iz uvjeta m ≤ f (x) ≤ M.

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

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

Dakle. a) Ako je c = 0. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . tj. . samo je usporen pad i rast c funkcije f . 2. vrijedi |(f g)(x)| ≤ |f (x)|. funkcija f g ima iste nultoˇke kao i funkcija c c f . Graf funkcije f g je pravac y = 0 ili x os.5. b) Ako je 0 < c < 1. y 2 f(x) 0 f(x) x Slika 5. OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.9: Graf funkcije f (x) + c za c > 0. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. Graf funkcije f g je sliˇan grafu funkcije f . Pogledajmo funkciju f g u ovisnosti o c ∈ R. onda je (f g)(x) = 0 za svaki x ∈ D(f ).10: Graf funkcije 2f (x).1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ).

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

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

Ako je jedna funkcija. g : R −→ R funkcije. 2. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. 3. recimo g.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. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g).172 POGLAVLJE 5. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. c h f A B g C Slika 5.4). FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. Primjer 5. Ako su obje parne. Neka su f. Tim se postupkom mogu stvarati nove z funkcije. Definicija 5. dok su funkcije f g i f obje neparne. onda su funkcije f ± g. g 5.5 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)). neparna a f parna. te funkcije f g i obje parne.12: Kompozicija funkcija. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge.1. . Ako su obje neparne. Matematiˇki se to formalizira pojmom kompozicija funkcija. f g i f g f g sve parne. onda je funkcija f ± g neparna. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.

g ◦ f = f ◦ g.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . za svaku funkciju g : R −→ R. . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Napomena 5. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. 1 Primjer 5. Dakle imamo f ◦ id = id ◦ f = f.5. za proizvoljnu funkciju f .7 Neka je dana funkcija f (x) formulom f (x) = x . za tu funkciju vrijedi g ◦ f = f ◦ g = g. op´enito. z funkciju f komponirati samu sa sobom.6 vidimo da operacija kompozicije funkcija nije komutativna. Naime.1. da je.♠ x+1 x+1 173 2x . c Napomena 5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . moˇemo gledati funkciju f ◦ f . tj. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.♠ 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. U takvom sluˇaju piˇemo f 2 = f ◦ f . 3x + 1 3x + 1 2x 6x = . Tada je oˇito c D(f ) = R(f ). OSNOVNI POJMOVI Primjer 5. 1 . tj. jer je D(id ◦ f ) = D(f ◦ id) = D(f ).

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

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

. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. Drugim rijeˇima. Dakle.. Dakle imamo.♠ z s Definicija 5.176 POGLAVLJE 5. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. To je za neke funkcije mogu´e. a za z c neke nije. 12}. Uspjeli smo rijeˇiti problem. 2.1. . c s Pogledajmo sada obratni problem.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. b : studenti −→ {0. 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.8 Troˇkovi rada stroja su 200 kn/h. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. tj. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. i obrnuto. Primjer 5. 10 sati rada stroja koˇtati 2500 kn. s s Jasno je da ´e nas npr. 1. Nas zanima x(y).. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).♠ Primjer 5. moˇe biti viˇe studenata koji su imali nula bodova. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Kaˇe se i da z c z f ne lijepi argumente. 200x + 500 = 1300. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. tj. FUNKCIJE 5. . i joˇ 500 kn za dovoz i odvoz. Ne c c moˇemo rijeˇiti problem. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.

surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). a injektivnost njegovu jedinstvenost.5. ali ne i za paran n.10 Funkcija f (x) = xn . 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 z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. x2 ∈ D(f ). je injekcija za neparan n. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. Injektivnost. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.♠ Primjer 5. Definicija 5. Napomena 5. n ∈ N. 1). s c Primjer 5. tj. 1) i (1. f : D(f ) → R(f ) je uvijek surjekcija. Napomena 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.6 c ekvivalentan sljede´em: za x1 .14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).8 izraˇunali smo da je x(1300) = 4.11 U Primjeru 5.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . za bilo koji c ∈ R.1. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.

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

+∞ jesu. +∞ −→ −∞. 0]. g1 (x) = − x. i √ g2 : [0.1. Dakle vrijedi f ◦ g = g ◦ f = id. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. +∞ −→ [0. c c Dokaz: Neka je f : R −→ R strogo rastu´a. g2 (x) = x. a ona c c je strogo rastu´a funkcija. kad govorimo o inverzima funkcija f : R −→ R. +∞ . 0] i [0. a strogo c c padaju´e funkcije strogo padaju´a. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.♣ z c . jer je c f ◦ g = g ◦ f = id. pa ima i inverznu funkciju. Tada iz Napomene 5. Dakle.♠ Napomena 5. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.5. OSNOVNI POJMOVI 179 Napomena 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.20 Ako je funkcija f : R −→ R strogo monotona.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. onda je ona oˇito i bijekcija na svoju sliku.0] √ i f |[0. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. Teorem 5. f | −∞. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).10). no njezine restrikcije na −∞. Primjer 5. No f ◦ g = id. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.+∞ su bijekcije s inverzima g1 : [0. c Primijetimo da ako f nije strogo monotona nego samo monotona. To je oˇito inverzna funkcija od f .20 znamo da f c ima inverznu funkciju g.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Dakle.

+∞ . 0] odnosno .12 slijedi da tvrdnju Teorema 5.2 Inverzna funkcija neparne funkcije 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.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Tada je njena inverzna funkcija g : [0. Dakle. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.♣ Iz Primjera 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).180 POGLAVLJE 5. +∞ gdje je bijekcija.♠ c Analogno kao u Primjeru 5. FUNKCIJE Teorem 5.2 ne moˇemo izre´i za parne funkcije. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. jer je f (x) c rastu´a. Pokuˇajmo sada. z c Napomena 5. +∞ −→ −∞. praktiˇno izraˇunati. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. f −1 je neparna.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Primjer 5. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. 0] ili [0. ali nije bijekcija. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.

Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. ima inverznu funkciju.2 -3 -2 -1 -0. Ako je n neparan. Restrikcija te funkcije na interval [−1. +∞ je bijekcija. Primjer takve funkcije je c x f (x) = xe . nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. ˇ Cak i za funkcije koje imaju inverze. specijalne funkcije kojima se ovdje ne´emo c baviti.4 1 2 Slika 5.8 0.16: Graf funkcije f (x) = xex . 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. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. tj. +∞ dana formulom − n x odnosno n x. c . 5. 0.2 -0.5.6 0. +∞ −→ [0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.4 0.2.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. c Osim elementarnih postoje i tzv.

Ostale algebarske funkcije b) Transcendentne . mnoˇenih nekim koeficijentima.Eksponencijalne . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.2. xk = x · x · · · x .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.1 Klasifikacija i podjela realnih funkcija 1.182 POGLAVLJE 5. FUNKCIJE 5. Elementarne a) Algebarske . za svaki x ∈ R.Polinomi .2.Racionalne funkcije .Trigonometrijske . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. k Po definiciji stavljamo x0 = 1.Logaritamske .Area 2.Hiperboliˇke c . dolazimo do pojma z .Ciklometrijske .

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

3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . 0.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.02 3 2 0..01 1. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.5 2 2..4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda. Apscisa nultoˇke je nuliˇte.01 -0. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. n.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. ..14.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. Broj c k zove se red ili kratnost nultoˇke x0 . = an = 0.: n m Teorem 5. FUNKCIJE n Teorem 5.. 1.11. c c .02 4 0. za sve i = 0.184 POGLAVLJE 5. c c c s naravno.5 3 Slika 5..♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x). c Primjer 5. tj. a ordinata je. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.

c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Za a = 0 imamo konstantnu funkciju p(x) = b. Ako su ove nejednakosti c c stroge. onda iz Teorema 6. Tjeme . dok c u nultoˇkama parnog reda nema promjene predznaka. za x ≥ 0.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.8). ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija.2. kaˇemo da je linearna funkcija strogo rastu´a.ako raste u s c nekoj toˇki.5.19: Graf linearne funkcije f (x) = x + 75. po Teoremu c 6. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). a = 0. a padaju´a ako je a ≤ 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . tj. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . raste na cijelom R. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. je polinom drugog stupnja ili kvadratna funkcija. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . dok za x > x0 vrijedi (x − x0 )k > 0.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.22 U nultoˇkama neparnog reda polinom mijenja predznak. odnosno strogo padaju´a. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Otvor joj je okrenut prema gore ako je a > 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Ako je k neparan. onda iz Teorema 6. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. a prema dolje ako je a < 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Ako je k paran. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).

♣ c Iz Teorema 5. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. Zbog neprekidnosti c polinoma na R (Teorem 6. npr. FUNKCIJE 1 2 Slika 5. parabole ima koordinate (−b/2a. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. 2a i realne su ako je D ≥ 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.2 = √ −b± D . Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. −D/4a). inaˇe velike pozitivne).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4.♣ c c . Teorem 5.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. inaˇe velike negativne vrijednosti).8) graf polinoma mora negdje sje´i x os. Nultoˇke kvadratne funkcije dane su formulom c x1. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. c Napomena 5. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. tj. c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.

tj. P1 (x) strogo raste na R. kao funkcija an xn . 0).5. tj. +∞ i ima nultoˇku u (0. tj. . Nadalje.. i = 1.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. Pn (x) strogo raste na R. Ako je n neparan broj. +∞ . c 2. Ako je n paran broj. pravac y = x. Primjer 5.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. 0). onda je P1 (x) = x linearna funkcija. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . 1. 0). Strogo pada na −∞. dakle nije injekcija. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. dakle je bijekcija. R(Pn ) = [0. tj. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. graf c joj je zrcalno simetriˇan s obzirom na y os. onda je oˇito funkcija Pn (x) = xn neparna. n − 1. 3. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. Ako je n = 1.2. iz Primjera 5. 0]. Oˇito je D(P1 ) = R(P1 ) = R. strogo raste na [0.♠ Dakle.16 Pogledajmo funkciju (polinom) Pn (x) = xn .. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R.♠ c . c neparna je i ima nultoˇku u (0. onda je oˇito funkcija Pn (x) = xn parna. c vrijedi D(Pn ) = R.. dakle je bijekcija i ima nultoˇku u (0.

y) = i=0 j=0 aij xi y j . ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). kvocijente dvaju polinoma nazivamo racionalnim funkcijama. itd. u tom sluˇaju se situacija komplicira. FUNKCIJE Napomena 5. ali c z kvocijent dvaju polinoma op´enito nije polinom. .. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac...♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.2.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. sam sebi je asimptota. tj. n > 1. problem s asimptotike je sloˇeniji. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.. umnoˇak i kompozicija polinoma ponovo polinom. Po analogiji s racionalnim c brojevima. z n Nadalje.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. problem poniˇtavanja je vrlo kompliciran.188 POGLAVLJE 5. razlika. Npr.. i = 1. Za . dijeljenjem polinoma c izlazimo iz te klase funkcija.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. 5. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. kako se polinom Pn (x) = i=0 ai xi . j = 1. n.. Realne konstante aij . Dakle. Napomena 5.3 Racionalne funkcije Oˇito je zbroj. 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. m. Naravno. su koeficijenti polinoma Pnm (x). z Definicija 5.

♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. U polu racionalna funkcija c nije definirana. je racionalna funkcija. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. Definicija 5. 6. Dakle. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. tj. 5. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x.) Dakle. Funkcija f dana formulom f (x) = 2. 3. Dakle. Qm (x) = 0}. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Funkcija hR dana formulom h(x) = 4. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . takve su definirane na cijelom R. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Red pola je red odgovaraju´e nultoˇke nazivnika. nije racionalna funkcija.17 Pogledajmo sljede´e primjere: c 1. c Primjer 5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. nultoˇkama nazivnika. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.2.5. Funkcija j dana formulom j(x) = x−13 je polinom. (Smatramo da je racionalna funkcija ve´ skra´ena. s c D(f ) = {x ∈ R. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. c c . 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. Naravno. tj. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1.

FUNKCIJE 100 75 50 25 -1 -0.5 1 80 60 40 20 -1 -0. i to na vanjskim rubovima prirodnog podruˇja definicije.26). Osim vertikalnih. Dakle. (lijevo) i pola Napomena 5.5 -25 -50 -75 -100 0. kad c argument ide u +∞ i −∞. kao i u toˇkama u c kojima se nazivnik poniˇtava.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika.5 1 x 1 Slika 5.26 Ako je pol parnog reda. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. 2. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. Sada tvrdnja izravno slijedi iz Napomene c 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). z c Dokaz: Red pola je red nultoˇke nazivnika. dok za polove neparnog z c reda. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .graf racionalne funkcije moˇe imati asimptote: z 1.5 0. bi x i=0 i−m bi x i=0 i xm .22. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). tj. 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 5.190 POGLAVLJE 5.

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

FUNKCIJE ide u am+1 x. +∞ .27 Analogno kao i kod vertikalnih asimptota.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. zrcalno simetriˇna obzirom c c na y os. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. f strogo raste na [0.♠ Iz Primjera 5. Dakle. f (x) = x + x (desno) i njihovih asimptota. kada argument ide u beskonaˇnost. f strogo pada na −∞. f je parna. z √ Primjer 5. dakle nije injekcija. Oˇito je D(f ) = R. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5.27 ne mora vrijediti. m i−m xm bi x i=0 m POGLAVLJE 5. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . +∞ . +∞ i za svaki x ∈ 0. tj.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. .192 xm (am+1 x) . +∞ vrijedi f (x) > x. 0] i za svaki x ∈ −∞. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. Nadalje. 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). racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm .23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). R(f ) = [1. Dakle. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. bm jer i=0 bi xi−m ide u bm . Napomena 5. 0 vrijedi f (x) > −x.

Definicija 5. y) = Qm (x)y −Pn (x). dakle je svaka racionalna c √ Primjer 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. f (x)) = 0. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. c . Pn (x)) = 0. jer u suprotnom ne bi bila funkcija. dakle je svaki polinom algebarska funkcija.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Definirajmo polinom u dvije varijable s P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.2. Tada je oˇito P (x. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. f (x)) = 0.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Tada je oˇito P (x. y) = x − y n oˇito je P (x. Napomena 5. √ x2 + 1 i njenih asimptota z Napomena 5. y) takav da vrijedi P (x.18. 5.5. Dokaz: Neka je dan proizvoljni polinom Pn (x). c Neka je sada f (x) = funkcija i algebarska.2.19 1. Definirajmo polinom u dvije varijable s P (x. f (x)) = 0. y) = Pn (x) − y.29 Svaki polinom i racionalna funkcija su algebarske funkcije.

Kada se argument sve viˇe pribliˇava c s z broju 1. √ Primjer 5. koja je bijekcija sa R na R.13). z 1 4. Nadalje. z √ 2.4). Dakle.1. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. f (x)) = 0.194 POGLAVLJE 5. dok kosu asimptotu ne moˇe imati zbog Napomene 5.28. Funkcija f je inverzna funkcija funkcije g(x) = x3 . ima vertikalnu asimptotu x = 1.13). z tj. +∞ .4).1.13). je D(f ) = R(f ) = [0. y) = xy n − 1 oˇito je P (x. tj. 0 je regularna toˇka (toˇka 5. FUNKCIJE 1 2. u 1 (toˇka 5.20 1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. dakle nema niti vertikalnu niti horizontalnu asimptotu.♠ c Kako se u algebarskoj funkciji pojavljuju samo cjelobrojne potencije i korijeni zakljuˇujemo da je prirodno podruˇje definicije algebarske funkcije cijeli R bez c c nultoˇaka nazivnika i bez podruˇja gdje nisu definirani parni korijeni (Primjer c c 5. c c tj. c c √ Nadalje. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. je D(f ) = R(f ) = R (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = 3 x. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . +∞ i R(f ) = 0. Dakle. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. +∞ . f strogo raste na R i neomedena je. je D(f ) = 1. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. tj. dakle nema vertikalnu asimptotu. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x.13). +∞ (Primjer 5. c 1 3. pravac y = 0 je horizontalna asimptota funkcije f . Dakle. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.

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).

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

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

2 ]. onda 2 t nije ˇiljast. 2π]. na kutove iz [0. π]. Dakle vrijedi c sin(t + 2kπ) = sin t. ako je t ∈ [π. yt ) na kruˇnici. FUNKCIJE sin x 0 cos x x 1 Slika 5. cos(t + 2kπ) = cos t . Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. π ] na [− π . 0). Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . 2 ] (tj. Sliˇno. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). Kaˇemo da su sin c z i cos periodiˇke funkcije. onda vrijedi xt = x2π−t i yt = −y2π−t . yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. 3π ]. Dakle za t ∈ [ π . 2π]. Dakle za t ∈ [π. Naravno. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . tj. sada moˇemo sinus i kosinus analogno proˇirivati na R. Ako je t ∈ [ 2 . Dakle za t ∈ [ 3π . 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. Analogno se sinus i kosinus s proˇire s [0. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . s [0. z c z π Jasno je da za t ∈ [0.204 1 POGLAVLJE 5. Ako je t ∈ [ π . Nakon ˇto z s s namotamo komad duljine 2π. a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). z (1. situacija se poˇinje ponavljati. 0] odnosno na [−2π. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu.

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

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

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

π . Npr. Dakle. Napomena 5.34 Zbog periodiˇnosti.208 POGLAVLJE 5. π x 2 2 i Ctg x = ctg| 0. a kotangens strogo padaju´a na 0. 5.π x su bijekcije s tih intervala na R. a c c s nema rjeˇenja za c ∈ [−1. 1]. njihove restrikcije Tg x = tg| − π . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π ]. ni tangens ni kotangens nisu injekcije. kosinus na 2 2 π π [0. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . k ∈ Z}. FUNKCIJE za svaki t ∈ R \ {kπ. tangens na − 2 . Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. π . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. 2 . π].8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. restringirajmo sinus na [− π . dakle nisu bijekcije.2. c c Dakle. Tada prema Napomeni 5.33 . a isto vrijedi s / i za ostale trigonometrijske funkcije.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). c dakle niti bijekcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. 2 i kotangens na 0. na svoju sliku. Dakle sinus nema inverznu funkciju.

π π R(arcsin) = [− . 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 1 0. π jednadˇbe tg t = x . 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 0. π ] . 1]. π]. π ] i tg| − π . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5.5 1 Slika 5. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 0. oˇito je c c D(arcsin) = D(arccos) = [−1.5 2 1.5 -0. 1].5.5 1 -1 -1. ]. 2 2 R(arccos) = [0. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . rjeˇenje jednadˇbe postoji i jedinstveno je. 1.5 -1 -0.5 -1 -0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. π ] bijekcija. 2 ] jednadˇbe sin t = s z s z x. Dakle. 1] −→ [0. Kako je sin |[− π .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). .π strogo padaju´e. 2 2 . Iz Teorema 5. Dakle.1 i Napomene 5. dakle su i bijekcije. π strogo rastu´e. 2 2 koja je inverzna funkciji sin |[− π . koje zovemo arkus funkcije. a c 2 2 2 2 cos |[0. rjeˇenje jednadˇbe postoji i jedinstveno je. z π π Za x ∈ [−1. inverznu funkciji cos |[0. Nadalje. s z 2 2 s z Kako je tg| − π . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.2. ].π] .π] i ctg| 0.5 0. π bijekcija.5 3 2. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π].33 slijedi da je arcsin strogo rastu´a. a arccos c strogo padaju´a na [−1. 1] −→ [− .34 znamo da su funkcije sin |[− π .

35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 -4 -2 2 4 Slika 5. -4 2 1. R(arcctg) = 0. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . npr. FUNKCIJE arcctg : R −→ 0.5 -2 2 4 4 3.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). π . 1]. π ]. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. .5 1 0. R(arctg) = − . tako da bi smo dobili arkus funkcije definirane na tim intervalima. 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 .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. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.π . Nadalje. Dakle. z s z sin x = t.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. c . pri traˇenju rjeˇenja t jednadˇbe. π .210 koja je inverzna funkciji tg| − π . Npr.1 i Napomene 5.5 3 2.5 -2 -0. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 1 0. 2 odnosno ctg| 0.5 -1 -1. Iz Teorema 5.5 2 1. oˇito je c c π π D(arctg) = D(arcctg) = R. inverznu funkciji ctg| 0. Napomena 5.

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

FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno).5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. 1. 4.5 -1 -1. areasinus hiperboliˇki ili Arsh. Ako ch. zbog parnosti. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. Nadalje. +∞ .37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). Zbog neparnosti od th i cth je neparna.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. Dakle cth ima i dvije horizontalne asimptote. Kako th strogo raste na R. 1]. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. z y = −1 i y = 1. ch postaje bijekcija na svoju sliku. imamo: . za svaki x ∈ R. i R(cth) = R \ [−1. restringiramo na −∞. za svaki x ∈ R\{0}.5 1 0. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. c osim funkcije ch. kako je |th x | < 1 . tj. to mora i cth x . preciznije areakosc inus hiperboliˇki ili Arch. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije.5 -4 -2 -0. Kako je jedina nultoˇka od th toˇka 0 zakljuˇujemo da je D(cth) = R\{0} c c c i cth u 0 ima vertikalnu asimptotu. imamo da je |cth x | > 1 . 0] ili [0. cth strogo pada na R \ {0}. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. Funkcije inverzne hiperboliˇkima zovu se area funkcije.

1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. +∞ .39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). 4. +∞ i R(Arch) = [0. c 3.5 -1 -2 -3 0. Oˇito je D(Arcth) = R \ [−1. pravci x = −1 i x = 1. tj.5.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. c 2. vertikalne asimptote od Arth. onda je D(Arch) = [1. PREGLED ELEMENTARNIH FUNKCIJA 213 1. Iz Teorema 5. Ako smo ch restringirali na [0. 3 2 1 -1 -0. iz Teorema 5.1 c slijedi da Arcth strogo pada.5 1 0. onda su rubovi −1 i 1. onda su rubovi −1 i 1. a x = 0 vertikalna asimptota od cth. y = 1 horizontalne.1 slijedi da Arth strogo raste. +∞). 1 .5 1 1.5 3 Slika 5. . 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5 2 1. R(Arth) = R i iz Teorema 5.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 2 2. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Oˇito je D(Arsh) = R(Arsh) = R. Kako su y = −1 i y = 1 horizontalne asimptote od th. 1].1 zakljuˇujemo da Arch strogo raste. Oˇito je D(Arth) = −1.5 0. vertikalne asimptote od Arth. a pravac y = 0 horizontalna asimptota. tj.2. pravci x = −1 i x = 1. Kako su y = −1. R(Arth) = R \ {0} i iz Teorema 5.

.

5 + 0.5 + 0.05(m − 20) kn.05(m − 20). Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1. 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. Naime.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Graf te funkcije prikazan je na slici 6.05h (∆c = ˇ 0.8. 0 ≤ m ≤ 20 3.05∆m). onda je 215 .05(m2 − m1 ).Poglavlje 6 Uvod u diferencijalni raˇun c 6. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. m = 20 i m = 30.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. a visina poˇtarine c u z s kunama). Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .1. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1 6. (Masa m je izraˇena u gramima.8 kn.05h = 0. m > 20. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Dakle imamo c(m) = 2.

. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. c c Napomena 6.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.216 ˇ POGLAVLJE 6.7 kn.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). odnosno da graf funkcije ima prekid u toj toˇki. S druge strane.♠ c Definicija 6. s s 20M ≥ (m2 − m1 )).1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. Definicija 6. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.

1. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. Tada su u toˇki x0 neprekidne i funkije: c . ako je m lijevo od 20 i dovoljno blizu 20.2 Funkcija c(m) iz Primjera 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 .2 Svojstva neprekidnih funkcija Teorem 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.1. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. Analogno.2 nam daje ideju za sljede´u definiciju: c Definicija 6.2 Iz Definicije 6. 6.1. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).♠ Primjer 6.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. S druge strane. ako je m > 20 i m blizu 20. postoji δ > 0 za koji vrijedi Definicija 6.1 ima prekid u toˇki c = 20. ipak m(c) nije blizu m(20). ali je ona c neprekidna s lijeva u toj toˇki. koji c je manji od nekog fiksnog strogo pozitivnog broja.1 Neka su funkcije f. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.ˇ 6.1. Primjer 6.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). s c c Napomena 6. No.

Dokaz: Pretpostavimo suprotno. onda njezin graf mora negdje sjeˇi x os.♣ c Teorem 6. po pretpostavci. Ako pogledamo funkciju f restringiranu na segment [−1.♣ z c Teorem 6. ˇto je suprotno pretpostavci. c + δ). za koji je f (xδ ) ≤ 0.218 1. 1] (jer je nema na cijelom R). tj.3 Iz Napomene 5. Tada je |f (xδ ) − f (c)| > f (c) = ε. mora imati nultoˇku. g ˇ POGLAVLJE 6. x = 0 svugdje neprekidna osim u nuli. onda je oˇito f (−1)f (1) = −1 < 0. g : R −→ R takve da je definirano (g ◦ f )(x0 ). tj. ali oˇito f nema nultoˇku na segmentu c c c [−1. c + δ) takav da je f (xδ ) ≤ 0. Dakle.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. 1]. c s Analogno se dokaˇe sluˇaj f (c) < 0. onda je funkcija g ◦ f neprekidna u x0 . 3. f |[−1.♠ . f · g. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. f ima prekid u toˇki c.1] : [−1.2 Neka su funkcije f. i neka je f (c) > 0 (f (c) < 0). Tada postoji x0 ∈ a. b takav da je f (x0 ) = 0. f + g. b]. c c Primjer 6. x=0 x f (x) = 1. 2. postoji xδ ∈ (c − δ. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.♣ Teorem 6. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). 1] −→ R. tj. Uzmimo ε = f (c). |xδ − c| < δ.♣ Teorem 6.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. f . Tada za svaki δ > 0. Ako je funkcija f neprekidna u x0 . f − g.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. tj.11 znamo da je funkcija f : R −→ R dana formulom 1 . i funkcija g neprekidna u f (x0 ). 4. c + δ . i neka je f (a)f (b) < 0.

z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.1. za svaki x ∈ I (Definicija 5.4 Funkcije f.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. Teorem 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.♣ c Tvrdnja Teorema 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. Nadalje. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. 1 .1. Pitanje je sad.6 ne vrijedi za otvorene intervale. Npr.5 ne vrijedi za otvorene intervale. funkcija f (x) = neprekidna na 0. c 1 x je Teorem 6. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.4) Teorem 6.ˇ 6. Tvrdnja z Teorema 6. π funkcijom tg je R. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I .4 nuˇan. ali oˇito je neomedena. . Tada je funkcija f neprekidna na intervalu I.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. slika otvorenog intervala − π .♣ Teorem 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . M ∈ R takvi da je m ≤ f (x) ≤ M. Npr. onda je ta funkcija i neprekidna. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. π . b]. 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.3 Neprekidnost elementarnih funkcija Primjer 6.♣ 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.3 slijedi da je uvjet neprekidnosti iz Teorema 6.

dakle iz Teorema 6. z 2. polinom Pn (x) neprekidan na R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.. z c Uzmimo proizvoljni ε > 0. trigonometrijske. logaritamskih.. Dokaz: Neprekidnost eksponencijalnih..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.4) i Teorema 6.9 Eksponencijalne. i = 0. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj...1.1. . Zbog neprekidnosti konstantne funkcije na R (Primjer 6. takoder iz Teorema 7.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.220 ˇ POGLAVLJE 6.♣ Napomena 6. UVOD U DIFERENCIJALNI RACUN 1.1 sada slijedi da je na R neprekidna i funkcija x2 . jer su njihove restrikcije npr.. n.7 c i periodiˇnosti. takoder iz Teorema 6. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). arkus. na R su neprekidne i funkcije ai xi .4 i Teorema 6. logaritamske. Nadalje. Na kraju. 1. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.4 dokazali smo da je funkcija f (x) = x neprekidna na R. 1. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). zakljuˇujemo c da je i suma od ai xi . tj..7 su neprekidne.♠ z Iz Primjera 6. Iz Teorema 6.1. Budu´i da je f (x) − f (x0 ) = c − c = 0. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.1 direktno imamo: n Teorem 6. .. c Dokaz: U Primjeru 6. na intervale − π .. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.7 imamo da su neprekidne i funkcije arctg i arcctg. jer je svaka racionalna funkcija kvocijent dvaju polinoma. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. 1. Teorem 6. z c Uzmimo proizvoljni ε > 0. slijedi da c moˇemo uzeti δ = ε. i = 0. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. . c c neprekidne na R. . Na isti naˇin se zakljuˇi da su xi . n.7. π odnosno 0. π monotone c 2 2 bijekcije na R. n.1. hiperboliˇkih (osim kosinusa hiperbolnog). i = 0.

Dakle su funkcije arccos x. arccos x i Arch x redom na intervalima −1. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π .1. Isto tako 2x+π varira po intervalu π . 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. tj. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. onda 2x−π varira po intervalu − π . 3π .1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Dakle je arccos x neprekidna s lijeva u toˇki 1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). π 4 2 4 4 kada x varira po intervalu 0. posebno je 2 2 neprekidna u π . te da je Arch x neprekidna s desna u 1. −1. arcsin x i Arch x redom neprekidne na [−1. 1 i 1. ♣ . ˇto je ekvivalentno s s arccos x < ε. cos x i ch x redom na intervalima − π . 3π . Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 2 2 imamo 2x + π 2x − π cos . Sada imamo da je sin x neprekidna na 0. 2 Zbog stroge monotonosti funkcija sin x. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0.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). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . moˇemo dobiti i δ = 0. π i 0. dakle su po Teoremu 6.7 imamo da su neprekidne funkcije arcsin x. 1]. 3π . k ∈ Z. +∞ . c Analogno se dokazuju i druge jednostrane neprekidnosti. +∞ iz Teorema 6. 3π . 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}. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. k ∈ Z. 1 . 0. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. 1] i [1. [−1. π . π su monotone bijekcije na 2 2 −1. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. π . x−a x+a cos . Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. +∞ . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). 1 . π 2 2 i 0. Oˇito je δ > 0. ali u Napomeni 6. Zbog neparnosti imamo da je sin x neprekidna i u − π . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ.7 i neprekidne.

tj. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednosti funkcije c su malo manje od −1. za x malo manji od 1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. S druge strane. vrijednosti c funkcije su malo ve´e od −1. tj. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. dodemo li s x dovoljno blizu c toˇki 1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. 6. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. vidimo da su one c c c blizu vrijednosti −1. za vrijednosti od x koje su malo ve´e od 1. c c 2. ali pozitivnu. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. ali negativnu. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. funkcija nije definirana u toˇki 0. c 3. Za funkciju f : R −→ R danu formulom f (x) = arctg x . 4. Raˇunaju´i te vrijednosti. tj. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. funkcija nije definirana u toˇki 0. dovoljno blizu c nule. zakljuˇujemo.1.5 nije definirana u toˇki x = 1. ako uzmemo toˇku c x dovoljno malu. Dakle. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Ako uzmemo s c toˇku x dovoljno malu.222 ˇ POGLAVLJE 6.4 Graniˇna vrijednost (limes) funkcije c 1.

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). pravac y = π je horizontalna asimptota. tj. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Neka je dana funkcija f : R −→ R formulom f (x) = xx . . onda piˇemo c s L = lim f (x). moˇda u samoj toˇki c. 6.2. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.2. ako c ˇelimo promatrati ponaˇanje oko nule.ˇ 6.5). 2 2 5. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.♠ Situacije iz Primjera 6. moˇda u samoj toˇki c. osim.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Dakle. Ako funkcija ima limes L u toˇki c.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.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .1. 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. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Definicija 6. osim. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. |f (x) − M | < ε). Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.

♣ s z c c Napomena 6.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. M ) je okolina od −∞. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. |f (x) − M | < ε). ali postoji bitna razlika. |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. Dakle je M = L. Tada kaˇemo da je L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da z x−→+∞ (x > M ) =⇒ (|f (x) − L| < ε). Analogno. i svaki interval oblika (−∞. +∞. da je M = L. Pri tome uzimamo da je svaki otvoreni interval oblika (M. postoji δ > 0. 2 po pretpostavci. z c c Uz malu zloporabu notacije moˇemo Definiciju 6.224 Tada je L = M . ˇto ne moˇe biti. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). Dakle imamo |M − L| < |M − L|. ˇ POGLAVLJE 6. . Ali. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.6 i Napomz ena 4. −∞ ∈ R.2) jako sliˇna definiciji neprekidnosti (Definicija 6. Uzmimo sada ε = 1 |M − L|. 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 ). naravno ne zaboravljamo. Tada za taj ε. pri ˇemu.4 Uoˇimo da je definicija limesa (Definicija 6. +∞) okolina od +∞. tj. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε).

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

s c 1. Dakle je x−→0+ lim sign x = sign 0 . x < 0  sign x = 0.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x > 0 ima prekid u nuli. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x−→1 x−1 1 = +∞. x = 0   1. lim 2. onda je jasno iz Definicije 6. Obrnuto. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . c osim. moˇda u samoj toˇki c. onda iz Definicije 6. ne postoji lim sin x. ♣ c Primjer 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .♠ 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. x2 − 3x + 2 = −1. x −→0 − lim sign x = −1 . x−→+∞ 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L.226 ˇ POGLAVLJE 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. tj. x−→0+ lim xx = 1. lim 3.5. x−→+∞ 2 5. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. x−→0 x π 4.5 znamo da funkcija   −1. Dokaz: Ako funkcija f ima limes L u toˇki c. ako postoje limesi s lijeva i s desna i oni su jednaki L.7 Iz Primjera 5. lim arctg x = .6 Opiˇimo sada pomo´u limesa Primjer 6.5 Neprekidnost i limes Primjer 6.1.

♣ . x−→c+ Dokaz: Izravno iz Definicije 6.12 kaˇe da ako je funkcija neprekidna u toˇki c. x−→c Napomena 6.3.ˇ 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).5 U Teoremu 6.7 i 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . konaˇan je broj.1 i Primjer 6.4).12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).♣ x−→c Analogno kao Teorem 6. oˇito vrijedi c f (2) = lim f (x).8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.13 Neka je funkcija g : R −→ R neprekidna.1.2 i definicije jednostranog limesa.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. tj. Zaista imamo: c c Teorem 6. i neka postoji limes funkcije f u toˇki c. onda limes i funkcija z c ”komutiraju” tj. Dokaz: Izravno iz Definicije 6.12 imamo: Teorem 6.1 i 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. Nadalje.♠ x−→2 Primjeri 6. c c Sada direktno iz Napomene 6.♠ Primjer 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). imamo x−→c lim f (x) = f (c) = f ( lim x).♣ Teorem 6.4) i da limes mora postojati.

5. (−∞) · (−∞) = +∞. a +∞ = 0. (+∞) · (−∞) = −∞. 2. +∞ ± a = +∞. no moˇe se desiti da dobijemo izraz koji nije z z definiran. −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c).12 i 6. jer operacije nisu definirane i operandi nisu realni brojevi. x−→c+ Dokaz: Izravno iz Teorema 6. a < 0. a < 0.♣ 6.14. . a ∈ R proizvoljan.228 ˇ POGLAVLJE 6. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (−∞) + (−∞) = −∞. 7. 3. a ∈ R proizvoljan. 6. 8. (+∞) + (+∞) = +∞. a > 0 +∞.11. 6. a > 0 −∞. 4. UVOD U DIFERENCIJALNI RACUN Teorem 6. (+∞) · (+∞) = +∞. −∞ ± a = −∞.1.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. 9. (−∞) · a = 10. a ∈ R proizvoljan. Kako one nisu realni brojevi. To se posebno odnosi na veliˇine +∞ i −∞. (+∞) · a = +∞.

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

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

jasno je da je dovoljno x x promatrati x ∈ (0.2.1. za a > 1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. To znaˇi da je c x−→+∞ lim loga x = +∞. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). tg x ).ˇ 6. parnost. Iz toˇke 5. a ∈ R. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). 0) u ravnini.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Kada s pravca uzmemo x ∈ (0. +∞) i da joj c c je slika cijeli R. x−→+∞ x sin x = 1. pad. koji se nalazi unutar trokuta OBB . njihov rast. Kako gledamo c limes funkcije sin x kada x −→ 0. . neparnost i sliˇno. π ). sin x). Oznaˇimo s A = z c c (cos x.9. c c eksponencijalnih i logaritamskih funkcija. ortogonalnu projekcija toˇke A na x os. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x.1.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.4).16 lim i 1 lim (1 + )x . svojstva potencija. c Osim ovih limesa. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. x−→0 x Dokaz: Uzmimo trigonometrijsku (jediniˇnu) kruˇnicu sa srediˇtem u ishodiˇtu O i c z s s pravac paralelan s osi y koji prolazi toˇkom B = (1. 0).9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Dakle. i s B = (1. i zbog parnosti od sin x . tj. koriste´i definicije limesa i jednostranih limesa (toˇka 6.

x−→0 x sin x = 1. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. sin x cos x xr .12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. 2 x 2 sin x 1 ≥ ≥ cos x. Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.♣ x lim . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6.2: Uz izvod osnovnog trigonometrijskog limesa.232 ˇ POGLAVLJE 6. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.

x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.12 i Teorema 6. x−→0 x lim i ax − 1 = ln a. x−→0 t−→0 ln(t + 1) x Iz toˇke 5.1.2. ♣ Primjer 6. Dakle . x−→0 x lim a > 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .17 x−→+∞ 233 lim 1+ 1 x x = e. a ∈ R. Dakle imamo ax − 1 ex ln a − 1 = lim .ˇ 6.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 x Iz Teorema 6. i da je x = ln(t + 1). c Zbog toga je ex − 1 t lim = lim = 1. x Oznaˇimo sada ex − 1 sa t. Tada je jasno da t −→ 0 kada x −→ 0.10 ex − 1 = 1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.♠ x−→0 t−→0 x ln a ln(t+1) ln a .

7 su nam dovoljni za c raˇunanje gotovo svih limesa. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). ♣ x−→c Teoremi 6. 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. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. 6.234 ˇ POGLAVLJE 6. . 6. x−→c x−→c 2. x−→c c 3.17.13.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi.2 6.2.16. c 6.1. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).18 i temeljni limesi iz toˇke 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. g : R −→ R. Tada 1. x−→c x−→c 4. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).

t gdje je s prijedeni put. No uvrstimo li ∆t = 0 u gornju formulu. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 . b). b = t0 + ∆t. c . Kretanje je promjena poloˇaja u vremenu.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. Dakle. 0. ∆t ˇ Sto je ∆t manji. 15 minuta nakon polaska. ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata.6.5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. za razliku od prosjeˇne. Ideja je koristiti ono ˇto znamo. z c zahtijeva podrobnije razmatranje. t0 + ∆t]. Dana je formulom c v= s(b) − s(a) . a t vrijeme za koje smo preˇli taj put. Trenutna brzina. DERIVACIJA FUNKCIJE 235 Primjer 6. dobivamo neodredeni izraz tipa 0 . s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. dobivamo s v= 50 km = 100 .2. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. Uzmimo a = t0 . 0 moramo promatrati limes. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . tj. tj. s(t0 + ∆t) − s(t0 ) v= .

a to je jednako koeficijent smjera te sekante. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . Op´enito. UVOD U DIFERENCIJALNI RACUN Primjer 6. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . c ∆y = tg α.3: Ovisnost visine projektila o vremenu. Dakle. ∆t . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = .236 ˇ POGLAVLJE 6. prosjeˇna brzina odgovara koeficijentu smjera sekante. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. 1.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . y(t0 )) i c ∆t (t0 +∆t. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 .001) − y(1) . prosjeˇna brzina projektila u vremenskom intervalu [t0 . y(t0 +∆t)) zatvara s osi x.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.

c Primjer 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .♠ 6.2. Ako postoji z c f (x0 + ∆x) − f (x0 ) . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. x0 ∈ I.6.2. f : I −→ R. tj.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. 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.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .4: Sekante i tangenta.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.4 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. ∆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.

onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. UVOD U DIFERENCIJALNI RACUN Primjer 6. c c koji se oznaˇava sa f (x0 ).6 Uoˇimo bitnu razliku.15 Pogledajmo sljede´e primjere: c 1. 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. . koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). ∆x−→0 ∆x Napomena 6. Derivacija funkcije f (x) = kx + l je f (x) = k.♠ ∆x−→0 ∆x 6. za proizvoljne k. Dakle je c f (x) = lim f (x + ∆x) − f (x) . f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k.2.238 ˇ POGLAVLJE 6. Derivacija funkcije f u toˇki x0 je broj. c z Primjer 6. l ∈ R. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. Dakle brzina promjene linearne funkcije je konstanta.

tj. ˇto smo i oˇekivali. 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 239 U specijalnom sluˇaju kada je k = 0. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x.2. Derivacija funkcije f (x) = x2 je f (x) = 2x. funkcija f (x) = l je konstanta.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. s c 2.♠ .♠ ∆x−→0 ∆x−→0 ∆x Primjer 6. a c iz gornjeg raˇuna imamo da je c f (x) = 0.6. Dakle je promjena brzine konstantne funkcije nula.

ako je f (x) < 0 na nekom intervalu.2. problem postoc janja limesa. M= ∆x−→0− lim .11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. To su npr. c c 6.240 ˇ POGLAVLJE 6. problem konaˇnosti c c limesa. Dakle iz Teorema 6.17 1. ne postoji f (0). problem razliˇitih vrijednosti s lijeva i zdesna.. U toˇkama gdje je f (x) = 0. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Tu funkcija niti raste c niti pada. odnosno da je tangenta pravac koji raste. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ∆x Lagano se vidi da je M = 1 i L = −1. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. problem rubova domene. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). Sliˇno. Primjer 6. Takve toˇke zovemo stacionarne toˇke.4) ustvari limes funkcije f (x + ∆x) − f (x) . tangenta je paralelna s osi x. tj.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. funkcija pada c c na tom intervalu.

c x0 ∈ I ⊆ D(f ).1.2. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.6. √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 = +∞. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.7 imamo da je c lim √ 3 1 ∆x2 = +∞. DERIVACIJA FUNKCIJE 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 . Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). Funkcija f : R −→ R dana formulom f (x) = x0 = 0. 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 √ .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Tada je f i neprekidna u x0 .1.♠ Teorem 6. ∆x ∆x−→0 dakle ne postoji f (0). dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . 3. ∆x−→0 dakle ne postoji f (0). ∆x ∆x−→0 .

ali vidjeli smo da nisu derivabilne. Sve tri funkcije iz Primjera 6.242 ˇ POGLAVLJE 6.19 op´enito ne vrijedi. za one x ∈ I za koje je g(x) = 0). za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). ∆x−→0 ∆x ∆x . produkta i kvocijenta funkcija Teorem 6. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . ∆x f (x0 ). f (x) g(x) = f (x)g(x)−f (x)g (x) . g 2 (x) Dokaz: 1.12 imamo da je f neprekidna u 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). (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). ∆x = 0 . i vrijedi 1. Iz Teorema 6. (f (x) ± g(x)) = f (x) ± g (x) 2. Derivacija zbroja. tj.17 su c neprekidne u nuli. Nadalje. I ⊆ D(g). Tada su na I derivabilne i funkcije f ± g.20 Neka su funkcije f.♣ Obrat Teorema 6. razlike.12 zakljuˇujemo da je funkcija g neprekidna u x0 . Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). f · g i f g (tamo gdje je definirana.

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

g = f .♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . moˇe provesti samo ako je f (x) = 0.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. f (x) Ovo se. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . iz Teorema 6. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.21. odnosno (f −1 ) (f (x)) = 1 . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 .21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Dakle. Dakle imamo f −1 (f (x)) = x. f (x) ♣ . c Primjer 6. f (x) ∈ J ⊆ D(g). Izraˇunajmo joˇ i (f ◦ g) . ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo.15 i Primjera 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . naravno. z Teorem 6. c −1 tj.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. gdje je g(x) = x2 . x ∈ I ⊆ D(f ). f (x) = 0 na I i neka postoji f −1 . Primjera 6. f (x) = sin x. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x).244 ˇ POGLAVLJE 6. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. Sada primjenom Teorema 6.

22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.8 Studentima se preporuˇuje da provjere donje formule samostalno.21 i 6. 6. odnosno g (x) = 2. Derivacija funkcije g(x) = √ 1 . i vrijedi (f ◦ g)(x) = x. .19 Pogledajmo sljede´e primjere: c 1 1.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. c Napomena 6.20. Iz Teorema 6.6. Derivacija funkcije g(x) = ln x je g (x) = x .2. ∆x−→0 ∆x lim dakle je f (x) = ex .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.10 imamo da je f (x) = lim e∆x − 1 = 1.21 i 6. Osnovne derivacije dajemo u sljede´oj tablici.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. DERIVACIJA FUNKCIJE Primjer 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Kako je (f ◦ g)(x) = x iz Teorema 6.22 i derivacijama iz donje tablice. odnosno 1 g (x) = √ . 6.20. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. x 1 √ . 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . 2 x x je g (x) = Iz Primjera 6.

Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . 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. 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 . Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). f (x0 )) s c c ∆f apscisom x0 + ∆x.1: Derivacije elementarnih funkcija 6. f (x0 )) biti dosta mala. odnosno ∆f = tg α∆x . vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . gdje je α kut izmedu tangente funkcije f u toˇki (x0 .246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6.5 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. Jasno je da je ∆x = tg α. f (x0 )) i osi x. no to je ponekad teˇko izraˇunati.2. c tj.

jednadˇba tangente u c z toˇki (x0 .5: Diferencijal funkcije. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .1.2. Dakle. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. c Teorem 6. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 .5). Tada od svih polinoma stupnja najviˇe jedan. f (x0 )). f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.♣ c .6. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ). Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. DERIVACIJA FUNKCIJE 247 ∆x. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.

c Primjer 6.248 ˇ POGLAVLJE 6. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). 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”.♠ s s c . Dakle. 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. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Iz Primjera 6.5 2 Slika 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.5 1 1. to su razlike ordinata na grafu i na tangenti male za istu apscisu.16 znamo da je f (x) = cos x. dakle je f (0) = cos 0 = 1. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .23). UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.5 -1 0.

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

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).

13 Primijetimo: 1. Neka je L pravac kroz toˇke (a. f (a)) i (b. tj. f (b)). Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).6. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).26 kaˇe da za svaku sekantu kroz toˇke (a. b u kojoj je tangenta paralelna s tom sekantom. tj. f (b)) z c postoji toˇka x ∈ a. f (a)) i (b. b−a y f(x) 0 a x0 b x Slika 6. c .2. b ∈ I. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. Napomena 6. proizvoljne. b−a onda Teorem 6. b−a f (b) − f (a) (x − a). postoji x ∈ a.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. b za koju je F (x ) = 0.25. a < b.♣ f (b) − f (a) .

x za koji je f (x) − f (a) = f (x ). oˇito je c x−→1 lim f (x) = 3 = f (1). pa je. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.258 ˇ POGLAVLJE 6. x ≤ 1 f (x) = 3 x > 1. Uvjet f ∈ C 1 (I) iz Teorema 6. x ≤ 1 . UVOD U DIFERENCIJALNI RACUN 2. Ako je dana funkcija f : R −→ R formulom 3x.26 je bitan. 0 x>1 oˇito f ima prekid u x = 1. z Iz Teorema 6. b−a ali ne postoji x ∈ 0. po Teoremu 6. f neprekidna na R. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Kako je f (x) = 3.12. 2 za koji je f (x ) = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. y f(x) 0 a b x Slika 6. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). .

no u nekoj toˇki sigurno je.2. imamo toˇan izraz. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. 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 +. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 . Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Usporedimo to s lokalnom linearizacijom (toˇka 6.27 je baˇ Lagrangeov teorem srednje s vrijednosti. Napomena 6. imamo c pribliˇni izraz. poznavaju´i vric c jednosti viˇih derivacija u x0 . ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. Koliko je ta aproksimcija dobra? Odnosno.6.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). iz Teorema 6. S druge strane.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. 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 . f (x)). . tj.26. tj. i ne znamo ga toˇno. f (a)) i (x. tj.2. tj.+ (x−x0 )n + (x−x0 )n+1 ..14 Za n = 0 Teorem 6. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6..♣ 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. ali ne znamo za koji x .5).

f (x0 )) od svih c polinoma danog stupnja. Dakle. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0.. x2 = x.260 ˇ POGLAVLJE 6. ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. Sliˇno kao i Teorem 6.23. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . s Primjer 6.. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . T1 (x) = f (0) + f (0)x = x. Aproksimacija je dobra lokalno. 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 . . Dakle. 2! . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 ... Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.24 Neka je dana funcija f (x) = sin x.

n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .28 Neka je f ∈ C 1 (I) za neki interval I. dakle nisu jako c dobri za numeriku...2. 6. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 .8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. Moˇe se pokazati da su funkcije ex . sin x. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . .6.2. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. (2n + 1)! ∞ cos x = n=0 (−1)n x2n .3.. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.1).. n! ∞ sin x = n=0 (−1)n x2n+1 . tj. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju. (2n)! Napomena 6. odnosno konvergirati nekoj z (x drugoj funkciji. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.

Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. x−→0 U Teoremu 6. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).11 imamo da obrat ne vrijedi.262 ˇ POGLAVLJE 6. pa je f (x + ∆x) − f (x) ≥ 0. 2. Dakle ne vrijedi f (x) > 0 na R. po Teoremu 6. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. Iz Napomene 6. pa je f (x) = lim za svaki x ∈ I. 2. Kako je desna strana gornje jednadˇbe nenegativna.26 postoji x ∈ (x. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. za svaki x ∈ I. obratna tvrdnja ne mora vrijediti.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Jedan smjer bismo mogli dokazati. UVOD U DIFERENCIJALNI RACUN 1. Obratno. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.25 zakljuˇujemo da u Teoremu 6. jer se c s c medu njima nalaze potencijalni ekstremi. ∆x za svaki x ∈ I. Ovaj smjer se dokazuje analogno kao u Teoremu 6. ∆x Primjer 6. . lim x2 = 0). Medutim. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Tada. Limes nenegativne funkcije mora i sam biti nenegativan. Dokaz ide na sliˇan naˇin. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). za svaki x ∈ I. onda je f (x0 ) = 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. dakle z funkcija f raste na I.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.♠ Iz Primjera 6.24 smo vidjeli da. to je i lijeva strana takva. Dokaz: c 1. onda funkcija strogo raste (pada) na I.28 primjenom Teorema 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.26.

Ako derivacija s c ne mijenja predznak. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). Teorema 6.24. jer konveksnost i konkavnost ovise o predznaku druge derivacije.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I.6. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). Definicija 6. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. ali i ne mora. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . da je barem f ∈ C 2 (I)). To ovisi o promjeni ponaˇanja funkcije u toj toˇki. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .28. 2 za sve x1 .1. c Dakle.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. onda u x0 funkcija f ima lokalni maksimum. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.2. DERIVACIJA FUNKCIJE 263 Definicija 6. u stacionarnoj toˇki funkcija moˇe. Teorema 6.4.♣ c Konveksnost. . c Kao ˇto smo rekli. onda u x0 funkcija f ima lokalni minimum. Dokaz: Izravno iz toˇke 5. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . kaˇemo da je f konkavna na I. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. a s druge pada (raste)). imati s c z lokalni ekstrem. x2 ∈ I. x2 ∈ I. Teorem 6.

c . 2. Uzmimo x proizvoljan iz te okoline. za svaki x ∈ I.27 biti iz te okoline. Ako je f (x0 ) < 0. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. UVOD U DIFERENCIJALNI RACUN Definicija 6. za svaki x ∈ I.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). f (x1 )) i (x2 . x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . f (x2 )). c 1.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Teorem 6.30 Neka je f : I −→ R klase C 2 (I). Ako je f (x0 ) > 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . Onda ´e i toˇka cx iz Teorema 6. Dakle je f (cx ) > 0.3). a konkavna ako je za sve x1 .264 ˇ POGLAVLJE 6. izmedu x1 . c 2. funkcija f ima u x0 ∈ I lokalni minimum. 1. funkcija f ima u x0 ∈ I lokalni maksimum. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ).♣ Teorem 6. Dokaz: 1.31. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. 2.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). konveksnost i konkavnost su odredene predznakom druge derivacije. Dokaz ide na sliˇan naˇin. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. jer c c se nalazi izmedu x0 i x. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. x2 ∈ I graf konveksne funkcije je ispod. ali je f (0) = 0. iz Teorema 6. c c Dakle. Npr. Primijenimo li Teorem 6. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. Zbog neprekidnosti druge c derivacije. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan.27 za sluˇaj c n = 1.

Dakle. c strogo konveksna i na c. f ima lokalni maksimum u c. c + δ strogo konveksna. Iz Teorema 6.7 Neka je f : I −→ R i c ∈ I. x ∈ I. onda je c f (c) = 0. pa je po Teoremu 6. ∞ . c + δ strogo c konkavna za neki δ > 0.30 imamo da funkcija f raste na (c − δ.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.L’Hospitalovo pravilo c Teorem 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 .27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) .♣ Uvjet f (c) = 0 iz Teorema 6. c) i pada na (c. z Neka je lim f (x) = lim g(x) = 0. Ako je g (x) = 0 za svaki x = x0 . c Teorem 6. z s c c Teorem 6. u x0 ∈ I. Dakle je konveksna na −∞. c strogo konveksna i na c. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. ∞ . c + δ strogo konkavna ili je na c − δ. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .2. x ∈ I. g (x) onda je i x−→x0 lim f (x) = L. 0 i 0. f (c)) toˇka infleksije grafa funkcije f .32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.32 Neka je f ∈ C 2 (I).24 f (c) = 0. 0 i f (x) > 0 za x ∈ 0. c c Kaˇe se joˇ da je toˇka (c. Dokaz: Bez smanjenja op´enitosti. c strogo konkavna i na c. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0.7. Neka postoji δ > 0 takav da je funkcija f na c − δ. Tada iz Teorema 6. DERIVACIJA FUNKCIJE 265 Definicija 6. c Dokaz: Izravno iz Definicije 6. pa x = 0 ne moˇe biti z toˇka infleksije.♣ Raˇunanje limesa . ali je f (x) > 0 za x ∈ −∞. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Onda je c toˇka infleksije od f . neka je f na c − δ.34 Neka su f i g derivabilne funkcije na I osim. Npr. moˇda. c + δ).6. Ako je c ∈ I toˇka infleksije od f .

po g (x0 ) = 0.16 Neka su funkcije f. .18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . g (n+1) (x0 ) = 0. g (n) (x0 ) = 0. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). c Napomena 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. . analogno kao u dokazu Teorema 6. . iz Teorema 6.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6.12).12) i iz Teorema 6. g(x0 ) = 0. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. c Dakle. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . tg α2 = f2 (x0 ). 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. . Tada. Znamo da je c tg α1 = f1 (x0 ).34. . gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . f (n) (x0 ) = 0. . f (x0 ) = 0.♣ g (x) f g Na Teorem 6. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. 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 ) = . .266 i ˇ POGLAVLJE 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) .

1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Iz toˇke 2. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6.14: Kut izmedu dviju krivulja.6. a > 0. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. c c pa moˇemo re´i da se diraju u toj toˇki.2. tj.2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. z c c Primjer 6.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . Ako je α = 0. To znaˇi da u c toˇki (x0 . onda je i tg α = 0 . . odnosno ako i samo ako je tg α = ∞. 1 + f1 (x0 )f2 (x0 ) Napomena 6. dakle je f1 (x0 ) = f2 (x0 ). Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). x a + x2 = f2 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.

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

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

Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha. Istim zakljuˇivanjem se vidi da x2 = a daje lokalni minimum.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . Maksimalni c 2 volumen je 2 a = a3 . 6 a x2 = . s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x . 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu. jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. dakle u stotinama metara.270 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN x a x Slika 6. .15: Kako napraviti kutiju najve´eg volumena?. a za c c prvu se lako provjeri da je u njoj lokalni minimum. Deriviraju´i f (x) i izjednaˇavaju´i f (x) s nulom nalazimo stacionarne c c c toˇke x1 = 1 i x2 = −1. dakle funkcija V (x) prelazi iz rasta u pad.♠ V 6 27 Primjer 6.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . Iz P = xy = 1 slijedi da je y = x . Druga oˇito nema smisla u danom kontekstu.

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

.

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

1 Neka je f neprekidna funkcija na I ⊆ R. linearan operator koji mu je inverzan. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. a onda pogledajmo kada postoje i koja su im svojstva. Definicija 7. . Uvedimo prvo ime za takve funkcije. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. Odatle slijedi vaˇno svojstvo primitivnih funkcija.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. C ∈ R. ako postoji.7 izravno slijedi da je operator deriviranja linearan. 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.2. itd. Stoviˇe.20 i Napomene 6. Zanima nas.274 ˇ POGLAVLJE 7. Iz Teorema 6. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Teorem 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. c Primjerice. jer je derivacija svake konstante jednaka nuli. UVOD U INTEGRALNI RACUN deriviranja operator. da je x primitivna funkcija funkcije x. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. 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).

2. a to je upravo druga tvrdnja teorema. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6.1. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). slijedi H(x) = H(x0 ) za svaki x ∈ I. dolazi od S kao suma.1 beskonaˇan. koji je po Teoremu 7. Ostale raˇunamo koriste´i svojstva c c c .2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.♣ 7. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.4). s To nije toˇno inverz od derivacije.1. c F (x) je primitivna funkcija funkcije f (x). gdje je c neka toˇka izmedu x i x0 . jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .7. 275 Dakle imamo prvu tvrdnju. Interpretirajmo elemente ove formule: je znak integrala. tj. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. H je konstantna funkcija. dx pokazuje po ˇemu se integrira. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Piˇemo s f (x)dx = F (x) + C. C ∈ R je konstanta integracije. f (x) je integrand. ˇalje c s u f. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .

Dokaz: 1. f (x)dx. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. = (F (x) + C) = F (x) = f (x). Oˇito je. Oˇito je.♣ .1 Iz Teorema 7. Neka je F primitivna funkcija funkcije f .2 f (x)dx = f (x). Teorem 7. z Teorem 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Za ostale operacije nema jednostavnih pravila. Kako je imamo f (x)dx f (x)dx = F (x) + C.7).20 i Napomena 6. UVOD U INTEGRALNI RACUN neodredenog integrala. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Dokaz: Neka je F primitivna funkcija funkcije f . Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. 2.276 ˇ POGLAVLJE 7. cF c primitivna funkcija funkcije cf .♣ Napomena 7. F ± G primitivna funkcija funkcije f ± g. 2. c zbog linearnosti derivacije. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.3 Vrijedi: 1. zbog linearnosti derivacije.

4). Najpoznatiji primjer je e−x dx. S druge strane. 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. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.7. tabliˇne integrale. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. eksponencijalne i z trigonometrijske funkcije. tzv.1. Ako se i moˇe integrirati.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. c c z z to obiˇno nije lako. izraˇunati derivaciju bilo koje c c c elementarne funkcije.1.2. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c 7.2) i svojstva iz Teoc c rema 7.3.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Tako moˇemo integrirati polinome i jednostavnije racionalne. Primjer 7.1 Pogledajmo sljede´e primjere: c . c c koriste´i pravila i tablicu derivacija (toˇka 6.

z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. Traˇena funkcija je F (x) = x3 + x + 1. Koriste´i Teorem 7.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.278 ˇ POGLAVLJE 7. y 3 0 1 x Slika 7. Dakle je 3 = F (1) = 1 + 1 + C.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). 3). Odredimo integral funkcije f (x) = x2 + sin x. Samo jedna prolazi toˇkom (1. Drugim rjeˇima. i ˇiji graf prolazi kroz toˇku (1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. 3). Koriste´i Teorem 7. pa je C = 1. 3). i to je x3 +x+1.♠ c . 3 2.2: Primitivne funkcije funkcije 3x2 + 1. UVOD U INTEGRALNI RACUN 1. 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.

♠ 2 . NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. a to znamo da je u2 2 sin x d(sin x). Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7.3 i tabliˇne integrale. z Primjer 7. op´enito. tj. ima jedan sluˇaj kad se c produkt funkcija lako integrira. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ne mogu integrirati produkti funkcija (osim c za polinome. gornji se integral svodi na u du. + C.1. Ipak. ovo moˇemo pisati kao c c z sin x d(sin x). deriviranjem sloˇenih funkcija. Dakle je sin x cos x dx = 1 2 sin x + C. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza).2 Odredimo integral funkcije f (x) = sin x cos x. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.7.2. Koriste´i izraz za diferencijal (toˇka 6. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija.5).

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

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

u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. du = u dx. v du. zbog dv = v dx. tj. . a drugi se deriviranjen pojednostavnjuje. Imamo produkt u kojem oba faktora znamo lako integrirati. Koji od njih treba odabrati kao v? v du.6 Pogledajmo sljede´e primjere: c 1.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. Polazimo od formule za derivaciju produkta funkcija. v du + u dv. klase C 1 (I). UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. Odredimo integral funkcije f (x) = x cos x.♣ u (x)v(x)dx. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Napomena 7.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. (uv) = u v + v u.282 ˇ POGLAVLJE 7. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv.

Sada je v = x . c ˇto daje du = u dx = 2x dx i v = ex . tj.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. no sveli smo ga na jednostavniji ins c tegral xex dx. c Primjer 7. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. Dobili smo integral koji je kompliciraniji od polaznog. Joˇ nismo izraˇunali polazni integral. dv = v dx = cos x dx. du = u dx = dx. Pouˇeni prethodnim primjerom stavljamo dv = ex dx.♠ Iz Primjera 7. 2. Primijenimo li parcijalnu integraciju joˇ jednom. tj. Sada je v = sin x. Odredimo integral funkcije f (x) = x2 ex . v = ex . v = x. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. dobivamo s xex dx = xex − Konaˇno. NEODREDENI INTEGRAL 283 Stavimo u = x. v = cos x. c 2 dv = v dx = x dx. tj. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata.1.6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. c x2 ex dx = (x2 − 2x + 2)ex + C. du = − sin x dx. . Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. na prvi pogled.7. s Parcijalnom se integracijom moˇemo posluˇiti i kad. nema proz z dukta u podintegralnoj funkciji. i u = x2 .

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

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

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

Ako je x0 ∈ R. b ∈ R. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. onda polinom (x − x0 ) dijeli Pn (x). tj. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. x−3 287 Uvedimo supstituciju u = x − 3. ako je x0 ∈ C nultoˇka od Pn (x). onda je x0 = a − bi. c Neka je x0 ∈ C \ R. c Metoda se temelji na sljede´im svojstvima polinoma. 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. polinom (x − x0 ) dijeli s c c z polinom Pn (x). konstanta.7. r(x) = C ∈ R. onda je to i x0 .4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. ako je x0 ∈ C oblika a + bi. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. a u brojnicima konstante ili linearni polinomi. Tada vrijedi: 1. NEODREDENI INTEGRAL 3. onda je to i x0 .) Dokaz: 1. c c 3.1. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. tj. Qn−1 (x). Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. . c Napomena 7. pa tvrdnja oˇito vrijedi. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . pa je du = dx. ako je x0 ∈ C nultoˇka od Pn (x). Odredimo integral funkcije f (x) = 1 . Uvrstimo u integral. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. c 2. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). onda je x0 = x0 . i ostatak r(x) koji je polinom stupnja 0.♠ 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. gdje c su a. 2. tj.

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

.. .......7. 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).... .... Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + . + + . (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. B1 .) = m... M1 . . + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + . Drugi je sluˇaj osjetno sloˇeniji..1.. Brβ .+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + . Mrab . p = 1.. . p > 1 A ln |x − α| + C. tj.. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5.. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · .) + 2(rab + rcd + . Arα .. + 2 cd + .. + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + .. 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 . Nrab ..4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka. Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7.5. N1 . 289 gdje je (rα + rβ + .. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N . iz brojnika desne strane..

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

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.♠ 3 3 . To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C.7.♠ x−1 Ako su nuliˇta nazivnika jednostruka. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . x(x−2)(x+1) x+2 A B D = + + . NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. B = 2. D = −1.1.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. 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). Rjeˇenje je A = 3.

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

gdje se zbraja po svim trokutima triangulacije Ti . ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. duˇinama.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. Kako povrˇinu trokuta znamo raˇunati.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. problem moˇemo s c z smatrati u biti rijeˇenim. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. c . s P = i P (Ti ).2 7.3: Triangulacija podruˇja u ravnini omedenog duˇinama.1 Odredeni integral Motivacija . Lik se triangulira.2. ODREDENI INTEGRAL 293 7. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. tj. c z Napomena 7.7. jer je to uobiˇajenije. ploha. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. tj. Takav lik ˇesto zovemo krivuljnim trapezom.2. Povrˇina je geometrijska kategorija. T1 T2 T3 T4 Slika 7.

b] ako je f (x) > 0. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. krivuljni trapez omeden odozdo komadom osi x. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. b] .6. b x KT 1 KT2 KT KT3 4 Slika 7. funkcija f na segmentu [a. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a.4: Krivuljni trapez.) Po Teoremu 6.294 ˇ POGLAVLJE 7. i da komad krivulje bude graf neke funkcije. (Funkcija f je strogo pozitivna na [a.5: Rastav ravnog lika na krivuljne trapeze. b] funkcije f (x). Neka je ta funkcija neprekidna. dakle. za svaki x ∈ [a. b]. Promatrajmo. s lijeva pravcem x = a.

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

b]. imamo s(r) ≤ S(r).. jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. Sliˇno. . s Oznaˇimo li sada zadanu podjelu {x1 . x2 ... i = 1... n. Zbog mi ≤ Mi . UVOD U INTEGRALNI RACUN postoje po Teoremu 6..7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima.6)..296 ˇ POGLAVLJE 7.n. . c m(b − a) ≤ s(r). .. n. i = 1. a zbog m ≤ mi i Mi ≤ M . .. . S(r) = i=1 Mi ∆xi .. xn−1 } s r. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r).. Uvijek je m ≤ mi ≤ Mi ≤ M. koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi . c y 11 111 00 000 11 00 11 11 111 00 00 000 1 11111 11 0 00000 00 111 000 11 00 111 000 11 00 111 000 11 00 11 00 11 00 11 00 0 a b x f(x) Slika 7. i = 1. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a).

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

. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.♣ Teorem 7. x ∈ R \ Q. c i = 1. nisu integrabilne. b] integrabilne. onda je ona i c ograniˇena.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] je integrabilna.6 Svaka neprekidna funkcija na [a. .8 Dirichletova funkcija ima prekid u svakoj toˇki.♣ Primjer 7.14 1.9 Uoˇimo da ako je f monotona funkcija na [a. b].♠ Napomena 7. Koje jesu? Neprekidne sigurno jesu.. b] z kaˇemo da je f integrabilna na [a.13 Dirichletova funkcija.♣ Napomena 7. Izraˇunajmo iz definicije c b 1. a . onda je f (a) ≤ f (x) ≤ f (b). c Iz Primjera 7. Uoˇimo da za svaku podjelu r segmenta [a. dakle je f ograniˇena funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b] imamo mi = 0 i Mi = 1. za svaki x ∈ [a. 1 dx. Dirichletova funkcija nije integrabilna. c Dokaz: Ako f raste na [a.298 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN Definicija 7. b]. b]. Koje joˇ? s Teorem 7. Primjer 7.5 Svaka monotona funkcija na [a. b]. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. b]. tj. b].13 vidimo da nisu sve funkcije na segmentu [a. b]. f (x) = nije integrabilna. x∈Q 0. n. z c tj. b] je integrabilna. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti..

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

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

Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx.2 a Svojstva odredenog integrala f (x)dx = 0. za svaku toˇku c ∈ a. ODREDENI INTEGRAL 301 7. . n. . c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. i = 1.. i = 1.2.. n. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . tj. biti negativne. b .. a drugi u c f (x)dx. ostaju iste. n.7.. b f (x)dx = − a f (x)dx. a 1..♣ 2. Dokaz: Za bilo koju podjelu r segmenta [a. . pa je a a b f (x)dx = 0. i = 1.♣ b c b 3.2. Dakle odredeni integral mijenja predznak ako se zamijene granice.. za a < a1 < a2 < ..... Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . . b u svaku podjelu od [a. < an−1 < b. c Ovo se zove aditivnost integrala po podruˇju integracije. 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. + an−1 f (x)dx. a] su gornja i donja Darbouxova suma a jednake nula. a f (x)dx = a f (x)dx + c f (x)dx.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika.... a vri- jednosti mi . Mi i f (si ).

. [an−1 . .. c Kako je f neprekidna.. iz Teorema 7.302 ˇ POGLAVLJE 7. pa onda vrijedi b a b c b f (x)dx = − a c f (x)dx + c f (x)dx = a f (x)dx + c f (x)dx. b]. z Napomena 7. na svakom segmentu [a... gdje su a < a1 < a2 < ..10 Iz ovog svojstva slijedi da i funkcije koje na [a.4 Funkcija f : [a. + an−1 f (x)dx.. 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 + . b ako uzmemo u obzir svojstvo c / 2. 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. Dakle. a1 ].. izravno slijedi da je svaka po dijelovima monotona funkcija na segmentu i integrabilna.5 i svojstva 3. .. Definicija 7. an−1 f (x)dx.. b] znamo a1 b izraˇunati integrale c a b f (x)dx. < an < b.... a1 ]... takve da je f monotona na svakom segmentu [a. [an . Analogno se dokaˇe ako je a < b < c. dakle znamo izraˇunati c i a f (x)dx. UVOD U INTEGRALNI RACUN Uoˇimo da ovo svojstvo vijedi i za c ∈ a. . . < an−1 < b sve toˇke prekida od f na [a. Za c < a < b imamo b a b f (x)dx = c c f (x)dx + a f (x)dx. b] −→ R je po dijelovima monotona ako postoji n ∈ N i toˇke c a < a1 < a2 < .

. n. i svaka funkcija iz tog skupa je neprekidna na I.3).2 i Teorema 6. .♣ b b 5. xj ]. x. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. dakle i integrabilna. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. .♣ c Napomena 7. j − 1.18. b] (skup R(I) nije prazan. Nadalje. n. skup c {1. . Dakle je s(r) = 0 i S(r) = Mj ∆xj . Beskonaˇnodimenzionalan je. a 4. j + 1. gdje je c ∈ R proizvoljan.. Stoviˇe. Mi = 0.. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. x2 . M = f (c) i za svaku podjelu r segmenta [a. Dakle beskonaˇni skup {xn : n = 0. . a cf (x)dx = c a f (x)dx. . b] toˇka c pada u toˇno jedan c c [xj−1 . i = 1.. . Ako je funkcija f : [a.. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. pa je mi = 0. onda je c b f (x)dx = 0. b] i da je f (c) > 0. b])...7. unutra se sigurno nalaze sve neprekidne funkcije na [a... ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. a (f (x) ± g(x))dx = a ili aditivnost integrala.. i = 1.18.. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. i Mj = f (c).13). Oˇito je z c c tada m = 0. 6. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.2 i Teorema 6.2. 1.. jer npr..} se c nalazi u nekoj bazi od R(I).

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

onda je F (c) = g(c) − f (c) > 0.3 slijedi da postoji interval I ⊂ [a. b]. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b]. Dokaz: Po Teoremu 7. b] i ako je f (c) > 0 za neki c ∈ [a.8 je dobro definirana funkcija F ∈ C 1 [a. b] onda vrijedi stroga nejednakost. po Teoremu 6. Kako je funkcija F = g − f neprekidna na [a. b] odnosno stroge pozitivnosti na [x1 . i oˇito ima pozitivnu derivaciju. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Ako je f (c) < g(c) za bar jedno c ∈ [a. c F (x) = g(x) − f (x) ≥ 0.7. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a. za svaki x ∈ I . Neka su f i g neprekidne funkcije na [a. tj. b] tada iz Teorema 6.2.♣ 9. b]. Odatle slijedi da je F (b) ≥ F (a) = 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. onda je b f (x)dx > 0.28 F raste na [a. x2 ] imamo x2 f (x)dx > 0. x2 ∈ I takve c da je x1 < c < x2 . Iz pozitivnosti funkcije f na [a. Ovo svojstvo se zove svojstvo monotonosti integrala. Dakle postoje x1 . ODREDENI INTEGRAL 305 8. b] iz Teorema 6. b]. b] oko toˇke c takav da je f (x) > 0.3 slijedi da postoji interval . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Dakle. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Tada je b b f (x)dx ≤ a a g(x)dx.

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

a2 . se zove srednja vrijednost funkcije f na segmentu [a.. . b]. Povrˇina ispod s grafa neprekidne funkcije f nad [a.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. n Za funkcije koje nisu neprekidne Teorem 7. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx..7. −1 medutim ne postoji toˇka c ∈ [−1. c Napomena 7. iz svojstva 7. imamo da je 1 f (x)dx = 0. Nadalje.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.♠ c . an ∈ R je a = c ). 1] za koju je f (c) = 0. Odatle ime teoremu. a Teorem 7.2.9: Teorem srednje vrijednosti za odredeni integral. x < 0.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Oˇito je da funkcija f ima prekid u x0 = 0. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta... x ≥ 0 −1.7 ne mora vrijediti: Primjer 7.+an dine (aritmetiˇka sredina od a1 . kako je f neparna c funkcija..

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

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

8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . zbog neprekidnosti funkcije f na [a. Dakle je F (x) derivabilna funkcija na cijelom [a. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Sliˇno i za ζ2 −→ x. U njoj se povezuju odredeni integral. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). F (x) = f (x). Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. b F (b) = a f (ζ)dζ. i neodredeni. Odatle slijedi c f (x) ≤ lim tj. no dokaz je bitno sloˇeniji. do kojeg dolazimo preko limesa niza integralnih suma. Odatle je a f (x)dx = F (b) − F (a). pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). b] i F (x) = f (x).♣ Newton .2. do kojeg smo doˇli pokuˇavaju´i invertirati s s c .310 ˇ POGLAVLJE 7.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. a Dokaz: Prema Teoremu 7. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. onda.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.2 c dobivamo x b F (a) = a f (a)dζ = 0.♣ x ∆x−→0 ∆F ≤ f (x).12). tj. iz toˇke 7. ∆x Teorem 7. z Teorem 7. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti.9 (Newton . f (x) ≤ F (x) ≤ f (x). toˇke ζ1 i ζ2 moraju teˇiti prema x. b].

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

tj.♠ 3 Kod parcijalne integracije situacija je jednostavnija. Primjer 7.312 ˇ POGLAVLJE 7. 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. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.6 i omedena) na podruˇju integracije. . Iz Primjera 7. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. b i neka je x−→b− lim f (x) = +∞. U takvim sluˇajevima govorimo c s c o nepravim integralima.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. c c c Neka je funkcija f neprekidna na [a.10. kao i da je samo poc druˇje integracije konaˇno.17 Izraˇunajmo c 0 1 xex dx.♠ 7. u dv = uv a b a − a v du. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.

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

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

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 = +∞. Izraˇunajmo c −1 1 x2 dx .7.19 1. 1]. 1 a f (x)dx konvergira. (x − b)n Stavimo ϕ(t) = t + b. Analogno. dakle imamo b a dx = (x − b)n 0 a−b dt . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. x2 b 2. 0] −→ R zadovoljava uvjete Teorema 7. Iz ϕ(t) = a. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. inaˇe c Primjer 7. t + b = a imamo t1 = a − b. onda divergira. iz ϕ(t) = b dobijemo t2 = 0. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. Sada oˇito funkcija ϕ : [a − c b. c+ε2 Ako oba limesa na desnoj strani postoje. Izraˇunajmo c a dx . tn Ako je n < 0. tj. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. tj. . onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n .10. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira.4.

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

z Sliˇno postupamo i za sluˇaj c c b f (x)dx.7.4.20 1. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. . kaˇemo da integral divergira. −∞ Primjer 7. tj. +∞ postoji integral te funkcije u granicama od a do x. postoji x f (ζ)dζ.13: Nepravi integral po neograniˇenom podruˇju integracije. c c da za svaki x ∈ [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. Izraˇunajmo c +∞ 0 e−x dx. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. a Ako promatrani limes ne postoji. −∞ pa i za sluˇaj c +∞ f (x)dx.

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

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

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

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

Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. kad max ∆xi+1 −→ 0. tj. Iz Primjera 7. oznaˇimo s P (xi ). UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7.♠ 2 .8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 . s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . 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. 0.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. 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. i=0 Prijedemo na limes. ako taj limes postoji kad n −→ ∞. S druge strane. No taj popreˇni presjek c c 2 je krug. Primjer 7.322 y ˇ POGLAVLJE 7.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. 0). Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . a njegova povrˇina za zadani x je jednaka f (x)π.

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

324 y ˇ POGLAVLJE 7. y R r 0 x −R Slika 7. Primjer 7. f2 (x) = R − √ r 2 − x2 . .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. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . R > r. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.

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

(Teˇiˇte je toˇka u kojoj. c s c . b] na osi x i grafom funkcije f nad [a.326 ˇ POGLAVLJE 7. Uzmemo li ˇkare i izreˇemo taj lik. tj. zs zs c ako podupremo tijelo. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Promatramo lik omeden pravcima x = a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. x = b. yi ).) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . ono ostaje u ravnoteˇi. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . segmentom [a. b].♠ 5 7. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . da mu je gusto´a c ˇ svuda ista. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. Primjer 7.5.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. dobijemo tanko tijelo. b]. Zelimo odrediti teˇiˇte izrezanog lika.

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

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

Takoder.23: Teˇiˇte homogenog polukruga. upravo xi .11). s Primjer 7. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). yT = 1 2 b 2 a f (x)dx b a f (x)dx . Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . recimo.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. zs s s y r 0 r x Slika 7. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.ˇ 7. i=1 a to u limesu daje My = µ b a xf (x)dx. Iz simetrije je jasno da mora biti xT = 0. Kako je masa promatranog lika jednaka M = µP.5. iz Primjera 7. 2 . zs √ Imamo f (x) = r2 − x2 .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.

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

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

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

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

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

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

xi ]. dakle je 1 I0 = Ix + Iy = M r2 . xi ].5. 5 .. Oˇito funkcija ϕ : [0.8 imamo 1 Ix = r4 π. Iz ϕ(t) = −r imamo t1 = π. c Primjer 7. n. i = 1. 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.336 ˇ POGLAVLJE 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h.♠ 2 Kombinacijom razmatranja iz toˇke 7. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.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 . i visine ∆xi = xi − xi−1 . Analogno iz ϕ(t) = r imamo t2 = 0.10. .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. i zbroje se momenti inercije malih valjaka polumjera f (si ). gdje je si ∈ [xi−1 . 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. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. moment inercije cijelog kruga obzirom na y os je Iy = Ix . 4 4 4 Takoder zbog simetrije. π] −→ R zadovoljava Teorem 7.. b] podijeli na male podsegmente [xi−1 . 2 2 a onda se interval [a. 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 .. Sada iz Primjera 7.

b] zadana kao graf funkcije f ∈ C 1 [a. Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 .5. n. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. i = 1. n. c po Pitagorinu pouˇku.26: Duljina luka zadanog kao graf funkcije f (x).. b] eksplicitnom formulom y = f (x). pa uzmimo c s os x.. Duljina svakog takvog komada je... Podijelimo segment [a. xi ]. b] na podsegmente [xi−1 . PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x.. f (xi )).ˇ 7. f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 .5. f (xi−1 )) i (xi . . . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . i = 1.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . f (a)) do toˇke c c B = (b. . 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.♠ 15 5 7. i gdje je ∆xi = xi − xi−1 . Duljina luka od toˇke A = (a..

Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. 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 )). polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r).6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. n. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. i = 1. . i = 1. i . n.. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . .. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. s 7. s yT = b a f (x) √ 1+[f (x)]2 dx ..5..26). xi ]. Dijeljenjem segmenta [a. b] na podsegmente [xi−1 .. b] rotira oko osi x..27: Ploˇtina plaˇta rotacijskog tijela. xi ].338 ˇ POGLAVLJE 7. mase µ. 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. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .

.31 Izraˇunajmo oploˇje kugle... xi ].♣ s zs 7. ako znamo poloˇaj tijela u trenutku t1 = 0. gdje je si ∈ [xi−1 .♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . c ds = 1 + [f (x)]2 dx. i = 1. 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.ˇ 7.12 (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. Teorem 7. Primjer 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. tj.26). ploˇtinu sfere polumjera r. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . . . n.5. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . Toˇnije. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.7 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 . Ovdje smo s ds oznaˇili diferencijal luka.5. 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.

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

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

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

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. Uzimaju´i da su mp .34 Koliki je rad potreban uloˇiti da se tijelo (npr. 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 . s z Primjer 7. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . tj. c z s 2 K F (R) = R2 = P . Dakle je K = P R2 i F (x) = PxR . 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. 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. (Ovdje je mz masa Zemlje. 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. po definiciji. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? .ˇ 7. imamo F (x) = x2 . Traˇeni rad je sada jednak z 2 R+h W (h) = R P R2 dx = P R2 2 x R+h R dx P Rh = . To se postiˇe integriranjem po dubini sile na z mali element povrˇine. z z Primjer 7. mp masa projektila i G univerzalna gravitacijska konstanta).5.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. gdje smo s c K oznaˇili K = Gmz mp . mz i G konstante. c c c smanjenje zbog utroˇka goriva. No ta sila je.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. upravo teˇina z K tijela.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. 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. Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici.

1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.31: Kanal iz Primjera 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.344 ˇ POGLAVLJE 7.♠ s c .35.

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

Sign up to vote on this title
UsefulNot useful