P. 1
MatematikaSkripta

MatematikaSkripta

|Views: 414|Likes:
Published by JaCy Mehmedbegovic

More info:

Published by: JaCy Mehmedbegovic on Dec 11, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/14/2013

pdf

text

original

Sections

  • Uvod
  • Vektorski raˇcun
  • 1.1 Vektori i osnovne operacije s njima
  • 1.4 Vektorski prostor Rn
  • 1.5 Skalarni produkt
  • 1.6 Digresija - determinante matrica 2. i 3
  • 1.7. DESNI I LIJEVI KOORDINATNI SUSTAVI. ORIJENTACIJA 29
  • 1.7 Desni i lijevi koordinatni sustavi. Ori-
  • 1.8 Vektorski produkt
  • 1.9 Mjeˇsoviti produkt
  • Analitiˇcka geometrija
  • 2.1 Pravac u ravnini
  • 2.1.1 Op´ci oblik jednadˇzbe pravca u ravnini
  • 2.1.2 Segmentni oblik
  • 2.1.3 Kanonski oblik
  • 2.1.4 Pravac kroz dvije toˇcke
  • 2.1.5 Eksplicitni oblik
  • 2.1.6 Normirani oblik (normalni oblik)
  • 2.2 Odnosi toˇcaka i pravaca u ravnini
  • 2.2.1 Kut dvaju pravaca. Paralelnost i okomitost
  • 2.2.2 Udaljenost toˇcke od pravca
  • 2.2.3 Presjeciˇste dvaju pravaca
  • 2.2.4 Uvjet presijecanja pravca i segmenta (duˇzine)
  • 2.2.5 Uvjet presijecanja triju pravaca u istoj toˇcki
  • 2.3 Pravac u prostoru
  • 2.3.1 Pravac kroz jednu toˇcku sa zadanim smjerom
  • 2.3.2 Parametarske jednadˇzbe pravca
  • 2.3.3 Kanonske jednadˇzbe pravca
  • 2.3.4 Pravac kroz dvije toˇcke
  • 2.3.5 Pravac zadan dvjema projekcijama
  • 2.3.6 Sveˇzanj pravaca
  • 2.3.7 Dijeljenje duˇzine u zadanom omjeru
  • Slika 2.12: Dijeljenje duˇzine u zadanom omjeru
  • 2.4 Ravnina u prostoru
  • 2.4.1 Normalni oblik jednadˇzbe ravnine
  • Slika 2.13: Normalni oblik jednadˇzbe ravnine
  • 2.4.2 Segmentni oblik jednadˇzbe ravnine
  • 2.4.3 Op´ci oblik jednadˇzbe ravnine
  • 2.4.4 Parametarski oblik jednadˇzbe ravnine
  • 2.4.5 Jednadˇzba ravnine kroz tri toˇcke
  • 2.5 Odnosi ravnina i pravaca u prostoru
  • 2.5.1 Kut dviju ravnina
  • 2.5.2 Presjeciˇste triju ravnina
  • 2.5.3 Kut pravca i ravnine
  • 2.5.4 Presjeciˇste pravca i ravnine
  • 2.5.5 Pripadnost pravca ravnini
  • 2.5.6 Kut dvaju pravaca
  • 2.5.7 Presjeciˇste dvaju pravaca
  • 2.5.8 Udaljenost dvaju pravaca u prostoru
  • Matrice i linearni sustavi
  • 3.1 Osnove matriˇcnog raˇcuna
  • 3.1.1 Motivacija
  • 3.1.2 Osnovni pojmovi
  • 3.1.3 Linearna kombinacija matrica
  • 3.1.4 Mnoˇzenje matrica
  • 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
  • 3.2.3 Homogeni sustavi
  • 3.2.4 Rjeˇsavanje linearnog sustava
  • 3.2.5 Determinanta. Cramerovo pravilo
  • 3.3. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115
  • 3.3 Problem svojstvenih vrijednosti
  • 3.3.1 Matrice kao linearni operatori
  • 3.3.2 Svojstvene vrijednosti i svojstveni vektori
  • Nizovi i redovi
  • 4.1 Nizovi realnih brojeva
  • 4.1.1 Pojam niza
  • 4.1.2 Graniˇcna vrijednost niza. Konvergencija niza
  • 4.1.3 Raˇcunanje s graniˇcnim vrijednostima
  • 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 ˇclanovima
  • 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
  • Funkcije
  • 5.1 Osnovni pojmovi
  • 5.1.1 Motivacija i definicija
  • 5.1.2 Naˇcini zadavanja funkcije
  • 5.1.3 Graf funkcije
  • 5.1.4 Pojmovi znaˇcajni za realne funkcije realne vari-
  • 5.1.5 Osnovne raˇcunske operacije s funkcijama
  • 5.1.6 Kompozicija funkcija
  • 5.1.7 Inverzna funkcija
  • 5.2. PREGLED ELEMENTARNIH FUNKCIJA 181
  • 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 Hiperboliˇcke i area funkcije
  • Uvod u diferencijalni raˇcun
  • 6.1 Neprekidnost i graniˇcne vrijednosti
  • 6.1.1 Neprekidnost funkcije
  • 6.1.2 Svojstva neprekidnih funkcija
  • 6.1.3 Neprekidnost elementarnih funkcija
  • 6.1.4 Graniˇcna vrijednost (limes) funkcije
  • 6.1.5 Neprekidnost i limes
  • 6.1.6 Neodredeni oblici
  • 6.1.7 Raˇcunanje limesa
  • 6.2 Derivacija funkcije
  • 6.2.1 Motivacija
  • 6.2.2 Derivacija funkcije u toˇcki
  • 6.2.3 Derivacija funkcije
  • 6.2.4 Raˇcunanje derivacija
  • 6.2.5 Diferencijal funkcije i lokalna linearizacija
  • 6.2.6 Derivacije viˇseg reda
  • 6.2.7 Osnovni teoremi diferencijalnog raˇcuna
  • 6.2.8 Primjene derivacija
  • Uvod u integralni raˇcun
  • 7.1 Neodredeni integral
  • 7.1.1 Primitivna funkcija
  • 7.1.2 Neodredeni integral
  • 7.1.3 Metode integriranja
  • 7.2 Odredeni integral
  • 7.2.1 Motivacija - problem povrˇsine (ploˇstine)
  • 7.2.2 Svojstva odredenog integrala
  • 7.3 Newton - Leibnizova formula
  • 7.4 Nepravi integral
  • 7.5 Primjene integralnog raˇcuna
  • 7.5.1 Povrˇsina lika u ravnini
  • 7.5.2 Volumen rotacijskog tijela
  • 7.5.3 Teˇziˇste
  • 7.5.4 Moment ustrajnosti (inercije)
  • 7.5.5 Duljina i teˇziˇste luka ravne krivulje
  • 7.5.6 Povrˇsina rotacijske plohe
  • 7.5.7 Primjene u fizici

Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . . . . . . . . . . . . . .3 Newton .2. . 7. . . . . . . . . . . . . . . . s 6. . . . . . . . . . . . . . . . . . .5 Neprekidnost i limes . c 6. . . . . . . .1 Motivacija . . . . . . . . . . . . . . . . . . .2. . .6 Neodredeni oblici . 7. . . .1 Neodredeni integral . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . . . . . . . . 7 Uvod u integralni raˇun c 7. .2. . . . . . . . . . . . . . zs 7. .3 Metode integriranja .3 Neprekidnost elementarnih funkcija . . . . . . . . . . . .1. c 6. . . . 6.2 Derivacija funkcije u toˇki . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Povrˇina lika u ravnini . . . s 7. 7. . . . .2. . . . . . . . . . . . .2 Derivacija funkcije . . . . . . . . . . . c 6. . . . . . . . . . . . . . . . . . . . .2. . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . .2 Neodredeni integral . 6. . . . . . . . zs 7. . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . 7. . . . s 7. . . c 6. . . . . . . . 7. . . 6. .1. . . 6. . . .1. . . . . . . . . . . . . . . . . .1. . . . . .1. .1. . . . . . . . . . . . . . .2 Odredeni integral . .2 Svojstva neprekidnih funkcija . . .3 Teˇiˇte . . . . . . .5. . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . . . . . . . . . . .6 Povrˇina rotacijske plohe . . . . . . . . .5 Primjene integralnog raˇuna . 6.5 Duljina i teˇiˇte luka ravne krivulje . . . . . .2. . . . . . . . . . .3 Derivacija funkcije . .2 Svojstva odredenog integrala . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . c 7. . . . . . .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 . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . .7 Primjene u fizici . . .2 Volumen rotacijskog tijela . . . .5.6 Derivacije viˇeg reda . . . . . . . . .1. . . . . . c 6. .4 Raˇunanje derivacija .1.5. . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . .1 Motivacija . . . . . . . . . . . . . .5. . . . .8 Primjene derivacija . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . .7 Raˇunanje limesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5. .Leibnizova formula . . . 6. . . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . . . . . 7. c 6. . . . . . . . . . . . . . . . . . . .4 Nepravi integral . . . . 7. . . 6. . .5. . 7. . .1. . . . . . . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije .2. . . . . . .2. 7. . . . .

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

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

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

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

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

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

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

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

Sto ´ete poduzeti? Za donoˇenje odluke o tome treba li skoˇiti u stranu ili ostati na mjestu nije s c nam dovoljna samo informacija o iznosu brzine.1 Neka su dane toˇke P. giba li se prema nama ili od nas.) c imamo i veliˇine kod kojih nam je bitan smjer (brzina.1 Na 20 m od vas nalazi se kamion koji vozi brzinom od 72 km/h ˇ c (20 m/s). sila.♠ Oznaˇimo s E naˇ trodimenzonalni prostor koji ima toˇkastu strukturu tj. Treba nam i podatak jesmo li na pravcu kojim se kamion giba. duljina. 9 . dok nam za vektorske veliˇine treba viˇe realnih brojeva. akceleracija itd. Duˇina P Q je skup svih toˇaka c z c c pravca kroz P i Q koje se nalaze izmedu 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. c s c njegovi elementi su toˇke. c c Primjer 1. Q ∈ E.Poglavlje 1 Vektorski raˇun c 1.1 direktno slijedi da je P Q = QP . temperatura itd.1 Vektori i osnovne operacije s njima U egzaktnim znanostima osim skalarnih veliˇina (masa. ukljuˇivo P i Q. Primijetimo da iz Definicije 1. 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.) Takve c veliˇine zovemo vektorskima. i ako jesmo.

Duljinu − → − → vektora P Q oznaˇavamo s d(P. do na translaciju prostora)? z 1.2 slijedi da je op´enito P Q = QP . Q Q’ P P’ Slika 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . jer imaju razliˇite poˇetke i c c c krajeve. Poˇetak joˇ c c c s zovemo hvatiˇte. Q) =| P Q |.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. intenzitet). VEKTORSKI RACUN − → Definicija 1. tj. s Q P P Slika 1. tj. z z Q − → − → Iz Definicije 1. − − → −→ Definicija 1.10 ˇ POGLAVLJE 1. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi.1: Duˇina i usmjerena duˇina. c . jedna od njih je poˇetak P a druga je kraj Q. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.2: Jednakost vektora.

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

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

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

5 nigdje ne govori o geometrijskim veliˇinama.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. a suprotnu orijentaciju a − za λ < 0. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. za sve a. a a → − 4. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . 2.1 i Teorema 1. onda. uz pretpostavku − = 0 . Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). a a → → → 2. Elemente od skupa V zovemo vektori. koji ima istu orijentaciju kao vektor − za λ > 0. → od vektora a Teorem 1. 1 · − = → (postojanje jedinice).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. λ(µ→) = (λµ)− (homogenost).2. 3. c Vratimo se sada Definiciji 1.♣ a a Definicija 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. b ∈ V je a + b ∈ V . (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). VEKTORSKI RACUN → 3. postoji pravac a a .4 i pokuˇajmo definirati kolinearnost u drugim s terminima. − → → → → − Ako su vektori − i b kolinearni. a a a − → 3. Neka je dan polupravac (zraka) s poˇetkom u O. Primjetimo da se u Definiciji 1. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.

gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. A. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. z → − → − → → → Neka su sada − . tj. Kako je → = 0 . a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . a a . VEKTORSKI PROSTOR XO (E). − → 2. (λ. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. Imamo da je c a − → → b = λ− . Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). → →→ te vrijedi a a a0 1. LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). b = OB. B ∈ E na p takve da je − = OA. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− .2. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . pa moˇemo a a a z − → − = a . → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. tj.1. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . (Usporedimo ovo s Definicijom 1.1). Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. onda je |− | = 0. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora.4). b ∈ XO (E) i λ ∈ R. →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). (− .2 Vektorski prostor XO (E). Bijekcija je konstruirana na prirodan naˇin.

... . → → → Neka su sada − . .1 i Teorema 1. λ2 . . ... VEKTORSKI RACUN E P 0 Slika 1.5). onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ. . Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . λn ∈ R. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. λ2 . − ∈ XO (E). → s koeficijentima λ1 . − → Napomena 1. − . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − .. Vektori − . − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0. − .2. − . λ2 .. − ..6 izravno slijedi: → → → → a1 a1 a2 an 1. Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − . λn . . − . a a1 a2 an → − − Definicija 1...5 Uzmemo li neku drugu toˇku Q ∈ E.. . ... → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . λ2 .7 Iz Definicije 1.7: Radij-vektori u X0 (E)... λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − . .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.. λ1 . . Q = O. z c Napomena 1..... Napomena 1.. → ∈ → → − 0 i bar jedan od skalara λ1 .... λn je razliˇit od nule.. Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1..16 ˇ POGLAVLJE 1...6 Za vektore − . →... − ..

3 Bilo koja dva vektora iz XO (p) su linearno zavisna. ♣ Tvrdnja Teorema 1. b ∈ XO (E). VEKTORSKI PROSTOR XO (E).♣ . → → − Teorem 1. →.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . →.. Ako su − .♣ → a s Jednostavna posljedica Teorema 1. on se ne moˇe izraziti kao njihova linearna konbinacija. Stoviˇe. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.. .. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.1. pa z z slijedi da su oni linearno nezavisni. → ∈ XO linearno zavisni. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . takav rastav je jedinstven..2.♣ → → → ˇ s a b c Iz Teorema 1. → ∈ XO (E) jednak nul veka1 a2 an toru. → → − → Teorem 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.3 slijedi iz Napomene 1. − i − . b i − tri linearno nezavisna vektora iz XO (E).4 Ako su − . Ako je barem jedan od vektora − . Stoviˇe. Teorem 1. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.5 Ako su − . taj rastav je jedinstven. z → − − 3. e1 e2 e3 z Tada su oni linearno nezavisni. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.8 Neka su →. b bilo koja dva linearno nezavisna vektora iz XO (M ). onda su ti vektori linearno zavisni. onda su oni linearno zavisni ako i samo ako su kolinearni.3 je jasna.. . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih..4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. c − → → a 4. Ako imamo dva vektora − .7. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . jer se nalazimo na pravcu. c − → − Napomena 1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.

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

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

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

j . → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. i ) je druga takva baza). k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. Primijetimo da ( i . Osim toga. a c c . onda je → · b = 0. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). j . b . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. k ) − − − → → → nije jedina takva baza (npr. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E).5.3). k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). pa kaˇemo da je ( i . j . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Skalarni produkt vektora − . SKALARNI PRODUKT 21 produkt dvaju vektora. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b .8 Neka su − = 0 i b = 0 . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ).) Ako je barem jedan od vektora → i b → − − nul vektor. Iz Tablice 1. s − → → − → → − − → → Definicija 1. Svaka tri vektora − → → → (− . rezultat produkta vektora c − → mora biti skalar. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. − − − → → → Pogledajmo sada jediniˇne vektore ( i . j . → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. j . ( k .1. Kako je rad skalarna veliˇina.8: Uz definiciju skalarnog produkta. (Uzimamo 0 ≤ ϕ ≤ π.1 vidimo da su vektori i . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E).

− − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ).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). kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− . VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1.1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. a −b b ϕ a Slika 1.9: Raˇunanje skalarnog produkta. a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b .

Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. (− + b ) · − = − · → + b · → (aditivnost). → → x y Teorem 1... Posebno. z z → → − → − → − → → 2. a a → − → → − − a a c 3. − = (y1 . f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . Za preslikavanje (funkciju) sa V u W . SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . .1.5. xn ).... →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. b ∈ V i sve λ. yn ) ∈ Rn . (λ− ) · b = λ(− · b ) (homogenost). ako je vektorski prostor W = R. Polaze´i od − · b = |− || b | cos(ϕ) dobivamo za ne-nul vektore − i b c a a a − − →→ a b √ cos(ϕ) = − · − = √ 2ax bx +ay by +az bz2 2 . → · b = b · − (simetriˇnost). + xn yn . tj. a c a c c → → → − → − 2. y2 . . a onda f zovemo linearni funkcional.9 Neka su V i W realni vektorski prostori.. x2 . Definicija 1.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije.10. tj. . a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. − → a b Napomena 1. → → Neka su − = (x1 . slaˇe s Napomenom 1. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .. a x y z Ova se formula za duˇinu vektora..♣ − → → → → 1. µ ∈ R.

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

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

a koristan je z i pri radu s vektorima. c c z U ovom se odjeljku upoznajemo s pojmom determinante koji igra vaˇnu ulogu u z saˇetom i elegantnom formuliranju rezultata o linearnim sustavima. ad − bc S druge strane. za ad − bc = 0. VEKTORSKI RACUN 1. ako prvu jednadˇbu pomnoˇimo s c. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β.determinante matrica 2.6 Digresija . dobijemo z z (ad − bc)x = αd − βb. i 3. 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. x= αd − βb . a b A= .26 ˇ POGLAVLJE 1. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata. Ako pomnoˇimo prvu jednadˇbu s d. odnosno. z z dobijemo αc − βa βa − αc y= = . . drugu s −a i zbrojimo ih. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. drugu s −b i zbrojimo ih.

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

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

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

− → − → − → − → k = c1 i + c2 j + c3 k . z Napomena 1. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . onda su S i S (odnosno njihove baze) jednako orijentirani.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani).10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). j . − → − → → − − → j = b1 i + b2 j + b3 k . j . c1 c2 c3 Ako je D > 0.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. k : z − → − → − → − → i = a1 i + a2 j + a3 k . ako je D < 0.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. tj. Definicija 1. i . j . j . → → a b i j k . Dakle. Prikaˇimo i . k ) i S = (O . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. i . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. onda nisu. pomo´u determinante pripadaju´e c c matrice. k preko i . onda se z orijentiranost od S i S ispituje analogno. i .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. k ) pravokutni normirani c c → → − desni koordinatni sustav. j . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O.30 ˇ POGLAVLJE 1. 1.

Tada je |− × b | = 0.1. → × b = −( b × − ) a a (antikomutativnost).8. a → − → → → → − → − → − Obratno. → → → − → → − (a b c a c b c − − → → − → 3. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). kao saˇeti zapis. tj. Kako je − · b = |→|| b | cos ϕ.6. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. neka je − × b = 0 . Tada je |→ × − | = 0. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. Zbog − · − = |→||− | cos ϕ. jer je nul vektor kolinearan sa svakim vektorom. c c z Teorem 1. Dakle a − → − i b su kolinearni. − → − → |a a sc a b → − → → − pa i − × b = 0 . c Dokaz: − → → Ako je barem jedan od vektora − .7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. pa je cos2 ϕ = 1. b nul vektor.♣ → a . pa desna strana formule za duljinu vektora − × b iˇˇezava.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . Po pretpostavci je |→| = 0 i | b | = 0. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . − → → → − → − → → 2. ϕ = 0 ili ϕ = π. a a a Napomena 1. → × ( b + − ) = − × b + − × − . i ϕ = 0 ili ϕ = π. Neka su sada oba vektora razliˇita od nul vektora. a c → i → kolinearni. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).♣ Primijetimo da tvrdnje Teorema 1. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .

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

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

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

16 oni su linearno zavisni. − ∈ XO (E).♣. a a .ˇ 1. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. MJESOVITI PRODUKT 35 bx c a c b Slika 1. a | b | sin ϕ visina paralelograma.4 i 5 iz toˇke 1. pa tvrdnja slijedi a c iz svojstava determinante 3. b = 0 i → = 0 . vektorsko mnoˇenje i mjeˇoviti z z s produkt. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . − komplanarni po Napomeni 1. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . zakljuˇujemo da su vektori → i b × c okomiti. a a − → → − → − − → − 2. jer je a a c → − − → |→ · b | = |− || cos ϕ|.17 Za vektore − . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. b . − . − . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi.14: Mjeˇoviti produkt triju vektora. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . b . b . Tada je: → → → a b c → − → − → − − → 1. onda − → − Obratno. b . − → − i samo ako su a b c − → → → Ako su − . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje.9.6. Pretpostavimo zato da su − = 0 . |→ × b | je povrˇina paralelograma razapetog s → i b . → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni.11 Za vektore − . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . kako je a c → − − → → − − → − · ( b × c ) = 0. → komplanarni. Tada. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. z → − − − a c Napomena 1.16 Vektori →. gdje je |→| baza. → − → − → → → → Napomena 1. pa kako je − okomit na b × − . s → → − → Definicija 1.

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

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

pa zbog okomitosti imamo − · → = 0. Ax + By + C = 0 i A x + B y + C = 0. s c z Joˇ se naziva i implicitna jednadˇba pravca. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. − · − = c z r n r n 0. B = tB i C = tC. Definicija 2. tj. vrijedi Ax0 + By0 + C = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. 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. y) leˇi na pravcu p. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. B. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. c p n r (x . y0 ) okomit na vektor − = A i + B j . onda − i → nisu okomiti. y) ne leˇi na pravcu p.y) Slika 2. ako toˇka (x. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. . tj. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA.y ) 0 0 (x .1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. → − r n → − → → Ako toˇka (x. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0.38 ˇ POGLAVLJE 2. c n Zaista. s z z Napomena 2.1 Ako imamo dvije jednadˇbe. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 .1: Pravac u ravnini.

nepotpune obc z like): 1. Dakle → → r i j n i j n i j → − − → − i n kolinearni. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. − n 4. Odatle je A = tA i → → su vektori n n B = tB. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. pa imamo tvrdnju. jer je toˇka (0. jer je tada vektor − oblika n − → →=Ai.2.1. z → 2. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − .♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . y0 ) i da je za svaku drugu toˇku (x. Ako je A = 0. onda je pravac paralelan s osi y. onda je pravac paralelan s osi x. postoji t ∈ R takav da je n = t− . → → Ax = 0 i vektor n n i 5. jer je (0. Ako je A = C = 0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. Ako je C = 0. Oˇito je (x0 . − n → 3. Dobijemo z B A x + −C y = 1. onda je pravac os y. n n 2. Ako je B = C = 0.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. jer je (0. onda pravac prolazi kroz ishodiˇte. Ako je B = 0. c Obratno. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. znaˇi z c da prolaze kroz istu toˇku (x0 . Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 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.1. tj. ako postoji t ∈ R takav da je A = tA. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. B = tB i C = tC. jer je tada vektor − oblika n − → →=Bj. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . onda je pravac os x. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . C −A −B .

3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). c c tj.3: Kanonski oblik jednadˇbe pravca. z . a ako je y = 0.1.2: Segmentni oblik jednadˇbe pravca. onda je x = a. onda je y = b. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.40 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. b) i (a. pravac prolazi kroz toˇke (0. imamo A x a + y b = 1. z z Uoˇimo sljede´e: ako je x = 0.y 1 ) Slika 2. 0). z p s=mi+nj P1 = (x 1. z 2. c c y b a 0 x Slika 2.

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

c 2.5: Eksplicitni oblik jednadˇbe pravca. 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 . Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. Tada je y = kx − kx1 + y1 . y l ϕ 0 x Slika 2. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Uvedemo li oznaku l = −kx1 .42 ˇ POGLAVLJE 2. z .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. Uvode´i oznaku k = m . znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.1. y − y1 = k(x − x1 ).

P = (x. Neka je − = a i + b j jediniˇni vektor na pravcu q. Povucimo sada kroz O pravac q okomit na p. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.1. n c y q n θ P0 x r P p 0 Slika 2. pravac prolazi toˇkom (0. b ∈ [−1. n − → → Toˇka P = (x. tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. → → r n Jednadˇbu − · − = d. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. π] takvi da je a = cos ψ − i b = cos φ. tj. n Kako je tg ϕ = m . y) leˇi na pravcu p ako i samo ako je z − · − = d. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. c 43 n ˇ Uzeli smo da je k = m . imamo k = tg ϕ.2. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. PRAVAC U RAVNINI Napomena 2. pa tada postoje ψ. 2.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy).5). tj.6: Normirani oblik jednadˇbe pravca. l).1. c c s − → − → → d = |OP0 |. s vektorom i ). a2 + b2 = 1. z Jasno je da su a. c − → − → → pa imamo − = cos ψ i + sin ψ j . φ ∈ [0. 1]. odnosno z → → r n x cos ψ + y sin ψ = d .3 Za x = 0 imamo y = l tj.

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. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. z . Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. po Napomeni 2. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0.44 ˇ POGLAVLJE 2. postavlja se pitanje kako prona´i njegov normirani oblik. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . dakle mora biti tA = cos ψ. 2. predznak od t je jednak suprotnom predznaku od C).2 2.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. Stoga je t= 1 √ . tC = −d. tB = sin ψ.2.

ˇ 2. . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . → n i j 45 Definicija 2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . → → kolinearni. ako i samo ako je A1 A2 + B1 B2 = 0.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . tj. A2 B2 → → Napomena 2. ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .2. −1 → Neka je ϕ kut izmedu → i −2 . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 .

3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . s1 s2 tj.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . tj. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . . s1 s2 odnosno ako i samo ako je n1 m1 = . ako i samo ako postoji λ ∈ R takav da je − = λ− .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. m2 n2 → → Napomena 2.46 b) Kanonski oblik: ˇ POGLAVLJE 2. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. ako i samo ako je m1 m2 + n1 n2 = 0. → → Napomena 2.

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

1. odnosno ako i samo ako je 1 + k1 k2 = 0. 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. k2 2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.2. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . y0 ) i pravac p u ravnini. c Definicija 2. x cos ψ + y sin ψ = d. Zanima nas udaljenost c toˇke P0 od pravca p. tj. odnosno ako i samo ako je k1 = k2 .8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. To je ekvivalentno s 1 k1 = − . ako i samo ako je ϕ1 = ϕ2 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .5. Napomena 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .7).5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 .48 ˇ POGLAVLJE 2. tj. 2 ako i samo ako je tg ϕ = ∞. p) = x0 cos ψ + y0 sin ψ − d. sa suprotne strane od ishodiˇta) jer je tada n s . Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. tj. ANALITICKA GEOMETRIJA Napomena 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Neka je pravac p dan u c c normiranom obliku. s Napomena 2.

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

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

ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2.2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . 3. Npr.8: Mogu´i poloˇaji pravaca u ravnini. identiˇni su. xs = . sijeku se u jednoj toˇki. zovimo je S = (xs . c z U sluˇaju da se sijeku u jednoj toˇki. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. paralelni su.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. c 2. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.ˇ 2. ys ). tj.2. poklapaju se.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.

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

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

S. A 2 B2 je razliˇita od nule. Drugim rijeˇima. C1 ). (A2 . p2 . 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.54 ˇ POGLAVLJE 2.6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . ANALITICKA GEOMETRIJA Kako p1 . B1 . A3 B3 A2 B2 A2 B2 =0 . c A1 B1 . (A3 . p3 po pretpostavci prolaze istom toˇkom. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. C2 ). i 5. B3 . iz toˇke 1. pa po svojstvima determinante 4. 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 . β ∈ R. vektori (A1 . B2 . C3 ) su linearno zac visni.

→ → → a i + b j + c k . Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . y0 + tb. z) = (x0 + ta. → − → r r0 s p ts P0 r 0 s r0 Slika 2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .3. PRAVAC U PROSTORU 55 2.3.2). z0 + tc). Neka c z s −→ → → − − radij-vektor toˇke P . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada. 2.9: Pravac u prostoru. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.2. .3. y0 . y. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R.3 2. Tada imamo P0 P = − − − .2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 .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. y.

c su koeficijenti smjera pravca p. j i k dobivamo kanonske jednadˇbe pravca.3.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . z0 ) i 2. ANALITICKA GEOMETRIJA x = x0 + ta. c) odnosno a. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . y = y0 + tb.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . pravac p prolazi toˇkom (x0 . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . z c s 2. Kako su vektori baze linearno nezavisni. vektor smjera pravca p je dan s (a. . b. Prema s z Napomeni 1.56 Jednadˇbe z ˇ POGLAVLJE 2. b. z Napomena 2. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c .13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. y0 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. z s Napomena 2.

odnosno postoje c s0 α. b.1. y2 .1. → − → → r r1 r2 r1 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a.5 i toˇka 2. pa odreduje isti pravac. onda ima dva kosinusa smjera. Zbog komplec mentarnosti. b. jedan kosinus smjera prelazi u sinus. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z2 ) u prostoru. Sada imamo da je → = P1 P2 = → − →. Uzmimo sada npr. tj.5 znamo da postoje kosinusi smjera vektora − . istog smjera i orijentacije kao i →.3. 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. π] takvi da je a cos α = − . Odredimo njegovu jednadˇbu. c c Tada kroz njh prolazi jedinstveni pravac p. −| |s Dakle koeficijenti smjera a. γ ∈ [0.3. →| |s c cos γ = → . z1 ) i P2 = (x2 . c s → Iz toˇke 1.3. PRAVAC U PROSTORU 57 → Posebno. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. c) je dana s x y z = = . onda znamo da je vektor → s a b c 1 → s0 = − − = − . →| |s b cos β = − . − →| s →| |→| |→| |s |s s s − jediniˇni.2. − . − → z definirajmo s P c s − je vektor smjera pravca p. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .6). s 2. 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. z Znamo iz toˇke 2.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). β.3. y1 . toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . i njihov omjer daje koeficijent smjera (toˇka 2. c). Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. b.

5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . uz oznake m = a c i m1 = − a z0 . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . c c c . y = y1 + t(y2 − y1 ). z c y2 −y1 2 −z 2.58 ˇ POGLAVLJE 2. y0 . b. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). c x = mz + m1 . z0 ) s vektorom smjera − = (a. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke.10: Pravac kroz dvije toˇke u prostoru. c c c odnosno. ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. Analogno.3.

uz oznake n = b c b i n1 = − c z0 .14 Iz toˇke 2. b. Tada za svaki izbor a. z y=nz+n 1 x =mz+m 1 y 0 x (m . vrijedi x−m1 m = y−n1 n = z. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z b c . + n2 + 1 cos β = √ m2 n . Napomena 2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .3.2.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . + n2 + 1 2. z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.11: Pravac zadan dvjema projekcijama. 59 y = nz + n1 . Dakle.n ) 1 1 Slika 2.3.3. PRAVAC U PROSTORU odnosno. + n2 + 1 cos γ = √ m2 1 . y0 .

7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . tj. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . s z Imamo → = 1 (− + − ). − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . AC : CB = m : n. m+n m+n m+n Napomena 2. y1 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. 2 2 2 .60 ˇ POGLAVLJE 2. . . z2 ) u prostoru. y2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −. z1 ) i B = (x2 .15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. mz1 +nz2 ). m ∈ N.12: Dijeljenje duˇine u zadanom omjeru. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z → c radij vektor toˇke B. z → − − → − → − → − → → − → → Ako je − = x1 i + y1 j + z1 k radij vektor toˇke A i − = x2 i + y2 j + z2 k r1 c r2 B n C m A ρ r r2 1 0 Slika 2. my1 +ny2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . ANALITICKA GEOMETRIJA 2.3.

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.3 ). RAVNINA U PROSTORU 61 2.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. P0 d r π n0 0 M Slika 2.4. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.13: Normalni oblik jednadˇbe ravnine. → → r n .2. → → radij-vektora r n c P . k iz toˇke 1. a vektor z −0 zovemo normala ravnine Π. Neka je −0 = OP0 c c n p −→ − (tj. onda je p = 0. z redom (tj. Povucimo okomicu iz toˇke O na ravninu Π. ako Π prolazi kroz ishodiˇte (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x. j . To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . s vektorima baze −0 ˇto ih n s − − − → → → i . y.4 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. β. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p.4. → 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. toˇku O). jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.

redom. n0 − − → → OB · −0 = p. Napomena 2. z). Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. 2. toˇke u kojima Π sijeˇe koordinatne osi x.62 ˇ POGLAVLJE 2. y. z1 ) ∈ E proizvoljna. Kako je d.2. r n Napomena 2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.4. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . duljina okomice c do Π ´e biti p + d (za neki d ∈ R. 0. y1 . C = c (0. Imamo neˇto analogno otklonu iz toˇke 2. kako su A. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. z − − → OA · → = p.2. 0). C ∈ Π. c Neka je M = (x1 . z. y. udaljenost ravnine Π od ravnine Π . a c kako M leˇi u Π . Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. n − → → OC · −0 = p. jer je duljina okomice do Π jednaka p). B. b.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. Nadalje. B = (0.16 Ako toˇka P ∈ E ima koordinate (x. c). udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. 0. Kao i kod pravca (toˇka 2. u stvari. neka su toˇke A = (a. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). n .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Za toˇke s druge strane bit ´e n c c d < 0. c c Sada.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.2. → ako je M s one strane Π na koju pokazuje −0 . 0). iz normalne jednadˇbe ravnine imamo.

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

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

17. Ako je C = 0. Ako je D = 0. istog su smjera n n → c n i orijentacije. Tada je. B. po c Napomeni 2. R cos γ = C . c onda je A B D z =− x− y− . onda je oˇito da O = (0. b1 = − B i c1 = − D .2. B. 0. tj. Dakle imamo cos α = 65 A . C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. C C C A z Oznaˇimo a1 = − C .4. C). udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M.4. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. nepotpune obc z like): c c z 1.1). R cos β = B . Napomena 2. onda normala − = (A. pa imamo cos γ = 0. 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. 0) nema komponentu u smjeru n − → osi z (tj. z1 ) ∈ E. ravnina prolazi kroz ishodiˇte. y1 .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. pa odreduju istu ravninu. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. s c A2 +B 2 +C 2 Napomena 2. s → 2.20 Neka je dana toˇka M = (x1 . RAVNINA U PROSTORU predznaka od D. R → → Vektor normale −0 je normirani vektor − = (A. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. Π) = |Ax1 +By1 +Cz1 +D| √ . B. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. tj. k ). Stoga ´emo i vektor − zvati vektor normale.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . c . onda su koordinate A.

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

z0 ) z z c → → i dva vektora smjera − = (a1 . b1 . y0 . z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. b2 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. c2 ). → = (a2 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . b1 . Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. → − Nek je P0 = (x0 .4.17: Ravnina zadana parametarski. y.21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina.2.22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . y0 . y = y0 + ub1 + vb2 . b2 . − = (a1 . Napomena 2. c1 ). vidi se da je ravnina dvodimenzionalni objekt u prostoru. s1 s2 . z0 ). z Napomena 2. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. c1 ) i − = (a2 . RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2. Tada P = s1 s2 → − (x. Kako imamo dva parametra (u i v).

P3 (uzmemo npr. ako i samo ako su P0 P . P2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. z2 ). toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). y1 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. P3 = (x3 . 2.4. ANALITICKA GEOMETRIJA −→ → − − odnosno. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. Po Napomeni 1.4. − .5 2. P1 P2 . y3 . Dakle. → komplanarni. P1 P3 komplanarni.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . P2 . 2. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 .4.16.5.1 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 .68 ˇ POGLAVLJE 2. z1 ). s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. vektori s1 s2 −→ → − − − → P0 P . Kako toˇke P1 . P2 = (x2 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Po Napomeni 1. P3 ne leˇe na istom pravcu. s1 . Kao i u toˇki 2. y2 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.

odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . tj. Ravnine se sijeku u jednom i samo jednom pravcu. C1 ) n → i −2 = (A2 . B1 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. B2 . 3. Ravnine se podudaraju. C2 ).2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . 2. tj. 69 −1 Definicija 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Teorem 2. −1 → Napomena 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . ♣ . Ravnine se ne sijeku. odnosno ako → → kolinearni. ako i samo ako je −1 · −2 = 0.5.

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

z nepoznanice). c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). ∆.5. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. 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. b. 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. tj. y. C).2. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . z Definicija 2. s jedna toˇka. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.5) i koordinate su mu c c ∆x ∆y ∆z ∆. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .4.5. b. c) i − = (A. onda je presjeciˇte jedinstveno (tj. → → s n . B.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. ∆ . 2. paralelne su). toˇka 2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .

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

ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.5. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. z z .2. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. z1 − c Ax1Aa+Bb+Cc+D . a druga je uvjet paralelnosti pravca i ravnine. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine.5. tj. ako nema konaˇnog z koji je rjeˇenje. tj.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. Ax1 + By1 + Cz1 + D .28 Ako ne postoji takav t koji je konaˇan. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. z = z1 + ct. 2. 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 . Aa + Bb + Cc Napomena 2.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . y = y1 + bt. y0 .

b1 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 .74 ˇ POGLAVLJE 2. s1 s2 redom. c 2. Pravac i ravnina se ne sijeku. ANALITICKA GEOMETRIJA Teorem 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). 3. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0.5. Pravac i ravnina se sijeku u samo jednoj toˇki. z1 ) odnosno c → → P2 = (x2 . b2 . Definicija 2. z2 ) s vektorima smjera − = (a1 . c c c 2. . Pravac je sadrˇan u ravnini. → → 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 .18: Mimosmjerni pravci. → → s1 s2 p 2 p 1 Slika 2. c1 ) odnosno − = (a2 . c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). y1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c2 ).2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . y2 .

odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .5.5).29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. ako i samo ako postoji λ ∈ R takav da je − = λ→. tj. ako i samo ako je → · − = 0. 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. z= 1 m−m n−n . mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . 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 .3. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama. c c z → s1 Napomena 2. → Napomena 2.2. tj. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. 2.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 .5.

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

Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. Pravci leˇe u istoj ravnini i ne sijeku se. tj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1.2.6 na gornju determinantu (tj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. Pravci su mimosmjerni. iz toˇke 1. Pravci se podudaraju. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. z 2. Ako su sva tri redka proporcionalna. Teorem 2. z c 4. Prema Napomeni 2. ne leˇe u istoj ravnini. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). c =0 . i 6. ˇetvrti sluˇaj. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. z 3.29. imamo isti pravac.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pozabavimo se sluˇajem mimosmjernih pravaca. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini.5. 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 . pa nema presjeciˇta.

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

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

.

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

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

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

.  0  0 . tj. i = j Simbol δij zovemo Kroneckerova delta. . tj. 0. ako nije. Takvu matricu c c   1 0 ··· 0    0 1 ··· 0   . c onda je reda n. matrica je skalarna.  .2 Sljede´e c redom. pri ˇemu je z z c δij = 1.84 POGLAVLJE 3. . . tj.  . z U kvadratnoj matrici elementi s jednakim indeksima.. 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. = ann = a. 0 0 0 0 0 0 0 0 0 0 0 . c Primjer 3. a11 = a22 = . ..♠ . ann ˇine glavnu dijagonalu. . . . Oznaˇavamo ju s 0mn .  · · · ann Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki. 0 0 ··· 1 moˇemo saˇeto pisati In = [δij ].  ··· 0  ··· 0  . .  .  . i to n-tog reda. ..  .. c tr A = a11 + a22 + · · · + ann . Kvadratna matrica A je dijagonalna ako  a11 0   0 a22 A= . tipa 2 × 4 i tipa 2 × 1.  . a11 .. 0 0 je aij = 0 za i = j.  0 0   0 0 0 0 matrice su nul matrice i to reda 3. Ako je kvadratna. i = j . MATRICE I LINEARNI SUSTAVI kaˇemo da je kvadratna. onda je tipa m × n. . .. a22 .  In =  .. Skalarna matrica s jedinicama na glavnoj dijagonali se zove jediniˇna i oznaˇava sa In .

..  2 0   AT =  3 1  .♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta. ali suprotnog predznaka.. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.. Sliˇno se definira donja trokutasta matrica.... tj.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. . Ako je A = −A. n. . c . tj. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  .♠ . tj.. zrcale se jedni u druge.. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. odnosno vrijedi aii = 0 za i = 1. c c Primjer 3. Oznaˇavamo ju s AT . c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1. j = 1. aij = −aji za i.. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. 7 3 −2 −3 0 Napomena 3.ˇ ˇ 3. c Primjer 3.. aij = aji za i. n. j = c T 1.5 Matrica A  1  A= 4 7 je simetriˇna. n je transponirana matrica matrice A.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu.. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule.. n. . j = 1... m. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n.♠ 2 7 .. n.3 Ako je A= onda je 2 3 4 0 1 2  . Primjer 3. . matrica A je antisimetriˇna (kososimetriˇna)..1. .. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. . tj.

   · · · a1n b11 · · · b1n .3 odnosno Definicije 3.  . .. ..2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . . . λA = λ  . .3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. a na R znamo ˇto znaˇi s c ”biti jednak”.   . . . MATRICE I LINEARNI SUSTAVI 3.. Definicija 3. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. . tj. .. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. . .2 Jednakost matrica se definira samo za matrice istog tipa. a11  .3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn . = . Piˇemo A = B.. j = 1. . n. .  .. .. n.   .4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. tj. C =A+B = .. m...3 Zbroj matrica se definira samo za matrice istog tipa. s Napomena 3. Definirajmo sada mnoˇenje matrice skalarom. .... am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . ..4. . m. Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. j = 1. = ... . Definicija 3.  . . m. n.. . + . am1     λa11 · · · λa1n · · · a1n . . j = 1.86 POGLAVLJE 3.1. λam1 · · · λamn · · · amn  a11  . . am1 + bm1 · · · amn + bmn Napomena 3. z Definicija 3. ..

. (A + B) + C = A + (B + C) (asocijativnost).. 2. razvijena) u linearni spoj po matricama z z A1 . A2 . 4. . Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . λk razliˇit od c nule.. z Teorem 3. A2 .. . α(βA) = (αβ)A (homogenost)... ˇto slijedi izravno iz Definicije s 3.4. Linearna kombinacija je netrivijalna ako je barem jedan λ1 . Napomena 3.♣ Iz Teorema 3. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. Ak . C ∈ Mmn i sve skalare iz α. Matrica A = λ1 A1 + .ˇ ˇ 3. B.. . OSNOVE MATRICNOG RACUNA 87 Teorem 3.. Ak ∈ Mmn matrice i λ1 . a na svim ostalim mjestima nule ˇini bazu u Mmn .. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn.1. + λk Ak je linearna kombinacija matrica A1 ..5 Neka su A1 . α(A + B) = αA + αB (distributivnost)...1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. Kaˇemo da je A rastavljena (razloˇena. A2 ...4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . Ak s koeficijentima λ1 . onda je i A ∈ Mmn .. A + B = B + A (komutativnost).. j) imaju z jedinicu. Njegovi su elementi (”vektori”) matrice tipa m × n. λk . .. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja..1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor.. . . 3.3 odnosno Definicije 3. linearna kombinacija i linearni rastav. s Definicija 3. A2 ... Ak ∈ Mmn . λk ∈ R skalari. . β ∈ R vrijedi: 1...

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

.. a B · A nije definirano. Za takve matrice A i B kaˇemo da su ulanˇane. . 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. bnj ) = ai1 b1j + ai2 b2j + . za j = 1. Napomena 3... 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 . ain ) · (b1j . Dakle zakljuˇujemo da na mjestu (i.. b2j . . na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1.. onda je A · B ∈ Mmp ..6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . ai2 .... .. Npr. p. ain bnj . + ain bnj .. a broj stupaca je c jednak broju stupaca od B. z c tj. Tada je i-ti redak matrice A jednak (ai1 . Dakle. p.. a j-ti stupac matrice B je (b1j .. broj stupaca od A je jednak broju redaka od B...ˇ ˇ 3.4). b2j . 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 .j) m A .. . Mnoˇenje matrica vodi raˇuna o poredku operanada. m. m.1: Produkt matrica. a B ·A ∈ Mnn . B = C Slika 3. ain ). a da B · A nije ni definiran..1. p p = j n (i.. Definicija 3. ako su A ∈ Mmn i B ∈ Mnp i m = p. imamo A·B ∈ Mmp .. Dakle opet je A·B = B ·A.. j = 1.. n i m . 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 + . i = 1.. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. za i = 1. Ako je m = p = n..

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

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

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

Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. OSNOVE MATRICNOG RACUNA 93 3. c. Npr. c Napomena 3. c 2. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . dakle ne postoji izbor brojeva a.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. 1. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. U toˇki 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. Teorema 3. postoji broj koji pomnoˇen s a daje 1. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu.1. tj. U skupu R vrijedi: ako je a · b = 0. Npr.6 Regularne matrice. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . c c c Iz svojstva 5. b. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . neka je dana matrica c 0 1 1 0 .1. onda je barem jedan od a ili b jednak nuli. tj. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.ˇ ˇ 3.1.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno.

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

Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. ain ) · (aj1 . . U Napomeni 3.. . + ain ajn = δij odnosno (ai1 .. 0n ∈ Gn .. Kako je po pretpostavci A ortogonalna. a j-ti stupac matrice AT je (aj1 ... s z c ... .... + ain ajn = 0 za i = j i (ai1 ... . + a2 = 1 i1 i2 in za i = j. 2.8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . n..6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . ai2 . ajn ) = ai1 aj1 + ai2 aj2 + .. Tada je i-ti redak matrice A z (ai1 . ai2 . ai2 . ai2 . aj2 .. Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 ... moˇe se dokazati da ˇine ortonormiranu bazu od Rn . preciznije Gn ⊂ Mn . .. . ai2 . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT . ajn ) = ai1 aj1 + ai2 aj2 + . aj2 . aj2 . Ako su A... (To je. Napomena 3. n. j-ti redak od A)..♣ / z Definicija 3. Zakljuˇujemo da na mjestu (i... 5. aj2 . Dakle i matrica AT · A ima iste elemente. Gn = Mn . ain ) · (aj1 ...ˇ ˇ 3...1.. ... ajn ) = ai1 aj1 + ai2 aj2 + .. ain ) · (aj1 . ain ) · (aj1 .... .. ˇtoviˇe vrijedi da je s s (ai1 . . ajn ) za j = 1.10 Neka je A = [aij ] ∈ Mn ortogonalna.. Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn ... −1 3. 95 4. ajn ) = a2 + a2 + .. + ain ajn .. ain ) za i = 1... OSNOVE MATRICNOG RACUNA 1. . In ∈ Gn i In = In .. B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 . . u stvari. aj2 . Stoviˇe. vrijedi A · AT = AT · A = In . ..

− )..5 izravno slijedi da je r(A) = r(AT ). skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. njene z c n redke...5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .. . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − . − ∈ Rm .11 Oˇito je da je c − − L(→.♣ Kako je po Teoremu 3. . →) ⊆ Rm .10 Neka je V vektorski prostor (Definicija 1. 2.5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.. a1 an ... Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. Definicija 3. vrijede svojstva 1. .10 slijedi da je L(− . MATRICE I LINEARNI SUSTAVI 3. . − ) = {λ1 − + . Podprostor razapet vektorima a1 an − . ..5).. Elementarne transformacije Neka je A = [aij ] ∈ Mmn . Oznaˇavamo ga → → → → a1 an a1 an c − . tj. Sliˇno.. − ) podprostor od Rm .... iz Definicije 1.. matrice iz Mm1 . − je skup svih linearnih kombinacija vektora − .... Definicija 3. . z Teorem 3.. moˇemo promatrati kao vektore u vektorskom prostoru Rm .. → → Definicija 3... + λn − : λ1 . Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.. linearne zavisnosti/nezavisnosti. Iskaˇimo sada jedan bitan rezultat. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. moˇemo promatrati kao vektore u R . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.1. → → s L( a1 an → → → → an a1 L(− .. Iz Napomene 3. λn ∈ R}... a1 an → → i izravno iz Definicije 3..7 Rang matrice..11 Neka su − . matrice iz M1n .96 POGLAVLJE 3. i 3.6 znamo da stupce. a1 an Napomena 3. .5) i neka je L neki podskup od V .

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

m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. Mnoˇenje redka (stupca) skalarom λ = 0..  . iz Teorema 3. k.. . . Dakle. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka.    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.. na aij za i < j. na pozicijama a11 . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. j = 2. ima nule. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. z 3. . Neka je dana B ∈ M5. c c r(In ) = n) i matrice koja izgleda kao i matrica B. tj. 2. Dakle. n) ima jedinice. Nadalje. 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     . Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.♠ Iz Primjera 3.. na aij za i = k + 1. akk za k ≤ min(m. MATRICE I LINEARNI SUSTAVI 3. Pitanje je.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    .98 POGLAVLJE 3.. na aij za j < i ima nule. Primjer 3..5 imamo da je r(B) = 3.

. c c Napomena 3. − n ] (vektori a a a a − 1 . ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A.. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija...n−r . Neka je A ∈ Mmn .17 Ako imamo n vektora − 1 . Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima).. Ir ∈ Mr .. ekvivalentne matrice imaju isti rang. . ve´ samo njegovu duljinu. 02 ∈ Mm−r. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima). − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. 01 ∈ Mr. tj.r i 03 ∈ Mm−r.♠ c Definicija 3. − n ).. 03 su nul matrice). → → a a Napomena 3. matrica M prelazi u jec c diniˇnu. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu.. Isto tako. Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . Kako je r(A) = r(H) = r. .. A = 0.16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. .13 Matrice A. Primijenimo li na H elementarne transformacije obrnutim redom. u bazu podprostora razapetog redcima odnosno stupcima od A. a a . jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale. .n−r (01 .. OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog... Matrica H je Hermiteova forma matrice A.. .ˇ ˇ 3. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 . gdje je r ≤ min(m.1. tj.. n). sastavi se matrica A = [− 1 . c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti. − n ). prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. Dakle. Dakle dobijemo matricu H. 02 ..

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

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

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

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

) Ako je n = m i A regularna. → je A regularna. = λn = 0. MATRICE I LINEARNI SUSTAVI Teorem 3. A je regularna. Neka su sada λ1 .. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . onda ih ima beskonaˇno x s c mnogo.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. pa je sustav konzistentan. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. ♣ − → − Napomena 3. bilo kojih r z linearno nezavisnih redaka u A..21 Ako sustav A− = b ima dva rjeˇenja. dakle ima bar jedno rjeˇenje. Iz Napomene 3.6 imamo da je r(A) = n). s c s → − → → − → − → Ako je A− = b . odnosno λ1 = . + a − → → → → λn − n = 0 (− 1 . tj.. s − → → II.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). s x → → − → Obrnuto. → − x 0 → → − Napomena 3. → → − III. (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang. Iz − → → − b = (λ1 + x1 )− 1 + . tj. Ho´emo pokazati da je λ1 = . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi.104 POGLAVLJE 3.... onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. = λn = 0 a a a c (tj. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b .. Dokaz: . da su stupci od A linearno nezavisni. λn ∈ R takvi da je λ1 →1 + . To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.... . da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b .. − n su vektor stupci od A).. tj. tj. jer je A(A b ) = b . s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. Ako je r = r(A) = r(Ab ). po Teoremu 3.. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b .8 homogeni sustav je uvijek c rjeˇiv. . sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. Dakle stupci od A su linearno x x nezavisni..8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. λ = 0 .6). Ako je n = m.

x x − → Oˇito je 0 ∈ N (A). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .22 N (A) je podprostor od Rn . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .5. Dokaz: Oˇito je N (A) ⊆ Rn . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . c 3.2. dakle dokaˇimo da za proizvoljne c z − . → ∈ 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). Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .3. tj. gdje je λ ∈ R proizvoljan. c Napomena 3.8 i Napomene 3.2 su oˇito zadovoljena. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). A− = b i A− = b .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . Tada je. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). u v u v − → dakle → + − ∈ N (A). u u Dakle je N (A) vektorski podprostor od Rn .2.♣ s c z s x → Iz Teorema 3.3 Homogeni sustavi → Iz Napomene 3. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . tj. z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . Treba provjeriti da N (A) ima svojstva iz Definicije 1. c Svojstva iz Teorema 1.1 i Teorema 1.♣ .

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

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

Brojevi cr+1 ... → → Teorem 3.. µn proizvoljni parametri.2.. .7 odnosno toˇki 3.10 I..11 Ako je (− r+1 . dok brojevi c1 . cr .♣ c Napomena 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. cr koji su dani s A−1 β (c) = [c1 ... r(A) = dimR(A) = n.... → → − II. − − → u u u pri ˇemu su µr+1 .♣ Iz Teorema 3.. cn ]T je rjeˇenje sustava A− = c s x − → b.8 II. − u u u pri ˇemu su µr+1 . + µn − n ..9. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). a broj dimN (A) defekt od A. Kako je (− r+1 .. .24 Tvrdnja Teorema 3........ µn proizvoljni parametri...... . .3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. iz Teorema 3. . ... cr ]T ).. 0 U toˇki 3.. cr+1 . cn su slobodni prametri. Broj dimR(A) smo zvali rang od A. ... − n ) baza s x u u u − → − = b oblika → od N (A).. → x → → Dakle. . cr ]T .. c .. + µn − n .1. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .. Teorem 3.. tj. .108 koje je oblika POGLAVLJE 3.11 izravno slijedi iz Teorema 3. − = [c1 . . MATRICE I LINEARNI SUSTAVI − 0 = [c1 . cn postoje → − jedinstveni c1 .. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . . .. i obratno. dimR(A) + dimN (A) = n..

. . . 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 . tj. na aij za j < i ima nule.2. b ] (gdje je matrica A takva da na pozicijama a11 . na aij za i = k + 1.2. akk za k ≤ min(m. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . b ] dobili matricu [A .5 Determinanta. metode mogu pokazati brˇima (manja im je sloˇenost).. tj. − → mi smo zapravo matricu [A. 3.. Radimo li to elementarnim transformacijama samo nad redcima.. uz male modifikacije je numeriˇki stabilan. b ].. imamo postupak Gaussovih eliminacija. k. ima nule... b p ... n) ima jedinice. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. b ] mnoˇili s lijeva elementarnim matricama Q1 . z Za neke se posebne matrice druge. Ovaj se postupak moˇe primiz jeniti na sve matrice. j = 2.3. posebno dizajnirane.. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. m ima nule. A −→ det A.1. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. sloˇenost mu je c z 3 ∼ n (tj.. Q1 · Q2 · · · Qq · b ] = [A . . Qq . lagano moˇemo oˇitati rjeˇenje).... na aij za i < j. a ostale pozicije su ”nebitne”). .. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.6. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. . .

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

Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . pravilo za c raˇunanje inverza matrice).1. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. n ≥ 2. je razvoj determinante po prvom redku.2. onda je det A = a11 a22 · · · ann . Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. onda sc je det A = 0. . determinanta mijenja predznak.7. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . n ≥ 2. Svojstva determinante su: 1. Ako je A ∈ Mn trokutasta (gornja ili donja). 2.3. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. det(Qij A) = − det A. onda je det A = 0. 3. c 4. Posebno je c det In = 1. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Neka je A ∈ Mn dijagonalna matrica.

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

z Teorem 3.2. Dakle oˇito je det A = 0. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.26 Ako je A ∈ Mn regularna. onda je det A = 0. Ako to nije mogu´e. ai+1. ♣ U Teoremu 3. Teorem 3. Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. itd.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 . B ∈ Mn vrijedi det(AB) = det A · det B.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.♣ Teorem 3.3.i+1 = 0). ♣ .12 Za proizvoljne matrice A. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . 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. tj.i+1 (naravno. ♣ Napomena 3. Dokaz: Iz Teorema 3.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. LINEARNI SUSTAVI 113 ispod njega.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 . Teorem 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . det A−1 = 0 i vrijedi det A−1 = (det A)−1 . ♣ Iz Teorema 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.

♣ Napomena 3. tj. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. onda je det A = 0.114 Veliˇinu c POGLAVLJE 3. k) stoji kofaktor elementa aki matrice A. det A Dakle A je regularna i A−1 = kof (A) det A .16 imamo da je 1 kof (A) · A = In . ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . Analogno ide dokaz za stupce.13 prethodni zbroj jednak det A. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . Vrijedi i obrat. Definicija 3.27 izravno slijedi: Teorem 3. Kofaktor matrice A oznaˇavamo s kof (A). (−1)k+i det Aki . Inaˇe je zbroj det A. 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. c c Dokaz: Neka su uzeti i-ti i j-ti redak. onda je po Teoremu 3.28 U Napomeni 3. Promatramo zbroj n (−1)j+k aik det Ajk . det A Dokaz: Ako je det A = 0.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . c Napomena 3.♣ Iz Napomene 3.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. ako je i = j.♣ .26 smo vidjeli da ako je A ∈ Mn regularna. k=1 Oˇito. onda iz Teorema 3. tj. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.

s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna.3.3. → ∈ Rn .3 3. . Stoviˇe.♣ a 3. Ako je m = 1. . xn = . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . za sve λ. D D pri ˇemu je D = det A. Ako je matrica A regularna. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. onda takav linearni x y operator zovemo linearnim funkcionalom. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. a Dk . 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 . A je regularna ako i samo ako je det A = 0. D x2 = D2 Dn . n. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .26 i Napomene 3. . Definicija 3. .8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. onda je rjeˇenje z s tog sustava dano s x1 = D1 . Rm = R. k = 1. → x Teorem 3... Takvu x x funkciju zovemo linearni operator. − → → Iz Teorema 3.3.. → ∈ Rn . Rjeˇenje je dano s − = A−1 b .28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . µ ∈ R i sve − . µ ∈ R i sve − .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.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.

Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. µ ∈ R i sve →. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).1 i Teorema 1. − ∈ 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. tvrdnja slijedi.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . tj. µ ∈ R i sve →. Dokaˇimo da je i F + G linearni z operator. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.5. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. 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 (− ).29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. x x Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.116 POGLAVLJE 3. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. MATRICE I LINEARNI SUSTAVI Napomena 3.2. − ∈ Rn .♣ . dakle zadovoljavaju tre´e svojstvo Definic cije 1. Dokaˇimo da vrijede i prva dva. Iz Definicije 3.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ.

..... → → ortonormiran skup vektora.. vektor F (− i ).. matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn . Tada za proizvoljni − = (x1 .♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm . Neka je F : Rn −→ Rm proizvoljan linearni operator. xn ) ∈ Rn x − = x1 − 1 + .. koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 . . Dakle.. . Dakle... + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + .. n.. Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R .. + xn F (− n ) = F (x1 − 1 + .... ... f m ) od R ... ...... f m ). 1. ... i = 1. 0). i = 1... − n ˇine e e − 1 . linearni operator F ´e imati drugaˇiji prikaz. c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− )).. x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i . Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . Nadalje. − n ) e e − → → − i ( f 1 . neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm ... PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori. e e e → → c gdje je jedinica na i-tom mjestu.... − n ∈ Rn dane sa →i = (0. − n ) = Rn . . . i = 1. n.. x x Teorem 3.3... i = 1. rastavljen u e → − → − m → kanonskoj bazi ( f 1 .. Stoga treba voditi raˇuna s kojim c c c parovima baza radimo.. f m ) od Rm . . . − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom..3... linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 .. n.18 Kompozicija linearnih operatora (ako postoji) je linearni operator.. n. . − i = F (− i )... x e e e e x − tj. . Postavlja se pitanje vrijedi li obrat? Tj. je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 . . .. i = 1.. Lagano se provjeri da vektori − 1 . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze.. + xn − n ) = F (− ).. .. n. . . . 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 ..

32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. odnosno dimN (F ) = dimN (F ). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . F ∈ Mn ). Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Neka je F : Rn −→ Rm proizvoljan linearni operator. y). Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.10 Pogledajmo sljede´e primjere: c 1. Primjer 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Njegova je matrica dana s 1 0 0 . Iz Napomene 3.10 izravno slijedi teorem o rangu i defektu za linearni operator.2. MATRICE I LINEARNI SUSTAVI Napomena 3. a defekt dva.118 POGLAVLJE 3. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. tj. c H =GF .31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. vrijedi dimN (F ) + dimR(F ) = n. Tada je po Teoremu 3. Napomena 3. z .32 i Teorema 3. a defekt jedan.♠ c 3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Njegova je matrica dana s 1 0 0 0 1 0 . − → → → Nadalje.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. y. iz toˇke 3. Sada nas zanima kada su ti vektori kolinearni. y.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. c 2. z) = (x. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Operator F vektoru iz Rn pridruˇuje vektor iz Rn . tj. Kako su F i F ustvari isti linearni oper− → − → atori. z) = x.

34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . x x → → Vektor − 0 ∈ Rn . − ∈ S(λ0 ). Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .33 Primijetimo: → 1. Dokaz: 1. Nadalje. ♣ Napomena 3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti.17 Neka je A ∈ Mn . tj. da c z s zadovoljava uvjete Definicije 1. x x x x → Dakle za svaki µ ∈ R. A− 0 = x x − 0 . Napomena 3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).2 oˇito zadovoljava. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Dokaz: Oˇito je S(λ0 ) podskup od Rn . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.3. → → 2. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . → → Svojstva iz Teorema 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Izravno iz Definicije 3. x y x y x y . 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 . neka je µ ∈ R µ = 0 proizvoljan. 2.3. tj. Nadalje neka su − . c x y tj. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. µ = 0.17. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).5.1 i Teorema 1.

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

λ0 ∈ R je svojstvena vrijednost matrice A ∈ Mn ako i samo ako se λ0 nalazi u spektru od A. a1 = (−1)n−1 trA. PROBLEM SVOJSTVENIH VRIJEDNOSTI 121 Za proizvoljni λ ∈ R i proizvoljnu matricu A = [aij ] ∈ Mn vrijedi (A−λIn ) = [bij ]. . tj.. ako i samo ako je KA (λ0 ) = 0. Dakle. Nadalje. Odatle je a1 = (−1)n−1 a11 + . ϕ = kπ k ∈ Z. u oznaci KA (λ). Oˇito je KA (λ) oblika c KA (λ) = (−1)n λn + a1 λn−1 + .. gdje su bij = aij za i = j i bij = aij − λ za i = j. Skup nultoˇaka (korijena) svojstvenog polinoma KA (λ) zovemo spektar matrice c A. Taj polinom. + an .3. + (−1)n−1 ann . Ako stavimo λ = 0 dobijemo KA (0) = an = det A.11 Neka je dan linearni operator A : R2 −→ R2 matricom A= cos ϕ − sin ϕ sin ϕ cos ϕ gdje je ϕ ∈ R. zovemo svojstveni ili karakteristiˇni polinom c matrice A. funkcija λ −→ det(A − λIn ) je polinom stupnja n u varijabli λ. Dakle.. s Izraˇunajmo svojstvene vrijednosti od A.. tj. Primjer 3.3. koeficijent a1 iz KA (λ) je oˇito koeficijent uz λn−1 u sumandu oblika c (a11 − λ) · · · (ann − λ) kojeg dobijemo u razvoju determinante. Linearni operator A ustvari predstavlja rotaciju u ravnini za kut ϕ oko ishodiˇta. Imamo c det(A − λI2 ) = cos ϕ − λ − sin ϕ sin ϕ cos ϕ − λ = λ2 − 2λ cos ϕ + 1.

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

Pokuˇajmo je dijagonalizirati.♠ c s z z = ax by cx dy . To nije uvijek mogu´e. c. x 0 0 y . d svi razliˇiti od nule. d ne mogu svi biti istodobno nula.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. a b c d . znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. b. b. ˇto ne moˇe biti. d ne mogu biti nula. b. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. Dakle. Dakle matricu A ne moˇemo dijagonalizirati. c. 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.3. Primijetimo da a. tj. s z Dakle ostaje nam samo sluˇaj kada su a. dijagonalizirati matricu A. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. c. x 0 0 y . Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti.3. pretpostavimo prvo da je b = c = 0.20 Sliˇne matrice imaju iste svojstvene vrijednosti. Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. onda iz druge jednadˇbe imamo da je y = 2. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. jer u suprotnom matrica P nije regularna. c Primjer 3.12 Neka je matrica A dana s A= 2 0 1 2 . z Uzmimo sada da je samo a = 0. analogno vrijedi za a = d = 0. tj. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. Takoder nikoja tri od a.

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

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

Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. NIZOVI I REDOVI 4.3 Neka je (an ) niz s pozitivnim ˇlanovima.♣ an Teorem 4. n−→∞ n−→∞ n−→∞ 2. c c c Npr.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4.5 Neka je (an ) konvergentan niz.4 Neka su (an ) i (bn ) konvergentni nizovi. Tada c an −→ 0 ⇔ 1 −→ ∞.1. konvergira li. n−→∞ n−→∞ n−→∞ 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Tada vrijedi: 1. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . i ako da. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. .132 POGLAVLJE 4. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . proizvoljan i an ≥ 0 za svaki n ∈ N.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. lim (an ± bn ) = lim an ± lim bn . r = 0. lim (an bn ) = lim an lim bn . ako ne i nemogu´e. ako je bn = 0 i n−→∞ lim bn = 0. lim (can ) = c lim an . c Teorem 4. te c ∈ R proizvoljan. Ako je r ∈ R. onda je lim an an = n−→∞ . n−→∞ n−→∞ 3. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c s c c c tj. prema kojoj vrijednosti.

q 2 . dakle divergira ili u uˇem. vrijedi lim inf an = lim sup an ∈ R. znamo da neˇto postoji.6 Monoton.3 imamo |q | −→ ∞. Dakle imamo samo c c s z s jedno gomiliˇte. Za |q| < 1 je lim an = 0. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova.6 je tipiˇni teorem egzistencije. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. Teorem 4. Sada. jer je log |q| < 0. ili u ˇirem smislu. Tada po Teoremu 4. q 3 . Imamo log ε n> . Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε.2 niz (an ) ima barem jedno c gomiliˇte. on moˇe imati najviˇe jedno gomiliˇte. dakle ili q −→ ∞. Onda je po Napomeni 4. To je ekvivalentno s |q| < ε. izraˇunati. Tada je n 1 |q| < 1. q. Tj. Logaritmiranjem se dobije n log |q| < log ε. q. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. n−→∞ Dokaz: Iz toˇke 4. Kako je (an ) monoton. log |q| Dakle svi ˇlanovi niza 1.♣ c z s Napomena 4.♣ Teorem 4. no ne c s znamo koliko je i kako to na´i.4. ako s z s s (an ) ima barem dva gomiliˇta G i G .7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. tj. dakle divergentan. tj. (an ) raste. NIZOVI REALNIH BROJEVA 133 Teorem 4. po Teoremu 4. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. ograniˇen niz je konvergentan. Pogledajmo prvo sluˇaj |q| < 1. G > G .6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . c Napomena 4. U suprotnom. c c . q 3 . tj.. . ˇto ne moˇe biti jer je G gomiliˇte... 1 |q n | Neka je sada |q| > 1.4 dovoljno je promatrati niz s a1 = 1.4.. odrediti. pa je lim an = 0. za svaki n ∈ N. i ako npr.1. c Dokaz: Neka je (an ) monoton i ograniˇen.1. pa prema prethodnom niz n n −→ 0. niz (an ) s konvergentan. q 2 . ε).1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . c c c Prema Teoremu 4. niz 1. .

1 n . Tada vrijedi   ∞. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. Neka je niz (an ) dan formulom an = n n. Neka je niz (an ) dan formulom an = nλ . Neka je niz (an ) dan formulom an = λn . teˇe k nuli. λ = 1. proizvoljan. NIZOVI I REDOVI Teorem 4. . Tada vrijedi lim an = 1. gdje je λ > 0 proizvoljan. gdje je λ ∈ R proizvoljan. ako je λ > 0  lim an = 1.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. n−→∞ n−→∞ n 4.1.7 je najop´enitiji.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.134 POGLAVLJE 4. ∀r ∈ N). tj. c z 4. 2.♣ Teorem 4. n 6. gdje je λ ∈ R proizvoljan. ako je λ = 0. n−→∞   0. Tada vrijedi n−→∞ lim an = 1. Tada n! vrijedi lim an = 0. gdje je λ > 0. Tada vrijedi ∞. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. √ 3. ako je 0 < λ < 1. Neka je niz (an ) dan formulom an = n λ. Neka je niz (an ) dan formulom an = |λ| . ako je λ > 1 lim an = n−→∞ 0. ako je λ < 0 √ 5. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza.

zareze zamijenimo plusevima c dobijemo beskonaˇni red. No. Definicija 4.8 Neka je (an ) niz.2 4. an je oznaka za red. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose.. Konvergencija reda Ako u beskonaˇnom nizu (an ).. a2 . tj.. c Definicija 4. tj. (Sn )). a3 . Red koji dobijemo od niza (an ) je uredeni par nizova ((an ).9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). Za svaki konaˇan n z c veliˇina Sn je dobro definirana. Ako je S = lim Sn < ∞. + an = k=1 ak = Sn . REDOVI REALNIH BROJEVA 135 4. Dakle.2. a1 . Red dobiven od niza (an ) oznaˇavamo s c an . kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. ∞ an je oznaka za n=1 Primjer 4.2.1 Redovi realnih brojeva Pojam reda. n-ta parcijalna suma. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). a konaˇna suma postaje red. ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + .. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . . a oznaka an divergira. kaˇemo da i red z Napomena 4. gdje je (Sn ) niz parcijalnih suma niza (an ). konaˇna suma.8 Pogledajmo sljede´e primjere: c . n=1 Ako niz parcijalnih suma (Sn ) divergira.8 Oznaka sumu reda an .4.

n! 4. Kako je n−→∞ 1 . n+1 lim Sn = 1. 2 3. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . + n = odnosno n−→∞ n(n + 1) . n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 . imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. 2n . 2 lim Sn = ∞. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1. + xn )(1 − x) = 1 − xn+1 ..... Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. 2.136 1. n(n + 1) 5. Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + . Dakle. Red POGLAVLJE 4.

2.10 Iz Primjera 4. Definicija 4. oˇito vrijedi c Sn+1 = Sn + an+1 . S = lim Sn = n−→∞ n=1 an . n−→∞ odnosno n−→∞ lim an+1 = 0.10 Red an apsolutno konvergira ako konvergira red |an |. tj. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0. c .8 Ako red apsolutno konvergira. an .8). onda op´enito red c c c an ne mora konvergirati.8.♣ c Uoˇimo da iz Primjera 4. REDOVI REALNIH BROJEVA za svaki n ∈ N. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.9 op´enito ne vrijedi. a red |an | ne konvergira.♠ 2n n−→∞ ∞ Napomena 4. Dakle je red Teorem 4. n 1 (−1)n−1 n uvjetno konvergentan. Ako red an konvergira.♠ dok red 1 n divergira (Primjer 4.9 ne slijedi obrat Teorema 4.♣ 1 1 Napomena 4. kaˇemo da red z an konvergira uvjetno. Primjer 4. Nadalje. tj. onda on konvergira i obiˇno.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. c c ako op´i ˇlan niza (an ) konvergira u nulu.

a to divergira za svaki a1 = 0.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1..2. gdje su a1 . zovemo geometrijski red s kvocijentom q.. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . + a1 q n−1 .138 POGLAVLJE 4. n−→∞ 1 − q 1−q 1 − qn . q ∈ R proizvoljni. onda je oˇito an = a1 . Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + .. Nadalje kako je c n−→∞ lim an = 0 . Teorem 4. da geometrijski red a1 q konvergira i da je |q| ≥ 1. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. tj. Pogledajmo n-tu parcijalnu sumu. imamo Sn − qSn = a1 (1 − q n ). tj. NIZOVI I REDOVI 4.5 imamo da je lim Sn = a1 lim a1 1 − qn = . onda je oˇito an = a1 (−1)n−1 . c Pretpostavimo da je a1 = 0 i |q| < 1. tj. a1 q n−1 = 1−q n=1 Obrnuto. Pretpostavimo suprotno. Ako je q = 1. vrijedi Sn = a1 za svaki n ∈ N. = a1 q n−1 . Sn = a1 + a1 q + a1 q 2 + . Iz Teorema 4.. + a1 q n .2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + .. pa je Sn = na1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . Nadalje. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. c Ako je q = −1.

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.♣

. Dakle imamo an0 +1 ≤ λan0 . Oˇito je za x = 0 svaki red potencija konvergentan. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. zovemo red potencija. an za svaki n ≥ n0 . .18 Neka je 0 < λ < 1.♠ 1 xn−1 (n−1)! 4.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Neka je an = n! . Ako postoji λ ∈ R.13 1. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Neka je an = 1. onda konTeorem 4. Ako red n an x0 divergira. za svaki n ∈ N. . . Dokaz: Neka su λ ∈ R.♣ Primjer 4. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . . za svaki n ∈ N. 1 2. . c Teorem 4.3. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima.146 POGLAVLJE 4. i n0 ∈ N takav da je an+1 ≤ λ.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 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . Dakle.. i suma mu je 1−x . onda red an konvergira. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. za svaki m ∈ N. an0 +m ≤ λm an0 . an za svaki n ≥ n0 . red an0 + an0 +1 + . 0 < λ < 1. Tada iz Teorema 4. gdje je x ∈ R proizvoljan. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.

ali vrijedi 1 . n−→∞ an lim onda red an konvergira za l < 1.♣ Napomena 4.3. divergira za l > 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. konvergira. 4.3. onda red an ≤ λ. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. imamo da red c an konvergira. an konvergira. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .16 imamo da i red an0 + an0 +1 + . c Primjer 4.14 1. Ako postoji λ ∈ R. n Tada iz Primjera 4.9 konvergira.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. Neka je dan red vrijedi 1 . Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. Neka je dan red divergira. Sada iz Napomene 4.8 znamo da on konvergira. 1 n+1 lim n−→∞ 1 n 2. c 0 < λ < 1.♣ .4.19 Neka je an red s pozitivnim ˇlanovima. Ako postoji limes c an+1 = l. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.8 znamo da on = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. n2 Tada iz Primjera 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1..

postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.20 Neka je an xn red potencija. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. NIZOVI I REDOVI Napomena 4.1.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. tj. a iz toˇke 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). Ako postoji limes c n−→∞ lim √ n an = l.14 za red odnosno red n znamo da divergira odnosno konvergira. . a divergira za sve x ∈ R za koje je |x| > ρ.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. divergira za l > 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. onda red an konvergira za l < 1.15 Analogno kao i u Primjeru 4. c 1 Primjer 4.148 POGLAVLJE 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. c Teorem 4.20 zovemo radijus konvergencije reda potencija a n xn . (an ) niz u R i x ∈ R prozvoljan. Ako postoji lim sup n |an | i lim sup n |an | = 0.♠ c s Cauchyev kriterij je jaˇi.

c sin n. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. Tada imamo sljede´i kriterij (Leibnic c zov): . Ako je x = 1 onda.16 1. Neka je dan red potencija lim sup n 1 n x . problem se pojavljuje ako ih je beskonaˇno mnogo (npr. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. onda iz Primjera 4.).9 1 znamo da red (−1)n konvergira i suma mu je ln 2.8 imamo da konvergira i red (−1)n . a divergira za |x| > 1. itd. ali smo u Primjeru 4. a divergira za |x| > ρ (ako lim sup n |an | postoji). (−1)n . Neka je dan red potencija lim sup n 149 1 n x .20 red potencija |x| < 1.3. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. n 1 n x n dakle je ρ = 1.3.4.♠ n2 Teoremu 4.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Po Teoremu 4. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. n 2. Ako je x = −1. 4. a divergira za |x| > 1. konvergira za Pogledajmo sada ako je |x| = 1. dakle i apsolutno konvergira red (−1)n . n2 1 n x n2 dakle je ρ = 1. Po Teoremu 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. KRITERIJI KONVERGENCIJE Primjer 4.8 znamo 1 1 da red konvergira.20 red potencija |x| < 1. dok za x = 1 red n 1 divergira. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. iz Primjera 4. Iz n2 n2 1 Teorema 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. Teorem 4. n Tada je 1 = lim n−→∞ n n 1 = 1. tg n. konvergira za Pogledajmo sada ako je |x| = 1.

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

17 Iz Teorema 4.3.4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira. KRITERIJI KONVERGENCIJE Primjer 4.♠ s .

.

z c c s uspjeh na ispitu o uloˇenom trudu. njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. cijena dijamanta o njegovoj teˇini. bruˇenju. kvaliteti nastavnih materijala. 153 . Kad se veliˇine c c koje promatramo daju dobro kvantificirati. ili f : x −→ y. sklonosti prema z predmetu. manama.1 Neka su dani neprazni skupovi X i Y . Definicija 5. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije.1 5.Poglavlje 5 Funkcije 5. Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x. ili x −→ f (x).1.1 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. To pridruˇivanje se z oznaˇuje c y = f (x). ˇisto´i. elementi iz X su argumenti funkcije f .

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

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

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

Npr. c y x0 0 x Slika 5. ˇto je suprotno s definicijom funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.5. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. . z s Iz Napomene 5. Napomena 5. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.1.3: Primjer krivulje koja nije graf funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki.

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

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

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

2. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. Funkcije f (x) = x2 . b]. Problem nalaˇenja ekstrema je vrlo bitan. Funkcije f (x) = x. b]).♠ 1 . onda kaˇemo da je funkcija f neparna. D(f ) = [a. f (x) = x3 . f (x) = x4 . s Primjer 5. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ).4: Primjer funkcije s lokalnim ekstremima. z Ako vrijedi f (−x) = −f (x). onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. f (x) = x|x| su neparne. z c c Napomena 5. tj. f (x) = parne fukcije. onda kaˇemo da je funkcija f parna.5. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). |x| su . f (x) = |x|.3 1.1. za svaki x ∈ D(f ). Ako vrijedi f (−x) = f (x). b ili D(f ) = a. D(f ) = [a. tj. za svaki x ∈ D(f ) . Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5.

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

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

z y y y 0 x 0 x 0 x Slika 5. +∞ ili −∞. Postoje horizontalne. Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). To znaˇi da se graf funkcije po volji blizu pribliˇava c c z pravcu y = a kada argumenti prirodnog podruˇja definicije idu u c beskonaˇni rub. Oˇito. i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan. ali nikad ga ne dostiˇe. tj. kada argument funkcije f ide u +∞. kada argument x ide u +∞. kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. vertikalne i kose asimptote. z kada argumenti funkcije f postaju dovoljno veliki. jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a. Dakle. i cijeli izraz x − e−x je dobro aproksimiran izrazom x. (Npr. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. Odnosno. y = ax + b i a = 0. a druge dvije z c .164 POGLAVLJE 5.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1. zakljuˇujemo. neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . Dakle.

Kad bi imala dvije asimptote 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 ).5. Odnosno. gdje je I ⊆ D(f ). Definicija 5. 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 .7 Ako funkcija ima asimptotu. 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. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira.3 Realna funkcija realne varijable f : I = a. c 165 Napomena 5. Dakle nula je toˇka prekida od f . je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). b −→ R. z Definicija 5. c 1 Uzmimo ε = 2 . Primjer 5. f (x0 ) + ε . slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. x0 + δ ) ⊆ f (x0 ) − ε. x > 0  sign x = 0.3 kaˇe da je funkcija f : I = a. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. dok je u svim drugim toˇkama neprekidna. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije.5 Neka je dana funkcija sign : R −→ R formulom   1. pravac). Definirajmo sada pojam neprekidnosti funkcije. x = 0   −1 x < 0 Funkcija f ima prekid u 0.1. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. . OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.

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. M > 0. Napomena 5. c . tj. je ograniˇena na I ako postoji realan broj M ∈ R. b −→ R. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. gdje je I ⊆ D(f ).4 Realna funkcija realne varijable f : I = a. za svaki x ∈ I. Ako je x0 > 0.4 stavimo M = max{|m|.166 POGLAVLJE 5.8 Ako u Definiciji 5. Napomena 5.8: Funkcija sign(x). tj. za svaki x ∈ I. za svaki x ∈ I. funkcija je neprekidna u x0 . gdje je I ⊆ D(f ). b −→ R neprekidna u toˇki c x0 ∈ I.♠ z Definicija 5. M ∈ R c takvi da je m ≤ f (x) ≤ M. onda je funkcija f ograniˇena na nekoj okolini oko x0 . iz uvjeta m ≤ f (x) ≤ M.9 Iz Definicije 5. takav da je c |f (x)| ≤ M . je ograniˇena ili omedena na I ako postoje realni brojevi m. Napomena 5. Analogo se dokaˇe za x0 < 0.4. FUNKCIJE y 1 0 x −1 Slika 5. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. b −→ R.10 Ako je funkcija f : I = a.

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

pa je D(f ± g) = D(f ). a) Ako je c = 0.168 POGLAVLJE 5.. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. 1. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. skup funkcija {1. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. n = 0. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).. x . .3). FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. 1. dakle beskonaˇni skup {xn .12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). tj..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. x. Napomena 5. graf funkcije f + g je isti kao i graf funkcije f . c) Ako je c < 0. b) Ako je c > 0. . Uoˇimo da je D(g) = R. z c z Napomena 5. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. . gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R.. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. pri ˇemu je f proizvoljna. Npr. c c Neka su f. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. g : R −→ R. c Preciznije. Tj. a g dana formulom g(x) = c.5).. c c ∈ R. Dakle imamo definirano c c mnoˇenje funkcije skalarom.

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

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

c c c Za ostale operacije ova tvrdnja ne vrijedi. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). funkcija g f je jednaka pravcu y = 0 na skupu D g f . c g) i 3 b). Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. g g 1 b) Ako je c = 1. funkcija f u njima ima c c vertikalne asimptote.1. c . . Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. tamo funkcija f pada. onda oˇito g funkcija f u njima nije definirana.4). Ako funkcija f ima nultoˇke. onda je f (x) = f (x) za svaki x ∈ D f . g f g a) Ako je c = 0. za f. f).1.5. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. Dakle. tj. tj. OSNOVNI POJMOVI 171 predznaka. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. 0 . npr.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). c c c Napomena 5. c). 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. Pogledajmo funkciju g f u ovisnosti o c ∈ R. 3. onda je f (x) = 0 za svaki x ∈ D . gdje funkcija f raste.

Ako je jedna funkcija.12: Kompozicija funkcija. Definicija 5.4).1. . g : R −→ R funkcije. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Neka su f. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). te funkcije f g i obje parne. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. onda je funkcija f ± g neparna. c h f A B g C Slika 5.6 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. 3. Matematiˇki se to formalizira pojmom kompozicija funkcija. onda su funkcije f ± g.172 POGLAVLJE 5. Primjer 5. f g i f g f g sve parne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. 2. dok su funkcije f g i f obje neparne. neparna a f parna. Tim se postupkom mogu stvarati nove z funkcije. Ako su obje neparne. g 5. Ako su obje parne. recimo g.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)).

♠ x+1 x+1 173 2x .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. 3x + 1 3x + 1 2x 6x = .5. 1 Primjer 5.1. z funkciju f komponirati samu sa sobom.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . jer je D(id ◦ f ) = D(f ◦ id) = D(f ). za tu funkciju vrijedi g ◦ f = f ◦ g = g. .♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.6 vidimo da operacija kompozicije funkcija nije komutativna. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. da je. za proizvoljnu funkciju f . OSNOVNI POJMOVI Primjer 5. U takvom sluˇaju piˇemo f 2 = f ◦ f . c Napomena 5. tj. g ◦ f = f ◦ g.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . 1 . tj. Tada je oˇito c D(f ) = R(f ). Dakle imamo f ◦ id = id ◦ f = f.7 Neka je dana funkcija f (x) formulom f (x) = x . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). za svaku funkciju g : R −→ R. Naime. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . Napomena 5. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. op´enito. moˇemo gledati funkciju f ◦ f .

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

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

Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. tj. 200x + 500 = 1300. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. Dakle. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ).. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 10 sati rada stroja koˇtati 2500 kn.♠ Primjer 5.. tj.. .9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Nas zanima x(y). FUNKCIJE 5. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.176 POGLAVLJE 5. 2. c s Pogledajmo sada obratni problem. Uspjeli smo rijeˇiti problem. i joˇ 500 kn za dovoz i odvoz. a za z c neke nije.8 Troˇkovi rada stroja su 200 kn/h. Kaˇe se i da z c z f ne lijepi argumente. b : studenti −→ {0. i obrnuto. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. 1.1. s s Jasno je da ´e nas npr. Ne c c moˇemo rijeˇiti problem. . Koliko si dugo moˇemo priuˇtiti stroj ako na z s raspolaganju imamo 1300 kn? Oznaˇimo s x vrijeme rada stroja a s y iznos novaca. Dakle imamo.♠ z s Definicija 5. Primjer 5. To je za neke funkcije mogu´e. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. Drugim rijeˇima. 12}. moˇe biti viˇe studenata koji su imali nula bodova.

a injektivnost njegovu jedinstvenost. n ∈ N. za bilo koji c ∈ R.5. s c Primjer 5. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).8 izraˇunali smo da je x(1300) = 4. 1) i (1.1. .10 Funkcija f (x) = xn . S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. f : D(f ) → R(f ) je uvijek surjekcija. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. Napomena 5. Definicija 5.♠ Primjer 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). 1). Napomena 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. x2 ∈ D(f ).11 U Primjeru 5. c c Definicija 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. ali ne i za paran n. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. Injektivnost. je injekcija za neparan n. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. tj.6 c ekvivalentan sljede´em: za x1 .17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.

Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x).♠ 200 Definicija 5. Dakle. x(c) = c − 500 .9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. 200 POGLAVLJE 5.15: Graf funkcije i njoj inverzne funkcije. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). 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. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.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. 200 (200x − 500) + 500 = x. .

no njezine restrikcije na −∞. +∞ jesu. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. To je oˇito inverzna funkcija od f . f | −∞. kad govorimo o inverzima funkcija f : R −→ R.20 znamo da f c ima inverznu funkciju g.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. i √ g2 : [0.10).19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle.20 Ako je funkcija f : R −→ R strogo monotona. c Primijetimo da ako f nije strogo monotona nego samo monotona. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a.♣ z c . Primjer 5. onda je ona oˇito i bijekcija na svoju sliku. a strogo c c padaju´e funkcije strogo padaju´a. g2 (x) = x. Tada iz Napomene 5. +∞ −→ −∞. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. Teorem 5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x.+∞ su bijekcije s inverzima g1 : [0. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.1. a ona c c je strogo rastu´a funkcija. jer je c f ◦ g = g ◦ f = id.0] √ i f |[0. +∞ .♠ Napomena 5. g1 (x) = − x. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. pa ima i inverznu funkciju. Dakle. No f ◦ g = id.5. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. 0]. OSNOVNI POJMOVI 179 Napomena 5. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). +∞ −→ [0. 0] i [0. Dakle vrijedi f ◦ g = g ◦ f = id.

0] odnosno . Tada je njena inverzna funkcija g : [0. +∞ gdje je bijekcija. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. praktiˇno izraˇunati.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. 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 −∞. +∞ . +∞ −→ −∞. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.2 Inverzna funkcija neparne funkcije je neparna. Pokuˇajmo sada.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.2 ne moˇemo izre´i za parne funkcije. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.12 slijedi da tvrdnju Teorema 5. jer je f (x) c rastu´a. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. 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.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. FUNKCIJE Teorem 5. f −1 je neparna. Dakle.180 POGLAVLJE 5.♣ Iz Primjera 5. Primjer 5. z c Napomena 5.♠ c Analogno kao u Primjeru 5.

+∞ dana formulom − n x odnosno n x. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. Restrikcija te funkcije na interval [−1.16: Graf funkcije f (x) = xex .4 1 2 Slika 5. c .2 -0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 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. ima inverznu funkciju. 0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. tj. Ako je n neparan.4 0. ˇ Cak i za funkcije koje imaju inverze.8 0.5. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.2. Primjer takve funkcije je c x f (x) = xe .6 0. +∞ −→ [0. 5.2 -3 -2 -1 -0. c Osim elementarnih postoje i tzv. specijalne funkcije kojima se ovdje ne´emo c baviti. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. +∞ je bijekcija.

Hiperboliˇke c .Area 2.Polinomi . FUNKCIJE 5.Trigonometrijske . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Logaritamske . za svaki x ∈ R. k Po definiciji stavljamo x0 = 1.182 POGLAVLJE 5.Ostale algebarske funkcije b) Transcendentne .1 Klasifikacija i podjela realnih funkcija 1. dolazimo do pojma z .Ciklometrijske . Elementarne a) Algebarske . xk = x · x · · · x .2.2.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Eksponencijalne . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Racionalne funkcije . mnoˇenih nekim koeficijentima.

P. a0 su koeficijenti polinoma Pn (x). Dakle je svaki polinom definiran na cijelom skupu R.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Definicija 5. a a0 je slobodni koeficijent. . tj. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Koeficijent an je vode´i. . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 .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. + a2 x2 + a1 x + a0 . .11 Dva polinoma P i Q su jednaka.2.10 Polinom n-tog stupnja u varijabli x je funkcija zadana formulom n Pn (x) = i=0 ai xi = an xn + an−1 xn−1 + . Ovdje podrazumijevamo da je an = 0. ako su jednaki kao funkcije.5 -3 -2 -1 -2.5 5 2.a1 . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. Definicija 5. Realne konstante an . Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. c 10 7.5. . Polinomi su konceptualno najjednostavije funkcije. . . . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x.

Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.01 -0. n..5 3 Slika 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.01 1. c c c s naravno. = an = 0.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . c c . Broj c k zove se red ili kratnost nultoˇke x0 .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.02 4 0.. FUNKCIJE n Teorem 5.02 3 2 0.. a ordinata je.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.. 1.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . 0.5 2 2. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x)..11. c Primjer 5.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . za sve i = 0. Apscisa nultoˇke je nuliˇte.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.14. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. tj. .: n m Teorem 5.184 POGLAVLJE 5.

dok c u nultoˇkama parnog reda nema promjene predznaka. po Teoremu c 6. dok za x > x0 vrijedi (x − x0 )k > 0. Ako su ove nejednakosti c c stroge.5.8). je polinom drugog stupnja ili kvadratna funkcija. Tjeme . onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Za a = 0 imamo konstantnu funkciju p(x) = b.19: Graf linearne funkcije f (x) = x + 75.3 Qn−k (x) = 0 na nekoj oklini oko x0 . raste na cijelom R.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. a = 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. odnosno strogo padaju´a. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. a padaju´a ako je a ≤ 0. 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. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Ako je x0 ∈ R nultoˇka reda k c od Pn (x).2. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c.22 U nultoˇkama neparnog reda polinom mijenja predznak. onda iz Teorema 6. a prema dolje ako je a < 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. onda iz Teorema 6. Ako je k neparan. za x ≥ 0. Ako je k paran. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. tj.ako raste u s c nekoj toˇki. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. kaˇemo da je linearna funkcija strogo rastu´a.

Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. −D/4a).8) graf polinoma mora negdje sje´i x os.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. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. inaˇe velike negativne vrijednosti). inaˇe velike pozitivne). parabole ima koordinate (−b/2a. Nultoˇke kvadratne funkcije dane su formulom c x1.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. c Napomena 5. tj.♣ c c . Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Teorem 5. 2a i realne su ako je D ≥ 0.♣ c Iz Teorema 5.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. npr. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. FUNKCIJE 1 2 Slika 5. Zbog neprekidnosti c polinoma na R (Teorem 6.

3. tj. onda je oˇito funkcija Pn (x) = xn neparna.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. tj. . iz Primjera 5.2.♠ c .. Ako je n neparan broj. 1. +∞ i ima nultoˇku u (0. P1 (x) strogo raste na R. Primjer 5. c neparna je i ima nultoˇku u (0. kao funkcija an xn . jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . n − 1. Nadalje.. Strogo pada na −∞. 0). PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. 0).16 Pogledajmo funkciju (polinom) Pn (x) = xn . dakle nije injekcija.5. R(Pn ) = [0.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. +∞ . pravac y = x. strogo raste na [0. 0). onda je P1 (x) = x linearna funkcija. c vrijedi D(Pn ) = R.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. 0]. Ako je n paran broj. tj. dakle je bijekcija i ima nultoˇku u (0. Pn (x) strogo raste na R. onda je oˇito funkcija Pn (x) = xn parna. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. dakle je bijekcija. Ako je n = 1. Oˇito je D(P1 ) = R(P1 ) = R. i = 1.♠ Dakle. graf c joj je zrcalno simetriˇan s obzirom na y os. tj.. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. c 2. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.

. kako se polinom Pn (x) = i=0 ai xi . j = 1. itd...♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.2. y) = i=0 j=0 aij xi y j . problem poniˇtavanja je vrlo kompliciran. Dakle.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). Po analogiji s racionalnim c brojevima. Za . dijeljenjem polinoma c izlazimo iz te klase funkcija. 5. ali c z kvocijent dvaju polinoma op´enito nije polinom.. z Definicija 5.188 POGLAVLJE 5. FUNKCIJE Napomena 5. razlika.3 Racionalne funkcije Oˇito je zbroj. su koeficijenti polinoma Pnm (x). m. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. Npr. .24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. z n Nadalje.. n. tj. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. umnoˇak i kompozicija polinoma ponovo polinom. sam sebi je asimptota. Napomena 5. 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. . i = 1. u tom sluˇaju se situacija komplicira. Realne konstante aij .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. n > 1. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni.. Naravno. problem s asimptotike je sloˇeniji.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu.

5. tj. Qm (x) = 0}.) Dakle. Definicija 5. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. 3. je racionalna funkcija. 6. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. c Primjer 5. Funkcija j dana formulom j(x) = x−13 je polinom. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. nultoˇkama nazivnika. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. (Smatramo da je racionalna funkcija ve´ skra´ena. Funkcija f dana formulom f (x) = 2. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Dakle.5.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . s c D(f ) = {x ∈ R. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. tj. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Dakle. c c .2. Red pola je red odgovaraju´e nultoˇke nazivnika. Naravno. nije racionalna funkcija. Funkcija hR dana formulom h(x) = 4.17 Pogledajmo sljede´e primjere: c 1. takve su definirane na cijelom R. U polu racionalna funkcija c nije definirana.

kao i u toˇkama u c kojima se nazivnik poniˇtava. 2.5 -25 -50 -75 -100 0. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . 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 5.5 1 80 60 40 20 -1 -0. i to na vanjskim rubovima prirodnog podruˇja definicije.graf racionalne funkcije moˇe imati asimptote: z 1. z c Dokaz: Red pola je red nultoˇke nazivnika. dok za polove neparnog z c reda.5 1 x 1 Slika 5. Osim vertikalnih.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). kad c argument ide u +∞ i −∞. Dakle. Sada tvrdnja izravno slijedi iz Napomene c 5.26 Ako je pol parnog reda. FUNKCIJE 100 75 50 25 -1 -0.190 POGLAVLJE 5. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.26).5 0. bi x i=0 i−m bi x i=0 i xm . Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. (lijevo) i pola Napomena 5.22.

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

f (x) = x + x (desno) i njihovih asimptota. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. 0] i za svaki x ∈ −∞. f strogo raste na [0. +∞ .27 Analogno kao i kod vertikalnih asimptota. Dakle. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. Napomena 5. FUNKCIJE ide u am+1 x.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). f strogo pada na −∞. Nadalje. 0 vrijedi f (x) > −x. +∞ vrijedi f (x) > x. R(f ) = [1. f je parna. bm jer i=0 bi xi−m ide u bm . Dakle.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. +∞ . racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. 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).♠ Iz Primjera 5. m i−m xm bi x i=0 m POGLAVLJE 5. dakle nije injekcija.192 xm (am+1 x) . Oˇito je D(f ) = R. zrcalno simetriˇna obzirom c c na y os. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. . kada argument ide u beskonaˇnost. z √ Primjer 5. tj. +∞ i za svaki x ∈ 0.27 ne mora vrijediti.

c .28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. dakle je svaka racionalna c √ Primjer 5. y) = Qm (x)y −Pn (x). Dokaz: Neka je dan proizvoljni polinom Pn (x). Definirajmo polinom u dvije varijable s P (x.5.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Napomena 5.19 1. f (x)) = 0.18. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. y) = x − y n oˇito je P (x. Definicija 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. f (x)) = 0. f (x)) = 0. Tada je oˇito P (x. Pn (x)) = 0.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. 5. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Definirajmo polinom u dvije varijable s P (x. c Neka je sada f (x) = funkcija i algebarska. Tada je oˇito P (x. y) takav da vrijedi P (x. √ x2 + 1 i njenih asimptota z Napomena 5.2.29 Svaki polinom i racionalna funkcija su algebarske funkcije.2. y) = Pn (x) − y. dakle je svaki polinom algebarska funkcija. jer u suprotnom ne bi bila funkcija.

♠ 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. je D(f ) = R(f ) = [0. je D(f ) = 1.28.13). u 1 (toˇka 5. f strogo raste na R i neomedena je. √ Primjer 5. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. koja je bijekcija sa R na R. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . +∞ (Primjer 5.20 1.13). f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. +∞ . vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. tj. FUNKCIJE 1 2. Neka je dana algebarska funkcija f formulom f (x) = 3 x. z tj. z 1 4.13). kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. dakle nema vertikalnu asimptotu. pravac y = 0 je horizontalna asimptota funkcije f . ima vertikalnu asimptotu x = 1. tj. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . 0 je regularna toˇka (toˇka 5. Dakle. c c tj. +∞ i R(f ) = 0. y) = xy n − 1 oˇito je P (x. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5.1. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Nadalje. Dakle. f (x)) = 0.194 POGLAVLJE 5. dok kosu asimptotu ne moˇe imati zbog Napomene 5. Nadalje. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Dakle. z √ 2. Kada se argument sve viˇe pribliˇava c s z broju 1.4). za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. c 1 3.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . +∞ . je D(f ) = R(f ) = R (Primjer 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. c c √ Nadalje. Neka je dana algebarska funkcija f formulom f (x) = x.1.4).

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).

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

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

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

plime i oseke.5 -2 5 10 -10 -5 2 1.2. tj. 1]. za svaki t ∈ R. napona. imaju amplitudu razliˇitu od 1. je period funkcija sin i cos. itd.5 -1 -1.5 -10 -5 -0.32 Lako je vidjeti da je kosinus parna funkcija. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. π ]. Nadalje. krvnoga tlaka. c 2 1. temperatura kroz godinu. tj. za opis osz c cilacija. vidimo da je −1 ≤ cos t ≤ 1. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). npr.5. Najmanji pozitivni period je 2π i zovemo ga temeljni period. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. tj. Svaki 2kπ. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. Kaˇemo da im je faza nula. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0.5 -2 5 10 Slika 5. zbog periodiˇnosti. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda.5 1 0. Medutim. dok je sinus neparna. Nadalje. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. Napomena 5. 1].5 -1 -1. s 2 1 u nuli i 0 u π . c amplitude i faze.5 1 0. Dakle je z D(sin) = D(cos) = R. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. π ]. a kosinusa obrnuto. period razliˇit od 2π i ne s c c . −1 ≤ sin t ≤ 1. To znaˇi R(sin) = R(cos) = [−1.5 -0. Nadalje. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. k ∈ Z. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava.

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

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

1].34 Zbog periodiˇnosti. tangens na − 2 .33 . kosinus na 2 2 π π [0. Tada prema Napomeni 5. π x 2 2 i Ctg x = ctg| 0. Dakle. π].208 POGLAVLJE 5. Dakle sinus nema inverznu funkciju. 2 . Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. ni tangens ni kotangens nisu injekcije. njihove restrikcije Tg x = tg| − π . dakle nisu bijekcije. a c c s nema rjeˇenja za c ∈ [−1. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. a isto vrijedi s / i za ostale trigonometrijske funkcije.2. k ∈ Z}. na svoju sliku. π . Napomena 5. c c Dakle. 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. FUNKCIJE za svaki t ∈ R \ {kπ. c dakle niti bijekcije. 2 i kotangens na 0. restringirajmo sinus na [− π . a kotangens strogo padaju´a na 0.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. Npr. π ].π x su bijekcije s tih intervala na R. π .

5 -0. dakle su i bijekcije.34 znamo da su funkcije sin |[− π . π strogo rastu´e.5 2 1. π]. rjeˇenje jednadˇbe postoji i jedinstveno je.2. π ] . Nadalje.5 -1 -0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 0. 2 2 R(arccos) = [0.1 i Napomene 5.5 1 -1 -1. Kako je sin |[− π .5 0. s z 2 2 s z Kako je tg| − π . Dakle.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). a c 2 2 2 2 cos |[0.5 3 2.33 slijedi da je arcsin strogo rastu´a. ].π strogo padaju´e. 1] −→ [− . π bijekcija. rjeˇenje jednadˇbe postoji i jedinstveno je. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. z π π Za x ∈ [−1. π jednadˇbe tg t = x .5 -1 -0. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.5 0. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.π] . π π R(arcsin) = [− .5. inverznu funkciji cos |[0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. 2 2 koja je inverzna funkciji sin |[− π . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 1 0. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. ]. 2 2 . 1]. 1]. a arccos c strogo padaju´a na [−1. Dakle. 2 ] jednadˇbe sin t = s z s z x. 1. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . 1] −→ [0. . koje zovemo arkus funkcije. oˇito je c c D(arcsin) = D(arccos) = [−1.5 1 Slika 5.π] i ctg| 0. π ] i tg| − π . Iz Teorema 5. π]. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . π ] bijekcija.

oˇito je c c π π D(arctg) = D(arcctg) = R.5 -2 -0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno). tako da bi smo dobili arkus funkcije definirane na tim intervalima. π . Npr. π . pri traˇenju rjeˇenja t jednadˇbe. 2 odnosno ctg| 0. z s z sin x = t. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Nadalje.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg.5 1 0. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. π ]. -4 2 1.1 i Napomene 5. 1]. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. Dakle. . inverznu funkciji ctg| 0.5 -1 -1.5 -4 -2 2 4 Slika 5.5 2 1.π . R(arcctg) = 0. npr.5 1 0.210 koja je inverzna funkciji tg| − π .5 -2 2 4 4 3. 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 . treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. c .34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. Iz Teorema 5. FUNKCIJE arcctg : R −→ 0. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 3 2. R(arctg) = − .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. Napomena 5. π .

parna je. Napomena 5. Zbog neparnosti c c od sh i parnosti od ch. vrijedi ch x = ch2 x − sh2 x = 1 . dakle nije injekcija. y = −1 i y = 1. 2 sh x e x − e −x th x = = x . Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. Dakle je R(ch) = [1. ch x e + e −x 1 . sinus hiperboliˇki. +∞ . Primjerice. 3.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. 0] i c strogo raste na [0.2. 1 . Iz formule lagano ˇ slijedi da je |th x | < 1 . za svaki x ∈ R. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Nadalje. Lako se vidi da je neparna. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. PREGLED ELEMENTARNIH FUNKCIJA 211 5.5. th je neparna. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Dakle th ima dvije horizonzalne s z asimptote. cth x = th x i zovemo ih redom kosinus hiperboliˇki.2. za svaki x ∈ R. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. Strogo raste na R. tanges hiperc c boliˇki i kotanges hiperboliˇki. +∞ i nema asimptote. 2. neograniˇena je. i R(th) = −1. za svaki x ∈ R. 2 e x − e −x sh x = . neograniˇena c je pa je R(sh) = R i nema asimptote. strogo pada na −∞. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Lagano se vidi da je ch x > 0 . iako se definiraju u terc minima eksponencijalne funkcije. Stoviˇe. strogo raste na R. . Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama.

5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. to mora i cth x .5 -4 -2 -0. Ako ch. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku.5 1 0.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). za svaki x ∈ R\{0}. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. 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. Kako th strogo raste na R. preciznije areakosc inus hiperboliˇki ili Arch. Dakle cth ima i dvije horizontalne asimptote. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. 4. cth strogo pada na R \ {0}. imamo da je |cth x | > 1 . forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. c osim funkcije ch. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. tj. restringiramo na −∞. kako je |th x | < 1 . 0] ili [0. areasinus hiperboliˇki ili Arsh. Nadalje.5 -1 -1. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. +∞ . 1].36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno).212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. i R(cth) = R \ [−1. z y = −1 i y = 1. zbog parnosti. 1. Funkcije inverzne hiperboliˇkima zovu se area funkcije. ch postaje bijekcija na svoju sliku. Zbog neparnosti od th i cth je neparna. za svaki x ∈ R. imamo: .

Ako smo ch restringirali na [0. +∞ . Oˇito je D(Arth) = −1.5 0. c 3. 1 .38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 3 Slika 5. tj. 1].2. pravci x = −1 i x = 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1. Oˇito je D(Arcth) = R \ [−1. +∞ i R(Arch) = [0. a x = 0 vertikalna asimptota od cth. y = 1 horizontalne. R(Arth) = R i iz Teorema 5. 4. onda su rubovi −1 i 1.5 1 0.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.1 c slijedi da Arcth strogo pada. Kako su y = −1 i y = 1 horizontalne asimptote od th. a pravac y = 0 horizontalna asimptota. Oˇito je D(Arsh) = R(Arsh) = R. onda je D(Arch) = [1. .39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).5.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. 3 2 1 -1 -0.1 zakljuˇujemo da Arch strogo raste. vertikalne asimptote od Arth. pravci x = −1 i x = 1. +∞). iz Teorema 5. tj.5 2 1.1 slijedi da Arth strogo raste.5 -1 -2 -3 0.5 2 2. Kako su y = −1. vertikalne asimptote od Arth. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. R(Arth) = R \ {0} i iz Teorema 5. Iz Teorema 5. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. c 2.5 1 1. onda su rubovi −1 i 1.

.

05h (∆c = ˇ 0.05(m2 − m1 ). 0 ≤ m ≤ 20 3.05(m − 20).Poglavlje 6 Uvod u diferencijalni raˇun c 6.05∆m). a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.8.05(m − 20) kn. m = 20 i m = 30. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3. a visina poˇtarine c u z s kunama). Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. onda je 215 . Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. 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. (Masa m je izraˇena u gramima.1.5 + 0. Naime.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.8 kn.1. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. m > 20.5 + 0. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1 6. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Dakle imamo c(m) = 2.05h = 0. Graf te funkcije prikazan je na slici 6.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.

Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. S druge strane. c c Napomena 6.216 ˇ POGLAVLJE 6.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).♠ c Definicija 6. s s 20M ≥ (m2 − m1 )). . Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. odnosno da graf funkcije ima prekid u toj toˇki. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke.7 kn. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.1 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). Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.

2 Svojstva neprekidnih funkcija Teorem 6. Tada su u toˇki x0 neprekidne i funkije: c . c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.1.2 Funkcija c(m) iz Primjera 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.2 Iz Definicije 6. ipak m(c) nije blizu m(20). ako je m > 20 i m blizu 20. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). S druge strane. postoji δ > 0 za koji 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 . ako je m lijevo od 20 i dovoljno blizu 20.2 nam daje ideju za sljede´u definiciju: c Definicija 6.1 ima prekid u toˇki c = 20.1.1.ˇ 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.1. koji c je manji od nekog fiksnog strogo pozitivnog broja.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).1. Analogno. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1 Neka su funkcije f.♠ Primjer 6. Primjer 6. s c c Napomena 6. ali je ona c neprekidna s lijeva u toj toˇki.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . No. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.

b]. c c Primjer 6.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. x=0 x f (x) = 1. f .♣ z c Teorem 6. c + δ) takav da je f (xδ ) ≤ 0.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. 2.11 znamo da je funkcija f : R −→ R dana formulom 1 . 1] (jer je nema na cijelom R). i x0 ∈ D(f ) i f (x0 ) ∈ D(g). tj. onda je oˇito f (−1)f (1) = −1 < 0.♣ c Teorem 6. postoji xδ ∈ (c − δ.218 1. Dakle. 1]. c + δ . i funkcija g neprekidna u f (x0 ). ˇto je suprotno pretpostavci. 3. Uzmimo ε = f (c). f ima prekid u toˇki c. i neka je f (c) > 0 (f (c) < 0). ali oˇito f nema nultoˇku na segmentu c c c [−1. f · g. Tada je |f (xδ ) − f (c)| > f (c) = ε. tj. mora imati nultoˇku. Tada postoji x0 ∈ a. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. f + g. onda je funkcija g ◦ f neprekidna u x0 . za koji je f (xδ ) ≤ 0. c + δ). tj. i neka je f (a)f (b) < 0. Tada za svaki δ > 0.♠ . 1] −→ R. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.3 Iz Napomene 5.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. c s Analogno se dokaˇe sluˇaj f (c) < 0. Dokaz: Pretpostavimo suprotno. po pretpostavci. Ako je funkcija f neprekidna u x0 . g ˇ POGLAVLJE 6.♣ Teorem 6. 4. Ako pogledamo funkciju f restringiranu na segment [−1. onda njezin graf mora negdje sjeˇi x os. tj. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. x = 0 svugdje neprekidna osim u nuli. f |[−1. b takav da je f (x0 ) = 0.1] : [−1. |xδ − c| < δ.2 Neka su funkcije f. f − g. g : R −→ R takve da je definirano (g ◦ f )(x0 ).♣ Teorem 6.

Tvrdnja z Teorema 6.6 ne vrijedi za otvorene intervale.4) Teorem 6. c 1 x je Teorem 6. 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. slika otvorenog intervala − π . 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.ˇ 6. Npr.5 ne vrijedi za otvorene intervale.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.3 slijedi da je uvjet neprekidnosti iz Teorema 6.♣ c Tvrdnja Teorema 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . 1 . π . Tada je funkcija f neprekidna na intervalu I.4 Funkcije f.3 Neprekidnost elementarnih funkcija Primjer 6. Npr. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. za svaki x ∈ I (Definicija 5. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.4 nuˇan. b]. M ∈ R takvi da je m ≤ f (x) ≤ M. funkcija f (x) = neprekidna na 0. onda je ta funkcija i neprekidna.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. .7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Pitanje je sad. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.1.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.♣ 6. Teorem 6. Nadalje. ali oˇito je neomedena. π funkcijom tg je R.♣ Teorem 6.

1 direktno imamo: n Teorem 6. 1.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. i = 0. . . Teorem 6. 1. π monotone c 2 2 bijekcije na R.4 i Teorema 6. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.. n. z c Uzmimo proizvoljni ε > 0. .♠ z Iz Primjera 6. tj.1 sada slijedi da je na R neprekidna i funkcija x2 ...7 c i periodiˇnosti. π odnosno 0. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. zakljuˇujemo c da je i suma od ai xi .. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. takoder iz Teorema 6. Budu´i da je f (x) − f (x0 ) = c − c = 0.4 dokazali smo da je funkcija f (x) = x neprekidna na R.7 su neprekidne.7 imamo da su neprekidne i funkcije arctg i arcctg. na intervale − π . z c Uzmimo proizvoljni ε > 0. z 2. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. . i = 0.1. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.1.. n. na R su neprekidne i funkcije ai xi . jer su njihove restrikcije npr..7. hiperboliˇkih (osim kosinusa hiperbolnog).1.. Dokaz: Neprekidnost eksponencijalnih. i = 0. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. jer je svaka racionalna funkcija kvocijent dvaju polinoma.220 ˇ POGLAVLJE 6. trigonometrijske. c c neprekidne na R.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. c Dokaz: U Primjeru 6. 1. dakle iz Teorema 6. arkus. slijedi da c moˇemo uzeti δ = ε. n.1. Na kraju. logaritamskih.♣ Napomena 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.. logaritamske. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. takoder iz Teorema 7. UVOD U DIFERENCIJALNI RACUN 1.4) i Teorema 6.9 Eksponencijalne.. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. Iz Teorema 6. polinom Pn (x) neprekidan na R. Nadalje. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Na isti naˇin se zakljuˇi da su xi .

Oˇito je δ > 0. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. 2 2 imamo 2x + π 2x − π cos . posebno je 2 2 neprekidna u π . +∞ .7 i neprekidne.1. π 2 2 i 0. Zbog neparnosti imamo da je sin x neprekidna i u − π . ♣ . k ∈ Z. 3π . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . π 4 2 4 4 kada x varira po intervalu 0. tj. 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}. 2 Zbog stroge monotonosti funkcija sin x. 1]. Dokaˇimo da je arccos x neprekidna s lijeva u 1. 3π . cos x i ch x redom na intervalima − 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. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. 1] i [1. Isto tako 2x+π varira po intervalu π . x−a x+a cos . k ∈ Z. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. 3π . c Analogno se dokazuju i druge jednostrane neprekidnosti. dakle su po Teoremu 6. 3π . Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. π . analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . π . π i 0. ali u Napomeni 6. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. 1 . Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. 1 . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). 0.7 imamo da su neprekidne funkcije arcsin x.ˇ 6. +∞ . Dakle su funkcije arccos x. ˇto je ekvivalentno s s arccos x < ε. moˇemo dobiti i δ = 0. [−1. Sada imamo da je sin x neprekidna na 0. 1 i 1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). +∞ iz Teorema 6.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. te da je Arch x neprekidna s desna u 1. −1. onda 2x−π varira po intervalu − π . Dakle je arccos x neprekidna s lijeva u toˇki 1. π su monotone bijekcije na 2 2 −1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. arccos x i Arch x redom na intervalima −1. arcsin x i Arch x redom neprekidne na [−1. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε).

zakljuˇujemo. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. Dakle.4 Graniˇna vrijednost (limes) funkcije c 1. vrijednost funkcije postaje ve´e od po volji velikog realnog broja.1. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. tj. funkcija nije definirana u toˇki 0.222 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. za vrijednosti od x koje su malo ve´e od 1. tj. tj. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. vidimo da su one c c c blizu vrijednosti −1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. za x malo manji od 1. 4. c c 2. S druge strane. vrijednosti funkcije c su malo manje od −1. ali negativnu. c 3. 6. Raˇunaju´i te vrijednosti. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. dovoljno blizu c nule. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. vrijednosti c funkcije su malo ve´e od −1. ako uzmemo toˇku c x dovoljno malu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . Ako uzmemo s c toˇku x dovoljno malu. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. ali pozitivnu. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli.5 nije definirana u toˇki x = 1. dodemo li s x dovoljno blizu c toˇki 1. funkcija nije definirana u toˇki 0.

Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. osim.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Dakle.2. tj. onda piˇemo c s L = lim f (x).♠ Situacije iz Primjera 6. Neka je dana funkcija f : R −→ R formulom f (x) = xx . Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. |f (x) − M | < ε). 6. moˇda u samoj toˇki c. ako c ˇelimo promatrati ponaˇanje oko nule.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. moˇda u samoj toˇki c.5). osim. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. pravac y = π je horizontalna asimptota. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .1.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. Ako funkcija ima limes L u toˇki c.2. 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). moramo se ograniˇiti samo na pozz s c itivne vrijednosti. 2 2 5. Definicija 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0.ˇ 6. . x−→c Ako limes postoji on je i jedinstven: Teorem 6.

U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. da je M = L. z c c Uz malu zloporabu notacije moˇemo Definiciju 6.6 i Napomz ena 4.4 Uoˇimo da je definicija limesa (Definicija 6. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. naravno ne zaboravljamo. 2 po pretpostavci. i svaki interval oblika (−∞. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. +∞. ˇto ne moˇe biti.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. −∞ ∈ R.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. ali postoji bitna razlika. Uzmimo sada ε = 1 |M − L|. Tada za taj ε. Ali. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki.224 Tada je L = M . Dakle je M = L. Pri tome uzimamo da je svaki otvoreni interval oblika (M. |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. 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 ). M ) je okolina od −∞. Analogno. |f (x) − M | < ε). tj. Dakle imamo |M − L| < |M − L|.♣ s z c c Napomena 6.2) jako sliˇna definiciji neprekidnosti (Definicija 6. . pri ˇemu. ˇ POGLAVLJE 6. postoji δ > 0.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). +∞) okolina od +∞. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. 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).

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

Dakle je x−→0+ lim sign x = sign 0 . Nadalje je oˇito da je c x−→0+ lim sign x = 1 . ♣ c Primjer 6. ako postoje limesi s lijeva i s desna i oni su jednaki L. x = 0   1. x−→0 x2 lim 1 1 = +∞ i lim = −∞.6 Opiˇimo sada pomo´u limesa Primjer 6.7 Iz Primjera 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. c osim. s c 1. x < 0  sign x = 0. x−→+∞ 2 5. onda je jasno iz Definicije 6.1. x−→0+ lim xx = 1.5 znamo da funkcija   −1. x > 0 ima prekid u nuli.♠ 6. x−→0 x π 4. tj.5. moˇda u samoj toˇki c.226 ˇ POGLAVLJE 6. x2 − 3x + 2 = −1.5 Neprekidnost i limes Primjer 6. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . lim 3.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. lim 2. Obrnuto. UVOD U DIFERENCIJALNI RACUN Teorem 6. lim arctg x = . ne postoji lim sin x. onda iz Definicije 6. x −→0 − lim sign x = −1 . Dokaz: Ako funkcija f ima limes L u toˇki c.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x−→1 x−1 1 = +∞. x−→+∞ 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c.

12 imamo: Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).♠ Primjer 6. Dokaz: Izravno iz Definicije 6.♣ Teorem 6.1. imamo x−→c lim f (x) = f (c) = f ( lim x).2 i definicije jednostranog limesa.♣ x−→c Analogno kao Teorem 6.5 U Teoremu 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 kaˇe da ako je funkcija neprekidna u toˇki c.♠ x−→2 Primjeri 6. x−→c Napomena 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).1 i Primjer 6. konaˇan je broj. c c Sada direktno iz Napomene 6.13 Neka je funkcija g : R −→ R neprekidna. x−→c+ Dokaz: Izravno iz Definicije 6. oˇito vrijedi c f (2) = lim f (x).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.3. onda limes i funkcija z c ”komutiraju” tj.♣ .4).ˇ 6.1 i 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. Nadalje. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . i neka postoji limes funkcije f u toˇki c.4) i da limes mora postojati.7 i 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). Zaista imamo: c c Teorem 6. tj.

3. a ∈ R proizvoljan.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). 4. UVOD U DIFERENCIJALNI RACUN Teorem 6.12 i 6.11.1. a > 0 −∞. (+∞) + (+∞) = +∞. 6. . a ∈ R proizvoljan. jer operacije nisu definirane i operandi nisu realni brojevi. (+∞) · a = +∞. a < 0. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. Kako one nisu realni brojevi. 9. (−∞) + (−∞) = −∞. To se posebno odnosi na veliˇine +∞ i −∞. −∞ ± a = −∞. a > 0 +∞. (+∞) · (−∞) = −∞. 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (+∞) · (+∞) = +∞. a +∞ = 0.228 ˇ POGLAVLJE 6.14. (−∞) · a = 10. x−→c+ Dokaz: Izravno iz Teorema 6. a < 0. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. +∞ ± a = +∞. (−∞) · (−∞) = +∞. 8. a ∈ R proizvoljan.♣ 6. −∞. 7. 5.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. 2.

+∞ +∞ . 1+∞ . 0 0 . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. 5. a ∈ R proizvoljan. +∞ −∞ . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. pa je 0 neodreden oblik. +∞ . onda s je to i limes od f (x) kad x −→ c. −∞ 2.ˇ 6. s s c c Iz Primjera 6. ∞ · 0. +∞ · 0. 3. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 0 ∞ . −∞ · 0.1. 4. Osim s beskonaˇnim veliˇinama. (+∞)0 . 0 . mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. ∞0 . (+∞) + (−∞). ”Sedam veliˇanstvenih”: c 0 . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1. ∞ ∞ − ∞. 1−∞ . 00 . Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. Dakle. a −∞ 229 = 0. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. 1∞ . Ako se dobije jedan od neodredenih oblika.6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. 0 2. 0∞ . −∞ −∞ . (−∞)0 .

n ∈ N neparan. n ∈ N neparan +∞. 5.230 ˇ POGLAVLJE 6. lim x−n = +∞. x−→+∞ lim ax = 9. −∞. 0 < a < 1. n ∈ N paran. n ∈ N paran. a>1 +∞. −∞. 6. . x−→+∞ lim loga x = 11. lim xn = +∞. 0 < a < 1. x−→0+ x−→0− 7. 8. +∞. n ∈ N proizvoljan. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R.7 Raˇunanje limesa c Neki temeljni limesi 1. a>1 +∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. α > 0 0. 3. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. n ∈ N proizvoljan. +∞. a>1 −∞. UVOD U DIFERENCIJALNI RACUN 6. x−→+∞ x−→+∞ 2. 0 < a < 1. 0 < a < 1.1. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. lim x−n = −∞. α < 0. x−→0+ lim xα = 0. α>0 +∞. +∞. α < 0. x−→−∞ lim ax = 10. x−→0− 4. 0. a>1 0.

x−→+∞ x sin x = 1.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Iz toˇke 5. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. π ). Kako gledamo c limes funkcije sin x kada x −→ 0. sin x). tg x ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. +∞) i da joj c c je slika cijeli R.2.16 lim i 1 lim (1 + )x .1. 0). koriste´i definicije limesa i jednostranih limesa (toˇka 6. Oznaˇimo s A = z c c (cos x.4).♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.ˇ 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). za a > 1. . a ∈ R.1. njihov rast. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). Kada s pravca uzmemo x ∈ (0.9. To znaˇi da je c x−→+∞ lim loga x = +∞. i s B = (1. 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. c c eksponencijalnih i logaritamskih funkcija. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). 0) u ravnini. svojstva potencija. tj. koji se nalazi unutar trokuta OBB . ortogonalnu projekcija toˇke A na x os.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. jasno je da je dovoljno x x promatrati x ∈ (0. pad. i zbog parnosti od sin x . c Osim ovih limesa. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . neparnost i sliˇno. parnost. Dakle.

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

17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 x lim i ax − 1 = ln a. ♣ Primjer 6. Dakle . x Oznaˇimo sada ex − 1 sa t. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. i da je x = ln(t + 1).10 ex − 1 = 1. c Zbog toga je ex − 1 t lim = lim = 1. a ∈ R. Dakle imamo ax − 1 ex ln a − 1 = lim .1.♠ x−→0 t−→0 x ln a ln(t+1) ln a .ˇ 6.12 i Teorema 6. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a.2. x−→0 x Iz Teorema 6. x−→0 x lim a > 0.17 x−→+∞ 233 lim 1+ 1 x x = e. Tada je jasno da t −→ 0 kada x −→ 0.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 t−→0 ln(t + 1) x Iz toˇke 5.

funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).13. ♣ x−→c Teoremi 6. x−→c x−→c 2. g : R −→ R.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. x−→c x−→c 4.234 ˇ POGLAVLJE 6.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. 6.2 6. 6.16.18 i temeljni limesi iz toˇke 6. 6.17. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. c 6. x−→c c 3. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).2. Tada 1. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).1.7 su nam dovoljni za c raˇunanje gotovo svih limesa. .

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

12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . Dakle. a to je jednako koeficijent smjera te sekante. c ∆y = tg α. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6.3: Ovisnost visine projektila o vremenu. prosjeˇna brzina odgovara koeficijentu smjera sekante. Op´enito.001) − y(1) . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . UVOD U DIFERENCIJALNI RACUN Primjer 6.236 ˇ POGLAVLJE 6. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . y(t0 )) i c ∆t (t0 +∆t. 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1.001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. 1. ∆t . prosjeˇna brzina projektila u vremenskom intervalu [t0 . Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . y(t0 +∆t)) zatvara s osi x.

2.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. tj.2.6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6. c mjeri brzinu promjene veliˇine c Definicija 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 Primjer 6.♠ 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. f : I −→ R.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . x0 ∈ I.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.4: Sekante i tangenta.

Dakle brzina promjene linearne funkcije je konstanta. ∆x−→0 ∆x Napomena 6. za proizvoljne k. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Derivacija funkcije f (x) = kx + l je f (x) = k. UVOD U DIFERENCIJALNI RACUN Primjer 6. .♠ ∆x−→0 ∆x 6. Dakle je c f (x) = lim f (x + ∆x) − f (x) .6 Uoˇimo bitnu razliku.15 Pogledajmo sljede´e primjere: c 1. l ∈ R.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. 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.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. Derivacija funkcije f u toˇki x0 je broj. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x).2. c c koji se oznaˇava sa f (x0 ).238 ˇ POGLAVLJE 6. c z Primjer 6. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).

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

.4) ustvari limes funkcije f (x + ∆x) − f (x) . problem rubova domene. ne postoji f (0). M= ∆x−→0− lim . c c 6. Tu funkcija niti raste c niti pada. problem postoc janja limesa. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. funkcija pada c c na tom intervalu.2. To su npr. Primjer 6.17 1. ∆x Lagano se vidi da je M = 1 i L = −1. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . tangenta je paralelna s osi x. Takve toˇke zovemo stacionarne toˇke. U toˇkama gdje je f (x) = 0.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. ako je f (x) < 0 na nekom intervalu. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Dakle iz Teorema 6. tj. problem konaˇnosti c c limesa. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. odnosno da je tangenta pravac koji raste. Sliˇno. problem razliˇitih vrijednosti s lijeva i zdesna.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.240 ˇ POGLAVLJE 6.

Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .♠ Teorem 6. ∆x ∆x−→0 . 3.1. √ 3 241 x nije derivabilna u x0 = 0.6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Tada je f i neprekidna u x0 . 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6.1. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). ∆x−→0 dakle ne postoji f (0). Funkcija f : R −→ R dana formulom f (x) = x0 = 0.7 imamo da je c lim √ 3 1 ∆x2 = +∞.2.7 imamo da je c lim √ 3 1 = +∞. DERIVACIJA FUNKCIJE 2. ∆x ∆x−→0 dakle ne postoji f (0). c x0 ∈ I ⊆ D(f ).

17 su c neprekidne u nuli. ∆x f (x0 ). ∆x−→0 ∆x ∆x . (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). ali vidjeli smo da nisu derivabilne.20 Neka su funkcije f. tj. f (x) g(x) = f (x)g(x)−f (x)g (x) . UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. Sve tri funkcije iz Primjera 6. razlike. Tada su na I derivabilne i funkcije f ± g. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ).19 op´enito ne vrijedi.12 imamo da je f neprekidna u x0 . i vrijedi 1. Nadalje. I ⊆ D(g). Iz Teorema 6. produkta i kvocijenta funkcija Teorem 6. g 2 (x) Dokaz: 1. ∆x = 0 .242 ˇ POGLAVLJE 6. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). f · g i f g (tamo gdje je definirana. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). za one x ∈ I za koje je g(x) = 0). (f (x) ± g(x)) = f (x) ± g (x) 2.12 zakljuˇujemo da je funkcija g neprekidna u x0 . ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.♣ Obrat Teorema 6. Derivacija zbroja.

za svaki x ∈ I. tj. 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) .♣ . Tada je funkcija λf . 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) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). derivabilna na I i vrijedi (λf ) (x) = λf (x). Izraˇunajmo prvo c 1 g(x) . f (x) g(x) f (x)g(x) − f (x)g (x) . gdje je λ ∈ R proizvoljan. g 2 (x) f (x) g(x) = 1 f (x) g(x) . (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). Oˇito je D(g) = R. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x).2. DERIVACIJA FUNKCIJE 2. ∆x−→0 ∆x−→0 Sada iz Teorema 6. Kako je g(x) · 1 g(x) = 1. tj.♣ g 2 (x) Napomena 6. imamo g(x) · = 0. Dakle 1 g(x) = 0.6. za svaki x ∈ I. 3.19 imamo ∆x−→0 lim g(x + ∆x) = g(x).20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). c dakle je po Teoremu 6.

Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). z Teorem 6. Izraˇunajmo joˇ i (f ◦ g) . gdje je g(x) = x2 . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. f (x) Ovo se. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 .21. c Primjer 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. f (x) = sin x. g = f . f (x) ∈ J ⊆ D(g). ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. Dakle imamo f −1 (f (x)) = x.15 i Primjera 6.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . odnosno (f −1 ) (f (x)) = 1 . Sada primjenom Teorema 6. Primjera 6.244 ˇ POGLAVLJE 6. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . iz Teorema 6. f (x) = 0 na I i neka postoji f −1 .16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . f (x) ♣ . x ∈ I ⊆ D(f ). naravno. moˇe provesti samo ako je f (x) = 0. Dakle. c −1 tj.

Iz Teorema 6. 6. Kako je (f ◦ g)(x) = x iz Teorema 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.6.19 Pogledajmo sljede´e primjere: c 1 1.10 imamo da je f (x) = lim e∆x − 1 = 1.21 i 6. x 1 √ . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.2.20. 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.22 i derivacijama iz donje tablice.21 i 6. ∆x−→0 ∆x lim dakle je f (x) = ex . DERIVACIJA FUNKCIJE Primjer 6. Derivacija funkcije g(x) = √ 1 . ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. i vrijedi (f ◦ g)(x) = x.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Osnovne derivacije dajemo u sljede´oj tablici. Derivacija funkcije g(x) = ln x je g (x) = x . odnosno 1 g (x) = √ . 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . .22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.20.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.8 Studentima se preporuˇuje da provjere donje formule samostalno. 2 x x je g (x) = Iz Primjera 6. odnosno g (x) = 2. c Napomena 6.

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

♣ c . Tada od svih polinoma stupnja najviˇe jedan.6. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.1. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 .2. c Teorem 6. jednadˇba tangente u c z toˇki (x0 . DERIVACIJA FUNKCIJE 247 ∆x. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). f (x0 )). veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.5: Diferencijal funkcije. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. Dakle.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).5). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .

23). 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.248 ˇ POGLAVLJE 6.5 -1 0. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0.5 1 1.5 2 Slika 6.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. Dakle. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.16 znamo da je f (x) = cos x. 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”. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). to su razlike ordinata na grafu i na tangenti male za istu apscisu.♠ s s c . Iz Primjera 6. c Primjer 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. dakle je f (0) = cos 0 = 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.

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. Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . f (r) = 1+r . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. gdje je G glavnica. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. odnosno f (0) = 1. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . DERIVACIJA FUNKCIJE 249 Primjer 6.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje.♠ c s . 1 Kako je f (0) = 0. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . odnosno 2 = (1 + r)t . Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0.6.2. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0. ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Imamo 2G = G(1 + r)t .

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

f (b)). Napomena 6. b ∈ I. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. b−a y f(x) 0 a x0 b x Slika 6.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. f (b)) z c postoji toˇka x ∈ a. proizvoljne. Neka je L pravac kroz toˇke (a. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). tj. a < b.6. b u kojoj je tangenta paralelna s tom sekantom. b za koju je F (x ) = 0. tj.25.♣ f (b) − f (a) .26 kaˇe da za svaku sekantu kroz toˇke (a.2. f (a)) i (b. b−a f (b) − f (a) (x − a). b−a onda Teorem 6. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).13 Primijetimo: 1. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. c . postoji x ∈ a. f (a)) i (b.

12. UVOD U DIFERENCIJALNI RACUN 2. z Iz Teorema 6. x ≤ 1 f (x) = 3 x > 1. oˇito je c x−→1 lim f (x) = 3 = f (1). 0 x>1 oˇito f ima prekid u x = 1. Ako je dana funkcija f : R −→ R formulom 3x. f neprekidna na R. po Teoremu 6. x ≤ 1 . y f(x) 0 a b x Slika 6. 2 za koji je f (x ) = 1. b−a ali ne postoji x ∈ 0. Kako je f (x) = 3.258 ˇ POGLAVLJE 6. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). .13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. x za koji je f (x) − f (a) = f (x ).26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. Uvjet f ∈ C 1 (I) iz Teorema 6. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). pa je.26 je bitan. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.

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

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

n! ∞ sin x = n=0 (−1)n x2n+1 .2.6. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. (2n)! Napomena 6.. sin x.1).28 Neka je f ∈ C 1 (I) za neki interval I.3. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .15 Taylorovi redovi obiˇno sporo konvergiraju. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . odnosno konvergirati nekoj z (x drugoj funkciji. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . Moˇe se pokazati da su funkcije ex . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + ..2.. .. dakle nisu jako c dobri za numeriku. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . tj. 6.

obratna tvrdnja ne mora vrijediti. Iz Napomene 6.26 postoji x ∈ (x. Ovaj smjer se dokazuje analogno kao u Teoremu 6. Tada. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Medutim. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.25 zakljuˇujemo da u Teoremu 6. UVOD U DIFERENCIJALNI RACUN 1. ∆x za svaki x ∈ I.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad.11 imamo da obrat ne vrijedi. ∆x Primjer 6. onda funkcija strogo raste (pada) na I.24 smo vidjeli da. 2.♠ Iz Primjera 6. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Dokaz ide na sliˇan naˇin. lim x2 = 0). jer se c s c medu njima nalaze potencijalni ekstremi. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). 2. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0.26. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). . x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. Kako je desna strana gornje jednadˇbe nenegativna. Jedan smjer bismo mogli dokazati.262 ˇ POGLAVLJE 6. onda je f (x0 ) = 0. pa je f (x + ∆x) − f (x) ≥ 0. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Dakle ne vrijedi f (x) > 0 na R. po Teoremu 6.28 primjenom Teorema 6. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. to je i lijeva strana takva. pa je f (x) = lim za svaki x ∈ I. Obratno. x−→0 U Teoremu 6. Dokaz: c 1. Limes nenegativne funkcije mora i sam biti nenegativan. dakle z funkcija f raste na I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. za svaki x ∈ I. za svaki x ∈ I.

Teorema 6.1. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 .6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . onda u x0 funkcija f ima lokalni minimum. imati s c z lokalni ekstrem. Dokaz: Izravno iz toˇke 5. Definicija 6.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. ali i ne mora. Ako derivacija s c ne mijenja predznak.24. x2 ∈ I. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. da je barem f ∈ C 2 (I)). u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. To ovisi o promjeni ponaˇanja funkcije u toj toˇki.2. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .4. Teorema 6. a s druge pada (raste)). c Kao ˇto smo rekli. c Dakle. jer konveksnost i konkavnost ovise o predznaku druge derivacije. u stacionarnoj toˇki funkcija moˇe.6. DERIVACIJA FUNKCIJE 263 Definicija 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). . 2 za sve x1 .28. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .♣ c Konveksnost. kaˇemo da je f konkavna na I. x2 ∈ I. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. Teorem 6. onda u x0 funkcija f ima lokalni maksimum. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .

c 2. c 1.30 Neka je f : I −→ R klase C 2 (I). 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. izmedu x1 .♣ Teorem 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). jer c c se nalazi izmedu x0 i x.27 biti iz te okoline. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Teorem 6. x2 ∈ I graf konveksne funkcije je ispod. Dokaz ide na sliˇan naˇin. funkcija f ima u x0 ∈ I lokalni maksimum.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . f (x1 )) i (x2 . konveksnost i konkavnost su odredene predznakom druge derivacije. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). 2. f (x2 )). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. za svaki x ∈ I. c c Dakle. Zbog neprekidnosti druge c derivacije.31. a konkavna ako je za sve x1 . Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. UVOD U DIFERENCIJALNI RACUN Definicija 6. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. Ako je f (x0 ) > 0. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Ako je f (x0 ) < 0.3). a graf konkavne funkcije iznad sekante kroz toˇke (x1 . ali je f (0) = 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. c . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). Uzmimo x proizvoljan iz te okoline.264 ˇ POGLAVLJE 6. 1. za svaki x ∈ I. Onda ´e i toˇka cx iz Teorema 6. iz Teorema 6.27 za sluˇaj c n = 1. Primijenimo li Teorem 6. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. 2.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Dokaz: 1. Dakle je f (cx ) > 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . funkcija f ima u x0 ∈ I lokalni minimum. Npr.

z Neka je lim f (x) = lim g(x) = 0. DERIVACIJA FUNKCIJE 265 Definicija 6. f (c)) toˇka infleksije grafa funkcije f . Tada iz Teorema 6. Iz Teorema 6. neka je f na c − δ. x ∈ I. c + δ strogo c konkavna za neki δ > 0. Npr. c Dokaz: Izravno iz Definicije 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 . Dokaz: Bez smanjenja op´enitosti. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. u x0 ∈ I. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c Teorem 6.6. ∞ . c + δ strogo konkavna ili je na c − δ. Dakle je konveksna na −∞. pa je po Teoremu 6.7.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . c + δ).32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije.2. g (x) onda je i x−→x0 lim f (x) = L. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c strogo konveksna i na c. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c + δ strogo konveksna.34 Neka su f i g derivabilne funkcije na I osim. 0 i f (x) > 0 za x ∈ 0.30 imamo da funkcija f raste na (c − δ. Ako je g (x) = 0 za svaki x = x0 . 0 i 0. Neka postoji δ > 0 takav da je funkcija f 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. Ako je c ∈ I toˇka infleksije od f . c c Kaˇe se joˇ da je toˇka (c. Dakle. f ima lokalni maksimum u c. ali je f (x) > 0 za x ∈ −∞.32 Neka je f ∈ C 2 (I). moˇda. z s c c Teorem 6.24 f (c) = 0. x ∈ I.♣ Raˇunanje limesa . pa x = 0 ne moˇe biti z toˇka infleksije. ∞ . c) i pada na (c. c strogo konkavna i na c.♣ Uvjet f (c) = 0 iz Teorema 6.L’Hospitalovo pravilo c Teorem 6. onda je c f (c) = 0. Onda je c toˇka infleksije od f .7 Neka je f : I −→ R i c ∈ I. c strogo konveksna i na c.

. c Napomena 6.266 i ˇ POGLAVLJE 6. . g(x0 ) = 0. tg α2 = f2 (x0 ).27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . po g (x0 ) = 0. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki. f (x0 ) = 0. . g (n+1) (x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . Znamo da je c tg α1 = f1 (x0 ).16 Neka su funkcije f. g (n) (x0 ) = 0. .♣ g (x) f g Na Teorem 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. . iz Teorema 6. Tada. c Dakle.12) i iz Teorema 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.12). . 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 ) = .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. f (n) (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . analogno kao u dokazu Teorema 6.34. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . .

tj. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. Iz toˇke 2. c c pa moˇemo re´i da se diraju u toj toˇki. a > 0. onda je i tg α = 0 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. odnosno ako i samo ako je tg α = ∞.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .2. . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. To znaˇi da u c toˇki (x0 . z c c Primjer 6. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.6. dakle je f1 (x0 ) = f2 (x0 ). x a + x2 = f2 (x).2. Ako je α = 0.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . 1 + f1 (x0 )f2 (x0 ) Napomena 6.14: Kut izmedu dviju krivulja.

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

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

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

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

.

. 2..1 7. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.1. n = 0...1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata..treba ih samo mnoˇiti c z vremenom. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. za n godina bit ´e ih za n·100 viˇe nego danas. ∞. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom. . Iz z Napomene 6. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I). 2. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. . 1. 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. Dakle je funkcija z 273 .. n = 0.9 znamo da su skupovi C n (I). odgovor je jednostavan . v = v(t)? Ili prirast populacije nije konstantan. c s z Ako su te veliˇine konstantne. Kako odrediti funkciju (nepoznatu) za koju nam je u svakoj toˇki poznat koeficijent smjera tangente na njen graf? c Iz gornjih primjera vidimo da postoji potreba za operacijom ili postupkom koji ´e ”poniˇtavati” uˇinak deriviranja. 1. Npr.. ∞.Poglavlje 7 Uvod u integralni raˇun c 7.

Odatle slijedi vaˇno svojstvo primitivnih funkcija. itd. Teorem 7. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. jer je derivacija svake konstante jednaka nuli. 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). Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. UVOD U INTEGRALNI RACUN deriviranja operator. ako postoji.2.274 ˇ POGLAVLJE 7. . z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.20 i Napomene 6.1 Neka je f neprekidna funkcija na I ⊆ R. a onda pogledajmo kada postoje i koja su im svojstva. Stoviˇe. Uvedimo prvo ime za takve funkcije.7 izravno slijedi da je operator deriviranja linearan. Iz Teorema 6. Definicija 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. C ∈ R.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). c Primjerice. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. linearan operator koji mu je inverzan. Zanima nas. da je x primitivna funkcija funkcije x. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.1 Neka je F primitivna funkcija funkcije f na I ⊆ R.

♣ 7. ˇalje c s u f. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. s To nije toˇno inverz od derivacije.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ).4). dolazi od S kao suma. Interpretirajmo elemente ove formule: je znak integrala. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).1.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . f (x) je integrand. H je konstantna funkcija.1. 275 Dakle imamo prvu tvrdnju. Ostale raˇunamo koriste´i svojstva c c c . koji je po Teoremu 7. C ∈ R je konstanta integracije. Piˇemo s f (x)dx = F (x) + C. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. a to je upravo druga tvrdnja teorema.7. c F (x) je primitivna funkcija funkcije f (x).1 beskonaˇan. dx pokazuje po ˇemu se integrira. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. tj. gdje je c neka toˇka izmedu x i x0 . slijedi H(x) = H(x0 ) za svaki x ∈ I.2.

3 Vrijedi: 1. Za ostale operacije nema jednostavnih pravila. UVOD U INTEGRALNI RACUN neodredenog integrala. Dokaz: 1. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. zbog linearnosti derivacije. c zbog linearnosti derivacije.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.♣ . Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx.7). Neka je F primitivna funkcija funkcije f . Dokaz: Neka je F primitivna funkcija funkcije f . z Teorem 7. Oˇito je. Oˇito je.♣ Napomena 7. Teorem 7. = (F (x) + C) = F (x) = f (x). 2. cF c primitivna funkcija funkcije cf .20 i Napomena 6. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.2 f (x)dx = f (x). Kako je imamo f (x)dx f (x)dx = F (x) + C. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. f (x)dx. F ± G primitivna funkcija funkcije f ± g. 2. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.1 Iz Teorema 7.276 ˇ POGLAVLJE 7.

NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. eksponencijalne i z trigonometrijske funkcije.1 Pogledajmo sljede´e primjere: c .3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. tabliˇne integrale. Tako moˇemo integrirati polinome i jednostavnije racionalne.4).1. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. tzv. S druge strane. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Ako se i moˇe integrirati. c c koriste´i pravila i tablicu derivacija (toˇka 6.7.3.1. c c z z to obiˇno nije lako. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Najpoznatiji primjer je e−x dx. c 7.2) i svojstva iz Teoc c rema 7. izraˇunati derivaciju bilo koje c c c elementarne funkcije. Primjer 7.2.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1.

Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3.2: Primitivne funkcije funkcije 3x2 + 1. pa je C = 1. y 3 0 1 x Slika 7. Samo jedna prolazi toˇkom (1. UVOD U INTEGRALNI RACUN 1. i ˇiji graf prolazi kroz toˇku (1. i one c 3 su oblika x +x+C. Koriste´i Teorem 7. Drugim rjeˇima. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. Odredimo integral funkcije f (x) = x2 + sin x. 3). 3). Koriste´i Teorem 7. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1.278 ˇ POGLAVLJE 7. Traˇena funkcija je F (x) = x3 + x + 1. Dakle je 3 = F (1) = 1 + 1 + C. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija.♠ c .3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. i to je x3 +x+1. 3).3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). 3 2.

ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. 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. Ipak. + C.7. deriviranjem sloˇenih funkcija. Koriste´i izraz za diferencijal (toˇka 6. ovo moˇemo pisati kao c c z sin x d(sin x).♠ 2 . ima jedan sluˇaj kad se c produkt funkcija lako integrira. ne mogu integrirati produkti funkcija (osim c za polinome. z Primjer 7. tj. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.2 Odredimo integral funkcije f (x) = sin x cos x. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. a to znamo da je u2 2 sin x d(sin x). gornji se integral svodi na u du.5).3 i tabliˇne integrale.2.1. op´enito. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.

Primjer 7. a to je diferencijal od z u6 + C.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. moˇemo podintegralnu funkciju pisati kao z g(u)du. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Zamjenom varijabli kao u Primjeru 7. UVOD U INTEGRALNI RACUN U Primjeru 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. Ako je G(u) primitivna funkcija od g(u). 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. d(u(x)) = u (x)dx. tj. 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.280 ˇ POGLAVLJE 7.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand.

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

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

tj. du = − sin x dx. dobivamo s xex dx = xex − Konaˇno. s Parcijalnom se integracijom moˇemo posluˇiti i kad. Do ˇega bi doveo suprotni izbor? Imali bismo u = cos x. Joˇ nismo izraˇunali polazni integral. Odredimo integral funkcije f (x) = x2 ex . c ˇto daje du = u dx = 2x dx i v = ex . Dobili smo integral koji je kompliciraniji od polaznog.1. Primijenimo li parcijalnu integraciju joˇ jednom. c 2 dv = v dx = x dx. 2. no sveli smo ga na jednostavniji ins c tegral xex dx. dv = v dx = cos x dx. na prvi pogled. Imamo x cos x dx = x sin x − sin x dx = x sin x + cos x + C. du = u dx = dx. Pouˇeni prethodnim primjerom stavljamo dv = ex dx. Takvi se produkti joˇ mogu integrirati i metodom neodredenih koeficijenata.♠ Iz Primjera 7. tj.7. v = cos x. Imamo 2 x cos x dx = x2 1 cos x + 2 2 x2 sin x dx. c x2 ex dx = (x2 − 2x + 2)ex + C. Dobivamo s x2 ex dx = x2 ex − 2 xex dx. nema proz z dukta u podintegralnoj funkciji. tj. NEODREDENI INTEGRAL 283 Stavimo u = x. .6 moˇemo zakljuˇiti da ´e se parcijalnom integracijom mo´i inz c c c tegrirati produkti polinoma i eksponencijalnih ili trigonometrijskih funkcija. i u = x2 . Sada je v = sin x. c Primjer 7.7 Pogledajmo sljede´e primjere: ex dx = xex − ex + C. v = ex . v = x. Sada je v = x .

Odredimo integral funkcije f (x) = sin2 x. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . i u = sin x. Odredimo integral funkcije f (x) = arctg x . sin2 x dx. 1. ˇto daje du = u dx = s v = x. v = 1.284 ˇ POGLAVLJE 7. x dx x i v = x. i u = arctg x .♠ 2 x dx . i u = ln x. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C. tj. v = 1.5 imamo x dx 1 = ln(x2 + 1) + C. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. tj. v = sin x. Odredimo integral funkcije f (x) = ln x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . Stavimo dv = dx. 2. tj. Stavimo dv = dx. Stavimo dv = sin x dx. ˇto daje du = u dx = s cos x dx i v = − cos x. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. UVOD U INTEGRALNI RACUN 1.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx.

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

Neke se mogu zgodnim supstitucijama svesti na tabliˇne integrale. Ponekad se takva racionalna funkcija joˇ zove i prava racionalna funkcija. Odredimo integral funkcije f (x) = 3x . imamo Uvedimo supstituciju u = x . UVOD U INTEGRALNI RACUN Integriranje racionalnih funkcija Podsjetimo se da je racionalna funkcija funkcija oblika R(x) = Pn (x) .286 ˇ POGLAVLJE 7. s Sve se racionalne funkcije mogu integrirati. x2 +5 Uvedimo supstituciju u = x2 + 5.9 Pogledajmo sljede´e primjere: 1. Polinomijalni komad se izravno integrira. +1 Uvrstimo u integral. 2x 2. imamo x2 3x dx = 3 +5 x du 3 = u 2x 2 du 3 3 = ln |u| + C = ln(x2 + 5) + C. Ako c c nije. tj. Rezultat ´e z c biti polinom stupnja n − m i ostatak u vidu racionalne funkcije kojoj je stupanj brojnika manji od stupnja nazivnika. Pretpostavljamo da su Pn (x) i Qm (x) skra´eni. Sada je du = 2x dx. moˇemo podijeliti polinom u brojniku polinomom u nazivniku. 3 dx . pa je du = 3 x2 dx 1 = +9 9 ( x )2 3 dx 1 = 3 +1 u2 du 1 1 x = arctg u+C = arctg +C . Odredimo integral funkcije f (x) = Imamo x2 1 dx = +9 9 ( x )2 3 dx . Qm (x) gdje su Pn (x) i Qm (x) polinomi stupnja n i m. x2 +9 du . c c Primjer 7. pa je dx = Uvrstimo u integral. redom. i problem je sveden na integraciju racionlne funkcije s n < m. da nemaju zajedniˇkih faktora i da je n < m. u 2 2 1 . +1 3 3 3 .

Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. polinom (x − x0 ) dijeli s c c z polinom Pn (x). b ∈ R. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Odredimo integral funkcije f (x) = 1 . konstanta. onda je x0 = a − bi. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. tj. onda je to i x0 . c Napomena 7.♠ 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. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. Tada vrijedi: 1.) Dokaz: 1. Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. . r(x) = C ∈ R. gdje c su a. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. Qn−1 (x). pa tvrdnja oˇito vrijedi. c Metoda se temelji na sljede´im svojstvima polinoma. ako je x0 ∈ C oblika a + bi. x−3 287 Uvedimo supstituciju u = x − 3. onda je x0 = x0 . onda je to i x0 . Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. 2. ako je x0 ∈ C nultoˇka od Pn (x).1.7. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. a u brojnicima konstante ili linearni polinomi. tj.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. NEODREDENI INTEGRAL 3. ako je x0 ∈ C nultoˇka od Pn (x). Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. i ostatak r(x) koji je polinom stupnja 0. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . Uvrstimo u integral. tj. Ako je x0 ∈ R. c Neka je x0 ∈ C \ R. c c 3. onda polinom (x − x0 ) dijeli Pn (x). c 2. pa je du = dx.

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

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

2(q−1) (x2 +ax+b)q−1 1 ln |x2 + ax + b| + C.q se lako izraˇuna supstitucijom u = t2 + 1: c   I1. nakon c konaˇno mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za I2. 2 2 q>1 q = 1.10 Odredimo integral racionalne funkcije f (x) = Polazimo od faktorizacije x3 − 2x2 + x = x(x − 1)2 . q>1 √ 2q−2 arctg frac2x + a 4b − a2 + C.q = (t2 dt .q . logaritama z i arkustangensa. x3 − 2x2 + x x (x − 1)2 x − 1 2x2 −3x+3 . + 1)q Integral I1. Imamo 2x2 − 3x + 3 A B D = + + . c c c Time je problem integracije racionalne funkcije u potpunosti rijeˇen. x3 −2x2 +x . Primjer 7. i kako znamo izraˇunati integral I2.q =  (b− a )q−1 1 4 + C.q je sloˇenija. q = 1.) c Kako je formula za I2. Dobiva se z I2.q = + 2q−3 I2. t 2(q−1)(t2 +1)q−1 (Raˇun kojim se dolazi do ove formule izostavljamo. Integracija integrala I2.q rekurzivna. + 1)q Time smo problem sveli na odredivanje integrala I1. UVOD U INTEGRALNI RACUN 1 Mx + N a2 aM ) dx = (b − )−q+ 2 (N − 2 + ax + b)q (x 4 2 (t2 dt + + 1)q (b − a2 −q+1 ) M 4 (t2 tdt .290 dobivamo ˇ POGLAVLJE 7.1 .q = (t2 t dt + 1)q i I2. Integral s racionalne funkcije izraˇava se preko kombinacije racionalnih funkcija.q−1 .

7. Rjeˇenje je A = 3. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . 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. D = −1.♠ 3 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . 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.1. B = 2. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. 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). 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. 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.

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

c z Napomena 7. gdje se zbraja po svim trokutima triangulacije Ti . Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. s P = i P (Ti ).2 7. Kako povrˇinu trokuta znamo raˇunati. tj.7. s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku. ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. duˇinama. T1 T2 T3 T4 Slika 7. problem moˇemo s c z smatrati u biti rijeˇenim.2. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.2.3: Triangulacija podruˇja u ravnini omedenog duˇinama. Lik se triangulira.1 Odredeni integral Motivacija . c . ploha.6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji. jer je to uobiˇajenije. ODREDENI INTEGRAL 293 7. tj. Povrˇina je geometrijska kategorija. Takav lik ˇesto zovemo krivuljnim trapezom.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.

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

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

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

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

z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. b] z kaˇemo da je f integrabilna na [a. Primjer 7. Dirichletova funkcija nije integrabilna. x∈Q 0.5 Svaka monotona funkcija na [a. b]. n.8 Dirichletova funkcija ima prekid u svakoj toˇki. x ∈ R \ Q. b] je integrabilna. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. onda je ona i c ograniˇena.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b]. a . 1 dx. tj.6 Svaka neprekidna funkcija na [a. z c tj. Koje joˇ? s Teorem 7. b].♣ Primjer 7. b]. f (x) = nije integrabilna. b]. c i = 1.13 Dirichletova funkcija. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b] imamo mi = 0 i Mi = 1. c Iz Primjera 7.♣ Napomena 7.♠ Napomena 7. dakle je f ograniˇena funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. b]. Uoˇimo da za svaku podjelu r segmenta [a.. Izraˇunajmo iz definicije c b 1. b] je integrabilna. c Dokaz: Ako f raste na [a. UVOD U INTEGRALNI RACUN Definicija 7. nisu integrabilne. onda je f (a) ≤ f (x) ≤ f (b).9 Uoˇimo da ako je f monotona funkcija na [a.. Koje jesu? Neprekidne sigurno jesu.♣ Teorem 7. .298 ˇ POGLAVLJE 7. b]..13 vidimo da nisu sve funkcije na segmentu [a. za svaki x ∈ [a.14 1. b] integrabilne.

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

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

c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a. biti negativne. . Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . n. a f (x)dx = a f (x)dx + c f (x)dx. a vri- jednosti mi .. b f (x)dx = − a f (x)dx. < an−1 < b.2 a Svojstva odredenog integrala f (x)dx = 0.♣ b c b 3.7. a 1.. n. . c Ovo se zove aditivnost integrala po podruˇju integracije. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . za svaku toˇku c ∈ a.2. . a drugi u c f (x)dx. + an−1 f (x)dx.... 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. a] su gornja i donja Darbouxova suma a jednake nula. i = 1.. pa je a a b f (x)dx = 0. za a < a1 < a2 < .2... b u svaku podjelu od [a. b .. ostaju iste. . n. i = 1.. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. Dakle odredeni integral mijenja predznak ako se zamijene granice... Dokaz: Za bilo koju podjelu r segmenta [a.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. tj. i = 1..♣ 2. Mi i f (si ). ODREDENI INTEGRAL 301 7.

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

7.. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7... pa je mi = 0. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.18... . j + 1. 6.. i Mj = f (c).. i = 1... Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. Dakle beskonaˇni skup {xn : n = 0. i svaka funkcija iz tog skupa je neprekidna na I.2 i Teorema 6.18.♣ b b 5. a (f (x) ± g(x))dx = a ili aditivnost integrala. Stoviˇe.. i = 1. onda je c b f (x)dx = 0. 1. xj ]. dakle i integrabilna. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.. x. Ako je funkcija f : [a. x2 .. . . iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). j − 1.13). jer npr. n.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. . b]). Dakle je s(r) = 0 i S(r) = Mj ∆xj . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. skup c {1.2. unutra se sigurno nalaze sve neprekidne funkcije na [a.. b] i da je f (c) > 0. Nadalje. b] (skup R(I) nije prazan.2 i Teorema 6. a cf (x)dx = c a f (x)dx. .3).♣ c Napomena 7. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.} se c nalazi u nekoj bazi od R(I). xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. a 4. gdje je c ∈ R proizvoljan. .. Mi = 0. Beskonaˇnodimenzionalan je. n. b] toˇka c pada u toˇno jedan c c [xj−1 . M = f (c) i za svaku podjelu r segmenta [a. Oˇito je z c c tada m = 0. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.

onda je a a f (x)dx = 2 −a 0 f (x)dx. i kad f nije nuˇno pozitivna c c c z dokaz ide posve analogno tako da segment [a. 7. a] −→ R parna. rastavimo na konaˇan c broj podsegmenata koji sadrˇe najviˇe jedno nuliˇte funkcije f .♣ . a U sluˇaju kad je f (x) = 0 osim u konaˇno mnogo toˇaka. Dokaz: a 0 a 0 a a) −a f (x)dx = −a 0 f (x)dx+ 0 a f (x)dx = −a a −f (−x)dx+ 0 a f (x)dx = − −a a f (−x)dx + 0 0 f (x)dx = − 0 a f (x)dx + 0 0 f (x)dx = 0. a] −→ R neparna. i prema dokazanome je z s s b f (x)dx = 0. a) Ako je f : [−a.♣ a Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a. UVOD U INTEGRALNI RACUN b f (x)dx = 0. −a b) Ako je f : [−a. onda je a f (x)dx = 0. a b) −a f (x)dx = −a a f (x)dx+ 0 a f (x)dx = −a a f (−x)dx+ 0 f (x)dx = f (x)dx + 0 0 f (x)dx = 2 0 f (x)dx. b] u samo konaˇno mnogo toˇaka onda je c c b b g(x)dx = a a h(x)dx. b] po svojstvu 3.304 dakle je ˇ POGLAVLJE 7.

Ako je f neprekidna i nenegativna funkcija na [a. Dakle postoje x1 . a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. b] tada iz Teorema 6. b]. ODREDENI INTEGRAL 305 8. Dakle. Iz pozitivnosti funkcije f na [a.7. b] odnosno stroge pozitivnosti na [x1 . onda je F (c) = g(c) − f (c) > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Tada je b b f (x)dx ≤ a a g(x)dx. b] onda vrijedi stroga nejednakost. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b]. b]. onda je b f (x)dx > 0. b] i ako je f (c) > 0 za neki c ∈ [a.3 slijedi da postoji interval . x2 ∈ I takve c da je x1 < c < x2 . c F (x) = g(x) − f (x) ≥ 0.3 slijedi da postoji interval I ⊂ [a. b].♣ 9. b] iz Teorema 6. Dokaz: Po Teoremu 7. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. Ovo svojstvo se zove svojstvo monotonosti integrala. po Teoremu 6. za svaki x ∈ I . Ako je f (c) < g(c) za bar jedno c ∈ [a. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Neka su f i g neprekidne funkcije na [a.8 je dobro definirana funkcija F ∈ C 1 [a.28 F raste na [a. Odatle slijedi da je F (b) ≥ F (a) = 0. x2 ] imamo x2 f (x)dx > 0. tj. b] oko toˇke c takav da je f (x) > 0. Kako je funkcija F = g − f neprekidna na [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. i oˇito ima pozitivnu derivaciju.2.

6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Nadalje. b].♣ 10. m ≤ f (x) ≤ M .6. b]. Nadalje iz Teorema 6. imamo da je F (b) > F (a) = 0. b] oko toˇke c takav da je F (x) > 0. b] takva da je c b f (x)dx = f (c)(b − a). iz svojstva 9.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. tj. iz neprekidnosti funkcije f na [a. Dakle postoje x1 . b]. za svaki x ∈ I . b] −→ R.306 ˇ POGLAVLJE 7. Teorem 7. b].7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a.♣ a Izraz 1 b−a b f (x)dx a . za svaki c x ∈ [a. tj. za svaki x ∈ [a. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). iz svojstva 9. Neka je f : [a. b] za koji je b f (x)dx = f (c)(b − a). b]. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. odnosno imamo strogu nejednakost. i Primjera 7. Ako f nije konstanta na [a. UVOD U INTEGRALNI RACUN I ⊂ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. odnosno po Teoremu 6. 11. pa postoji barem jedan c ∈ [a. a b b f (x)dx ≤ a |f (x)|dx. Tada postoji toˇka c ∈ [a. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b).28 c F strogo raste na I . a Dokaz: Po Teoremu 6.

n Za funkcije koje nisu neprekidne Teorem 7. kako je f neparna c funkcija. . x ≥ 0 −1. c Napomena 7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.2. −1 medutim ne postoji toˇka c ∈ [−1.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.♠ c .+an dine (aritmetiˇka sredina od a1 . b].15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.. a Teorem 7..7. x < 0.. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. iz svojstva 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a. a2 . b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. Oˇito je da funkcija f ima prekid u x0 = 0. Nadalje. se zove srednja vrijednost funkcije f na segmentu [a. imamo da je 1 f (x)dx = 0.. 1] za koju je f (c) = 0. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. an ∈ R je a = c ).7 ne mora vrijediti: Primjer 7.9: Teorem srednje vrijednosti za odredeni integral. Odatle ime teoremu..

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

∆F ≤ M = f (ζ2 ). lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. b] i vrijedi F (x) = f (x). x+∆x].6). pa onda i na svakom podsegmentu [x.7.11: Funkcija F (x). ∆x−→0 ∆x Funkcija f je neprekidna na [a. b]. ∆x odnosno f (ζ1 ) = m ≤ .LEIBNIZOVA FORMULA je derivabilna na [a. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. Ho´emo gledati c ∆F .3. NEWTON . Po Teoremu 7.

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

NEWTON . c Desna strana Newton .7. Teorem 7.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. iz ϕ(t) = 3 dobijemo t2 = 3 . ♣ Primjer 7.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . Iz ϕ(t) = − 3. Ako vrijednosti funkcije ϕ na [α. b]. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. tj. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. √ √ Stavimo ϕ(t) = 2 sin t. Sada oˇito funkcija ϕ : [− 2 .LEIBNIZOVA FORMULA 311 linearni operator deriviranja. a b ˇ Citamo to kao ”F (x) u granicama od a do b”. i ako je ϕ(α) = a. β] i neka ϕ na [α. Pri tome nestane konstanta integracije. β] ima neprekidnu derivaciju ϕ . Stvari se znaju zakomplicirati ako ima viˇe supstitucija. ϕ(β) = b. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. 3 √ √ √ 3 3 π c Analogno. 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). β] ne izlaze izvan segmenta [a. onda za f ∈ C([a. sin t = − 23 imamo t1 = − π . u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice.3. 2 ] −→ . Kod primjene na raˇunanje odredenih integrala. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice.

Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. 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. Primjer 7.312 ˇ POGLAVLJE 7. U takvim sluˇajevima govorimo c s c o nepravim integralima. u dv = uv a b a − a v du. Iz Primjera 7.6 i omedena) na podruˇju integracije. 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 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.10.17 Izraˇunajmo c 0 1 xex dx.♠ 3 Kod parcijalne integracije situacija je jednostavnija. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. c c c Neka je funkcija f neprekidna na [a.♠ 7. tj.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. . kao i da je samo poc druˇje integracije konaˇno. b i neka je x−→b− lim f (x) = +∞.

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

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

Izraˇunajmo c a dx . c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . Izraˇunajmo c −1 1 x2 dx . x2 b 2.10. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. 1 a f (x)dx konvergira. (x − b)n Stavimo ϕ(t) = t + b. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. tn Ako je n < 0. Analogno. 0] −→ R zadovoljava uvjete Teorema 7. . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. tj.4. tj. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. Iz ϕ(t) = a. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. c+ε2 Ako oba limesa na desnoj strani postoje. Sada oˇito funkcija ϕ : [a − c b. 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 = +∞. inaˇe c Primjer 7. dakle imamo b a dx = (x − b)n 0 a−b dt . iz ϕ(t) = b dobijemo t2 = 0. 1]. t + b = a imamo t1 = a − b. onda divergira.19 1.7.

Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. Znamo c .316 ˇ POGLAVLJE 7. Uz svojstvo monotonosti integrala (svojstvo 9. integral dx divergira za n ≥ 1. iz toˇke 7. Dakle tn b a dx (x − b)n konvergira za n < 1. situaciju kad podruˇje c c integracije nije ograniˇeno. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. b]. −n + 1 −n + 1 za n > 1. Primjer 7.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. +∞ . onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a).19 moˇe posluˇiti pri usporedivanju.2.2) npr. divergira za n ≥ 1. Neka je funkcija f neprekidna na [a. c z z Promatrajmo sada drugi mogu´i izvor problema. t−→0− −n + 1 −n + 1 lim t−n+1 (b − a)−n+1 − = −∞ t−→0− −n + 1 −n + 1 lim 0 a−b za neparan n. tj. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . 0]. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − .

a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞.20 1. tj.4. . postoji x f (ζ)dζ. Izraˇunajmo c +∞ 0 e−x dx. z Sliˇno postupamo i za sluˇaj c c b f (x)dx.7. −∞ pa i za sluˇaj c +∞ f (x)dx. kaˇemo da integral divergira. +∞ postoji integral te funkcije u granicama od a do x. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. 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. c c da za svaki x ∈ [a. a Ako promatrani limes ne postoji. −∞ Primjer 7.13: Nepravi integral po neograniˇenom podruˇju integracije.

Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. Izraˇunajmo 1 +∞ dx . 2.318 Imamo +∞ 0 ˇ POGLAVLJE 7. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. c 3. 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. Izraˇunajmo c dx . 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4.♠ c . x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Izraˇunajmo c 1 +∞ dx . UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π.

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

pravcem y = c i pravcem y = d dana s d g(y)dy. c y d P c 0 g(y) x Slika 7.320 ˇ POGLAVLJE 7. tj. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). promatramo krivulju x = g(y). ploˇtinu s . s s osi y. za sluˇaj kada s c je funkcija g negativna. d] −→ R neprekidna i pozitivna funkcija u varijabli y. onda je ploˇtina povrˇine omedene grafom funkcije g.15: Ploˇtina lika omedenog grafom funkcije od y. odredeni integral proizvoljne neprekidne funkcije. tj.14: Ploˇtina lika omedenog grafovima dviju funkcija. UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7. s Ako je g : [c.

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

322 y ˇ POGLAVLJE 7.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. 0. ako taj limes postoji kad n −→ ∞.♠ 2 . s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . 0). 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. oznaˇimo s P (xi ). Primjer 7. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. Iz Primjera 7. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. kad max ∆xi+1 −→ 0. S druge strane. a njegova povrˇina za zadani x je jednaka f (x)π. No taj popreˇni presjek c c 2 je krug. tj. 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.

ˇ 7. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. z z Po gornjoj formuli. c z y R 0 Η x Slika 7. za svaki x ∈ [a. c Primjer 7. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini.5.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. f2 : [a. b]. ako su f1 .♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. Dakle. .22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.

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

debljine ∆xi = xi − xi−1 . tj. x = b.. dobijemo prizmu. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . Podijelimo li opet segment [a. U limesu.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. volumen tog komada moˇemo z izraˇunati.. xi ]. xi ] konstantom f (xi ). PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . rotacijom komada izmedu [xi−1 . i = 1.16 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. . to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. c Teorem 7.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. x osi i grafom (pozitivne i neprekidne na [a.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. . b] −→ R oko osi y b Vy = 2π a xf (x)dx. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . n. b] na n dijelova. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . Razreˇemo ga po izvodnici i razmotamo. b]) funkcije f .. nastaje cilindriˇni sloj.ˇ 7. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a.5. Sada iz Primjera 7. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx.

Uzmemo li ˇkare i izreˇemo taj lik. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . x = b. segmentom [a.326 ˇ POGLAVLJE 7.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. b] na osi x i grafom funkcije f nad [a. yi ). zs zs c ako podupremo tijelo. c s c . b]. dobijemo tanko tijelo. Promatramo lik omeden pravcima x = a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. tj.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. ono ostaje u ravnoteˇi. da mu je gusto´a c ˇ svuda ista. (Teˇiˇte je toˇka u kojoj. Zelimo odrediti teˇiˇte izrezanog lika.♠ 5 7.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . Primjer 7. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π .5.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. b].

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

Raˇunamo statiˇki moment tog susc c 2 tava materijalnih toˇaka s obzirom na os x. b] na n dijelova [xi−1 . Pove´anjem broja pravokutnika teˇiˇte takvog sustava materijalc zs nih toˇaka bit ´e sve bolja i bolja aproksimacija teˇiˇta lika.. To se dobije zbrajanjem po svim c pravokutnicima. dakle n 1 µf 2 (si )∆xi . xi ]. Masa pravokutnika je i c c c xi−1 +xi dalje µf (si )∆xi . ∆xi = xi − xi−1 . zs u teˇiˇtu jednog pravokutnika (a to znamo odrediti) i imat ´e masu jednaku masi zs c pravokutnika.. Statiˇki moment s obzirom na os y raˇuna se sliˇno..328 ˇ POGLAVLJE 7.22: Teˇiˇte homogenog krivuljnog trapeza. a ta udaljenost je mala. Dakle je 1 Mx = 2 µ b a f 2 (x)dx. c c zs Podijelimo segment [a. n. b]. a F1 i F2 odnosno m1 i m2 sile odnosno mase na pripadne krakove poluge. ovaj ´e izraz u limesu c µ 2 postati odredeni integral od a do b funkcije 2 f (x). Promatramo pravokutnik visine f (si ) nad [xi−1 . Ideja za raˇunanje teˇiˇta lika je: podijelimo lik na male pravokutnike i c zs zamijenimo lik sustavom materijalnih toˇaka od kojih ´e svaka biti smjeˇtena c c s y f(x) f(si ) 0 1111111 0000000 11 00 11 00 11 00 11 00 11 00 11 00 11 00 a x x i−1 i b x Slika 7. a apscisa njegovog teˇiˇta je zs . xi ] za neki si ∈ [xi−1 . Uz konstantnu gusto´u mase µ. 2 i=1 Prijelazom na sve finije i finije podjele segmenta [a. xi ]. i = 1. . Kako je broj xi−1 +xi 2 2 izmedu xi−1 i xi . UVOD U INTEGRALNI RACUN gdje su k1 i k2 duljine krakova poluge. a teˇiˇte c zs xi−1 +xi 1 mu ima ordinatu 2 f (si ) i apscisu . moˇemo uzeti da je apscisa teˇiˇta z zs . njegova masa je jednaka µf (si )∆xi .

11). iz Primjera 7. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. 2 . Kako je masa promatranog lika jednaka M = µP. i=1 a to u limesu daje My = µ b a xf (x)dx. upravo xi . to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . Takoder. s Primjer 7.5.ˇ 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . recimo.23: Teˇiˇte homogenog polukruga. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. zs √ Imamo f (x) = r2 − x2 . zs s s y r 0 r x Slika 7.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Iz simetrije je jasno da mora biti xT = 0. yT = 1 2 b 2 a f (x)dx b a f (x)dx . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).

b]. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. 3 −r 4r . x2 + (y − R)2 = r2 . dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. po prvom Guldinovu teoremu i Primjeru 7. 3π r r pa teˇiˇte ima koordinate (0. v) tada su novi momenti jednaki Mx + my i My + mx). 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. 2 3π 3 Dakle je 8 Vv − Vu = r3 π. − 4 r ). UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT .26 Sada moˇemo. xf2 (x)dx − µ xf1 (x)dx.♠ ishodiˇtu.25. 4 π ). volumen vanjskog Vv i volumen unutarnjeg Vu dijela torusa dani s 1 4r 4 Vv = r2 π(2(R + )π) = r2 Rπ 2 + r3 π 2 3π 3 1 4r 4 Vu = r2 π(2(R − )π) = r2 Rπ 2 − r3 π. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7.330 ˇ POGLAVLJE 7. R > r. Dakle teˇiˇte je (0. b] takvih da je f2 (x) ≥ f1 (x). tj. Tada su. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. za svaki x ∈ [a. po prvom Guldinovu teoremu. . izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa.♠ 3 Zbog aditivnosti momenata (ako u sustav od n materijalnih toˇaka sa moc mentima Mx i My dodamo joˇ jednu materijalnu toˇku mase m na koordinate s c (u. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 .

Obujam dijela c tijela izmedu ravnina x = xi−1 i x = xi . Dakle mu je apscisa zs s si . volumen tog dijela (sloja) tijela je ∆Vi = f 2 (si )π∆xi . b]) funkcije f oko osi x. gdje su mi i Mi najmanja i najve´a vrijednost funkcije f c i na [xi−1 . < xn−1 < xn = b.5. . Ovdje smo s dm oznaˇili veliˇinu dm = µπf 2 (x)dx. Teˇiˇte homogenog rotacijskog tijela zs Promatramo rotacijsko tijelo koje nastaje vrtnjom grafa (pozitivne i neprekidne na [a. Zbog neprekidnosti od f . b] na n podsegmenata toˇkama a = x0 < x1 < .. n. Podijelimo segment [a... je izmedu obujama valjaka m2 π∆xi i Mi2 π∆xi . Moˇemo smatrati da je ta masa c c z koncentrirana u teˇiˇtu tog sloja. teˇiˇte ´e leˇati na osi rotacije. M gdje je M ploˇtina izmedu grafova neprekidnih funkcija f1 i f2 na [a. M= b a dm.ˇ 7. xi ]. na osi x. zs c z tj. Sad imamo sustav materijalnih toˇaka mase mi = µ∆Vi = µf 2 (si )π∆xi u c koordinatama (si . b] omedena s pravcima x = a i x = b. M 331 yT = Mx . Zanima nas njegova apscisa. b b M= a f2 (x)dx − a f1 (x)dx. njenim integriranjen od a c c do b dobije se masa rotacijskog tijela.. 0). PRIMJENE INTEGRALNOG RACUNA xT = My . gdje je si ∈ [xi−1 . masa tog komadi´a je µf 2 (si )π∆xi . = b a x dm b a dm .. My : c c n My = µπ i=1 si f 2 (si )∆xi . tj. Zbog simetrije. xi ] i ∆xi = xi − xi−1 . U limesu ∆xi −→ 0 ovo prelazi u odredeni integral My = µπ pa za apscisu teˇiˇta dobivamo zs xT = b 2 a xf (x)dx b 2 a f (x)dx b a xf 2 (x)dx. a to je u srediˇtu valjka. i = 1.13 Koordinate teˇiˇta se mogu izraˇunati i iz prvog Guldinovog zs c teorema. . Uz konstantnu gusto´u µ. Raˇunamo statiˇki moment s obzirom na os y. Napomena 7.

teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.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. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . tj. Primjer 7. 4 3 Zbog M = µV = 1 R2 πH. 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 .332 ˇ POGLAVLJE 7.♠ z Primjer 7. 23 dobivamo xT = Mx M . za µ = 1. mjereno od osnovice.♠ 8 π 4 R . R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 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 7.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1.24: Teˇiˇte homogenog stoˇca. dobivamo xT = 4 H. 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.

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

Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . 12 Promatramo sad homogen ravan lik omeden komadom [a.. b]) funkcije f . 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. n dobivamo i=1 µa∆yi s2 . 3 3 . a to. i = 1. za ∆yi −→ 0. 1 Ix = 3 M b2 . xi ] i visinama f (si ). . te grafom (pozitivne i neprekidne na [a.. teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . dobije se s Ix = 1 M b2 . 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju. pravcima x = a i x = b. Sliˇno se dobije da je c I y = 1 M a2 . b] osi x. xi+1 ].334 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7.25: Moment inercije homogenog pravokutnika.. 3 3 3 tj. 12 Iy = 1 M a2 . za si ∈ [xi . n.

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

Iz ϕ(t) = −r imamo t1 = π. π] −→ R zadovoljava Teorem 7. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. Sada iz Primjera 7. Prijelazom na limes dobijemo gornju formulu.5. gdje je si ∈ [xi−1 . 4 4 4 Takoder zbog simetrije.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. c Primjer 7.♠ 2 Kombinacijom razmatranja iz toˇke 7. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. i zbroje se momenti inercije malih valjaka polumjera f (si ). n.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 . Oˇito funkcija ϕ : [0. b] podijeli na male podsegmente [xi−1 .. xi ]. Analogno iz ϕ(t) = r imamo t2 = 0. i = 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. moment inercije cijelog kruga obzirom na y os je Iy = Ix . 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..10.336 ˇ POGLAVLJE 7. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. dakle je 1 I0 = Ix + Iy = M r2 . 5 .8 imamo 1 Ix = r4 π. i visine ∆xi = xi − xi−1 . 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . xi ]. 2 2 a onda se interval [a. ..

f (a)) do toˇke c c B = (b. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. f (xi )). Zbrajaju´i dobivamo duljinu izlomljene crte c y f(x) ∆f ∆x A a x x+ ∆ x i B 0 i b x Slika 7.5...♠ 15 5 7.ˇ 7. n.. i = 1. c po Pitagorinu pouˇku. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . Duljina svakog takvog komada je.26: Duljina luka zadanog kao graf funkcije f (x).5. b] eksplicitnom formulom y = f (x). b] zadana kao graf funkcije f ∈ C 1 [a. f (xi−1 )) i (xi . b] na podsegmente [xi−1 . Podijelimo segment [a. Duljina luka od toˇke A = (a. . i = 1. . n. Sada iz gornje formule imamo 1 Ix = µπ 2 1 f 4 (x)dx = µπ 2 −r r r −r (r2 − x2 )2 dx = µπ 8 5 2 r = M r2 . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.. i gdje je ∆xi = xi − xi−1 . . PRIMJENE INTEGRALNOG RACUNA 337 Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ vrtnjom polukruga f (x) = r2 − x2 oko osi x. pa uzmimo c s os x. xi ]... f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 .

. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . .26). . xi ]. s yT = b a f (x) √ 1+[f (x)]2 dx .. n.. i = 1.5.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. n. i . Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. Dijeljenjem segmenta [a. s s plaˇta krnjeg stoˇca polumjera donje osnovice R. xi ].27: Ploˇtina plaˇta rotacijskog tijela. i = 1. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π.. b] na podsegmente [xi−1 . imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). mase µ. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e. s 7.338 ˇ POGLAVLJE 7. b] rotira oko osi x.. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6.

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..5.ˇ 7. Ovdje smo s ds oznaˇili diferencijal luka. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. . Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . c ds = 1 + [f (x)]2 dx. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . ako znamo poloˇaj tijela u trenutku t1 = 0.♣ s zs 7.5.26). tj..♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. ploˇtinu sfere polumjera r. n.. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .31 Izraˇunajmo oploˇje kugle. Teorem 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.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 ponovno koristili teorem srednje vrijednosti (Teorem 6. Toˇnije. i = 1. . Primjer 7. gdje je si ∈ [xi−1 . i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . xi ].

duljine ∆xi .. .... sila konstantna.. ona pri tome vrˇi rad s s s − → → W = F ·−..340 ˇ POGLAVLJE 7. i = 1. Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − . UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. i = 1. xi ]. dobivamo poznatu formulu za rad s W = F · s. recimo F (xi ).. b] na n posegmenata toˇkama a = x0 < x1 < x2 < . s → → − Ako su vektori F i − kolinearni. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 . n. Podijelimo segment [a. c c − → − → Jednostavnosti radi. uzmimo da je F (x) = F (x) i . n. Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja.. Rad sile − → Sila je tipiˇan primjer vektorske veliˇine. y F(x) W 0 a b x Slika 7.28: Rad sile F (x) na putu [a. . b]. Tada je suma n F (xi )xi ∆xi i=1 . gornja se formula svodi na izraz c s(t) = vt + s0 .

F = −kx. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. 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. 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. pri ˇemu je g ≈ 9. onda je b W (h) = a F (x)dx. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . no nije ni bitna. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. 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. Tada ´e njen integral (tj. rad) biti kvadratna funkcija pomaka x.5. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. Primjer 7.33 Jarak duljine 10 m. Odavde odmah slijedi da je rad sile F (x) na putu [a. ako se masa tijela mijenja. To je formula dobivena integriranjem konstantne sile mg od 0 do h. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. tj. Ako sila nije konstantna. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. Konstanta k nam nije zadana u ovom primjeru. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje.ˇ 7. b]. s Primjer 7. i nakon toga s . b] z z b W = a F (x)dx.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 .

zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve.342 ˇ POGLAVLJE 7. s x 0 y h Slika 7. Integriraju´i doprinose svih dubina c od 0 do h = 1 m. ˇirina c s 2(1 − x) m. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx.83 J. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. a debljina sloja je dx metara).29: Jarak iz Primjera 7. .33. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).33.30: Jarak iz Primjera 7. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. duljina jarka je 10 m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . 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. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.

Uzimaju´i da su mp . tj.ˇ 7. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. upravo teˇina z K tijela. To se postiˇe integriranjem po dubini sile na z mali element povrˇine. 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 = . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. (Ovdje je mz masa Zemlje. c c c smanjenje zbog utroˇka goriva. 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. No ta sila je.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. c z s 2 K F (R) = R2 = P .♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. PRIMJENE INTEGRALNOG RACUNA 343 Zadatak smo mogli i jednostavnije rjeˇiti uoˇavaju´i da je teˇiˇte vode u jarku s c c zs 1 na dubini od 3 m ( jer je teˇiˇte trokuta na tre´ini teˇiˇnice. imamo F (x) = x2 . 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.5. s z Primjer 7. mz i G konstante.35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. Dakle je K = P R2 i F (x) = PxR . mp masa projektila i G univerzalna gravitacijska konstanta). z z Primjer 7. Za x = R imamo teˇinu tijela na povrˇini Zemlje.34 Koliki je rad potreban uloˇiti da se tijelo (npr. 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. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . po definiciji. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . gdje smo s c K oznaˇili K = Gmz mp . Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 .

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->