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 Derivacija funkcije . .7 Raˇunanje limesa . . . . . . . . c 6. . . . . c 7. . . . . . . . . . . .2 Odredeni integral . . . . . . . . . . .1. . . . . . . s 7. . . c 6. . . . . . . . .1 Povrˇina lika u ravnini . . . . . . . . . . . .2 Svojstva odredenog integrala . . . . . .1. . . . . .1 Neodredeni integral . . . . . . . . .3 Newton . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . 7. . . . . . . . . .5. .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .8 Primjene derivacija . . . . . . . . . . . . . . . . . s 7. . . . .2. . . . . .1. . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . .5. . .Leibnizova formula . . . . . . . . . . . 7. . . . . . . 7 Uvod u integralni raˇun c 7. . . . 6. . . . . . . . . .1. . . .5. . . . 7. . . . . . . . . . . . .1. . . . . . . 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 . . . . . . . . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . . . . . . . . .1 Primitivna funkcija . . .6 Derivacije viˇeg reda . . . . .2.1. . . zs 7. 6. .2 Derivacija funkcije u toˇki . . . 7. c 6. . . . . . . . . . . . .2 Derivacija funkcije . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . . . . . . . . . . .5 Duljina i teˇiˇte luka ravne krivulje . . 6.2.7 Primjene u fizici . . .2 Neodredeni integral . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. .2. . . .6 Povrˇina rotacijske plohe . . . . . . . . . 6. .1. . .4 Raˇunanje derivacija . . . .1 Motivacija . . . . . . . . . . . . . . . .2. . .2. . . .1. . . . . . . . . . . . . . . . . . . . . .3 Metode integriranja . . . . . . . . . . . . . . . . .5 Neprekidnost i limes . . . 7. . . . . . . . . c 6. . . . . . .5.1. . . .6 Neodredeni oblici . . . . . .5 Primjene integralnog raˇuna . . . . . . 6. . c 6. . . . . . . . . . . . . . . . . 7. . . . . . . . . . .2. s 6. . . . . . . .2. . . . . . . .2. . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . 6. . . . .1. . . . . . . . . . .2. . .4 Nepravi integral . . . .1 Motivacija . . . . . . . . . . . zs 7. . . . . . . . . . . . .3 Teˇiˇte . . . . . . . . . . . . . .5. . . . .problem povrˇine (ploˇtine) s s 7. . . . . . .4 Moment ustrajnosti (inercije) . . . c 6. . . 7. . .7 Osnovni teoremi diferencijalnog raˇuna . . 7.2 Volumen rotacijskog tijela . .2 Svojstva neprekidnih funkcija . . . . . . . . 7. . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

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

kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. dakle. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. udaljenosti. trajanje. porez. Bitni su. 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. Nije bitan tip mobitela. Unatoˇ tome. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. dakle. troˇkovi proizvodnje. Vrijedno je. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. 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. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. startna cijena). Takve c prikaze zovemo matematiˇkim modelima. vidimo da oba naˇa s problema imaju istu strukturu. gotovo karikirani. Nadalje. No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. niti marka automobila. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. uloˇiti trud u razumijevanje svojstava linearne z . 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. Bitne su cijene. arhetipski. kvantitativni aspekti. dakle. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. po kilometru) i da se tome dodaje konstantan iznos (pretplata. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. Takav nam okvir daje matematika. to je 800 km.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. c Matematika je. niti grad u koji se putuje. s c s dakle. u naˇem primjeru. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. Treba nam. z c c Prvo.

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

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

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

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

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

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

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

Poˇetak joˇ c c c s zovemo hvatiˇte. Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. Q Q’ P P’ Slika 1. tj. VEKTORSKI RACUN − → Definicija 1. c . jedna od njih je poˇetak P a druga je kraj Q.2: Jednakost vektora.10 ˇ POGLAVLJE 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 . intenzitet). − − → −→ Definicija 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P. s Q P P Slika 1. do na translaciju prostora)? z 1.1: Duˇina i usmjerena duˇina.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.2 slijedi da je op´enito P Q = QP . jer imaju razliˇite poˇetke i c c c krajeve. z z Q − → − → Iz Definicije 1. Q) =| P Q |. tj. Prirodno je vektoru pridruˇiti njegovu duljinu (normu.

postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Pogledajmo sada neka svojstva nul vektora: c − → 1.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. Iz a Napomene 1. 11 − → 3. P = Q. tj. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. → c . Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. 3. onda c a − → − →. → → → − − → − 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 . Oˇito je | 0 | = 0.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. poˇinje u P a z c zavrˇava u Q. Vektor kod kojeg su poˇetak i kraj jednaki.3). Za vektor P Q kaˇemo da je orijentiran od P prema Q. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Sada samo izaberemo orijentaciju koja nam treba. Preciznije. Tada je c − − → − = OB. → Napomena 1. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. tj.1. z kolinearan je sa svakim vektorom). B ∈ E takve da je OA = − i AB = b . c 2. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Napomena 1. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.1.3).

c Teorem 1.12 ˇ POGLAVLJE 1. → a =−a → − → → → − a a 4.4: Pravilo trokuta i pravilo paralelograma. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1.3: Motivacija za definiciju zbrajanja vektora. − → − → − → Napomena 1. VEKTORSKI RACUN R a G Slika 1. − → → − → → → → − 3. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . Vektor a zovemo suprotni vektor vektora a c − → −. a c a c → − → → → − → a a a 2. . − + b = b + − (komutativnost).3 Za bilo koje tri toˇke P. Q ∈ E vrijedi P Q = P O + OQ. i oznaˇavamo ga s → 0 . (− + b ) + − = → + ( b + − ) (asocijativnost). ♣ B b a+b a b 0 A a+b a b Slika 1. O.

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

14 ˇ POGLAVLJE 1. a a → → → 2. za sve a. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).1 i Teorema 1. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). 3.2. VEKTORSKI RACUN → 3. Neka je dan polupravac (zraka) s poˇetkom u O. onda.5 nigdje ne govori o geometrijskim veliˇinama. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). a a → − 4. λ(µ→) = (λµ)− (homogenost).4 i pokuˇajmo definirati kolinearnost u drugim s terminima. b ∈ V je a + b ∈ V . a suprotnu orijentaciju a − za λ < 0. uz pretpostavku − = 0 . c Vratimo se sada Definiciji 1. − → → → → − Ako su vektori − i b kolinearni. Primjetimo da se u Definiciji 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. koji ima istu orijentaciju kao vektor − za λ > 0.♣ a a Definicija 1. a a a − → 3. 2. postoji pravac a a . → od vektora a Teorem 1.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. Tada 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. 1 · − = → (postojanje jedinice). i neka je A = O c toˇka koja leˇi na tom polupravcu.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. Elemente od skupa V zovemo vektori.

B ∈ E na p takve da je − = OA. Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. z → − → − → → → Neka su sada − . → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − . →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). (Usporedimo ovo s Definicijom 1. Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . b = OB. − → 2. 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. tj. VEKTORSKI PROSTOR XO (E). → →→ te vrijedi a a a0 1.4). → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP .2. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. A. (λ. a a . Bijekcija je konstruirana na prirodan naˇin. Kako je → = 0 . gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. b ∈ XO (E) i λ ∈ R. pa moˇemo a a a z − → − = a . Imamo da je c a − → → b = λ− . b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E). Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . (− . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. 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− .1.2 Vektorski prostor XO (E).1). Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. tj.

λ2 . .. − . Q = O. − .. Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . Tada za vektor a1 a2 an − ∈ XO (E) koji je oblika − = λ1 → + λ2 − + · · · + λn − kaˇemo da je linearna → → − → → z a a a1 a2 an − ...6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p..... λn . . Napomena 1. λ2 . a a1 a2 an → − − Definicija 1.. Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1. − . → → → Neka su sada − .. → ∈ → → − 0 i bar jedan od skalara λ1 .7 Iz Definicije 1. z c Napomena 1. .. . Vektori − . λn ∈ R. − . − . onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ.6 Za vektore − .7: Radij-vektori u X0 (E).. . → s koeficijentima λ1 .5).6 izravno slijedi: → → → → a1 a1 a2 an 1. Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1. → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 .. − → Napomena 1. ... VEKTORSKI RACUN E P 0 Slika 1. λ2 . λ1 . ..... →. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.5 Uzmemo li neku drugu toˇku Q ∈ E......... λ2 . λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − .1 i Teorema 1.. − ∈ XO (E). − . Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .. .2. .16 ˇ POGLAVLJE 1. . λn je razliˇit od nule. ..

Stoviˇe. → ∈ XO linearno zavisni.4 Ako su − . jer se nalazimo na pravcu... Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. e1 e2 e3 z Tada su oni linearno nezavisni.1.. Stoviˇe. → → − Teorem 1. Ako imamo dva vektora − .8 Neka su →. pa z z slijedi da su oni linearno nezavisni. takav rastav je jedinstven. b i − tri linearno nezavisna vektora iz XO (E). Teorem 1.5 Ako su − . →.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. → ∈ XO (E) jednak nul veka1 a2 an toru. − i − . Ako je barem jedan od vektora − .3 slijedi iz Napomene 1. b ∈ XO (E).7.♣ → → → ˇ s a b c Iz Teorema 1.. taj rastav je jedinstven. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.2.. →. b bilo koja dva linearno nezavisna vektora iz XO (M ).5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . z → − − 3. onda su oni linearno zavisni ako i samo ako su kolinearni. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. ♣ Tvrdnja Teorema 1.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . VEKTORSKI PROSTOR XO (E). → → − → Teorem 1.♣ . Ako su − .3 je jasna. .♣ → a s Jednostavna posljedica Teorema 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. on se ne moˇe izraziti kao njihova linearna konbinacija. c − → → a 4. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. . c − → − Napomena 1. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .. onda su ti vektori linearno zavisni.

2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . 1). Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. →). Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . Ey = (0. Stoviˇe. Tada je a e1 e2 e3 c − (Teorem 1. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Koordinatni sustav → − → Definicija 1. a2 i a3 − → → → vektor iz XO (E). j . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. prema Napomeni 1.5). pri ˇemu su skalari a1 . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). te toˇke Ex = c s c −→ − − → −→ − → − (1. j = OEy i − → −→ − − − − → → → k = OEz . duljine su im 1 i leˇe na okomitim c s z pravcima. az ) su jednoznaˇno odredene. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . e1 e2 Napomena 1. Analogno. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Skalare a1 . − → − → Neka je (→. ay . Kako vektori i .7 Uredena trojka (− .1 i Teorem z 1.8 z ˇ oni su linearno nezavisni. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. − . 0). k ne leˇe u istoj ravnini. 0. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. Definirajmo i = OEx .3 Baza vektorskog prostora XO (E). → → a b i j k . − .9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). uredeni par → − (− . 0.18 ˇ POGLAVLJE 1. 1. a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. − ∈ XO (E). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . z c → → Neka je sada − proizvoljan vektor iz XO (E). c →. →. 0) i Ez = (0. VEKTORSKI RACUN 1. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). pa ˇine bazu.

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

. 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. λ(ax . xn ) gdje su xi ∈ R za i = 1... Skup svih takvih n-torki oznaˇavat ´emo sa Rn . yn ) ∈ Rn i λ ∈ R definiramo: (x1 . x2 . .. n. λx2 .. .1 i Teorema 1. az ) = (λax ...... Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. .. λxn ). λ(x1 ..5 Skalarni produkt ˇ Vektori su generalizacija brojeva. n. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. . y2 . .. x2 .. . . 0.. .... ay . ... . yn ) = (x1 + y1 . az + bz ).. . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza.. Kako ta baza ima c n n vektora. (y1 . z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). x2 . U tu svrhu moramo na odgovaraju´i naˇin definirati c c . 2... (ax . xn ) + (y1 . . 1.. x2 . xn ) = (λx1 . Zelimo uvesti i mnoˇenje vektora. c c Za (x1 . z 1. Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. VEKTORSKI RACUN 1... xn + yn )... To svojstvo baze od X0 (E) zovemo potpunost. ako su sila i put kolinearni.. ay + by . xn ) : xi ∈ R za i = 1.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). 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).. . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. xn ).2. bz ) = (ax + bx . λay . by . ay . kaˇemo da je R n-dimenzionalni realni vektorski prostor. 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 .. Moˇe se pokazati da skup od n vektora −i = (0.. ˇini bazu u R . 0. λaz ). Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R . az ) + (bx .... x2 + y2 . U toˇki 1..20 ˇ POGLAVLJE 1.. .. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. Dakle Rn = {(x1 .. i = 1. y2 . x2 . n}...

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

a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . a −b b ϕ a Slika 1.22 · → − i → − j → − k ˇ POGLAVLJE 1. Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− .1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje.9: Raˇunanje skalarnog produkta. c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ). VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1. − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k .

z z → → − → − → − → → 2. . − → a b Napomena 1.5..6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. b ∈ V i sve λ. − = (y1 . x2 .1. → → Neka su − = (x1 .10. Posebno.. xn ). y2 .. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. + xn yn . Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . ..11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. slaˇe s Napomenom 1. µ ∈ R. tj. (− + b ) · − = − · → + b · → (aditivnost). Definicija 1. → → x y Teorem 1. yn ) ∈ Rn . .. (λ− ) · b = λ(− · b ) (homogenost). tj. Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + .. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . a a → − → → − − a a c 3. ako je vektorski prostor W = R. Za preslikavanje (funkciju) sa V u W . 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 .♣ − → → → → 1. a c a c c → → → − → − 2.. a onda f zovemo linearni funkcional. → · b = b · − (simetriˇnost). a x y z Ova se formula za duˇinu vektora. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − .9 Neka su V i W realni vektorski prostori.

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

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

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

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

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 . c1 c2 c3 3.28 ˇ POGLAVLJE 1. Ako su svi elementi redka (stupca) pomnoˇeni istim skalarom. Svojstva determinante: 1. Ako dva susjedna redka predznak. 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 .: z a1 λa2 a3 b1 λb2 b3 c1 λc2 c3 5. c1 c2 c3 Determinantama ´emo se viˇe baviti u poglavlju o rjeˇavanju linearnih sustava. determinanta z se mnoˇi tim skalarom. tj.: a1 a2 a3 b1 b2 b3 c1 c2 c3 2. c s s Ovdje smo uveli samo ona njihova svojstva koja ´e nam trebati pri radu s vekc torima.: a1 b1 c1 = a1 b1 c1 a2 b2 c2 . tj. 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. Ako su dva redka (stupca) u determinanti jednaka. Zamjena redaka stupcima i obratno ne mijenja vrijednost determinante. determinanta je jednaka nuli. .tj. determinanta mijenja a2 a3 b2 b3 c2 c3 b1 b2 b3 = − a1 a2 a3 . 4.

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

pomo´u determinante pripadaju´e c c matrice.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. onda su S i S (odnosno njihove baze) jednako orijentirani. ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). j . → → a b i j k . − → − → → − − → j = b1 i + b2 j + b3 k . z Napomena 1. Definicija 1. i . j . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. k ) pravokutni normirani c c → → − desni koordinatni sustav. 1.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1.10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). k ) i S = (O . i . Dakle. onda se z orijentiranost od S i S ispituje analogno. k : z − → − → − → − → i = a1 i + a2 j + a3 k . j . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. j . c1 c2 c3 Ako je D > 0. Prikaˇimo i . i . onda nisu. j . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− .30 ˇ POGLAVLJE 1. tj. − → − → − → − → k = c1 i + c2 j + c3 k . k preko i . ako je D < 0.

pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . − → → → − → − → → 2. jer je nul vektor kolinearan sa svakim vektorom. Dakle a − → − i b su kolinearni. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). neka je − × b = 0 . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).8.♣ → a . c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1.♣ Primijetimo da tvrdnje Teorema 1. → × b = −( b × − ) a a (antikomutativnost). b nul vektor. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. Zbog − · − = |→||− | cos ϕ. a a a Napomena 1. Kako je − · b = |→|| b | cos ϕ. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). a c → i → kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. c c z Teorem 1. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. c Dokaz: − → → Ako je barem jedan od vektora − . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . kao saˇeti zapis. Po pretpostavci je |→| = 0 i | b | = 0. ϕ = 0 ili ϕ = π. Tada je |− × b | = 0. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . → → → − → → − (a b c a c b c − − → → − → 3.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. Tada je |→ × − | = 0.6. pa desna strana formule za duljinu vektora − × b iˇˇezava. → × ( b + − ) = − × b + − × − . − → − → |a a sc a b → − → → − pa i − × b = 0 . a → − → → → → − → − → − Obratno. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno.1. Neka su sada oba vektora razliˇita od nul vektora. tj. pa je cos2 ϕ = 1. i ϕ = 0 ili ϕ = π.

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

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

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

zakljuˇujemo da su vektori → i b × c okomiti. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . kako je a c → − − → → − − → − · ( b × c ) = 0. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. b = 0 i → = 0 . b . a a . MJESOVITI PRODUKT 35 bx c a c b Slika 1.11 Za vektore − . vektorsko mnoˇenje i mjeˇoviti z z s produkt. → komplanarni. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . b . pa tvrdnja slijedi a c iz svojstava determinante 3. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . onda − → − Obratno.16 oni su linearno zavisni. b . − .4 i 5 iz toˇke 1. |→ × b | je povrˇina paralelograma razapetog s → i b . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.14: Mjeˇoviti produkt triju vektora.♣. gdje je |→| baza. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. Pretpostavimo zato da su − = 0 . jer je a a c → − − → |→ · b | = |− || cos ϕ|. → − → − → → → → Napomena 1. Tada. − ∈ XO (E). zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . pa kako je − okomit na b × − .9. b . Tada je: → → → a b c → − → − → − − → 1. a | b | sin ϕ visina paralelograma.ˇ 1. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje.17 Za vektore − .16 Vektori →.6. s → → − → Definicija 1. − komplanarni po Napomeni 1. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. − → − i samo ako su a b c − → → → Ako su − . z → − − − a c Napomena 1. − . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. a a − → → − → − − → − 2.

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

j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. c c s 2. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. Ako je B = 0. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. Takav analitiˇki opis ne ovisi o geometrijskom zoru. Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru.1.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata.Poglavlje 2 Analitiˇka geometrija c 2. taj skup je neprazan. Ta jednadˇba opisuje neki skup toˇaka u ravnini. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . i . pri ˇemu su A. 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. onda za c proizvoljni x0 imamo C A y0 = − x0 − .

y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0. → − r n → − → → Ako toˇka (x. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . y) leˇi na pravcu p. y0 ) okomit na vektor − = A i + B j .y) Slika 2.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. c n Zaista. B.1: Pravac u ravnini. vrijedi Ax0 + By0 + C = 0. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. Definicija 2.y ) 0 0 (x . Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 . Ax + By + C = 0 i A x + B y + C = 0. . ako toˇka (x. Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. tj. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p. onda one odreduju isti pravac ako i samo ako postoji t ∈ R takav da je A = tA. C takvima da je barem jedan od A i B razliˇit c 2 2 od nule (to se joˇ formulira i kao A + B > 0) je op´a jednadˇba pravca.1 Ako imamo dvije jednadˇbe. B = tB i C = tC. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0. onda − i → nisu okomiti.38 ˇ POGLAVLJE 2. s c z Joˇ se naziva i implicitna jednadˇba pravca. − · − = c z r n r n 0. s z z Napomena 2. y) ne leˇi na pravcu p. pa zbog okomitosti imamo − · → = 0. c p n r (x . i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. tj.

Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 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. znaˇi z c da prolaze kroz istu toˇku (x0 . onda pravac prolazi kroz ishodiˇte. no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − .1. tj. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. z → 2. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. B = tB i C = tC. Oˇito je (x0 . onda je pravac paralelan s osi x. Ako je B = 0. Ako je C = 0. n n 2. onda je pravac paralelan s osi y. ako postoji t ∈ R takav da je A = tA. Ako je A = C = 0. Odatle je A = tA i → → su vektori n n B = tB. jer je tada vektor − oblika n − → →=Bj. Ako je A = 0. jer je (0. C −A −B . jer je (0. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. → → Ax = 0 i vektor n n i 5. jer je toˇka (0.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Dobijemo z B A x + −C y = 1. jer je tada vektor − oblika n − → →=Ai.2. y0 ) i da je za svaku drugu toˇku (x.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv.1. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Ako je B = C = 0. − n → 3. pa imamo tvrdnju. − n 4. Dakle → → r i j n i j n i j → − − → − i n kolinearni. onda je pravac os y. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. onda je pravac os x. postoji t ∈ R takav da je n = t− . c Obratno. nepotpune obc z like): 1. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 .

3: Kanonski oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0. 0).40 ˇ POGLAVLJE 2.1. z . a ako je y = 0. b) i (a. z z Uoˇimo sljede´e: ako je x = 0. c c y b a 0 x Slika 2. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z 2. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. z p s=mi+nj P1 = (x 1. onda je y = b.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).2: Segmentni oblik jednadˇbe pravca.y 1 ) Slika 2. imamo A x a + y b = 1. onda je x = a. c c tj. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.

1. tj. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. y2 ) u ravnini M . Iz uvjeta x − x1 = λm i − − kolinearni.1.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . Toˇka P = (x. iz kanonske jednadˇbe c z . z p Q = (x2 .2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. ˇto se vidi i iz vektora smjera → = m i + 0 j . y) − koju prolazi pravac i vektor smjera pravca s i j c − − − → − = −1→ = (x − x1 )→ + (y − y1 )→ i − → PP leˇi na p ako i samo ako su vektori r z i j s → = λ→. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). s s 2. Nadimo jednadˇbu tog pravca. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. Dakle imamo pravac paralelan s osi c → − → − − → − x.2.y 2 ) P = (x 1. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. z z Napomena 2. Npr. y = y1 . a kako p po pretpostavci prolazi toˇkom P .y 1 ) Slika 2. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). y1 ) kroz z c z c → → → = m− + n− .4: Pravac kroz dvije toˇke. bez komponente u smjeru j . PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . y1 ) i Q = (x2 . onda c c je jasno da njima prolazi jedinstveni pravac p. tj.

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

imamo k = tg ϕ. c 43 n ˇ Uzeli smo da je k = m . 2. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. tj. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. l). s vektorom i ). y) leˇi na pravcu p ako i samo ako je z − · − = d. n − → → Toˇka P = (x. 1]. pravac prolazi toˇkom (0. n c y q n θ P0 x r P p 0 Slika 2.5). Neka je − = a i + b j jediniˇni vektor na pravcu q. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. → → r n Jednadˇbu − · − = d. n Kako je tg ϕ = m . odnosno z → → r n x cos ψ + y sin ψ = d . b ∈ [−1. PRAVAC U RAVNINI Napomena 2. tj.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). π] takvi da je a = cos ψ − i b = cos φ.6: Normirani oblik jednadˇbe pravca. tj. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. z Jasno je da su a. Povucimo sada kroz O pravac q okomit na p.1. c − → − → → pa imamo − = cos ψ i + sin ψ j . c c s − → − → → d = |OP0 |. P = (x. a2 + b2 = 1.1. φ ∈ [0.3 Za x = 0 imamo y = l tj. pa tada postoje ψ. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.

z .2. predznak od t je jednak suprotnom predznaku od C). z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik.44 ˇ POGLAVLJE 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. tC = −d. Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. 2. po Napomeni 2. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. tB = sin ψ. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. postavlja se pitanje kako prona´i njegov normirani oblik. Stoga je t= 1 √ . dakle mora biti tA = cos ψ.2 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. → → kolinearni.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 . tj.ˇ 2. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . ako i samo ako je A1 A2 + B1 B2 = 0.2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . A2 B2 → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . → n i j 45 Definicija 2.2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. −1 → Neka je ϕ kut izmedu → i −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 .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. ako i samo ako je m1 m2 + n1 n2 = 0. s1 s2 tj. m2 n2 → → Napomena 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. → → Napomena 2. ako i samo ako postoji λ ∈ R takav da je − = λ− . . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . tj. − → 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 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. s1 s2 odnosno ako i samo ako je n1 m1 = .46 b) Kanonski oblik: ˇ POGLAVLJE 2.

47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. Definicija 2. . y = k2 x + l2 . k2 = tg ϕ2 . Neka je ϕ = ϕ2 − ϕ1 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 .ˇ 2.2. ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 . Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 .7: Kut dvaju pravaca. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2.4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 .

48 ˇ POGLAVLJE 2. odnosno ako i samo ako je 1 + k1 k2 = 0. y0 ) i pravac p u ravnini. tj. ako i samo ako je ϕ1 = ϕ2 .8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.1. s Napomena 2.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 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 .7). Neka je pravac p dan u c c normiranom obliku.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. odnosno ako i samo ako je k1 = k2 . To je ekvivalentno s 1 k1 = − . tj. p) = x0 cos ψ + y0 sin ψ − d. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. tj. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. sa suprotne strane od ishodiˇta) jer je tada n s .5. Zanima nas udaljenost c toˇke P0 od pravca p. Napomena 2. x cos ψ + y sin ψ = d.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . 2 ako i samo ako je tg ϕ = ∞. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. ANALITICKA GEOMETRIJA Napomena 2.2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . k2 2. c Definicija 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p.

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

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

c 2.2. identiˇni su. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1.8: Mogu´i poloˇaji pravaca u ravnini. 3. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. paralelni su. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. xs = . Npr.2.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.ˇ 2. poklapaju se. ys ). tj. c z U sluˇaju da se sijeku u jednoj toˇki. zovimo je S = (xs . koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . sijeku se u jednoj toˇki.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini.

onda su p1 i p2 paralelni. .4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Osim udaljenosti.2. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j .4). Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A.11 Ako je A 1 B1 A 2 B2 = 0. p) = x0 cos ψ + y0 sin ψ − d. p)|. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. 2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . Napomena 2. onda je A 1 B1 A 2 B2 = 0.52 i ˇ POGLAVLJE 2.2. p) suprotnog predznaka. Vrijedi i obrat. p) i δ(B. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . ako su p1 i p2 paralelni.

→ n i j → → −2 = A2 − + B2 − . p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . A2 B2 A 1 B1 . ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. p2 . s c Neka se sada. Oznaˇimo c c c ju sa S = (xs . z c s Da bi se p1 . po Teoremu 1.ˇ 2. p2 . ys ).5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . Dokaˇimo da je i z C3 = αC1 + βC2 . tj. . postoje α. jer ako su sve tri jednake nuli.2. tj. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0.4 vektori → → −1 = A1 − + B1 − . tj. Tada p3 mora prolaziti kroz S.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. bez smanjenja op´enitosti. onda prema Napomeni c 2. p1 i p2 sijeku u jednoj toˇki. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta.2. → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . β ∈ R takvi da je −3 = α→ + β −2 . p3 u ravnini u op´em obliku.

imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. i 5. c A1 B1 . A3 B3 A2 B2 A2 B2 =0 .54 ˇ POGLAVLJE 2. pa po svojstvima determinante 4. S. β ∈ R. C2 ). (A3 . B3 . p2 . A 2 B2 je razliˇita od nule. C3 ) su linearno zac visni. ANALITICKA GEOMETRIJA Kako p1 . B2 . p3 po pretpostavci prolaze istom toˇkom. Drugim rijeˇima. iz toˇke 1. (A2 . B1 . vektori (A1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . C1 ).6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0. Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α.

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

Prema s z Napomeni 1. ANALITICKA GEOMETRIJA x = x0 + ta.56 Jednadˇbe z ˇ POGLAVLJE 2. 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 . j i k dobivamo kanonske jednadˇbe pravca. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. y = y0 + tb. z s Napomena 2. b. c su koeficijenti smjera pravca p. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . b.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.3. z Napomena 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . c) odnosno a. . y0 . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z c s 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . vektor smjera pravca p je dan s (a. Kako su vektori baze linearno nezavisni. pravac p prolazi toˇkom (x0 .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .13 Ako je pravac u prostoru zadan kanonskim jednadˇbama z y − y0 z − z0 x − x0 = = a b c onda iz njih izravno ˇitamo ˇitamo sljede´e informacije: c c c c 1. z0 ) i 2. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c .

c c Tada kroz njh prolazi jedinstveni pravac p. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. c) je dana s x y z = = . odnosno postoje c s0 α. tj. onda ima dva kosinusa smjera.2. c s → Iz toˇke 1. y2 . z1 ) i P2 = (x2 . →| |s b cos β = − . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.3.5 i toˇka 2.1.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. z2 ) u prostoru. −| |s Dakle koeficijenti smjera a. b. c).1. i njihov omjer daje koeficijent smjera (toˇka 2. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . onda znamo da je vektor → s a b c 1 → s0 = − − = − . Zbog komplec mentarnosti. pa odreduje isti pravac.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . Sada imamo da je → = P1 P2 = → − →. 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. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . y1 . − → z definirajmo s P c s − je vektor smjera pravca p.5 znamo da postoje kosinusi smjera vektora − . Odredimo njegovu jednadˇbu. − →| s →| |→| |→| |s |s s s − jediniˇni. β. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. PRAVAC U PROSTORU 57 → Posebno.3. Uzmimo sada npr. → − → → r r1 r2 r1 .6). π] takvi da je a cos α = − . b. pa iz toˇke − − s r2 c s r2 r1 c 2. b. s 2.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z Znamo iz toˇke 2. istog smjera i orijentacije kao i →. γ ∈ [0. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a.3. →| |s c cos γ = → . − . jedan kosinus smjera prelazi u sinus.3.

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

6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. b. + n2 + 1 cos γ = √ m2 1 . vrijedi x−m1 m = y−n1 n = z.3.3.n ) 1 1 Slika 2. Napomena 2. y0 . + n2 + 1 2.3.11: Pravac zadan dvjema projekcijama.2. + n2 + 1 cos β = √ m2 n . uz oznake n = b c b i n1 = − c z0 . z b c . PRAVAC U PROSTORU odnosno. Dakle. z y=nz+n 1 x =mz+m 1 y 0 x (m . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. 59 y = nz + n1 .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 . Tada za svaki izbor a.14 Iz toˇke 2.

ANALITICKA GEOMETRIJA 2. tj.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. y2 . − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . .7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . s z Imamo → = 1 (− + − ). → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . z → c radij vektor toˇke B. z1 ) i B = (x2 .12: Dijeljenje duˇine u zadanom omjeru.60 ˇ POGLAVLJE 2. m ∈ N. . r2 r1 →=− + − → ρ r1 n m → → → − + n −. y1 . 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 .3. mz1 +nz2 ). ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. z2 ) u prostoru. 2 2 2 . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. m+n m+n m+n Napomena 2. AC : CB = m : n.

y. onda je p = 0.4. j . ako Π prolazi kroz ishodiˇte (tj.13: Normalni oblik jednadˇbe ravnine. β. toˇku O). z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p. γ kutovi c → zatvara s pozitivnim smjerovima osi x. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − .1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. → 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. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. z redom (tj. a vektor z −0 zovemo normala ravnine Π.4 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. Neka je −0 = OP0 c c n p −→ − (tj. → n Posebno. Povucimo okomicu iz toˇke O na ravninu Π. RAVNINA U PROSTORU 61 2. P0 d r π n0 0 M Slika 2. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.2.3 ). → → r n . s vektorima baze −0 ˇto ih n s − − − → → → i . → → radij-vektora r n c P . k iz toˇke 1. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.4.

udaljenost ravnine Π od ravnine Π . z − − → OA · → = p. a c kako M leˇi u Π . → ako je M s one strane Π na koju pokazuje −0 . r n Napomena 2. c Neka je M = (x1 . y.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. B = (0. c c Sada. u stvari. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. C ∈ Π. redom. n − → → OC · −0 = p. c). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. Nadalje.2. z1 ) ∈ E proizvoljna. b.4.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.16 Ako toˇka P ∈ E ima koordinate (x. z). z. 0). 0.62 ˇ POGLAVLJE 2. toˇke u kojima Π sijeˇe koordinatne osi x. y. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. Kao i kod pravca (toˇka 2. 0. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. n . C = c (0. Napomena 2. kako su A. Imamo neˇto analogno otklonu iz toˇke 2. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . neka su toˇke A = (a. y1 .2. Za toˇke s druge strane bit ´e n c c d < 0. 0). n0 − − → → OB · −0 = p. Kako je d. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). duljina okomice c do Π ´e biti p + d (za neki d ∈ R. B. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. jer je duljina okomice do Π jednaka p).2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. iz normalne jednadˇbe ravnine imamo. 2.2.

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

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

B. b1 = − B i c1 = − D .18) i koeficijent razmjernosti je A2 + B 2 + C 2 . Tada je. 0.2. po c Napomeni 2. C C C A z Oznaˇimo a1 = − C .1).4. R → → Vektor normale −0 je normirani vektor − = (A. Stoga ´emo i vektor − zvati vektor normale. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. onda normala − = (A.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. Π) = |Ax1 +By1 +Cz1 +D| √ . R cos β = B . pa odreduju istu ravninu. C). B. RAVNINA U PROSTORU predznaka od D. s c A2 +B 2 +C 2 Napomena 2. s → 2. c onda je A B D z =− x− y− .17. Dakle imamo cos α = 65 A . R cos γ = C . Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. c . onda je oˇito da O = (0. onda su koordinate A. ravnina prolazi kroz ishodiˇte. k ). Napomena 2. B. pa imamo cos γ = 0.20 Neka je dana toˇka M = (x1 . tj. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. z1 ) ∈ E. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. tj. Ako je D = 0.4. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. istog su smjera n n → c n i orijentacije. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. y1 . Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. Ako je C = 0. 0) nema komponentu u smjeru n − → osi z (tj. nepotpune obc z like): c c z 1.

4. A. imamo samo tri nezavisna. 0) ima komponentu samo u n smjeru osi x. Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →.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. z → 3.66 z ˇ POGLAVLJE 2. ravnina je paralelna s koordinatnom ravninom Oyz. − i − su komplanarni). s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . C i D. onda prema 1. C koji je razliˇit od nule. s1 s2 . 0. B. Ako je B = C = 0. c Od ˇetiri parametra. Varijable u i v zovemo parametri.16: Ravnine u posebnim poloˇajima. B. onda normala − = (A. ravnina prolazi kroz ishodiˇte s a prema 3. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . 4. z c c 2. odnosno x = − D . z → − a vektore − i → vektori smjera. Imamo Ax + D = 0. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. Ako je B = C = D = 0. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. ravnina je paralelna A s koordinatnom ravninom Oyz.

z0 ) z z c → → i dva vektora smjera − = (a1 . Raspisuju´i z r r0 → − s1 s2 c po koordinatama dobijemo jednadˇbe z x = x0 + ua1 + va2 . b1 . y0 . z Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. Kako imamo dva parametra (u i v). c1 ).2. z0 ). Dajmo sada geometrijsku interpretaciju gornje jednadˇbe. z = z0 + uc1 + vc2 koje zovemo skalarni oblik parametarske jednadˇbe ravnine. − = (a1 .4. s1 s2 . y. z) ∈ E leˇi u ravnini ako i samo ako vrijedi − = →+u− +v →. b1 . → − Nek je P0 = (x0 . b2 . b2 . y = y0 + ub1 + vb2 .21 Kad parametri u i v neovisno jedan o drugom prolaze sve vrijednosti izmedu −∞ i ∞ dobije se cijela ravnina. z Napomena 2. c1 ) i − = (a2 . → = (a2 .22 Eliminacijom parametara iz skalarnog oblika parametarske jednadˇbe ravnine dobijemo jednadˇbu ravnine kroz zadanu toˇku P0 = (x0 . vidi se da je ravnina dvodimenzionalni objekt u prostoru. y0 . Tada P = s1 s2 → − (x. c2 ). Napomena 2.17: Ravnina zadana parametarski. c2 ) : s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0. RAVNINA U PROSTORU P s2 P 0 67 s1 r r 0 0 Slika 2.

2. z1 ). s1 .5 2.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 .5. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0.1 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 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni.4. P1 P2 . y3 . P3 = (x3 .4. Po Napomeni 1. − .4. vektori s1 s2 −→ → − − − → P0 P . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P2 . P2 = (x2 . Po Napomeni 1. P2 .68 ˇ POGLAVLJE 2. 2. Dakle. y1 . z3 ) u c prostoru takve da ne leˇe na istom pravcu.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. ANALITICKA GEOMETRIJA −→ → − − odnosno. P3 ne leˇe na istom pravcu. z2 ).16. 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 . → komplanarni. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). 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. ako i samo ako su P0 P . Kako toˇke P1 . toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P2 . P3 (uzmemo npr. y2 . Kao i u toˇki 2. P1 P3 komplanarni. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 .

2. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. B1 . ♣ . ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . C2 ). 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. tj. ako i samo ako je −1 · −2 = 0. Ravnine se podudaraju.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . tj.5. B2 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . Teorem 2. 69 −1 Definicija 2. 2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. Ravnine se ne sijeku. Ravnine se sijeku u jednom i samo jednom pravcu. −1 → Napomena 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. C1 ) n → i −2 = (A2 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. 3. odnosno ako → → kolinearni. 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 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.

Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0.70 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . i njihov c presjek je pravac. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule.5. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. da je c = 0. Ako je joˇ i A2 = B1 = C1 = D1 . tj. Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. imamo tre´i sluˇaj. onda se one moraju sje´i. p z 2. A3 x + B3 y + C3 z + D3 = 0. 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. z c c Kako ravnine nisu paralelne. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Ako ravnine nisu paralelne. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi.23. C1 = A1 . 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. A2 x + B2 y + C2 z + D2 = 0. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . Uzmimo. Njene su koordinate c B1 D1   B2 D2 T0 =  . Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. onda z s A1 B2 C2 D2 se ravnine podudaraju. ako ravnine A2 B2 B2 C2 A2 nisu paralelne.   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . 0 . B1 = C2 . Konaˇno. 2. .2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 .

5) i koordinate su mu c c ∆x ∆y ∆z ∆. tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. c) i − = (A. C). sve toˇke prostora koje se nalaze u presjeciˇtu Π1 .4. s jedna toˇka. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). ∆ . z nepoznanice). B. z Definicija 2. 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. y.5. onda je presjeciˇte jedinstveno (tj.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. 2. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. 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.5. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . → → s n .3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. b. toˇka 2. paralelne su). A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 .

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

imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at.5. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. tj.2. tj. z = z1 + ct. Aa + Bb + Cc Napomena 2. a druga je uvjet paralelnosti pravca i ravnine. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z z .5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. ako nema konaˇnog z koji je rjeˇenje. z1 − c Ax1Aa+Bb+Cc+D .28 Ako ne postoji takav t koji je konaˇan. 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 . y = y1 + bt.5. Ax1 + By1 + Cz1 + D . z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. 2. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . y0 . y1 − b Ax1Aa+Bb+Cc+D .

b2 .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).74 ˇ POGLAVLJE 2. c c c 2.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . c1 ) odnosno − = (a2 . z1 ) odnosno c → → P2 = (x2 . c 2.18: Mimosmjerni pravci. y2 . Pravac i ravnina se ne sijeku. Pravac i ravnina se sijeku u samo jednoj toˇki. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). 3. . c2 ). b1 . → → 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 . y1 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. Pravac je sadrˇan u ravnini. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Definicija 2. ANALITICKA GEOMETRIJA Teorem 2.5. s1 s2 redom. → → s1 s2 p 2 p 1 Slika 2. z2 ) s vektorima smjera − = (a1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.

z= 1 m−m n−n .30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. tj. ako i samo ako postoji λ ∈ R takav da je − = λ→. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 . odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . 2.5. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.3. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . ako i samo ako je → · − = 0. c c z → s1 Napomena 2. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.2. tj. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.5). To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . → Napomena 2.5. tj.

toˇke leˇe u toj ravnini. z2 ) s pripadaju´im vektorima smjera − = (a1 . y1 . D. B. b1 . To nam daje uvjete na A. 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 = = . On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. y1 . odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. c2 ). c2 ) paralelni sa ravninom. y1 . onda moraju leˇati u istoj ravnini. y2 . − To znaˇi da i toˇke P1 = (x1 . → − Kako su − = (a1 . imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. 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 . c1 ) i → = (a2 . c2 ) leˇe u toj ravnini. y2 . D su nepoznanice). b1 . y2 . b2 . z2 ) i vektori → = (a1 . b2 . z1 ) odnosno → P2 = (x2 . nnn−n1 n . Dobili smo sustav od ˇetiri linearne jednadˇbe (A. C. a1 b1 c1 0 a2 b2 c2 0 .27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. Neka je to z ravnina Ax + By + Cz + D = 0.76 ˇ POGLAVLJE 2. Kako P1 = (x1 . a2 b2 c2 Jasno je da ako se p1 i p2 sijeku. b1 . n1 −n1 ). a vektori → i s2 z c c z su paralelni s njom. B. z1 ) i P2 = (x2 . c1 ) c c s1 − = (a2 . ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . i c z to homogeni. Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. C. z2 ) leˇe u ravnini. c1 ) odnosno c s1 − = (a2 . iz Napomene s1 s2 2. b2 . Toˇnije.

z Moˇe se desiti da su oni paralelni. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. i 6. ne leˇe u istoj ravnini. pa nema presjeciˇta.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1.5. Prema Napomeni 2. Ako su sva tri redka proporcionalna.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. ˇetvrti sluˇaj. z 3. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. z 2.29. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). tj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. Pravci leˇe u istoj ravnini i ne sijeku se. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. c =0 . imamo isti pravac. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. 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 . 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. Teorem 2. Pravci se podudaraju. Pravci su mimosmjerni. iz toˇke 1.2.6 na gornju determinantu (tj. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z c 4. Pozabavimo se sluˇajem mimosmjernih pravaca.

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

prema Napomeni 2. → − Ako su − i → kolinearni. (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. kako konstruirati ravninu kroz toˇku P1 = (x1 . y1 . → → → n s1 s2 Time smo dobili izraz kao i gore tj. . y2 . ˇto je toˇka. b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . Napomena 2. uzmimo toˇku P2 = (x2 . pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . z2 ). . jasno je da moˇemo uzeti da joj je normala z − . ˇto znamo izraˇunati.20. − = → n b1 c1 c1 a1 a1 b1 . Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . Tada je. onda su p1 i p2 paralelni.2. Tada pogledamo presjek te ravnine i pravca p2 . x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. zovimo je M . d(p1 .5.31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π.

.

onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici.1 3. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. y. 1 −1 0  1 1 1 81 . z z Npr. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . y. U primjeru iz toˇke 1.1.Poglavlje 3 Matrice i linearni sustavi 3. Ako bismo uspjeli razviti raˇun takvih objekata. 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. z i c z u.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.

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

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

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

. tj.. n. tj... j = 1. 7 3 −2 −3 0 Napomena 3.♠ .. Ako je A = −A.. dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  .. Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu.5 Matrica A  1  A= 4 7 je simetriˇna. j = c T 1. n... aij = −aji za i. odnosno vrijedi aii = 0 za i = 1.. tj... ali suprotnog predznaka. n. c Primjer 3. tj. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . . c Za elemente glavne dijagonale antisimetriˇne matrice vrijedi aii = −aii za c i = 1.1 Elementi iznad i ispod glavne dijagonale simetriˇne matrice c simetriˇni su u odnosu na glavnu dijagonalu. c . zrcale se jedni u druge. aij = aji za i. Oznaˇavamo ju s AT ...4 Matrica A  2  0  A=  0 0 je gornja trokutasta. matrica A je antisimetriˇna (kososimetriˇna).. Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule.1. n. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. Sliˇno se definira donja trokutasta matrica. . c c Primjer 3. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. Primjer 3. n je transponirana matrica matrice A.  2 0   AT =  3 1  . Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n.3 Ako je A= onda je 2 3 4 0 1 2  . . . j = 1. ..ˇ ˇ 3.♠ 2 7 .♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta.. m. ..

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

. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Kaˇemo da je A rastavljena (razloˇena. Ak s koeficijentima λ1 . A2 . β ∈ R vrijedi: 1.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . a na svim ostalim mjestima nule ˇini bazu u Mmn .. A2 . linearna kombinacija i linearni rastav.. Linearna kombinacija je netrivijalna ako je barem jedan λ1 .. + λk Ak je linearna kombinacija matrica A1 . ... Njegovi su elementi (”vektori”) matrice tipa m × n. 2. A + B = B + A (komutativnost). B.5 Neka su A1 ..1.. . Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. z Teorem 3. .1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. λk razliˇit od c nule.4.. Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja... OSNOVE MATRICNOG RACUNA 87 Teorem 3.. C ∈ Mmn i sve skalare iz α. Ak ∈ Mmn . 4.. Ak ∈ Mmn matrice i λ1 . . 3.. Ak . Napomena 3.3 odnosno Definicije 3. Matrica A = λ1 A1 + . onda je i A ∈ Mmn .1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. . α(A + B) = αA + αB (distributivnost). A2 .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 .ˇ ˇ 3...... λk ∈ R skalari. A2 . razvijena) u linearni spoj po matricama z z A1 . ... . (A + B) + C = A + (B + C) (asocijativnost).. α(βA) = (αβ)A (homogenost).♣ Iz Teorema 3. ˇto slijedi izravno iz Definicije s 3. s Definicija 3.. λk . j) imaju z jedinicu.

Iako jednostavna. To nam z name´e sljede´u definiciju. geometriji.88 POGLAVLJE 3.3 i Definicije 3.. Dakle imamo tvrdnju. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka.. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Takoder. m i j = 1.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. . B ∈ Mmn .. itd. Oˇito je tako definirana matrica C ∈ Mmn .1. AT = −Aa i A = As + Aa . (AT )T = A za sve A ∈ Mmn . Napomena 3. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. Definicije 3.. a za Aa vrijedi AT = −Aa .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. 2. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. 2 Oˇito je AT = As . gdje su elementi od C dani s cij = aij bij za i = 1. Tako bismo za matrice A = [aij ]..4. Produkt A·B takvih matrica . B. MATRICE I LINEARNI SUSTAVI 1. gdje za As vrijedi AT = As . nema podlogu u fizici. (A + B)T = AT + B T za sve A. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. 3.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .. n. . ♣ c s a 3.

broj stupaca od A je jednak broju redaka od B.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . . ai2 . bnj ) = ai1 b1j + ai2 b2j + ..j) m A .. Za takve matrice A i B kaˇemo da su ulanˇane. p p = j n (i.. n i m .. i = 1. .. a da B · A nije ni definiran. Ako je m = p = n. ai2 .. ain bnj . bnj ). a B ·A ∈ Mnn . ako su A ∈ Mmn i B ∈ Mnp i m = p.. .. j = 1.. . Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + .. Npr. a broj stupaca je c jednak broju stupaca od B. Definicija 3. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 .. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1..... Dakle. z c tj. p.. Tada je i-ti redak matrice A jednak (ai1 .1: Produkt matrica. Mnoˇenje matrica vodi raˇuna o poredku operanada.4).. za i = 1.1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . ... imamo A·B ∈ Mmp . Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. + ain bnj . . Dakle opet je A·B = B ·A. za j = 1. ain ). Napomena 3. B = C Slika 3.. onda je A · B ∈ Mmp . m.. Dakle zakljuˇujemo da na mjestu (i.. m. j) u matrici C = A · B stoji element koji je c jednak skalarnom produktu i-tog redka matrice A i j-tog stupca matrice B. p. .. ain ) · (b1j . a j-ti stupac matrice B je (b1j . a B · A nije definirano. ... b2j ....ˇ ˇ 3. . b2j ..

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

Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. bm ]T poznata matrica desnih strana i z x = [x1 . OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.♠ Ako su izabrani redci i stupci uzastopni. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. b = [b1 . c drugi i tre´i. Sloˇimo li ih u (r ×s) matricu. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. ♣ 91 Uz ovakvu definiciju mnoˇenja matrica linearni sustav od m jednadˇbi s n z z nepoznanica moˇemo u kompaktnom vidu pisati kao z Ax = b → → − (ili A− = b ).1. Izaberimo dva redka.4. i dva stupca npr.3.6 Neka je  2 3 4 1   A =  −1 2 1 3  . 4. 3.. dobivamo podmatricu z matrice A. 0. 3. prvi i tre´i. dobijemo podmatricu z 3 4 0 3 matrice A. npr...6. svaka linearna z jednadˇba ide u svoj redak)..5 Podmatrice i blok matrice Neka je A ∈ Mmn . . takvu podmatricu zovemo blok. 1 0 3 0  Neka je r = s = 2. Primjer 3. 3.1.ˇ ˇ 3. xn ]T nepoznata matrica.. . 3. c .. Sloˇimo li ih u (2 × 2) matricu.

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

4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. dakle ne postoji izbor brojeva a. c.1. OSNOVE MATRICNOG RACUNA 93 3. neka je dana matrica c 0 1 1 0 .8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U skupu R vrijedi: ako je a · b = 0. Npr. U toˇki 3. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.6 Regularne matrice. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. tj. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . onda je barem jedan od a ili b jednak nuli. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. c 2. Teorema 3.1. tj. c Napomena 3. 1.1. postoji broj koji pomnoˇen s a daje 1. b. Npr. c c c Iz svojstva 5. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.ˇ ˇ 3. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn . Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz.

94 POGLAVLJE 3. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. Tada je B jednoznaˇno odredena s A. z Definicija 3. Ako uzmemo a = d = 0 i b = c = 1 imamo 0 1 1 0 Dakle multiplikativni inverz od 0 1 1 0 je ona sama. Za matricu A koja nije regularna kaˇemo da je singularna. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In .4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . c 0 1 1 0 · a b c d = c d a b . neka postoji matrica B ∈ Mn takva da je A · B = B · A = In .7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . c Teorem 3.9 Neka je A ∈ Mn regularna.♣ Znaˇi. . MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica. Dakle je A · A−1 = A−1 · A = c In . tj. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena. Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . z Napomena 3.

Ako je A ∈ Gn onda je i A−1 ∈ Gn i (A−1 )−1 = A. OSNOVE MATRICNOG RACUNA 1. ... .. ajn ) za j = 1.. ain ) · (aj1 ... In ∈ Gn i In = In .... aj2 .. U Napomeni 3.. 2..10 Neka je A = [aij ] ∈ Mn ortogonalna.. −1 3. 95 4. .. n. + a2 = 1 i1 i2 in za i = j.. ai2 .♣ / z Definicija 3.. ain ) · (aj1 . j) u matrici A · AT stoji element koji je jednak skalarnom c produktu i-tog redka matrice A i j-tog stupca matrice AT .... .6 smo rekli da na redke i stupce od A moˇemo gledati kao na vektore iz Rn . ajn ) = ai1 aj1 + ai2 aj2 + ... u stvari. Ako su A. ai2 . B ∈ Gn onda je A · B ∈ Gn i (A · B)−1 = B −1 · A−1 . ajn ) = ai1 aj1 + ai2 aj2 + .8 Za matricu A ∈ Mn kaˇemo da je ortogonalna ako je A · AT = AT · A = In . ain ) · (aj1 ... Gn = Mn . ain ) · (aj1 . 5.1... ai2 . aj2 . ai2 . .. (To je. ..... + ain ajn = δij odnosno (ai1 . aj2 . n. + ain ajn .ˇ ˇ 3. aj2 . moˇe se dokazati da ˇine ortonormiranu bazu od Rn . Kako je po pretpostavci A ortogonalna. ajn ) = a2 + a2 + . a j-ti stupac matrice AT je (aj1 . ai2 . ajn ) = ai1 aj1 + ai2 aj2 + .. + ain ajn = 0 za i = j i (ai1 . vrijedi A · AT = AT · A = In . . .. 0n ∈ Gn .. Stoviˇe..... j-ti redak od A). ... preciznije Gn ⊂ Mn . Dakle redci (odnosno stupci) ortogonalne matrice A ˇine ortonormirani podskup c ˇ vektorskog prostora Rn . aj2 . Zakljuˇujemo da na mjestu (i. ain ) za i = 1.... ˇtoviˇe vrijedi da je s s (ai1 . . s z c . Skalarni produkt takva dva vektora (recimo i-tog iz A i j-tog iz AT ) jednak je (ai1 . Napomena 3. .. Dakle i matrica AT · A ima iste elemente. .. Tada je i-ti redak matrice A z (ai1 .

Elementarne transformacije Neka je A = [aij ] ∈ Mmn . .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. Sliˇno. moˇemo promatrati kao vektore u vektorskom prostoru Rm . matrice iz M1n ... moˇemo promatrati kao vektore u R . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. tj..7 Rang matrice.. MATRICE I LINEARNI SUSTAVI 3.. .♣ Kako je po Teoremu 3. − ∈ Rm . a1 an → → i izravno iz Definicije 3.... Definicija 3.10 slijedi da je L(− . Podprostor razapet vektorima a1 an − . − ).11 Neka su − ...5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn ....6 znamo da stupce. 2... + λn − : λ1 .. a1 an Napomena 3. Definicija 3. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A.. . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). a1 an . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. Iz Napomene 3.. Oznaˇavamo ga → → → → a1 an a1 an c − . z Teorem 3.. →) ⊆ Rm .10 Neka je V vektorski prostor (Definicija 1. → → Definicija 3. . Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.5 izravno slijedi da je r(A) = r(AT ). .5).. i 3. linearne zavisnosti/nezavisnosti.. Iskaˇimo sada jedan bitan rezultat.5) i neka je L neki podskup od V . . − ) podprostor od Rm ..96 POGLAVLJE 3. iz Definicije 1.. − . − ) = {λ1 − + .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.. vrijede svojstva 1. njene z c n redke.. . → → s L( a1 an → → → → an a1 L(− . − je skup svih linearnih kombinacija vektora − .1..11 Oˇito je da je c − − L(→. matrice iz Mm1 .. . λn ∈ R}. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).

.15 Iz Napomene 3.. n). Neka je A ∈ Mmn . c .. Mmn .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Neka je In ∈ Mn . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3..♣ Primjer 3.. Stoga vrijedi s − − dim(L(→. − ).12 Neka su − . Napomena 3... →}. Tada je r(0) = 0.. Tada je oˇito r(In ) = n..13 imamo da je r(A) ≤ min(m..8 Vrijedi: − → 1.. ...1.. Napomena 3. a1 an Vratimo se na konkretan vektorski prostor.. Neka je 0 ∈ Mmn nul matrica.. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.13 Kako vektori − . znamo da je u a1 an a1 an bazi najviˇe n vektora. . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. z Teorem 3.14 Uz gornje oznake iz Teorema 3. .. − ) podprostor a1 an a1 an m − . jer je skup { 0 } uvijek linearno zavisan.. − razapinju L(− .. Dimenziju vektorskog prostora L(− . → → → → Napomena 3. .. →)) ≤ n. − ∈ Rm . Neka je L(− .. . − ) → → → → od R razapet sa a1 an a1 an →.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). . . − )). − .. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . . Neka je R(A) podprostor od Rm razapet stupcima matrice A.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. ..ˇ ˇ 3.. i R (A) podprostor Rn razapet redcima od matrice A. 2...

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

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

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

= ain = 0. .. m. n...... s Ako je (c1 .. . Definicija 3. j = 1.....2 3. Za sustav kaˇemo da je homogen ako je b1 = ..2..... . LINEARNI SUSTAVI 101 3. ..1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . ..3. . cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . xn s z koeficijentima aij . . uredena ˇetvorka (1... Ako za neki i = 1. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja. am1 x1 + am2 x2 + . s i = 1. m vrijedi ai1 = . kaˇemo da je nekonzistentan. c2 .. . . i = 1. + a1n xn = b1 a21 x1 + a22 x2 + .18 Primijetimo: 1.. sustav je nemogu´. sustav je nehomogen. Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. Uredena n-torka (c1 . m. Npr. . s z suglasan ili mogu´... Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.. 2.2. c c Napomena 3... c s 2. c2 .. bm : c a11 x1 + a12 x2 + .. = bm = 0.. . . s s z s 3. i = 1. + amn xn = bm . 0. Takvo rjeˇenje zovemo trivijalno.. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0.. a bi = 0. . jer x1 = . s ... Ako sustav nema rjeˇenja..14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. + a2n xn = b2 ... . n i slobodnim ˇlanovima b1 .. c s z proturjeˇan ili nemogu´. imamo netrivijalno rjeˇenje. Homogeni sustav je uvijek mogu´.. Ako je barem z jedan bi = 0.. = xn = 0 daje rjeˇenje c svakog homogenog sustava..xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima....

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

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

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

dakle dokaˇimo da za proizvoljne c z − . Tada je. A− = b i A− = b .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). gdje je λ ∈ R proizvoljan. tj.2. Treba provjeriti da N (A) ima svojstva iz Definicije 1. Dokaz: Oˇito je N (A) ⊆ Rn .8 i Napomene 3. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . tj.1 i Teorema 1.♣ .2.♣ s c z s x → Iz Teorema 3.18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan. u u Dakle je N (A) vektorski podprostor od Rn .22 N (A) je podprostor od Rn . c 3.3.3 Homogeni sustavi → Iz Napomene 3. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . c Svojstva iz Teorema 1. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . → ∈ 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).2 su oˇito zadovoljena. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). x x − → Oˇito je 0 ∈ N (A). u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. u v u v − → dakle → + − ∈ N (A). c Napomena 3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .5.

svako rjeˇenje je oblika − 0 + 0 . nam kaˇe da ako znamo jedno rjeˇenje − 0 (nez s a → − = − i sva rjeˇenja pripadaju´eg homogenog → homogenog) sustava A x b s c − → → sustava A− = 0 (to je vektorski prostor N (A)).23 Primijetimo: → 1. Tvrdnja Teorema 3.♣ Napomena 3. . N (A) = { 0 }. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Kako je iz Teorema 3. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. tj.9 II. Tvrdnja Teorema 3. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. ut rjeˇenja homogenog sustava c s − = − .9 I. tj. s x → − → → Obrnuto. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. onda je i njihova linearna kombinacija rjeˇenje tog sustava. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . → → → → u u y y − → → II. prema Teoremu 3.106 POGLAVLJE 3. Teorem 3.22 zakljuˇujemo da ako su u1 . Onda.9. Po Teoremu 3. rjeˇenje je x s u s jedinstveno. s Dokaz: (Dokazujemo samo tvrdnju II. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. → → → → Ax a y y 2.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . gdje je − ∈ N (A).8 je matrica A regularna. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . z s .9 I.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). onda po Teoremu 3..) − → → − → − Ako je matrica A sustava A− = b regularna. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b .. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. iz jedinstvenosti zakljuˇujemo da je − = 0 ..

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

.... cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 . ... r(A) = dimR(A) = n. 0 U toˇki 3..10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.1. .2.9..... Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. .11 Ako je (− r+1 . cr . MATRICE I LINEARNI SUSTAVI − 0 = [c1 . − u u u pri ˇemu su µr+1 . − = [c1 ..108 koje je oblika POGLAVLJE 3... cn su slobodni prametri.7 odnosno toˇki 3. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). .. − n ) baza s x u u u − → − = b oblika → od N (A).. → x → → Dakle.♣ Iz Teorema 3...... Broj dimR(A) smo zvali rang od A. iz Teorema 3. . − − → u u u pri ˇemu su µr+1 . Brojevi cr+1 .10 I. Kako je (− r+1 .. tj... → → − II. cn postoje → − jedinstveni c1 . cr ]T ).. µn proizvoljni parametri. + µn − n .11 izravno slijedi iz Teorema 3. cr koji su dani s A−1 β (c) = [c1 .. . cr ]T . . c .. + µn − n . → → Teorem 3.... jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). .. i obratno. .24 Tvrdnja Teorema 3. dok brojevi c1 . dimR(A) + dimN (A) = n.♣ c Napomena 3.. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b ..3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. cr+1 .. cn ]T je rjeˇenje sustava A− = c s x − → b. a broj dimN (A) defekt od A. µn proizvoljni parametri.. Teorem 3..8 II.. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ..... onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . . .

imamo postupak Gaussovih eliminacija. b ]. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A... na aij za i = k + 1.3.. . b ] mnoˇili s lijeva elementarnim matricama Q1 . . Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.2. Radimo li to elementarnim transformacijama samo nad redcima. akk za k ≤ min(m. z z Opisani postupak za rjeˇavanje linearnih sutava se uz male preinake moˇe s z primijeniti i na istovremeno rjeˇavanje viˇe linearnih sustava s istom matricom s s − → − → sustava A ∈ Mmn i razliˇitim desnim stranama b 1 .. b ] (gdje je matrica A takva da na pozicijama a11 . A −→ det A. za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). Qq .. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab .6. ima nule.1. tj. b p . n) ima jedinice. z Za neke se posebne matrice druge. − → mi smo zapravo matricu [A. na aij za j < i ima nule. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3. ... a ostale pozicije su ”nebitne”). . na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Q1 · Q2 · · · Qq · b ] = [A . Ovaj se postupak moˇe primiz jeniti na sve matrice.. . metode mogu pokazati brˇima (manja im je sloˇenost). b ] dobili matricu [A . m ima nule. 3... j = 2. tj. k. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.2. posebno dizajnirane. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj... uz male modifikacije je numeriˇki stabilan. na aij za i < j..5 Determinanta.. lagano moˇemo oˇitati rjeˇenje). . sloˇenost mu je c z 3 ∼ n (tj..

. c1 c2 a1 a2 b1 b2 . . Napomena 3. c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 . odnosno n det A = k=1 (−1)k−1 a1k det A1k .. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 . . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . oznaˇimo s A1k .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda.. k = 1. n.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . Za A ∈ Mn .110 POGLAVLJE 3. + (−1)n−1 a1n det A1n . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. Tada za A ∈ M1 oblika A = [a] definiramo det A = a. Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . n > 3... MATRICE I LINEARNI SUSTAVI U toˇki 1. Determinanta matrice reda n > 3 se definira induktivno. u stvari skup R). matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca.

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

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

Teorem 3. Teorem 3.i+1 (naravno.3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. ♣ Iz Teorema 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . Teorem 3. 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. B ∈ Mn vrijedi det(AB) = det A · det B. ♣ U Teoremu 3. ai+1.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. Radimo sve analogno sve do zadnjeg elementa na dijagonali.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. itd. Dokaz: Iz Teorema 3. onda je det A = 0.♣ Teorem 3.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .2. ♣ . tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . ♣ Napomena 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.i+1 = 0). Dakle oˇito je det A = 0.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca.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 . LINEARNI SUSTAVI 113 ispod njega.12 Za proizvoljne matrice A. Ako to nije mogu´e. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .26 Ako je A ∈ Mn regularna. z Teorem 3.

onda je po Teoremu 3. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .♣ . ako je i = j.114 Veliˇinu c POGLAVLJE 3. det A Dakle A je regularna i A−1 = kof (A) det A . dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. Promatramo zbroj n (−1)j+k aik det Ajk . onda iz Teorema 3. c Napomena 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki. k) stoji kofaktor elementa aki matrice A.27 izravno slijedi: Teorem 3. det A Dokaz: Ako je det A = 0.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . (−1)k+i det Aki .28 U Napomeni 3. Analogno ide dokaz za stupce. Vrijedi i obrat. onda je det A = 0. k=1 Oˇito. Definicija 3. Kofaktor matrice A oznaˇavamo s kof (A).13 prethodni zbroj jednak det A.26 smo vidjeli da ako je A ∈ Mn regularna.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. tj. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.♣ Iz Napomene 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak. tj. ♣ Napomena 3. Inaˇe je zbroj det A.16 imamo da je 1 kof (A) · A = In .

Ako je matrica A regularna. Rm = R.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.. → ∈ Rn ..8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna.♣ a 3. n. . . → ∈ Rn .17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.3. onda je rjeˇenje z s tog sustava dano s x1 = D1 . iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . Ako je m = 1..3. → x Teorem 3. . − → → Iz Teorema 3. . xn = . onda takav linearni x y operator zovemo linearnim funkcionalom. Takvu x x funkciju zovemo linearni operator. Stoviˇe.3. Rjeˇenje je dano s − = A−1 b . µ ∈ R i sve − . k = 1. 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 . D D pri ˇemu je D = det A.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . a Dk . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . µ ∈ R i sve − . . A je regularna ako i samo ako je det A = 0.3 3.26 i Napomene 3. . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. za sve λ. Definicija 3. D x2 = D2 Dn . 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. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 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. µ ∈ R i sve →. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). x x Napomena 3. Dokaˇimo da vrijede i prva dva.116 POGLAVLJE 3. dakle zadovoljavaju tre´e svojstvo Definic cije 1. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. 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 (− ). da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.1 i Teorema 1. Dokaˇimo da je i F + G linearni z operator.♣ .2. − ∈ Rn . Iz Definicije 3. µ ∈ R i sve →. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . tj. tvrdnja slijedi. 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. MATRICE I LINEARNI SUSTAVI Napomena 3. − ∈ Rn . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ).5.5. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.

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

z) = (x. Kako su F i F ustvari isti linearni oper− → − → atori. Njegova je matrica dana s 1 0 0 . Primjer 3. a defekt dva. − → → → Nadalje.10 izravno slijedi teorem o rangu i defektu za linearni operator. Sada nas zanima kada su ti vektori kolinearni.2. Neka je F : Rn −→ Rm proizvoljan linearni operator. z) = x. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Iz Napomene 3. y. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. c 2. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. F ∈ Mn ). Oˇito je rang od p1 jednak jedan (jer je slika x-os). Tada je po Teoremu 3. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . MATRICE I LINEARNI SUSTAVI Napomena 3. y). Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). tj. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.3.10 Pogledajmo sljede´e primjere: c 1. y.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. odnosno dimN (F ) = dimN (F ).3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). c H =GF .2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.32 i Teorema 3. tj. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. z . vrijedi dimN (F ) + dimR(F ) = n.118 POGLAVLJE 3.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Napomena 3. iz toˇke 3. a defekt jedan.♠ c 3. Njegova je matrica dana s 1 0 0 0 1 0 .

tj. c x y tj.2 oˇito zadovoljava. x x → → Vektor − 0 ∈ Rn .17 Neka je A ∈ Mn . neka je µ ∈ R µ = 0 proizvoljan. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Dokaz: 1. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. ♣ Napomena 3. tj. Napomena 3. Izravno iz Definicije 3.3.33 Primijetimo: → 1. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . A− 0 = x x − 0 . → → 2. Dokaz: Oˇito je S(λ0 ) podskup od Rn . Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. µ = 0. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).17. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. → → Svojstva iz Teorema 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . x x x x → Dakle za svaki µ ∈ R.3. Nadalje. − ∈ S(λ0 ).5. 2. x y x y x y . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). y y → → Dokaˇimo da je − + − ∈ S(λ0 ). da c z s zadovoljava uvjete Definicije 1.1 i Teorema 1. Nadalje neka su − .

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

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

Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. nul matrice. Definicija 3.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. Tada su sve njene svojstvene vrijednosti realne. pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ). Medutim. tj. svojstvene vrijednosti od A nisu realni brojevi. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. Za dijagonalne matrice. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. cos2 ϕ − 1. svaki vektor kanonske ortonormirane baze od Rn je svojstven.19 Neka je A ∈ Mn simetriˇna matrica.2 = cos ϕ ± Kako je ϕ = kπ. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore.18 Za matrice A. .122 POGLAVLJE 3. k ∈ Z.♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. da A c nema realnih svojstvenih vrijednosti. iterativne metode. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. Stoga se koriste razne pribliˇne metode. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i.♠ Dakle iz Primjera 3. c s c z itd. Nadalje. za trokutaste. imamo cos2 ϕ − 1 < 0 tj. Tako npr. c Teorem 3. tj. za nul matrice.

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

21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Dakle 0 nije svojstvena vrijednost. tj. Sada.124 POGLAVLJE 3.21 Neka je A ∈ Mn simetriˇna.... . Obratno. λ−1 .. dijagonalna. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.♣ Napomena 3. λn od KA (λ) zovemo algebarska kratnost od λ0 .22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. c Teorem 3. nultoˇka od KA (λ). ona se u nizu c nultoˇaka λ1 . Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 . a odgovaraju´i se svojstveni vektori podudaraju.. . Ako je A joˇ simetriˇna onda iz Teorema 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0..36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. c c Teorem 3. Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. s Teorem 3.. ako je λ0 svojstvena vrijednost od A ∈ Mn .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. . λn . Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. tj. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.. Ipak.. .. A je regularna..34 znamo da je skup S(λ0 ) potprostor od Rn . λn od KA (λ) pojavljuje barem jednom. Tada iz Napomene 3.. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. c Napomena 3.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . . c Kako je KA (λ) polinom n-tog stupnja. ♣ Teorem 3. iz osnovnog teorema algebre (Teorem 5. λn .12 vidimo da ne moˇemo svaku matricu dijagonalizirati.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.♣ c .5) znamo da z z KA (λ) ima n nultoˇaka λ1 .

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

3 Neka je (an ) niz s pozitivnim ˇlanovima. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. ako ne i nemogu´e. onda je lim an an = n−→∞ . r = 0.♣ an Teorem 4. ako je bn = 0 i n−→∞ lim bn = 0. proizvoljan i an ≥ 0 za svaki n ∈ N. lim (an ± bn ) = lim an ± lim bn . Tada vrijedi: 1. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Ako je r ∈ R. n−→∞ n−→∞ n−→∞ 2. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. n−→∞ n−→∞ 3. c Teorem 4. konvergira li. i ako da. lim (can ) = c lim an . Tada c an −→ 0 ⇔ 1 −→ ∞. te c ∈ R proizvoljan. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . . onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . lim (an bn ) = lim an lim bn .132 POGLAVLJE 4.1.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. n−→∞ n−→∞ n−→∞ 4.4 Neka su (an ) i (bn ) konvergentni nizovi. c c c Npr. prema kojoj vrijednosti. c s c c c tj.5 Neka je (an ) konvergentan niz.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. NIZOVI I REDOVI 4.

6 je tipiˇni teorem egzistencije. niz (an ) s konvergentan. q 3 .6 Monoton. c c c Prema Teoremu 4. Dakle imamo samo c c s z s jedno gomiliˇte. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. (an ) raste. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . pa prema prethodnom niz n n −→ 0. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. U suprotnom. dakle divergira ili u uˇem. n−→∞ Dokaz: Iz toˇke 4.. q 2 . c Dokaz: Neka je (an ) monoton i ograniˇen. znamo da neˇto postoji. c Napomena 4. po Teoremu 4. Teorem 4.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. Tj.. q. on moˇe imati najviˇe jedno gomiliˇte. q..3 imamo |q | −→ ∞. Kako je (an ) monoton. ε).. Logaritmiranjem se dobije n log |q| < log ε.1.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. q 2 . . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. c c . izraˇunati. Tada po Teoremu 4. tj. G > G .1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . tj.4.4. q 3 . niz 1. dakle divergentan. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. za svaki n ∈ N.2 niz (an ) ima barem jedno c gomiliˇte. vrijedi lim inf an = lim sup an ∈ R.. Sada. Tada je n 1 |q| < 1. no ne c s znamo koliko je i kako to na´i. jer je log |q| < 0. tj. NIZOVI REALNIH BROJEVA 133 Teorem 4. odrediti.♣ c z s Napomena 4. log |q| Dakle svi ˇlanovi niza 1. To je ekvivalentno s |q| < ε. . Onda je po Napomeni 4.♣ Teorem 4.4 dovoljno je promatrati niz s a1 = 1. ograniˇen niz je konvergentan. ako s z s s (an ) ima barem dva gomiliˇta G i G . ili u ˇirem smislu. i ako npr. pa je lim an = 0. dakle ili q −→ ∞. Pogledajmo prvo sluˇaj |q| < 1. ˇto ne moˇe biti jer je G gomiliˇte. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. Za |q| < 1 je lim an = 0. Imamo log ε n> .1. 1 |q n | Neka je sada |q| > 1.

Neka je niz (an ) dan formulom an = λn .1.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. ako je 0 < λ < 1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Neka je niz (an ) dan formulom an = nλ . Tada vrijedi n−→∞ lim an = 1. Neka je niz (an ) dan formulom an = |λ| . Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. proizvoljan.♣ Teorem 4. λ = 1. Tada vrijedi lim an = 1. ako je λ > 1 lim an = n−→∞ 0. Neka je niz (an ) dan formulom an = n n. ako je λ < 0 √ 5. ∀r ∈ N). tj. gdje je λ > 0 proizvoljan. Tada vrijedi ∞. NIZOVI I REDOVI Teorem 4. n−→∞ n−→∞ n 4. n−→∞   0.7 je najop´enitiji. Tada n! vrijedi lim an = 0. √ 3. teˇe k nuli. gdje je λ > 0. 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. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. 1 n . n 6. c z 4. gdje je λ ∈ R proizvoljan.134 POGLAVLJE 4. ako je λ > 0  lim an = 1. Neka je niz (an ) dan formulom an = n λ. gdje je λ ∈ R proizvoljan. 2. . ako je λ = 0.

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

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

♠ 2n n−→∞ ∞ Napomena 4. Definicija 4. n−→∞ odnosno n−→∞ lim an+1 = 0. oˇito vrijedi c Sn+1 = Sn + an+1 . onda on konvergira i obiˇno.♣ 1 1 Napomena 4. tj. tj. onda op´enito red c c c an ne mora konvergirati. S = lim Sn = n−→∞ n=1 an . Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .♠ dok red 1 n divergira (Primjer 4. c c ako op´i ˇlan niza (an ) konvergira u nulu. Dakle je red Teorem 4.8 Ako red apsolutno konvergira. an . n 1 (−1)n−1 n uvjetno konvergentan. kaˇemo da red z an konvergira uvjetno. c . Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.2. Primjer 4.8.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. Ako red an konvergira. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.10 Red an apsolutno konvergira ako konvergira red |an |.9 op´enito ne vrijedi.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.4.10 Iz Primjera 4. Nadalje.8).♣ c Uoˇimo da iz Primjera 4. REDOVI REALNIH BROJEVA za svaki n ∈ N.9 ne slijedi obrat Teorema 4. a red |an | ne konvergira.8 znamo da red = divergira i da je lim n n−→∞ n 0.

c Ako je q = −1. Iz Teorema 4.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + . pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Sn = a1 + a1 q + a1 q 2 + . = a1 q n−1 .. pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1.. Ako je q = 1. imamo Sn − qSn = a1 (1 − q n ). Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . NIZOVI I REDOVI 4.. + a1 q n−1 .5 imamo da je lim Sn = a1 lim a1 1 − qn = . onda je oˇito an = a1 . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. da geometrijski red a1 q konvergira i da je |q| ≥ 1. n−→∞ 1 − q 1−q 1 − qn .. a1 q n−1 = 1−q n=1 Obrnuto.2. gdje su a1 . Teorem 4. zovemo geometrijski red s kvocijentom q. vrijedi Sn = a1 za svaki n ∈ N. tj. pa je Sn = na1 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . onda je oˇito an = a1 (−1)n−1 . c Pretpostavimo da je a1 = 0 i |q| < 1.9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. a to divergira za svaki a1 = 0.. q ∈ R proizvoljni. Pogledajmo n-tu parcijalnu sumu. Pretpostavimo suprotno.138 POGLAVLJE 4. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.. Nadalje. Nadalje kako je c n−→∞ lim an = 0 . + a1 q n . tj. tj.

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.♣

an0 +m ≤ λm an0 .17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. za svaki n ∈ N. i suma mu je 1−x . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . onda konTeorem 4. Dakle imamo an0 +1 ≤ λan0 . Ako postoji λ ∈ R.♣ Primjer 4. an0 +3 ≤ λan0 +2 ≤ λ3 an0 . . zovemo red potencija.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.18 Neka je 0 < λ < 1. Dakle.146 POGLAVLJE 4.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. Oˇito je za x = 0 svaki red potencija konvergentan. c Teorem 4. . Neka je an = 1. . an za svaki n ≥ n0 . 1 2. gdje je x ∈ R proizvoljan. Dokaz: Neka su λ ∈ R. za svaki m ∈ N. Neka je an = n! . Ako red n an x0 divergira. za svaki n ∈ N. Red oblika an xn . 0 < λ < 1. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. an za svaki n ≥ n0 . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R.. onda red an konvergira..♠ 1 xn−1 (n−1)! 4. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . . Tada iz Teorema 4. red an0 + an0 +1 + .13 1. .3. i n0 ∈ N takav da je an+1 ≤ λ.

9 konvergira.4. n2 Tada iz Primjera 4. n Tada iz Primjera 4. konvergira. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. 4.16 imamo da i red an0 + an0 +1 + ..17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. 1 n+1 lim n−→∞ 1 n 2.3 Cauchyev kriterij Teorem 4. Ako postoji limes c an+1 = l. Neka je dan red vrijedi 1 .. Sada iz Napomene 4.3. imamo da red c an konvergira. divergira za l > 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. onda red an ≤ λ. Neka je dan red divergira.♣ .3. ali vrijedi 1 .♣ Napomena 4. an konvergira.8 znamo da on = 1. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. c Primjer 4.14 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . n−→∞ an lim onda red an konvergira za l < 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Ako postoji λ ∈ R. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.8 znamo da on konvergira. c 0 < λ < 1.19 Neka je an red s pozitivnim ˇlanovima.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.

postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. (an ) niz u R i x ∈ R prozvoljan. divergira za l > 1. Ako postoji limes c n−→∞ lim √ n an = l. onda red an konvergira za l < 1.1. a iz toˇke 4.148 POGLAVLJE 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ. c Teorem 4. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.20 zovemo radijus konvergencije reda potencija a n xn . NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.14 za red odnosno red n znamo da divergira odnosno konvergira. . tj.15 Analogno kao i u Primjeru 4. c 1 Primjer 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).♠ c s Cauchyev kriterij je jaˇi.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.20 Neka je an xn red potencija. Ako postoji lim sup n |an | i lim sup n |an | = 0.

problem se pojavljuje ako ih je beskonaˇno mnogo (npr. a divergira za |x| > ρ (ako lim sup n |an | postoji).9 1 znamo da red (−1)n konvergira i suma mu je ln 2.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. 4. KRITERIJI KONVERGENCIJE Primjer 4. c sin n. n Tada je 1 = lim n−→∞ n n 1 = 1.3. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. konvergira za Pogledajmo sada ako je |x| = 1. n 1 n x n dakle je ρ = 1.4.8 imamo da konvergira i red (−1)n . Neka je dan red potencija lim sup n 149 1 n x . iz Primjera 4.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. Teorem 4. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Po Teoremu 4. Iz n2 n2 1 Teorema 4. Po Teoremu 4. (−1)n . n 2. a divergira za |x| > 1. dok za x = 1 red n 1 divergira. a divergira za |x| > 1.3. dakle i apsolutno konvergira red (−1)n . tg n. onda iz Primjera 4.16 1. n2 1 n x n2 dakle je ρ = 1. konvergira za Pogledajmo sada ako je |x| = 1.). Neka je dan red potencija lim sup n 1 n x . Tada imamo sljede´i kriterij (Leibnic c zov): .♠ n2 Teoremu 4.8 znamo 1 1 da red konvergira. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).20 red potencija |x| < 1. ali smo u Primjeru 4.20 red potencija |x| < 1. itd. Ako je x = −1. Ako je x = 1 onda.

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

3. KRITERIJI KONVERGENCIJE Primjer 4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.4.17 Iz Teorema 4.♠ s .

.

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

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

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

Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . f (x)). i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f .Na kraju. tj. FUNKCIJE .2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. c Napomena 5. y) za koje je y = c z c f (x). U nastavku ´emo se baviti ovim problec mom. x ∈ D(f ).1: Koordinate toˇaka na grafu funkcije. Drugim rijeˇima.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. . x ∈ D(f )} ⊂ R2 . graf funkcije f dobijemo z c c kad sve parove oblika (x. 5. c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. projekcija grafa na y-os je slika od f ). graf funkcije f sadrˇi sve toˇke ravnine (x. prikaˇemo u koordinatnom sustavu.1. problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. no izvediv. f (x)). z Definicija 5.3 Graf funkcije Funkcije se zorno prikazuju grafovima.156 POGLAVLJE 5.

Npr.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije.3: Primjer krivulje koja nije graf funkcije. z s Iz Napomene 5. c kruˇnica u ravnini nije graf niti jedne funkcije. ˇto je suprotno s definicijom funkcije.2: Graf funkcije f i njegove projekcije na koordinatne osi.1.3 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. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. c y x0 0 x Slika 5. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.5. Napomena 5. . a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije.

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

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

oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. Nadalje. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. Primjer 5. +∞ i strogo padaju´a na svakom interc c valu u −∞. x0 + ε . 0]. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. 3. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. 0]. pa i globalni maksimum i minimum. govorimo o strogom globalnom maksimumu odnosno minimumu. Dakle.5 Uoˇimo. Dakle f nema lokalnih pa ni globalnih ekstrema. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi.2 1. c Nadalje. Ako su nejednakosti stroge. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. dakle je i c strogi globalni maksimum. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). dok je svaki globalni ekstrem i lokalni.♠ c Napomena 5. govorimo o strogom lokalnom maksimumu odnosno minimumu. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. 2. 4. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Analogno. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. dakle svaki x ∈ R je lokalni maksimum i minimum. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. c dakle je i strogi globalni minimum. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. FUNKCIJE za svaki x ∈ x0 − ε. pa i na cijelom R.160 POGLAVLJE 5. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . onda on ne mora biti i globalni. ako su nejednakosti stroge. +∞ a strogo rastu´a na svakom intervalu u c −∞. . 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 (x). OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. b]. Problem nalaˇenja ekstrema je vrlo bitan. |x| su . c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). f (x) = parne fukcije.♠ 1 . tj.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. f (x) = |x|. Funkcije f (x) = x. gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta).5. f (x) = x4 . Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. onda kaˇemo da je funkcija f parna. dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte. z c c Napomena 5.3 1. Kod nalaˇenja globalnih ekstrema se pojavljuje problem ruba c z podruˇja (jer ima funkcija kojima je prirodno podruˇje vrijednosti segment ili c c poluotvoreni interval. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. Uglavnom zahtijeva primjenu diferz encijalnog raˇuna. Funkcije f (x) = x2 . D(f ) = [a. za svaki x ∈ D(f ). 2. b]). D(f ) = [a. tj. s Primjer 5.4: Primjer funkcije s lokalnim ekstremima. b ili D(f ) = a. z Ako vrijedi f (−x) = −f (x).1. onda kaˇemo da je funkcija f neparna. f (x) = x3 . f (x) = x|x| su neparne. za svaki x ∈ D(f ) .

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

a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. +∞ ili −∞. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. i to brˇe od svakog pravca.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. (Npr. 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 +∞.) c z . Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. s c c c c 2. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. tj. neka je z c funkcija f : 0.5.) 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 −∞. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. neka je funkcija c 1 c f : 1. Ako z je a ∈ R taj rub. Tada oˇito f strogo raste u +∞. +∞ −→ R dana formulom f (x) = xx . neka je funkcija f : [0. 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 −1 0 1 x 0 x 0 1 x Slika 5. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. To znaˇi z c da. c c (Npr. +∞ −→ R dana formulom f (x) = 2x .1. +∞ −→ R dana formulom f (x) = x−1 . (Npr.

z kada argumenti funkcije f postaju dovoljno veliki. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. Odnosno. +∞ ili −∞. i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. To znaˇi da se graf funkcije po volji blizu pribliˇava c c z pravcu y = a kada argumenti prirodnog podruˇja definicije idu u c beskonaˇni rub. (Npr. (Npr. tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. a druge dvije z c . graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. ali nikad ga ne dostiˇe. kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. i cijeli izraz x − e−x je dobro aproksimiran izrazom x. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1. vertikalne i kose asimptote. kada argument x ide u +∞. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). tj. zakljuˇujemo. Postoje horizontalne. y = ax + b i a = 0. kada argument funkcije f ide u +∞. Dakle. Oˇito. Dakle. z y y y 0 x 0 x 0 x Slika 5.164 POGLAVLJE 5. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a.

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

Ako je x0 > 0. tj. Analogo se dokaˇe za x0 < 0. b −→ R neprekidna u toˇki c x0 ∈ I.4 Realna funkcija realne varijable f : I = a. tj. iz uvjeta m ≤ f (x) ≤ M. onda je funkcija f ograniˇena na nekoj okolini oko x0 .9 Iz Definicije 5.♠ z Definicija 5.8 Ako u Definiciji 5. M > 0. funkcija je neprekidna u x0 .166 POGLAVLJE 5. M ∈ R c takvi da je m ≤ f (x) ≤ M. za svaki x ∈ I.10 Ako je funkcija f : I = a. gdje je I ⊆ D(f ). Napomena 5. za svaki x ∈ I.8: Funkcija sign(x). Napomena 5.4.4 stavimo M = max{|m|. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. b −→ R. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. za svaki x ∈ I. FUNKCIJE y 1 0 x −1 Slika 5. Napomena 5. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. gdje je I ⊆ D(f ). je ograniˇena na I ako postoji realan broj M ∈ R. je ograniˇena ili omedena na I ako postoje realni brojevi m. b −→ R. c . takav da je c |f (x)| ≤ M .

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

onda je (f + g)(x) = f (x) za svaki x ∈ D(f ). a g dana formulom g(x) = c. n = 0. pri ˇemu je f proizvoljna. . FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. 1. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. Uoˇimo da je D(g) = R. tj. b) Ako je c > 0. graf funkcije f + g je isti kao i graf funkcije f . Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama.. skup funkcija {1. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor.12 Primijetimo da je za proizvoljnu funkciju f : R −→ R i proizvoljni λ ∈ R funkcija h : R −→ R dana formulom h(x) = λf (x) u stvari produkt funkcija f : R −→ R i g : R −→ R. Napomena 5. c Preciznije.. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). z c z Napomena 5. x. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje.. g : R −→ R.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. x . c c Neka su f.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1. . c) Ako je c < 0.} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable.168 POGLAVLJE 5. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ). . D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. Dakle imamo definirano c c mnoˇenje funkcije skalarom. Npr. Pogledajmo funkciju f + g u ovisnosti o c ∈ R.. a) Ako je c = 0.5). gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. pa je D(f ± g) = D(f ). c c ∈ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ).. Tj. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5.3). 1. dakle beskonaˇni skup {xn .

Pogledajmo funkciju f g u ovisnosti o c ∈ R. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). tj. Dakle.1. samo je usporen pad i rast c funkcije f .9: Graf funkcije f (x) + c za c > 0. 2. onda je (f g)(x) = 0 za svaki x ∈ D(f ). OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5.10: Graf funkcije 2f (x). funkcija f g ima iste nultoˇke kao i funkcija c c f . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . b) Ako je 0 < c < 1. Graf funkcije f g je pravac y = 0 ili x os. Graf funkcije f g je sliˇan grafu funkcije f .5. dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. a) Ako je c = 0. vrijedi |(f g)(x)| ≤ |f (x)|. . y 2 f(x) 0 f(x) x Slika 5.

ali su suprotnog predznaka. vrijedi |(f g)(x)| ≥ |f (x)|. FUNKCIJE c) Ako je c > 1. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane c puta. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije f s obzirom na x os. funkcija f g ima iste nultoˇke kao i funkcija f . pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . y 0 f(x) x −f(x) Slika 5. pri ˇemu jednakost vrijedi samo u nultoˇkama od c c f . vrijedi |(f g)(x)| ≤ |f (x)|. e) Ako je c = −1. Graf funkcije f g c je sliˇan grafu funkcije f samo je ubrzan pad i rast funkcije f . g) Ako je c < −1. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. c d) Ako je c = 1. dok su druge c vrijednosti po apsolutnoj vrijednosti uve´ane |c| puta. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. onda je (f g)(x) = f (x) za svaki x ∈ D(f ). tj. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). ali su suprotnog c . pri ˇemu jednakost vrijedi samo u c nultoˇkama od f .11: Graf funkcije −f (x). onda je (f g)(x) = −f (x) za svaki x ∈ D(f ). funkcija f g ima iste nultoˇke kao i funkcija f . vrijedi |(f g)(x)| ≥ |f (x)|. Dakle. f) Ako je −1 < c < 0.170 POGLAVLJE 5. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). Dakle. tj. tj. funkcija f g ima iste nultoˇke kao i funkcija c c f . dok su druge vrijednosti po apsolutnoj vrijednosti umanjene |c| puta. Graf funkcije f g je isti kao i graf funkcije f .

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

3. Ako su obje neparne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. onda je funkcija f ± g neparna. g 5. .172 POGLAVLJE 5. Definicija 5. c h f A B g C Slika 5. Neka su f.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. te funkcije f g i obje parne. Primjer 5. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. dok su funkcije f g i f obje neparne. recimo g. Tim se postupkom mogu stvarati nove z funkcije. neparna a f parna. 2. f g i f g f g sve parne. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Ako je jedna funkcija.4).12: Kompozicija funkcija. onda su funkcije f ± 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)). Ako su obje parne. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u.1. Matematiˇki se to formalizira pojmom kompozicija funkcija. g : R −→ R funkcije.

moˇemo gledati funkciju f ◦ f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . Dakle imamo f ◦ id = id ◦ f = f. . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . 1 . da je. za svaku funkciju g : R −→ R. Naime. U takvom sluˇaju piˇemo f 2 = f ◦ f . za tu funkciju vrijedi g ◦ f = f ◦ g = g. g ◦ f = f ◦ g. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). za proizvoljnu funkciju f . 1 Primjer 5. OSNOVNI POJMOVI Primjer 5.♠ x+1 x+1 173 2x . Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. Tada je oˇito c D(f ) = R(f ). 3x + 1 3x + 1 2x 6x = . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva.6 vidimo da operacija kompozicije funkcija nije komutativna.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . op´enito. c Napomena 5. z funkciju f komponirati samu sa sobom.1. Napomena 5. tj. tj.7 Neka je dana funkcija f (x) formulom f (x) = x .5.

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

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

1. Dakle. Primjer 5. Uspjeli smo rijeˇiti problem. s s Jasno je da ´e nas npr. a za z c neke nije. tj. Kaˇe se i da z c z f ne lijepi argumente. 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. moˇe biti viˇe studenata koji su imali nula bodova. 10 sati rada stroja koˇtati 2500 kn. 12}.8 Troˇkovi rada stroja su 200 kn/h. b : studenti −→ {0.. FUNKCIJE 5. 2. c s Pogledajmo sada obratni problem. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500.♠ Primjer 5.176 POGLAVLJE 5. Drugim rijeˇima. Nas zanima x(y). To je za neke funkcije mogu´e. i obrnuto.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. . injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. . tj..9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . Dakle imamo. Ne c c moˇemo rijeˇiti problem. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. i joˇ 500 kn za dovoz i odvoz.. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. 1. 200x + 500 = 1300.♠ z s Definicija 5. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.

1) i (1.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. ali ne i za paran n. s c Primjer 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .8 Funkcija f je bijekcija ako je i injekcija i surjekcija. .8 izraˇunali smo da je x(1300) = 4. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). a injektivnost njegovu jedinstvenost.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). Definicija 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.10 Funkcija f (x) = xn .17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Napomena 5.5. 1).1. n ∈ N.11 U Primjeru 5. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Napomena 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. tj.6 c ekvivalentan sljede´em: za x1 . x2 ∈ D(f ).♠ Primjer 5. Injektivnost. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. f : D(f ) → R(f ) je uvijek surjekcija. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. za bilo koji c ∈ R. je injekcija za neparan n. c c Definicija 5.

200 (200x − 500) + 500 = x. 200 POGLAVLJE 5. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5.15: Graf funkcije i njoj inverzne funkcije.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x.♠ 200 Definicija 5. Dakle. c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). x(c) = c − 500 .178 dobivamo formulu za x u terminima c. . dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id.

g1 (x) = − x. 0] i [0. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. +∞ jesu. Primjer 5.20 Ako je funkcija f : R −→ R strogo monotona. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. g2 (x) = x. To je oˇito inverzna funkcija od f . +∞ . Teorem 5.♠ Napomena 5. Dakle. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.20 znamo da f c ima inverznu funkciju g.5. +∞ −→ −∞. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija.+∞ su bijekcije s inverzima g1 : [0. a strogo c c padaju´e funkcije strogo padaju´a. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. +∞ −→ [0. Dakle vrijedi f ◦ g = g ◦ f = id. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. No f ◦ g = id. no njezine restrikcije na −∞.10).1.0] √ i f |[0. jer je c f ◦ g = g ◦ f = id.♣ z c . i √ g2 : [0.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Tada iz Napomene 5. kad govorimo o inverzima funkcija f : R −→ R. OSNOVNI POJMOVI 179 Napomena 5. 0].19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle. onda je ona oˇito i bijekcija na svoju sliku. f | −∞.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. c Primijetimo da ako f nije strogo monotona nego samo monotona. pa ima i inverznu funkciju. a ona c c je strogo rastu´a funkcija.

Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Pokuˇajmo sada. f −1 je neparna.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. praktiˇno izraˇunati. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). +∞ gdje je bijekcija. +∞ −→ −∞.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. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Dakle. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. jer je f (x) c rastu´a. +∞ . Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. ali nije bijekcija.2 Inverzna funkcija neparne funkcije je neparna.180 POGLAVLJE 5. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. 0] odnosno . z c Napomena 5. 0] ili [0. FUNKCIJE Teorem 5.♠ c Analogno kao u Primjeru 5.♣ Iz Primjera 5. Primjer 5.2 ne moˇemo izre´i za parne funkcije. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Tada je njena inverzna funkcija g : [0.12 slijedi da tvrdnju Teorema 5.

Primjer takve funkcije je c x f (x) = xe . tj. specijalne funkcije kojima se ovdje ne´emo c baviti. 5.16: Graf funkcije f (x) = xex . 0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. c Osim elementarnih postoje i tzv.5. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. Restrikcija te funkcije na interval [−1.4 0.6 0. +∞ je bijekcija. +∞ dana formulom − n x odnosno n x.2.4 1 2 Slika 5. +∞ −→ [0. c . 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.2 -3 -2 -1 -0.8 0. ima inverznu funkciju. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. ˇ Cak i za funkcije koje imaju inverze. Ako je n neparan.2 -0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.

Ostale algebarske funkcije b) Transcendentne . Elementarne a) Algebarske .Polinomi . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Area 2.1 Klasifikacija i podjela realnih funkcija 1. k Po definiciji stavljamo x0 = 1. xk = x · x · · · x .Trigonometrijske .2.Hiperboliˇke c .Ciklometrijske . FUNKCIJE 5. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. za svaki x ∈ R.Logaritamske .2.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Eksponencijalne . mnoˇenih nekim koeficijentima.182 POGLAVLJE 5. dolazimo do pojma z .Racionalne funkcije .

. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . Polinomi su konceptualno najjednostavije funkcije.5. + a2 x2 + a1 x + a0 .5 5 2. a a0 je slobodni koeficijent.5 -3 -2 -1 -2.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . . ako su jednaki kao funkcije.2. c 10 7. P. Ovdje podrazumijevamo da je an = 0. Definicija 5. . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. Realne konstante an . . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)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 + . tj. Dakle je svaki polinom definiran na cijelom skupu R. Koeficijent an je vode´i.a1 . a0 su koeficijenti polinoma Pn (x). . . Definicija 5.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5.11 Dva polinoma P i Q su jednaka. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R.

. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. n.01 1. tj. 0. ..♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . a ordinata je. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. c Primjer 5. za sve i = 0.01 -0. FUNKCIJE n Teorem 5.5 3 Slika 5.14.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. Broj c k zove se red ili kratnost nultoˇke x0 . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. 1. Apscisa nultoˇke je nuliˇte.02 4 0. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.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 .11..02 3 2 0.5 2 2.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. c c c s naravno. = an = 0. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x)..: n m Teorem 5.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = ..184 POGLAVLJE 5.

3 Qn−k (x) = 0 na nekoj oklini oko x0 .2.ako raste u s c nekoj toˇki. kaˇemo da je linearna funkcija strogo rastu´a. tj. onda iz Teorema 6. onda iz Teorema 6. a = 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Ako je k paran. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda.19: Graf linearne funkcije f (x) = x + 75. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. odnosno strogo padaju´a. je polinom drugog stupnja ili kvadratna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. Tjeme . a padaju´a ako je a ≤ 0. Ako su ove nejednakosti c c stroge. dok c u nultoˇkama parnog reda nema promjene predznaka. za x ≥ 0. a prema dolje ako je a < 0. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Otvor joj je okrenut prema gore ako je a > 0.8). po Teoremu c 6.22 U nultoˇkama neparnog reda polinom mijenja predznak. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Ako je k neparan. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. raste na cijelom R. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. dok za x > x0 vrijedi (x − x0 )k > 0.5. Za a = 0 imamo konstantnu funkciju p(x) = b.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.

Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. 2a i realne su ako je D ≥ 0. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5.♣ c Iz Teorema 5. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. npr.2 = √ −b± D . Teorem 5. −D/4a). inaˇe velike negativne vrijednosti). parabole ima koordinate (−b/2a. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).♣ c c .5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. FUNKCIJE 1 2 Slika 5. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. Nultoˇke kvadratne funkcije dane su formulom c x1. inaˇe velike pozitivne). c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. tj. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. c Napomena 5. Zbog neprekidnosti c polinoma na R (Teorem 6.8) graf polinoma mora negdje sje´i x os. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.

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

kvocijente dvaju polinoma nazivamo racionalnim funkcijama. 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. z Definicija 5. Naravno.3 Racionalne funkcije Oˇito je zbroj. Dakle. n > 1. kako se polinom Pn (x) = i=0 ai xi . dijeljenjem polinoma c izlazimo iz te klase funkcija. Realne konstante aij . itd. .. su koeficijenti polinoma Pnm (x).. n. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. ali c z kvocijent dvaju polinoma op´enito nije polinom. umnoˇak i kompozicija polinoma ponovo polinom. Po analogiji s racionalnim c brojevima.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. . problem poniˇtavanja je vrlo kompliciran. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija..25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. Napomena 5. FUNKCIJE Napomena 5. Za . sam sebi je asimptota. razlika.. 5. i = 1. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. u tom sluˇaju se situacija komplicira. j = 1.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. m. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli)...188 POGLAVLJE 5. tj. problem s asimptotike je sloˇeniji.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. Npr. z n Nadalje.2. y) = i=0 j=0 aij xi y j .

13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . 5. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. 3. Naravno. nije racionalna funkcija. s c D(f ) = {x ∈ R. c Primjer 5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. c c . 6. Dakle. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. racionalne funkcije op´enito nisu definirane na cijelom skupu c R jer se njihove vrijednosti ne mogu izraˇunati u toˇkama u kojima im se nazivnik c c poniˇtava. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija.17 Pogledajmo sljede´e primjere: c 1. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. tj. (Smatramo da je racionalna funkcija ve´ skra´ena. je racionalna funkcija. Funkcija j dana formulom j(x) = x−13 je polinom. U polu racionalna funkcija c nije definirana. nultoˇkama nazivnika. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika. Qm (x) = 0}. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. Funkcija hR dana formulom h(x) = 4. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Funkcija f dana formulom f (x) = 2. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. takve su definirane na cijelom R. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.2.) Dakle.5. Dakle.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. tj. Definicija 5. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika.

190 POGLAVLJE 5. 2. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. bi x i=0 i−m bi x i=0 i xm .5 1 80 60 40 20 -1 -0. FUNKCIJE 100 75 50 25 -1 -0. kad c argument ide u +∞ i −∞. dok za polove neparnog z c reda.5 0. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote.22.5 1 x 1 Slika 5.26).26 Ako je pol parnog reda. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n . tj. kao i u toˇkama u c kojima se nazivnik poniˇtava. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). i to na vanjskim rubovima prirodnog podruˇja definicije.5 -25 -50 -75 -100 0. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost. z c Dokaz: Red pola je red nultoˇke nazivnika. Osim vertikalnih. 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. Sada tvrdnja izravno slijedi iz Napomene c 5. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . (lijevo) i pola Napomena 5.graf racionalne funkcije moˇe imati asimptote: z 1.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Dakle.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).

Preciznije. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . onda racionalna funkcija ima horizontalnu asimptotu y = c. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. b) Ako je n = m. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. bn . 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 . se pribliˇava broju z bi x i−m am . bm x an a) Ako je n < m. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. Racionalna funkcija ima horizontalnu c asimptotu y = 0. izraz bm xn−m raste ili an pada brˇe od pravca bm x. d) Ako je n = m + 1. an c) Ako je n > m + 1.2. tj. onda je n − m = 1. onda je n − m > 1. xm . racionalna funkcija nema ni horizontalne ni kose asimptote. Dakle. bm dok prvi pribrojnik. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x.5. i=0 . 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 . c xm ai xi−m i=0 m tj. tj.

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

Definirajmo polinom u dvije varijable s P (x.2. Definicija 5. f (x)) = 0.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. Definirajmo polinom u dvije varijable s P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Tada je oˇito P (x. y) takav da vrijedi P (x. Napomena 5. Dokaz: Neka je dan proizvoljni polinom Pn (x).24: Primjer iracionalne funkcije f (x) = iz Primjera 5. dakle je svaka racionalna c √ Primjer 5. f (x)) = 0.29 Svaki polinom i racionalna funkcija su algebarske funkcije. c Neka je sada f (x) = funkcija i algebarska. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. jer u suprotnom ne bi bila funkcija. Pn (x)) = 0. y) = x − y n oˇito je P (x.19 1. c .4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.18. Tada je oˇito P (x. f (x)) = 0. √ x2 + 1 i njenih asimptota z Napomena 5. 5. dakle je svaki polinom algebarska funkcija. y) = Qm (x)y −Pn (x).5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.2. y) = Pn (x) − y.

4).4). Dakle. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. u 1 (toˇka 5. z 1 4.♠ 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. Neka je dana algebarska funkcija f formulom f (x) = x. c c √ Nadalje. koja je bijekcija sa R na R. 0 je regularna toˇka (toˇka 5. tj. z tj. tj. c 1 3. z √ 2. dok kosu asimptotu ne moˇe imati zbog Napomene 5. y) = xy n − 1 oˇito je P (x. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Nadalje.13).194 POGLAVLJE 5. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . √ Primjer 5. dakle nema niti vertikalnu niti horizontalnu asimptotu. dakle nema vertikalnu asimptotu. Neka je dana algebarska funkcija f formulom f (x) = 3 x. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. pravac y = 0 je horizontalna asimptota funkcije f .1. f strogo raste na R i neomedena je.13). Dakle. +∞ . je D(f ) = 1.20 1.28. c c tj. FUNKCIJE 1 2. Kada se argument sve viˇe pribliˇava c s z broju 1. Nadalje. +∞ . f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. f (x)) = 0.13). ima vertikalnu asimptotu x = 1.1. +∞ (Primjer 5. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Dakle. je D(f ) = R(f ) = [0. je D(f ) = R(f ) = R (Primjer 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. +∞ i R(f ) = 0.13). Funkcija f je inverzna funkcija funkcije g(x) = x3 .

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).

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

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

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

npr.5 1 0. za opis osz c cilacija. To znaˇi R(sin) = R(cos) = [−1. s 2 1 u nuli i 0 u π . vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan.5 -1 -1. k ∈ Z. u prirodi ima pojava koje z 2 se ne ponaˇaju tako.5 -2 5 10 -10 -5 2 1. c 2 1. 1]. Nadalje. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. c amplitude i faze. Napomena 5. krvnoga tlaka. 1]. Svaki 2kπ. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. napona.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 1 0. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. Nadalje.5.32 Lako je vidjeti da je kosinus parna funkcija. Najmanji pozitivni period je 2π i zovemo ga temeljni period. tj. za svaki t ∈ R.2. Medutim. zbog periodiˇnosti. je period funkcija sin i cos. tj. Nadalje. Dakle je z D(sin) = D(cos) = R. dok je sinus neparna. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. imaju amplitudu razliˇitu od 1. π ]. −1 ≤ sin t ≤ 1. vidimo da je −1 ≤ cos t ≤ 1. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. period razliˇit od 2π i ne s c c . temperatura kroz godinu. tj. a kosinusa obrnuto. π ].5 -0. itd.5 -2 5 10 Slika 5.5 -10 -5 -0. Kaˇemo da im je faza nula. plime i oseke. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda.5 -1 -1.

Dakle. a kosinus strogo padaju´a na [0. U tim toˇkama tangens ima vertikalnu asimptotu. pomak funkcije na x osi je x0 . funkcije sinus i kosinus nisu injekcije. π]. FUNKCIJE nul fazu. dakle c niti bijekcije. formulom A sin(Bx − x0 ). Napomena 5. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. imamo π D(tg) = R \ {(2k + 1) . Jasno je kada se t pribliˇava toˇkama s z z c π z oblika (2k + 1) 2 tada vrijednost tangensa teˇi s jedne strane u +∞ a s druge u −∞. 2 ] udaljenost toˇaka (1.33 Zbog periodiˇnosti. 0) i P na tangensnoj c osi. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. π ] x 2 2 i Cos x = cos |[0 . i funkciju z c π tangens proˇirujemo izvan intervala [0. . gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. 2 ]. k ∈ Z}. tj. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. c c Sin x = sin |[− π . 2 ˇto se vidi i s trigonometrijske kruˇnice. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici. 1]. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . 2 ]. na svoju sliku. tj. Sliˇno kao i sinus i kosinus. z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1.π] x su bijekcije na [−1.206 POGLAVLJE 5. 0) (joˇ ga zovemo tangensna os). Amplituda ove funkcije je A (jer je amplituda sinusa 1).

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

208 POGLAVLJE 5. dakle nisu bijekcije. na svoju sliku. 2 .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R.33 . Npr.π x su bijekcije s tih intervala na R. njihove restrikcije Tg x = tg| − π . tangens na − 2 . 1]. Tada prema Napomeni 5. 5. Dakle. a isto vrijedi s / i za ostale trigonometrijske funkcije. c c Dakle.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. a kotangens strogo padaju´a na 0. π x 2 2 i Ctg x = ctg| 0. π]. 2 i kotangens na 0. a c c s nema rjeˇenja za c ∈ [−1.2.34 Zbog periodiˇnosti. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π . π ]. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . FUNKCIJE za svaki t ∈ R \ {kπ. Dakle sinus nema inverznu funkciju. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. restringirajmo sinus na [− π . c dakle niti bijekcije. kosinus na 2 2 π π [0. ni tangens ni kotangens nisu injekcije. k ∈ Z}. π . Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Napomena 5.

π π R(arcsin) = [− . ]. rjeˇenje jednadˇbe postoji i jedinstveno je. koje zovemo arkus funkcije. 1] −→ [0.33 slijedi da je arcsin strogo rastu´a.5 0. a arccos c strogo padaju´a na [−1. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − .5 0. π]. 2 ] jednadˇbe sin t = s z s z x. 2 2 . c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.π] .π strogo padaju´e. Dakle. π jednadˇbe tg t = x . . oˇito je c c D(arcsin) = D(arccos) = [−1.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). a c 2 2 2 2 cos |[0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . π ] i tg| − π . 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . ]. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. π]. inverznu funkciji cos |[0. s z 2 2 s z Kako je tg| − π .5 3 2. π bijekcija.5 -1 -0.5 -0. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 2 2 R(arccos) = [0. π ] . One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.2. dakle su i bijekcije.5 -1 -0. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. 1].5 1 -1 -1. 1. Nadalje.5 1 Slika 5. π strogo rastu´e. 2 2 koja je inverzna funkciji sin |[− π . Kako je sin |[− π .π] i ctg| 0.1 i Napomene 5.5 2 1.5 1 0. Dakle.5 1 0. z π π Za x ∈ [−1. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. 1] −→ [− . Iz Teorema 5. rjeˇenje jednadˇbe postoji i jedinstveno je.5. π ] bijekcija.34 znamo da su funkcije sin |[− π . 1].

5 -2 -0. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.5 1 0. π .35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. R(arctg) = − . dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . -4 2 1. Nadalje. z s z sin x = t.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. π ].1 i Napomene 5.π . FUNKCIJE arcctg : R −→ 0.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 -1 -1. tako da bi smo dobili arkus funkcije definirane na tim intervalima. pri traˇenju rjeˇenja t jednadˇbe.5 1 0. inverznu funkciji ctg| 0.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 3 2. 1]. R(arcctg) = 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. 2 odnosno ctg| 0. npr. oˇito je c c π π D(arctg) = D(arcctg) = R. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 -4 -2 2 4 Slika 5. .5 -2 2 4 4 3. Npr. c . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. Dakle. π .5 2 1.210 koja je inverzna funkciji tg| − π . Iz Teorema 5. Napomena 5. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. π . 2 2 Kako su pravci x = − π i x = π odnosno pravci x = 0 i x = π verikalne 2 2 π π asimptote od tg| − 2 . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.

+∞ . kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. Lako se vidi da je neparna. 2 sh x e x − e −x th x = = x . Iz formule lagano ˇ slijedi da je |th x | < 1 . cth x = th x i zovemo ih redom kosinus hiperboliˇki. Napomena 5. Strogo raste na R. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Lagano se vidi da je ch x > 0 . Dakle je R(ch) = [1.2. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. +∞ i nema asimptote.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . PREGLED ELEMENTARNIH FUNKCIJA 211 5. parna je. Nadalje. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. za svaki x ∈ R. . iako se definiraju u terc minima eksponencijalne funkcije. neograniˇena je. sinus hiperboliˇki. 3. y = −1 i y = 1. dakle nije injekcija. Dakle th ima dvije horizonzalne s z asimptote. strogo pada na −∞. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. vrijedi ch x = ch2 x − sh2 x = 1 . i R(th) = −1. ch x e + e −x 1 . za svaki x ∈ R. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke.2. 2.5. th je neparna. Stoviˇe. strogo raste na R. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. 2 e x − e −x sh x = . 1 . tanges hiperc c boliˇki i kotanges hiperboliˇki. za svaki x ∈ R. 0] i c strogo raste na [0. neograniˇena c je pa je R(sh) = R i nema asimptote. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. Primjerice. Zbog neparnosti c c od sh i parnosti od ch.

Dakle cth ima i dvije horizontalne asimptote. 4.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). 1]. 0] ili [0. za svaki x ∈ R. areasinus hiperboliˇki ili Arsh. +∞ .5 1 0.5 -1 -1. za svaki x ∈ R\{0}.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). Svojstva area funkcija lagano slijede iz svojstava hiperbolnih.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. kako je |th x | < 1 . z y = −1 i y = 1. tj. i R(cth) = R \ [−1. areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. imamo: . FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. to mora i cth x . c osim funkcije ch. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. Ako ch. 1. 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.5 -4 -2 -0. restringiramo na −∞. cth strogo pada na R \ {0}. imamo da je |cth x | > 1 . Funkcije inverzne hiperboliˇkima zovu se area funkcije. Nadalje.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. ch postaje bijekcija na svoju sliku. Zbog neparnosti od th i cth je neparna. preciznije areakosc inus hiperboliˇki ili Arch. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. zbog parnosti. forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije.

R(Arth) = R \ {0} i iz Teorema 5. y = 1 horizontalne. 4. Ako smo ch restringirali na [0. pravci x = −1 i x = 1. vertikalne asimptote od Arth. c 2.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Iz Teorema 5. pravci x = −1 i x = 1.1 zakljuˇujemo da Arch strogo raste. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. vertikalne asimptote od Arth. a x = 0 vertikalna asimptota od cth. tj. onda su rubovi −1 i 1.2. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch.5 -1 -2 -3 0. Kako su y = −1 i y = 1 horizontalne asimptote od th. +∞ . tj. +∞ i R(Arch) = [0.5 2 1.5 2 2.5 0.5 1 0. iz Teorema 5.1 slijedi da Arth strogo raste. 1 .5. Oˇito je D(Arcth) = R \ [−1. onda je D(Arch) = [1.5 3 Slika 5. +∞).1 c slijedi da Arcth strogo pada.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). Oˇito je D(Arth) = −1. R(Arth) = R i iz Teorema 5. . 3 2 1 -1 -0. Kako su y = −1.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). Oˇito je D(Arsh) = R(Arsh) = R. c 3. a pravac y = 0 horizontalna asimptota.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. 1]. onda su rubovi −1 i 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1.5 1 1.

.

Dakle imamo c(m) = 2. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. 0 ≤ m ≤ 20 3. m = 20 i m = 30. Graf te funkcije prikazan je na slici 6. a visina poˇtarine c u z s kunama). a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m). onda je 215 . m > 20. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.05(m2 − m1 ).1.05h = 0. Naime.05(m − 20) kn. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.5 + 0.8 kn. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.05h (∆c = ˇ 0.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije.1 6. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.5 + 0.Poglavlje 6 Uvod u diferencijalni raˇun c 6. (Masa m je izraˇena u gramima.05(m − 20).8.

♠ c Definicija 6.7 kn. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. S druge strane. s s 20M ≥ (m2 − m1 )). Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. Definicija 6. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. odnosno da graf funkcije ima prekid u toj toˇki. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. .216 ˇ POGLAVLJE 6. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. c c Napomena 6.

c z Ako za dani ε > 0 i neki δ > 0 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 . nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.2 Svojstva neprekidnih funkcija Teorem 6.♠ Primjer 6. ako je m lijevo od 20 i dovoljno blizu 20. ali je ona c neprekidna s lijeva u toj toˇki. ako je m > 20 i m blizu 20.1. postoji δ > 0 za koji vrijedi Definicija 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε). g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.1. koji c je manji od nekog fiksnog strogo pozitivnog broja. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . 6.2 Funkcija c(m) iz Primjera 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 Neka su funkcije f. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. Analogno.1 ima prekid u toˇki c = 20. Tada su u toˇki x0 neprekidne i funkije: c .1.2 Iz Definicije 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). S druge strane.1. No. Primjer 6.1. ipak m(c) nije blizu m(20). onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6. s c c Napomena 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε.ˇ 6.

c + δ) takav da je f (xδ ) ≤ 0.♠ .♣ c Teorem 6. c + δ . f + g. Tada postoji x0 ∈ a. 1]. onda je oˇito f (−1)f (1) = −1 < 0. i x0 ∈ D(f ) i f (x0 ) ∈ D(g).♣ z c Teorem 6. b takav da je f (x0 ) = 0. i funkcija g neprekidna u f (x0 ). onda njezin graf mora negdje sjeˇi x os. b]. Uzmimo ε = f (c). |xδ − c| < δ. i neka je f (a)f (b) < 0.♣ Teorem 6.11 znamo da je funkcija f : R −→ R dana formulom 1 . tj. Dokaz: Pretpostavimo suprotno.2 Neka su funkcije f. c c Primjer 6.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. mora imati nultoˇku.♣ Teorem 6. Ako je funkcija f neprekidna u x0 . Tada za svaki δ > 0.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. po pretpostavci. 2. 3. Tada je |f (xδ ) − f (c)| > f (c) = ε.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. onda je funkcija g ◦ f neprekidna u x0 . 4. Dakle. f |[−1. Ako pogledamo funkciju f restringiranu na segment [−1. 1] −→ R. ˇto je suprotno pretpostavci. za koji je f (xδ ) ≤ 0. ali oˇito f nema nultoˇku na segmentu c c c [−1.218 1. 1] (jer je nema na cijelom R).1] : [−1. postoji xδ ∈ (c − δ. i neka je f (c) > 0 (f (c) < 0).3 Iz Napomene 5. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. x=0 x f (x) = 1. f ima prekid u toˇki c. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. g : R −→ R takve da je definirano (g ◦ f )(x0 ). x = 0 svugdje neprekidna osim u nuli. tj. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. g ˇ POGLAVLJE 6. c + δ). f − g. tj. c s Analogno se dokaˇe sluˇaj f (c) < 0. f . tj. f · g.

i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .♣ c Tvrdnja Teorema 6. funkcija f (x) = neprekidna na 0. M ∈ R takvi da je m ≤ f (x) ≤ M.3 Neprekidnost elementarnih funkcija Primjer 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. za svaki x ∈ I (Definicija 5. . Tvrdnja z Teorema 6. Pitanje je sad. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. onda je ta funkcija i neprekidna.♣ Teorem 6. Teorem 6. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . Tada je funkcija f neprekidna na intervalu I. 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.5 ne vrijedi za otvorene intervale. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.6 ne vrijedi za otvorene intervale.1.♣ 6. slika otvorenog intervala − π . π funkcijom tg je R.ˇ 6.1.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.4 Funkcije f.4) Teorem 6. Npr.3 slijedi da je uvjet neprekidnosti iz Teorema 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. Nadalje. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. Npr. ali oˇito je neomedena.4 nuˇan. π . b]. c 1 x je Teorem 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. 1 .

4 dokazali smo da je funkcija f (x) = x neprekidna na R. Iz Teorema 6. arkus. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Na kraju.7 imamo da su neprekidne i funkcije arctg i arcctg.. π monotone c 2 2 bijekcije na R. Budu´i da je |f (x) − f (x0 )| = |x − x0 |.7 su neprekidne. n...8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. i = 0.9 Eksponencijalne..♠ z Iz Primjera 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. c Dokaz: U Primjeru 6.. jer su njihove restrikcije npr.. i = 0. 1. 1. c c neprekidne na R. 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. na intervale − π .1.1. UVOD U DIFERENCIJALNI RACUN 1. n. takoder iz Teorema 6. . hiperboliˇke c i area funkcije su neprekidne na svojim domenama. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. dakle iz Teorema 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).4 i Teorema 6.1.. logaritamske. hiperboliˇkih (osim kosinusa hiperbolnog). slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. trigonometrijske. na R su neprekidne i funkcije ai xi . Dokaz: Neprekidnost eksponencijalnih. Nadalje. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. polinom Pn (x) neprekidan na R. i = 0.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. tj. ..7 c i periodiˇnosti.1. π odnosno 0. .1 sada slijedi da je na R neprekidna i funkcija x2 . 1. z c Uzmimo proizvoljni ε > 0. zakljuˇujemo c da je i suma od ai xi .220 ˇ POGLAVLJE 6.♣ Napomena 6. z c Uzmimo proizvoljni ε > 0. z 2.4) i Teorema 6. slijedi da c moˇemo uzeti δ = ε. Teorem 6.7. takoder iz Teorema 7. Na isti naˇin se zakljuˇi da su xi . Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.1 direktno imamo: n Teorem 6. logaritamskih.. . i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). n. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.

2 2 imamo 2x + π 2x − π cos . 0. 3π .1. π 2 2 i 0. π 4 2 4 4 kada x varira po intervalu 0. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. ♣ . moˇemo dobiti i δ = 0. Dakle je arccos x neprekidna s lijeva u toˇki 1. k ∈ Z.ˇ 6. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. ali u Napomeni 6. posebno je 2 2 neprekidna u π . x−a x+a cos . 1 . cos x i ch x redom na intervalima − π . te da je Arch x neprekidna s desna u 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. 1] i [1. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. π i 0. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. 1]. +∞ iz Teorema 6. +∞ . 3π . [−1. 2 Zbog stroge monotonosti funkcija sin x. 1 i 1. arcsin x i Arch x redom neprekidne na [−1. 3π . onda 2x−π varira po intervalu − π . k ∈ Z. 3π . arccos x i Arch x redom na intervalima −1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. ˇto je ekvivalentno s s arccos x < ε. π su monotone bijekcije na 2 2 −1. tj. π . +∞ . π .7 i neprekidne. Zbog neparnosti imamo da je sin x neprekidna i u − π . |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). Dakle su funkcije arccos x. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Oˇito je δ > 0. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + 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 2.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. −1. 1 . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. Isto tako 2x+π varira po intervalu π . Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. dakle su po Teoremu 6. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. Sada imamo da je sin x neprekidna na 0.7 imamo da su neprekidne funkcije arcsin x. c Analogno se dokazuju i druge jednostrane neprekidnosti.

UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0.1. vrijednosti c funkcije su malo ve´e od −1. Dakle. funkcija nije definirana u toˇki 0.4 Graniˇna vrijednost (limes) funkcije c 1. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. ali negativnu. Za funkciju f : R −→ R danu formulom f (x) = arctg x . za vrijednosti od x koje su malo ve´e od 1. S druge strane. Ako uzmemo s c toˇku x dovoljno malu. c c 2. funkcija nije definirana u toˇki 0. za x malo manji od 1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli.5 nije definirana u toˇki x = 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. 4. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. 6. ali pozitivnu. vidimo da su one c c c blizu vrijednosti −1. tj. ako uzmemo toˇku c x dovoljno malu. vrijednosti funkcije c su malo manje od −1.222 ˇ POGLAVLJE 6. tj. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. dodemo li s x dovoljno blizu c toˇki 1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. tj. c 3. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. zakljuˇujemo. dovoljno blizu c nule. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu.

8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . Neka je dana funkcija f : R −→ R formulom f (x) = xx .2. a ne znamo izraˇunati ni njenu vrijednost za x = 0. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. 2 2 5.ˇ 6. .♠ Situacije iz Primjera 6. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5. Definicija 6. Dakle. tj. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.5). ako c ˇelimo promatrati ponaˇanje oko nule. moramo se ograniˇiti samo na pozz s c itivne vrijednosti. 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). 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.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. pravac y = π je horizontalna asimptota. |f (x) − M | < ε). 6. osim.2.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c.1. moˇda u samoj toˇki c. osim. onda piˇemo c s L = lim f (x). x−→c Ako limes postoji on je i jedinstven: Teorem 6. Ako funkcija ima limes L u toˇki c. moˇda u samoj toˇki c. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.

. Tada za taj ε. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. da je M = L.6 i Napomz ena 4.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.♣ s z c c Napomena 6. z c c Uz malu zloporabu notacije moˇemo Definiciju 6. M ) je okolina od −∞.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). postoji δ > 0. +∞. i svaki interval oblika (−∞. ˇto ne moˇe biti. Ali. Dakle je M = L. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). Uzmimo sada ε = 1 |M − L|. +∞) okolina od +∞. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. |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.4 Uoˇimo da je definicija limesa (Definicija 6.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. pri ˇemu. Pri tome uzimamo da je svaki otvoreni interval oblika (M. 2 po pretpostavci. |f (x) − M | < ε). −∞ ∈ R.224 Tada je L = M . ali postoji bitna razlika. naravno ne zaboravljamo. 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). L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). Analogno.2) jako sliˇna definiciji neprekidnosti (Definicija 6. ˇ POGLAVLJE 6. tj. Dakle imamo |M − L| < |M − L|. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.

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

x−→0 x2 lim 1 1 = +∞ i lim = −∞. lim arctg x = . Dokaz: Ako funkcija f ima limes L u toˇki c. ne postoji lim sin x. x−→+∞ 2 5. moˇda u samoj toˇki c.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .6 Opiˇimo sada pomo´u limesa Primjer 6. tj. x < 0  sign x = 0. x2 − 3x + 2 = −1. x−→1 x−1 1 = +∞.5 znamo da funkcija   −1. x = 0   1.226 ˇ POGLAVLJE 6. x−→0 x π 4. ako postoje limesi s lijeva i s desna i oni su jednaki L.7 Iz Primjera 5. c osim.5 Neprekidnost i limes Primjer 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. UVOD U DIFERENCIJALNI RACUN Teorem 6. Dakle je x−→0+ lim sign x = sign 0 . Nadalje je oˇito da je c x−→0+ lim sign x = 1 .♠ 6.5. onda je jasno iz Definicije 6.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. onda iz Definicije 6. ♣ c Primjer 6. x −→0 − lim sign x = −1 . Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. x−→+∞ 6.1. lim 3. Obrnuto. s c 1. x−→0+ lim xx = 1. lim 2. x > 0 ima prekid u nuli.

♠ Primjer 6. c c Sada direktno iz Napomene 6.1. Dokaz: Izravno iz Definicije 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).13 Neka je funkcija g : R −→ R neprekidna.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.12 kaˇe da ako je funkcija neprekidna u toˇki c.1 i Primjer 6.5 U Teoremu 6.♠ x−→2 Primjeri 6.7 i 6.12 imamo: Teorem 6. i neka postoji limes funkcije f u toˇki c.ˇ 6. x−→c Napomena 6. tj.♣ .4) i da limes mora postojati. onda limes i funkcija z c ”komutiraju” tj. Nadalje.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)).♣ Teorem 6.♣ x−→c Analogno kao Teorem 6.4). oˇito vrijedi c f (2) = lim f (x).3. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 . Zaista imamo: c c Teorem 6. imamo x−→c lim f (x) = f (c) = f ( lim x).8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).1 i 6.2 i definicije jednostranog limesa. x−→c+ Dokaz: Izravno iz Definicije 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. konaˇan je broj.

no moˇe se desiti da dobijemo izraz koji nije z z definiran. 7. UVOD U DIFERENCIJALNI RACUN Teorem 6.1. a ∈ R proizvoljan. a ∈ R proizvoljan. (−∞) + (−∞) = −∞. x−→c+ Dokaz: Izravno iz Teorema 6. a > 0 +∞. 3. 2. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. 6. jer operacije nisu definirane i operandi nisu realni brojevi. (+∞) + (+∞) = +∞.12 i 6. 8.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. (+∞) · (−∞) = −∞. −∞ ± a = −∞. a < 0. Kako one nisu realni brojevi.14. 5. −∞. . To se posebno odnosi na veliˇine +∞ i −∞. 4.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). a < 0. (+∞) · (+∞) = +∞. +∞ ± a = +∞. a > 0 −∞. a ∈ R proizvoljan. (−∞) · (−∞) = +∞. a +∞ = 0.♣ 6. 6.228 ˇ POGLAVLJE 6. 9. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. (−∞) · a = 10. (+∞) · a = +∞.11.

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

0 < a < 1. +∞. α > 0 0. a>1 0. . n ∈ N proizvoljan. 0 < a < 1. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R.1. 3. x−→+∞ lim ax = 9. 8. α < 0. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0.7 Raˇunanje limesa c Neki temeljni limesi 1. α>0 +∞.230 ˇ POGLAVLJE 6. x−→+∞ lim loga x = 11. 5. x−→+∞ x−→+∞ 2. n ∈ N neparan +∞. +∞. x−→0+ lim xα = 0. 0. n ∈ N proizvoljan. x−→0+ x−→0− 7. lim x−n = −∞. n ∈ N neparan. lim x−n = +∞. a>1 −∞. +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. 6. x−→−∞ lim ax = 10. a>1 +∞. UVOD U DIFERENCIJALNI RACUN 6. 0 < a < 1. x−→0− 4. a>1 +∞. 0 < a < 1. −∞. n ∈ N paran. α < 0. n ∈ N paran. −∞. lim xn = +∞.

c Osim ovih limesa. ortogonalnu projekcija toˇke A na x os.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6.9.ˇ 6. Oznaˇimo s A = z c c (cos x. tg x ). +∞) i da joj c c je slika cijeli R. c c eksponencijalnih i logaritamskih funkcija. 0) u ravnini. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Kako gledamo c limes funkcije sin x kada x −→ 0. To znaˇi da je c x−→+∞ lim loga x = +∞. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). i zbog parnosti od sin x . tj.1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. za a > 1. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. 0).1. Iz toˇke 5. Kada s pravca uzmemo x ∈ (0. koji se nalazi unutar trokuta OBB . π ). a ∈ R. 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. koriste´i definicije limesa i jednostranih limesa (toˇka 6. njihov rast. x−→+∞ x sin x = 1. i s B = (1. jasno je da je dovoljno x x promatrati x ∈ (0. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. parnost.2. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ).16 lim i 1 lim (1 + )x .4). neparnost i sliˇno.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. pad.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Dakle. sin x). . za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). svojstva potencija.

UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna.♣ x lim . Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . 2 x 2 sin x 1 ≥ ≥ cos x. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. x−→0 x sin x = 1.2: Uz izvod osnovnog trigonometrijskog limesa.232 ˇ POGLAVLJE 6.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. sin x cos x xr .

Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . c Zbog toga je ex − 1 t lim = lim = 1.♠ x−→0 t−→0 x ln a ln(t+1) ln a .1.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.17 x−→+∞ 233 lim 1+ 1 x x = e. Tada je jasno da t −→ 0 kada x −→ 0. Dakle . a ∈ R. ♣ Primjer 6. x−→0 x lim i ax − 1 = ln a.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .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.ˇ 6. i da je x = ln(t + 1).2. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x Oznaˇimo sada ex − 1 sa t. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. Dakle imamo ax − 1 ex ln a − 1 = lim .10 ex − 1 = 1. x−→0 x lim a > 0. x−→0 x Iz Teorema 6.

g : R −→ R. 6.1.7 su nam dovoljni za c raˇunanje gotovo svih limesa. Tada 1.2 6. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).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. . x−→c x−→c 2. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).13.17. ♣ x−→c Teoremi 6.18 i temeljni limesi iz toˇke 6.2.234 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. 6. funkcija f g ima limes u toˇki c i vrijedi c lim f (x) g(x) = x−→c lim f (x) lim g(x) x−→c x−→c ako je g(c) = 0 i lim g(x) = 0. x−→c c 3. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).16. c 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. 6. x−→c x−→c 4.

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

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

♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .2. c mjeri brzinu promjene veliˇine c Definicija 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . tj.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . f : I −→ R. c Primjer 6.4: Sekante i tangenta. Ako postoji z c f (x0 + ∆x) − f (x0 ) .♠ 6. x0 ∈ I. ∆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 .6. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3.2. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.

.238 ˇ POGLAVLJE 6. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. Dakle je c f (x) = lim f (x + ∆x) − f (x) .2.6 Uoˇimo bitnu razliku. za proizvoljne k. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Derivacija funkcije f (x) = kx + l je f (x) = k. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. l ∈ R. 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). ∆x−→0 ∆x Napomena 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Dakle brzina promjene linearne funkcije je konstanta.15 Pogledajmo sljede´e primjere: c 1.♠ ∆x−→0 ∆x 6. c c koji se oznaˇava sa f (x0 ). onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. c z Primjer 6. UVOD U DIFERENCIJALNI RACUN Primjer 6. Derivacija funkcije f u toˇki x0 je broj.

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

funkcija pada c c na tom intervalu. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. U toˇkama gdje je f (x) = 0. problem konaˇnosti c c limesa. odnosno da je tangenta pravac koji raste. Tu funkcija niti raste c niti pada. tj.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji.. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a).17 1.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. problem razliˇitih vrijednosti s lijeva i zdesna. Dakle iz Teorema 6. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. Sliˇno. M= ∆x−→0− lim . Primjer 6. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. c c 6. ∆x Lagano se vidi da je M = 1 i L = −1. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. tangenta je paralelna s osi x. Takve toˇke zovemo stacionarne toˇke. problem postoc janja limesa.4) ustvari limes funkcije f (x + ∆x) − f (x) . ne postoji f (0).240 ˇ POGLAVLJE 6. ako je f (x) < 0 na nekom intervalu. To su npr. problem rubova domene.2.

∆x ∆x−→0 . Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ . dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). Funkcija f : R −→ R dana formulom f (x) = x0 = 0.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Tada je f i neprekidna u x0 . ∆x−→0 dakle ne postoji f (0).7 imamo da je c lim √ 3 1 = +∞. 3. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 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 .6.2. ∆x ∆x−→0 dakle ne postoji f (0).1. √ 3 241 x nije derivabilna u x0 = 0. DERIVACIJA FUNKCIJE 2.1.♠ Teorem 6.7 imamo da je c lim √ 3 1 ∆x2 = +∞. c x0 ∈ I ⊆ D(f ).

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

DERIVACIJA FUNKCIJE 2. c dakle je po Teoremu 6. imamo g(x) · = 0.2. Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. tj. 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) .20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). gdje je λ ∈ R proizvoljan. Izraˇunajmo prvo c 1 g(x) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). Tada je funkcija λf .6. g 2 (x) f (x) g(x) = 1 f (x) g(x) . Kako je g(x) · 1 g(x) = 1. ∆x−→0 ∆x−→0 Sada iz Teorema 6.♣ . (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). Oˇito je D(g) = R. f (x) g(x) f (x)g(x) − f (x)g (x) . tj. za svaki x ∈ I. derivabilna na I i vrijedi (λf ) (x) = λf (x). po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .♣ g 2 (x) Napomena 6. za svaki x ∈ I. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x).19 imamo ∆x−→0 lim g(x + ∆x) = g(x). 3. Dakle 1 g(x) = 0.

odnosno (f −1 ) (f (x)) = 1 . c Primjer 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). f (x) = 0 na I i neka postoji f −1 . x ∈ I ⊆ D(f ).18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . z Teorem 6. f (x) = sin x.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f .21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle imamo f −1 (f (x)) = x.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. f (x) ∈ J ⊆ D(g). Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Primjera 6. naravno.244 ˇ POGLAVLJE 6.21. i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. moˇe provesti samo ako je f (x) = 0. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) ♣ . g = f . Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Izraˇunajmo joˇ i (f ◦ g) . Sada primjenom Teorema 6. UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.15 i Primjera 6. iz Teorema 6. c −1 tj. f (x) Ovo se. gdje je g(x) = x2 . Dakle.

Kako je (f ◦ g)(x) = x iz Teorema 6.22 i derivacijama iz donje tablice. 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. 6.19 Pogledajmo sljede´e primjere: c 1 1.20.2.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.20.6. c Napomena 6. ∆x−→0 ∆x lim dakle je f (x) = ex . Derivacija funkcije g(x) = √ 1 . Iz Teorema 6. i vrijedi (f ◦ g)(x) = x.10 imamo da je f (x) = lim e∆x − 1 = 1. Derivacija funkcije g(x) = ln x je g (x) = x . Osnovne derivacije dajemo u sljede´oj tablici. odnosno 1 g (x) = √ . ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. DERIVACIJA FUNKCIJE Primjer 6.21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .21 i 6.8 Studentima se preporuˇuje da provjere donje formule samostalno.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. x 1 √ . odnosno g (x) = 2.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. 2 x x je g (x) = Iz Primjera 6. . Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .

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. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. f (x0 )) biti dosta mala. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . odnosno ∆f = tg α∆x . Jasno je da je ∆x = tg α. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ). no to je ponekad teˇko izraˇunati.2. UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6.1: Derivacije elementarnih funkcija 6. c tj. f (x0 )) i osi x. Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . f (x0 )) s c c ∆f apscisom x0 + ∆x.

onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.2.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).5: Diferencijal funkcije. Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). y f(x) α 0 x0 x 0+ ∆ x x Slika 6. Dakle. f (x0 )).1. jednadˇba tangente u c z toˇki (x0 .5). veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . Tada od svih polinoma stupnja najviˇe jedan.6. c Teorem 6. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. DERIVACIJA FUNKCIJE 247 ∆x. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .♣ c .

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”. to su razlike ordinata na grafu i na tangenti male za istu apscisu. c Primjer 6.♠ s s c .23). Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). Dakle. Iz Primjera 6.5 1 1.5 -1 0.6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke.248 ˇ POGLAVLJE 6. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 2 Slika 6. 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.16 znamo da je f (x) = cos x.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. dakle je f (0) = cos 0 = 1. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

♣ f (b) − f (a) . f (a)) i (b. f (a)) i (b. b ∈ I.2.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.6. b u kojoj je tangenta paralelna s tom sekantom. a < b.26 kaˇe da za svaku sekantu kroz toˇke (a. postoji x ∈ a. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). Neka je L pravac kroz toˇke (a. f (b)). Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). b−a onda Teorem 6. tj.25. Napomena 6. b−a f (b) − f (a) (x − a). tj. f (b)) z c postoji toˇka x ∈ a. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. proizvoljne. b−a y f(x) 0 a x0 b x Slika 6. c .13 Primijetimo: 1. b za koju je F (x ) = 0. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.

0 x>1 oˇito f ima prekid u x = 1. 2 za koji je f (x ) = 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. y f(x) 0 a b x Slika 6. oˇito je c x−→1 lim f (x) = 3 = f (1). Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). f neprekidna na R. x za koji je f (x) − f (a) = f (x ). Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.258 ˇ POGLAVLJE 6. b−a ali ne postoji x ∈ 0. pa je. x ≤ 1 . x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Kako je f (x) = 3. x ≤ 1 f (x) = 3 x > 1.26 je bitan. po Teoremu 6.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.12. z Iz Teorema 6. . Uvjet f ∈ C 1 (I) iz Teorema 6. UVOD U DIFERENCIJALNI RACUN 2. Ako je dana funkcija f : R −→ R formulom 3x.

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

s Primjer 6..260 ˇ POGLAVLJE 6. x2 = x. f (x0 )) od svih c polinoma danog stupnja. Aproksimacija je dobra lokalno. Sliˇno kao i Teorem 6.24 Neka je dana funcija f (x) = sin x. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . . dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . T1 (x) = f (0) + f (0)x = x. 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 . UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 . ocjenjivanje pogreˇke uˇinjene pri linearizaciji c s c svodi se na ocjenjivanje veliˇine c |f (cx )|...♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N. Dakle. 2! .23. Dakle. 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 .

.6. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f . tj. 6. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . odnosno konvergirati nekoj z (x drugoj funkciji. n! ∞ sin x = n=0 (−1)n x2n+1 . (2n)! Napomena 6.2.28 Neka je f ∈ C 1 (I) za neki interval I... n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x). ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. sin x. Moˇe se pokazati da su funkcije ex .. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju.3. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .2.1). dakle nisu jako c dobri za numeriku. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6..

x−→0 U Teoremu 6. Jedan smjer bismo mogli dokazati. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. za svaki x ∈ I. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).26 postoji x ∈ (x.25 zakljuˇujemo da u Teoremu 6. 2. pa je f (x) = lim za svaki x ∈ I.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. UVOD U DIFERENCIJALNI RACUN 1. Ovaj smjer se dokazuje analogno kao u Teoremu 6. za svaki x ∈ I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Obratno.262 ˇ POGLAVLJE 6.24 smo vidjeli da. pa je f (x + ∆x) − f (x) ≥ 0.26. lim x2 = 0). Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).♠ Iz Primjera 6. . onda je f (x0 ) = 0. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Dokaz ide na sliˇan naˇin. Limes nenegativne funkcije mora i sam biti nenegativan.28 primjenom Teorema 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. po Teoremu 6. ∆x Primjer 6.28 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. jer se c s c medu njima nalaze potencijalni ekstremi. obratna tvrdnja ne mora vrijediti. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. dakle z funkcija f raste na I. Dakle ne vrijedi f (x) > 0 na R. Medutim. Tada. Kako je desna strana gornje jednadˇbe nenegativna. Iz Napomene 6. onda funkcija strogo raste (pada) na I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. to je i lijeva strana takva. Dokaz: c 1. 2. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. ∆x za svaki x ∈ I. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.

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

f (x2 )). druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. konveksnost i konkavnost su odredene predznakom druge derivacije. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0.27 za sluˇaj c n = 1.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .27 biti iz te okoline. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. izmedu x1 . a graf konkavne funkcije iznad sekante kroz toˇke (x1 . Zbog neprekidnosti druge c derivacije. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Ako je f (x0 ) < 0. Npr. c 2. 2.264 ˇ POGLAVLJE 6. iz Teorema 6. Ako je f (x0 ) > 0. za svaki x ∈ I. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. jer c c se nalazi izmedu x0 i x.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). 2. za svaki x ∈ I. Primijenimo li Teorem 6. Dokaz: 1. c c Dakle. Onda ´e i toˇka cx iz Teorema 6. x2 ∈ I graf konveksne funkcije je ispod. c . Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. funkcija f ima u x0 ∈ I lokalni maksimum.31. Uzmimo x proizvoljan iz te okoline. a konkavna ako je za sve x1 . imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ).♣ Teorem 6. 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 . c 1.3). 1. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. Teorem 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. funkcija f ima u x0 ∈ I lokalni minimum.30 Neka je f : I −→ R klase C 2 (I). c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). ali je f (0) = 0. UVOD U DIFERENCIJALNI RACUN Definicija 6. Dokaz ide na sliˇan naˇin. f (x1 )) i (x2 .

i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. ∞ .6. Onda je c toˇka infleksije od f .2. g (x) onda je i x−→x0 lim f (x) = L.24 f (c) = 0. neka je f na c − δ.7. c + δ strogo konveksna. x ∈ I.7 Neka je f : I −→ R i c ∈ I. c strogo konveksna i na c. x ∈ I. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 .30 imamo da funkcija f raste na (c − δ. pa x = 0 ne moˇe biti z toˇka infleksije. c strogo konkavna i na c. Neka postoji δ > 0 takav da je funkcija f na c − δ. f ima lokalni maksimum u c.L’Hospitalovo pravilo c Teorem 6. onda je c f (c) = 0. ali je f (x) > 0 za x ∈ −∞.♣ Uvjet f (c) = 0 iz Teorema 6. c + δ).32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c + δ strogo c konkavna za neki δ > 0. Dakle. moˇda. 0 i 0. Dokaz: Bez smanjenja op´enitosti. c + δ strogo konkavna ili je na c − δ. Tada iz Teorema 6. c strogo konveksna i na c. f (c)) toˇka infleksije grafa funkcije f . c Teorem 6. Iz Teorema 6. Npr. DERIVACIJA FUNKCIJE 265 Definicija 6.♣ Raˇunanje limesa . c c Kaˇe se joˇ da je toˇka (c. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . u x0 ∈ I. ∞ .34 Neka su f i g derivabilne funkcije na I osim. c Dokaz: Izravno iz Definicije 6. 0 i f (x) > 0 za x ∈ 0. z s c c Teorem 6. c) i pada na (c. pa je po Teoremu 6. Dakle je konveksna na −∞. Ako je g (x) = 0 za svaki x = x0 . Ako je c ∈ I toˇka infleksije od f .32 Neka je f ∈ C 2 (I).33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. z Neka je lim f (x) = lim g(x) = 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) .

c Napomena 6. g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki.12). c Dakle.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) .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0.♣ g (x) f g Na Teorem 6. . Znamo da je c tg α1 = f1 (x0 ). tg α2 = f2 (x0 ). g (n) (x0 ) = 0. .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. .12) i iz Teorema 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. f (n) (x0 ) = 0. Tada. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). po g (x0 ) = 0. analogno kao u dokazu Teorema 6. f (x0 ) = 0.266 i ˇ POGLAVLJE 6. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .34. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . g(x0 ) = 0.16 Neka su funkcije f. . . . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. iz Teorema 6. g (n+1) (x0 ) = 0. g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = .

Iz toˇke 2. x a + x2 = f2 (x). z c c Primjer 6. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). ako i samo ako je f1 (x0 )f2 (x0 ) = −1. odnosno ako i samo ako je tg α = ∞. Ako je α = 0. dakle je f1 (x0 ) = f2 (x0 ).2.1 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. tj. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. . To znaˇi da u c toˇki (x0 . a > 0. onda je i tg α = 0 .17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .6.2.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.14: Kut izmedu dviju krivulja. c c pa moˇemo re´i da se diraju u toj toˇki. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .

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

c c 4. Odrediti intervale monotonosti i lokalne ekstreme. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. Oznaˇimo c li tu duljinu s x. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. Postupak je. Prona´i intervale konveksnosti. c c 6. Postupak: 1. Ispitati ponaˇanje na rubovima domene (asimptote). c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. c Primjer 6. 7. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. s 5.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Ispitati parnost. c c z 8. Prona´i stacionarne toˇke. periodiˇnost. samokorigiraju´i. c c 2. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Sloˇiti sve dobivene podatke u graf funkcije. Odrediti domenu funkcije (prirodno podruˇje definicije).2. 3. neparnost. Nadalje je V (x) = (a − 2x)(a − 6x).6. u izvjesnom smislu. konkavnosti i toˇke infleksije. . to upu´uje na pogreˇku u raˇunu. 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.

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

za x = 1. U drugom pristupu. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . slijedi da je x + x ≥ 1. tj. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. koji je elegantniji. doduˇe. 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. je dio matematiˇke op´e kulture.♠ s z c . U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike.6. 1 Nadalje. 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 . 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).2. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. pozvali smo se na rezultat koji. z c Usporedimo sada ova dva pristupa.

.

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

. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Teorem 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). Zanima nas. Stoviˇe. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Uvedimo prvo ime za takve funkcije.20 i Napomene 6.1 Neka je f neprekidna funkcija na I ⊆ R. Definicija 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija.274 ˇ POGLAVLJE 7. C ∈ R. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. c Primjerice. itd. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. 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).1 Neka je F primitivna funkcija funkcije f na I ⊆ R.2. ako postoji. Iz Teorema 6.7 izravno slijedi da je operator deriviranja linearan. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. da je x primitivna funkcija funkcije x. a onda pogledajmo kada postoje i koja su im svojstva. linearan operator koji mu je inverzan. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. jer je derivacija svake konstante jednaka nuli. UVOD U INTEGRALNI RACUN deriviranja operator.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije.

7. Piˇemo s f (x)dx = F (x) + C. Interpretirajmo elemente ove formule: je znak integrala. dx pokazuje po ˇemu se integrira. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . s To nije toˇno inverz od derivacije.1.4). Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. gdje je c neka toˇka izmedu x i x0 . a to je upravo druga tvrdnja teorema.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.1.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G.2. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.♣ 7. C ∈ R je konstanta integracije. 275 Dakle imamo prvu tvrdnju. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. slijedi H(x) = H(x0 ) za svaki x ∈ I. ˇalje c s u f. dolazi od S kao suma. c F (x) je primitivna funkcija funkcije f (x). H je konstantna funkcija. koji je po Teoremu 7.1 beskonaˇan. tj. f (x) je integrand. Ostale raˇunamo koriste´i svojstva c c c .

c zbog linearnosti derivacije. Dokaz: Neka je F primitivna funkcija funkcije f . Dokaz: 1. Teorem 7. Kako je imamo f (x)dx f (x)dx = F (x) + C. z Teorem 7. Za ostale operacije nema jednostavnih pravila.20 i Napomena 6. = (F (x) + C) = F (x) = f (x). f (x)dx.7). 2. Oˇito je.3 Vrijedi: 1. Neka je F primitivna funkcija funkcije f . Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6.276 ˇ POGLAVLJE 7. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. 2. Oˇito je. UVOD U INTEGRALNI RACUN neodredenog integrala. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.♣ Napomena 7. cF c primitivna funkcija funkcije cf .1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.1 Iz Teorema 7.2 f (x)dx = f (x). F ± G primitivna funkcija funkcije f ± g.♣ . zbog linearnosti derivacije.

2) i svojstva iz Teoc c rema 7.3. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. c 7. Najpoznatiji primjer je e−x dx. S druge strane. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. tabliˇne integrale.7. c c koriste´i pravila i tablicu derivacija (toˇka 6.1. eksponencijalne i z trigonometrijske funkcije. Primjer 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1.1. tzv.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1 Pogledajmo sljede´e primjere: c .2. c c z z to obiˇno nije lako. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Tako moˇemo integrirati polinome i jednostavnije racionalne.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.4). izraˇunati derivaciju bilo koje c c c elementarne funkcije. Ako se i moˇe integrirati.

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

No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.2.7.1. Ipak. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija.2 Odredimo integral funkcije f (x) = sin x cos x. Dakle je sin x cos x dx = 1 2 sin x + C. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. + C. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. ovo moˇemo pisati kao c c z sin x d(sin x). Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. a to znamo da je u2 2 sin x d(sin x). ne mogu integrirati produkti funkcija (osim c za polinome. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). ima jedan sluˇaj kad se c produkt funkcija lako integrira.3 i tabliˇne integrale. op´enito. gornji se integral svodi na u du. z Primjer 7. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga.♠ 2 . Koriste´i izraz za diferencijal (toˇka 6.5). deriviranjem sloˇenih funkcija. tj.

280 ˇ POGLAVLJE 7. Primjer 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. . Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. Ako je G(u) primitivna funkcija od g(u).3 Odredimo integral funkcije f (x) = sin5 x cos x. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. moˇemo podintegralnu funkciju pisati kao z g(u)du.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. UVOD U INTEGRALNI RACUN U Primjeru 7.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. Zamjenom varijabli kao u Primjeru 7. d(u(x)) = u (x)dx. a to je diferencijal od z u6 + C. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. tj.

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

. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira. du = u dx. Koji od njih treba odabrati kao v? v du.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. zbog dv = v dx.6 Pogledajmo sljede´e primjere: c 1. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. v du. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx.♣ u (x)v(x)dx. tj. klase C 1 (I). Napomena 7.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. Polazimo od formule za derivaciju produkta funkcija.282 ˇ POGLAVLJE 7. Imamo produkt u kojem oba faktora znamo lako integrirati. Odredimo integral funkcije f (x) = x cos x. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. v du + u dv. a drugi se deriviranjen pojednostavnjuje. (uv) = u v + v u.

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

v = 1. sin2 x dx. i u = ln x. ˇto daje du = u dx = s cos x dx i v = − cos x. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7.284 ˇ POGLAVLJE 7. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. tj. Odredimo integral funkcije f (x) = ln x.5 imamo x dx 1 = ln(x2 + 1) + C. Odredimo integral funkcije f (x) = arctg x . 2. tj. i u = arctg x . UVOD U INTEGRALNI RACUN 1. v = sin x. i u = sin x. 2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . v = 1.♠ 2 x dx . tj. Stavimo dv = dx. Stavimo dv = dx. ˇto daje du = u dx = s v = x. x dx x i v = x. Stavimo dv = sin x dx. 1.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. Odredimo integral funkcije f (x) = sin2 x. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C.

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

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

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

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

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

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

D = −1.1.♠ x−1 Ako su nuliˇta nazivnika jednostruka. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C.♠ 3 3 . x(x−2)(x+1) x+2 A B D = + + . Rjeˇenje je A = 3.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 . NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. 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.7. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . B = 2.

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

ako su ti komadi krivulje? z Promatramo najjednostavniji takav sluˇaj. s P = i P (Ti ). s s c z s c Ploˇtina je realan broj koji na odreden naˇin sluˇi kao mjera povrˇine. Lik se triangulira. z podijeli na trokute tako da se ti trokuti ne preklapaju i da je njihova unija jednaka cijelom zadanom liku.7.2 7. c .6 Bilo bi korektnije govoriti o odredivanju ploˇtine ravnog lika s nego o odredivanju njegove povrˇine. problem moˇemo s c z smatrati u biti rijeˇenim. duˇinama. ODREDENI INTEGRAL 293 7. gdje se zbraja po svim trokutima triangulacije Ti . T1 T2 T3 T4 Slika 7.2. jer je to uobiˇajenije. Kako povrˇinu trokuta znamo raˇunati. Takav lik ˇesto zovemo krivuljnim trapezom. c s c ˇ Sto ako neki komadi granice ravninskog lika nisu ravni.3: Triangulacija podruˇja u ravnini omedenog duˇinama. tj. Uz te uvjete povrˇina lika je jednaka zbroju povrˇina svih s s trokuta u triangulaciji.2. c z Napomena 7.problem povrˇine (ploˇtine) s s Problem odredivanja povrˇine (ploˇtine) geometrijskog lika lako je rjeˇiti ako je s s s taj lik omeden ”ravnim” komadima granice. Povrˇina je geometrijska kategorija. kad imamo lik omeden s tri duˇine i c jednim komadom krivulje. ploha. Imaju´i to s na umu mi ´emo uglavnom i dalje govoriti o povrˇini.1 Odredeni integral Motivacija . tj.

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

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

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

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

14 1.♣ Napomena 7. c Iz Primjera 7.♣ Teorem 7. b]. n. UVOD U INTEGRALNI RACUN Definicija 7.298 ˇ POGLAVLJE 7. b] je integrabilna. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b]. a . b] z kaˇemo da je f integrabilna na [a. c i = 1. f (x) = nije integrabilna. b]. Dirichletova funkcija nije integrabilna. nisu integrabilne.13 vidimo da nisu sve funkcije na segmentu [a. Koje joˇ? s Teorem 7.♣ Primjer 7. onda je f (a) ≤ f (x) ≤ f (b). b]. b] je integrabilna..13 Dirichletova funkcija. za svaki x ∈ [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. Uoˇimo da za svaku podjelu r segmenta [a. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. tj. Primjer 7. Koje jesu? Neprekidne sigurno jesu. b]. x ∈ R \ Q. x∈Q 0. b]. onda je ona i c ograniˇena. z c tj.6 Svaka neprekidna funkcija na [a. b] integrabilne.9 Uoˇimo da ako je f monotona funkcija na [a.3 Ako za funkciju f moˇemo definirati odredeni integral na [a.♠ Napomena 7.. c Dokaz: Ako f raste na [a. b]. dakle je f ograniˇena funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. Izraˇunajmo iz definicije c b 1. . 1 dx. b] imamo mi = 0 i Mi = 1.5 Svaka monotona funkcija na [a.8 Dirichletova funkcija ima prekid u svakoj toˇki..

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

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

... Dokaz: Za bilo koju podjelu r segmenta [a. i = 1. a vri- jednosti mi . b f (x)dx = − a f (x)dx.♣ 2. . c Ovo se zove aditivnost integrala po podruˇju integracije...2 a Svojstva odredenog integrala f (x)dx = 0. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi ... 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.. n. . za svaku toˇku c ∈ a. a 1. < an−1 < b.7. biti negativne.. Dakle odredeni integral mijenja predznak ako se zamijene granice. a] su gornja i donja Darbouxova suma a jednake nula. a drugi u c f (x)dx. ostaju iste. za a < a1 < a2 < . i = 1. b u svaku podjelu od [a. Mi i f (si ).♣ b c b 3. ODREDENI INTEGRAL 301 7. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx... c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a... a f (x)dx = a f (x)dx + c f (x)dx. i = 1.2.2.♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. n. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + . + an−1 f (x)dx. n. . b .. tj. pa je a a b f (x)dx = 0.

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

i = 1. i = 1. . x. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor..18.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a.2 i Teorema 6.} se c nalazi u nekoj bazi od R(I). b] toˇka c pada u toˇno jedan c c [xj−1 ..2. . . .13).. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.. b]). pa je mi = 0. Dakle beskonaˇni skup {xn : n = 0.. j − 1. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. n. Nadalje. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.. Mi = 0.. . a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. i svaka funkcija iz tog skupa je neprekidna na I. a 4. b] i da je f (c) > 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).7. a (f (x) ± g(x))dx = a ili aditivnost integrala. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.3). 6.. Oˇito je z c c tada m = 0. Stoviˇe.. b] (skup R(I) nije prazan.2 i Teorema 6. skup c {1. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Dakle je s(r) = 0 i S(r) = Mj ∆xj . Ako je funkcija f : [a.. M = f (c) i za svaku podjelu r segmenta [a. 1. x2 . Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7... xj ]. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.. Beskonaˇnodimenzionalan je.♣ c Napomena 7. a cf (x)dx = c a f (x)dx. .♣ b b 5. dakle i integrabilna.. n. unutra se sigurno nalaze sve neprekidne funkcije na [a. i Mj = f (c). j + 1. jer npr. gdje je c ∈ R proizvoljan.18. onda je c b f (x)dx = 0.

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

Kako je funkcija F = g − f neprekidna na [a. za svaki x ∈ I . b] takve da je f (x) ≤ g(x) za svaki x ∈ [a.2. b] odnosno stroge pozitivnosti na [x1 . b] iz Teorema 6. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a. Tada je b b f (x)dx ≤ a a g(x)dx.7. Dokaz: Po Teoremu 7. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. b]. b] i ako je f (c) > 0 za neki c ∈ [a. b] tada iz Teorema 6. Dakle postoje x1 . c F (x) = g(x) − f (x) ≥ 0. b] oko toˇke c takav da je f (x) > 0. b]. Neka su f i g neprekidne funkcije na [a. b] onda vrijedi stroga nejednakost. Ako je f (c) < g(c) za bar jedno c ∈ [a. b]. x2 ] imamo x2 f (x)dx > 0.♣ 9.8 je dobro definirana funkcija F ∈ C 1 [a. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. Odatle slijedi da je F (b) ≥ F (a) = 0.3 slijedi da postoji interval .28 F raste na [a. po Teoremu 6. onda je F (c) = g(c) − f (c) > 0. b]. ODREDENI INTEGRAL 305 8. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Ako je f (c) < g(c) za bar jedno c ∈ [a. Dakle. i oˇito ima pozitivnu derivaciju. onda je b f (x)dx > 0. Iz pozitivnosti funkcije f na [a. Ovo svojstvo se zove svojstvo monotonosti integrala. tj. x2 ∈ I takve c da je x1 < c < x2 .3 slijedi da postoji interval I ⊂ [a.

x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). 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. za svaki x ∈ [a. 11.28 c F strogo raste na I . Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). odnosno po Teoremu 6. Teorem 7. Nadalje.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . Nadalje iz Teorema 6. m ≤ f (x) ≤ M . za svaki x ∈ I . a Dokaz: Po Teoremu 6. odnosno imamo strogu nejednakost.6. i Primjera 7. iz neprekidnosti funkcije f na [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. Dakle postoje x1 . za svaki c x ∈ [a.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a.306 ˇ POGLAVLJE 7. pa postoji barem jedan c ∈ [a. b]. b] −→ R. b].14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. b]. imamo da je F (b) > F (a) = 0. a b b f (x)dx ≤ a |f (x)|dx. b]. Neka je f : [a. Tada postoji toˇka c ∈ [a. Ako f nije konstanta na [a.♣ 10. tj. b] za koji je b f (x)dx = f (c)(b − a). iz svojstva 9.♣ a Izraz 1 b−a b f (x)dx a . UVOD U INTEGRALNI RACUN I ⊂ [a. b]. tj.

Nadalje.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.♠ c . 1] za koju je f (c) = 0.2. −1 medutim ne postoji toˇka c ∈ [−1. Povrˇina ispod s grafa neprekidne funkcije f nad [a. kako je f neparna c funkcija. . an ∈ R je a = c ). Odatle ime teoremu.. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. Oˇito je da funkcija f ima prekid u x0 = 0. b].7 ne mora vrijediti: Primjer 7. x < 0. iz svojstva 7... ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. imamo da je 1 f (x)dx = 0.. n Za funkcije koje nisu neprekidne Teorem 7. x ≥ 0 −1.. a2 . c Napomena 7.+an dine (aritmetiˇka sredina od a1 .9: Teorem srednje vrijednosti za odredeni integral.7. a Teorem 7. se zove srednja vrijednost funkcije f na segmentu [a.

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

Ho´emo gledati c ∆F . ∆F ≤ M = f (ζ2 ). b].7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.3.11: Funkcija F (x). b] i vrijedi F (x) = f (x). ∆x odnosno f (ζ1 ) = m ≤ . lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. pa onda i na svakom podsegmentu [x.LEIBNIZOVA FORMULA je derivabilna na [a. Po Teoremu 7. Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. x+∆x]. ∆x−→0 ∆x Funkcija f je neprekidna na [a. NEWTON .7.6).

tj.♣ x ∆x−→0 ∆F ≤ f (x). zbog neprekidnosti funkcije f na [a. do kojeg dolazimo preko limesa niza integralnih suma. no dokaz je bitno sloˇeniji. b] i F (x) = f (x).8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . Dakle je F (x) derivabilna funkcija na cijelom [a.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Odatle je a f (x)dx = F (b) − F (a). b]. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). F (x) = f (x). f (x) ≤ F (x) ≤ f (x). U njoj se povezuju odredeni integral.2 c dobivamo x b F (a) = a f (a)dζ = 0. b F (b) = a f (ζ)dζ. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. Odatle slijedi c f (x) ≤ lim tj. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. toˇke ζ1 i ζ2 moraju teˇiti prema x. Sliˇno i za ζ2 −→ x. do kojeg smo doˇli pokuˇavaju´i invertirati s s c . onda.♣ Newton .Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. a Dokaz: Prema Teoremu 7.9 (Newton . pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. ∆x Teorem 7. iz toˇke 7. z Teorem 7.2.310 ˇ POGLAVLJE 7. i neodredeni.12). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.

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

kao i da je samo poc druˇje integracije konaˇno. c c c Neka je funkcija f neprekidna na [a. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.♠ 3 Kod parcijalne integracije situacija je jednostavnija. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. u dv = uv a b a − a v du. Iz Primjera 7.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.10. . Primjer 7.♠ 7.17 Izraˇunajmo c 0 1 xex dx. U takvim sluˇajevima govorimo c s c o nepravim integralima. b i neka je x−→b− lim f (x) = +∞. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.6 i omedena) na podruˇju integracije.312 ˇ POGLAVLJE 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. tj.

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

Integral dx √ x je nepravi integral. Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2.♠ x−→0 ζ Dakle ovaj nepravi integral divergira. x 1 0 3.314 i znamo da je ˇ POGLAVLJE 7. 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 = . Integral dx x je nepravi integral. Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. UVOD U INTEGRALNI RACUN π . Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x). jer 1 √ x 1 x −→ +∞ kada x −→ 0 + . . 2 2 1−x 1 0 2. Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2.

ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. tj. c+ε2 Ako oba limesa na desnoj strani postoje. 1 a f (x)dx konvergira. tj. dakle imamo b a dx = (x − b)n 0 a−b dt . x2 b 2.4. inaˇe c Primjer 7. Iz ϕ(t) = a. . t + b = a imamo t1 = a − b.10. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . 1]. (x − b)n Stavimo ϕ(t) = t + b. 0] −→ R zadovoljava uvjete Teorema 7. Izraˇunajmo c −1 1 x2 dx . tn Ako je n < 0. Izraˇunajmo c a dx . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. Analogno. Sada oˇito funkcija ϕ : [a − c b. iz ϕ(t) = b dobijemo t2 = 0. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije.7. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. onda divergira. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.19 1.

Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). Uz svojstvo monotonosti integrala (svojstvo 9. Neka je funkcija f neprekidna na [a. c z z Promatrajmo sada drugi mogu´i izvor problema. Dakle tn b a dx (x − b)n konvergira za n < 1. integral dx divergira za n ≥ 1.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova.2. −n + 1 −n + 1 za n > 1.316 ˇ POGLAVLJE 7. situaciju kad podruˇje c c integracije nije ograniˇeno. b]. divergira za n ≥ 1. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. tj. 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. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1.19 moˇe posluˇiti pri usporedivanju. 0]. +∞ . Znamo c . jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a.2) npr. Primjer 7. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. iz toˇke 7.

+∞ postoji integral te funkcije u granicama od a do x.7. −∞ pa i za sluˇaj c +∞ f (x)dx.13: Nepravi integral po neograniˇenom podruˇju integracije.4. Izraˇunajmo c +∞ 0 e−x dx. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. . −∞ Primjer 7.20 1. kaˇemo da integral divergira. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. a Ako promatrani limes ne postoji. postoji x f (ζ)dζ. c c da za svaki x ∈ [a. tj. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7.

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

c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. a . ali negativnog predznaka. b] −→ R neprekidna takva da je pozitivna na [a. PRIMJENE INTEGRALNOG RACUNA 319 7. pravca x = a i pravca x = b.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. f2 : [a. b]. pravcem x = a i s pravcem x = b. tj. gdje su f1 . osi x. b]. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). b]. s s b f (x)dx = P1 − P2 . osi x. osi x. ako je f : [a.5 7. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . za neki c ∈ a. s s tj. Nadalje. Ako je funkcija f neprekidna i negativna na [a. a Ploˇtina povrˇine izmedu grafa funkcije f . za svaki x ∈ [a. b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . c] i negativna na [c. broj P1 + P2 . Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b. pravcem x = a s s i pravcem x = b. b .5.ˇ 7.2.5. dana s b (f1 (x) − f2 (x))dx. b]). onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a.

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

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

No taj popreˇni presjek c c 2 je krug. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. Primjer 7. tj. 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. 0).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 . Iz Primjera 7. a njegova povrˇina za zadani x je jednaka f (x)π. ako taj limes postoji kad n −→ ∞. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. S druge strane. kad max ∆xi+1 −→ 0. 0.322 y ˇ POGLAVLJE 7.♠ 2 . UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. oznaˇimo s P (xi ). s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . i=0 Prijedemo na limes.

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

y R r 0 x −R Slika 7. Primjer 7. f2 (x) = R − √ r 2 − x2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7. .324 y ˇ POGLAVLJE 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. R > r.

U limesu. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. Podijelimo li opet segment [a. tj. to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. debljine ∆xi = xi − xi−1 . PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . b] −→ R oko osi y b Vy = 2π a xf (x)dx.. xi ]. c Teorem 7. dobijemo prizmu.5. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. n. b] na n dijelova.. Razreˇemo ga po izvodnici i razmotamo. volumen tog komada moˇemo z izraˇunati.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. i = 1. . c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. . x osi i grafom (pozitivne i neprekidne na [a. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . Sada iz Primjera 7.16 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.ˇ 7. rotacijom komada izmedu [xi−1 . xi ] konstantom f (xi ). b]) funkcije f .♣ zs Na Guldinov teorem ´emo se vratiti kasnije.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . nastaje cilindriˇni sloj. x = b.. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi .

2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . b]. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. Uzmemo li ˇkare i izreˇemo taj lik. tj. b] na osi x i grafom funkcije f nad [a. zs zs c ako podupremo tijelo. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Zelimo odrediti teˇiˇte izrezanog lika.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. ono ostaje u ravnoteˇi. Promatramo lik omeden pravcima x = a. c s c . (Teˇiˇte je toˇka u kojoj. x = b.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. yi ). Primjer 7. dobijemo tanko tijelo.5.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.326 ˇ POGLAVLJE 7. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . 1] −→ R dane formulom f (x) = x2 oko osi y i osi x.♠ 5 7. b]. segmentom [a. da mu je gusto´a c ˇ svuda ista.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi .

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

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

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

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

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

4 Zbog M = µV = 14 3 R π. mjereno od osnovice.♠ z Primjer 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. dobivamo xT = 4 H. tj.24: Teˇiˇte homogenog stoˇca. za µ = 1. 23 dobivamo xT = Mx M .332 ˇ POGLAVLJE 7. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.♠ 8 π 4 R . koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm .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. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . y R 0 T 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 111 000 Η 111 000 111 000 111 000 111 000 111 000 111 000 x Slika 7. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. 4 3 Zbog M = µV = 1 R2 πH. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . Primjer 7.

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

12 Promatramo sad homogen ravan lik omeden komadom [a. a to. teˇi u z i b µa a y 2 dy = µa b3 1 1 = µabb2 = M b2 = Ix . 3 3 3 tj.. b] osi x. pravcima x = a i x = b. xi+1 ]. n dobivamo i=1 µa∆yi s2 . Podijelimo lik na n malih pravokutnika s osnovicama [xi−1 . n. dobije se s Ix = 1 M b2 . za ∆yi −→ 0. b]) funkcije f . gdje je M = µab masa pravokutnika. te grafom (pozitivne i neprekidne na [a... 3 3 .334 ˇ POGLAVLJE 7. xi ] i visinama f (si ). Za svaki od tih pravokutnika je moment tromosti s obzirom na os x jednak 1 1 Mi µf 2 (si ) = µf 3 (si )∆xi . 3 Ako je pravokutnik smjeˇten tako da ga osi x i y raspolavljaju. za si ∈ [xi . i = 1.25: Moment inercije homogenog pravokutnika. 12 Iy = 1 M a2 . 1 Ix = 3 M b2 . . UVOD U INTEGRALNI RACUN y b y i+1 0000000 1111111 1111111 y i 0000000 11111111111111111111 00000000000000000000 a x 0 Slika 7. Sliˇno se dobije da je c I y = 1 M a2 .

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

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. xi ]. moment inercije cijelog kruga obzirom na y os je Iy = Ix .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. Prijelazom na limes dobijemo gornju formulu. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx.♠ 2 Kombinacijom razmatranja iz toˇke 7.10. 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. Analogno iz ϕ(t) = r imamo t2 = 0. . Iz ϕ(t) = −r imamo t1 = π. gdje je si ∈ [xi−1 .336 ˇ POGLAVLJE 7. 5 .8 imamo 1 Ix = r4 π. i visine ∆xi = xi − xi−1 . π] −→ R zadovoljava Teorem 7.5. Sada iz Primjera 7. i zbroje se momenti inercije malih valjaka polumjera f (si ). UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. 2 2 a onda se interval [a. n. c Primjer 7. xi ]. 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 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 ... 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . b] podijeli na male podsegmente [xi−1 .. 4 4 4 Takoder zbog simetrije.

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

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

Primjer 7. ako znamo poloˇaj tijela u trenutku t1 = 0. c ds = 1 + [f (x)]2 dx.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.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . . ploˇtinu sfere polumjera r. gdje je si ∈ [xi−1 . Ovdje smo s ds oznaˇili diferencijal 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 . Toˇnije.. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6.ˇ 7.5.31 Izraˇunajmo oploˇje kugle. tj. 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. i = 1. . xi ].5.26). n. Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x. Teorem 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .♣ s zs 7. 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 ...

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

Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. Odavde odmah slijedi da je rad sile F (x) na putu [a. Tada ´e njen integral (tj. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. i nakon toga s . ako se masa tijela mijenja. pri ˇemu je g ≈ 9. tj. To je formula dobivena integriranjem konstantne sile mg od 0 do h.33 Jarak duljine 10 m. b] z z b W = a F (x)dx. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. s Primjer 7. b]. Primjer 7.ˇ 7. Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu. rad) biti kvadratna funkcija pomaka x. no nije ni bitna. F = −kx. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh.♠ z Posebno vaˇan sluˇaj je rad sile teˇe.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. Konstanta k nam nije zadana u ovom primjeru.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini. 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. Koliki je rad potrebno uloˇiti za c z isuˇivanje jarka? s Za isuˇivanje jarka potrebno je svu vodu iz njega di´i (barem) do njegove s c povrˇine. Iz neprekidnosti s funkcije F (x) i razmatranja koja smo proveli kod uvodenja odredenog integrala slijedi da pove´avaju´i neograniˇeno broj podintervala dok njihova duljina teˇi u c c c z nulu moˇemo dobiti traˇenu formulu za rad sile F (x) na putu [a.5. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. Ako sila nije konstantna. onda je b W (h) = a F (x)dx. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 .

U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). a debljina sloja je dx metara). Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. ˇirina c s 2(1 − x) m.342 ˇ POGLAVLJE 7.83 J. .30: Jarak iz Primjera 7. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.29: 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 . zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.33. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.33. s x 0 y h Slika 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.

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

31: Kanal iz Primjera 7. 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.♠ s c .35.

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

Sign up to vote on this title
UsefulNot useful