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

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

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

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

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

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

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

. . . . . . . . . . 7. . . . .1.1 Neprekidnost funkcije . . . . zs 7. . . .2.2. . . . . . . . . . . .2 Svojstva odredenog integrala . . . . . 7. . . . . . . . . . . . 7. . . . . .5. . . . . . . . .2. . . . . . . . . . . . . . . . . . . . . . . .Leibnizova formula . . . . .2 Svojstva neprekidnih funkcija . . 7. . . . . . .4 Nepravi integral . . . . . . . . . . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . .2 Derivacija funkcije u toˇki . . . . .1. . .2. . . . . c 6. . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . .1 Motivacija . . zs 7. . . . . . . .1. . . . . .2. 7 Uvod u integralni raˇun c 7. . . . .6 Derivacije viˇeg reda . . . . . . .3 Derivacija funkcije . . . . . . . . . . . . . . . . .2 Derivacija funkcije . . . . . . . . . . .1. . 6. . . . . . . . . c 6. . . c 6. . . . . . . . . . . . .1. .3 Teˇiˇte . . . . . . . . . . 6.5 Neprekidnost i limes . . . . . . . . . . . . . . .7 Primjene u fizici . . . . c 7. 6. . . . . . . . . . .3 Metode integriranja .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 . . . . .1 Neodredeni integral . . . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . .1. . . . . . . .4 Raˇunanje derivacija . .2 Odredeni integral . . c 6. . . s 6. . . . . . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . . . . . . . . . . . . . . .5. . 7. . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . 6. . .3 Newton . . . . . . . . . .1 Povrˇina lika u ravnini . .1. . . . . . . . . . . . . 7. . . . . . 7. . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . . . . . . . . . . . .2. . . . . . . . . . .1 Motivacija . . . . . . . . . . . 6. . . . . . . . . . . 6. . . . . . . . . . . . . .2. . s 7. . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . .4 Moment ustrajnosti (inercije) .1. . . .2. . . . . . .2 Neodredeni integral . . .7 Raˇunanje limesa . . . . . . . . . . . . . . .6 Neodredeni oblici . 6. . . . . . . c 6. . s 7. . . . . . . . . . . .6 Povrˇina rotacijske plohe .5.2. . . . . . . . . . . . . . . . . 7. . . . . .5 Primjene integralnog raˇuna . . . . . . . . .5.2 Volumen rotacijskog tijela . . . . . 7.5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . .vi 6 Uvod u diferencijalni raˇun c 6. . . . . . . .1 Primitivna funkcija . . . . . . . . . . .2. . . . . . . c 6. . .5. . . . . . . . . . . . .8 Primjene derivacija .

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

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

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

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

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

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

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

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

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

10 ˇ POGLAVLJE 1. jer imaju razliˇite poˇetke i c c c krajeve.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . − − → −→ Definicija 1. do na translaciju prostora)? z 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene. c . jedna od njih je poˇetak P a druga je kraj Q. VEKTORSKI RACUN − → Definicija 1.2 slijedi da je op´enito P Q = QP . z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. z z Q − → − → Iz Definicije 1. Q) =| P Q |. tj.2: Jednakost vektora. intenzitet). s Q P P Slika 1.1: Duˇina i usmjerena duˇina. 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. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. tj.

onda c a − → − →.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. 11 − → 3. B ∈ E takve da je OA = − i AB = b . poˇinje u P a z c zavrˇava u Q. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1.1. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Oˇito je | 0 | = 0. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. Vektor kod kojeg su poˇetak i kraj jednaki. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.3).3). Tada je c − − → − = OB. Napomena 1.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima.1.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. Preciznije. tj. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. → → → − − → − 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 . tj. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. c 2. → c . 3. Iz a Napomene 1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Pogledajmo sada neka svojstva nul vektora: c − → 1. → Napomena 1. P = Q. Sada samo izaberemo orijentaciju koja nam treba. z kolinearan je sa svakim vektorom).

c Teorem 1. Q ∈ E vrijedi P Q = P O + OQ. . (− + b ) + − = → + ( b + − ) (asocijativnost). − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). VEKTORSKI RACUN R a G Slika 1. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − .3 Za bilo koje tri toˇke P.12 ˇ POGLAVLJE 1. → a =−a → − → → → − a a 4. Vektor a zovemo suprotni vektor vektora a c − → −. − → → − → → → → − 3. ♣ B b a+b a b 0 A a+b a b Slika 1.3: Motivacija za definiciju zbrajanja vektora. O. i oznaˇavamo ga s → 0 . − + b = b + − (komutativnost).4: Pravilo trokuta i pravilo paralelograma. a c a c → − → → → − → a a a 2.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. − → − → − → Napomena 1.

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

VEKTORSKI RACUN → 3. 2.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. Primjetimo da se u Definiciji 1.♣ a a Definicija 1.2. → od vektora a Teorem 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. postoji pravac a a . i neka je A = O c toˇka koja leˇi na tom polupravcu.1 i Teorema 1.14 ˇ POGLAVLJE 1.5 nigdje ne govori o geometrijskim veliˇinama. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V .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. Neka je dan polupravac (zraka) s poˇetkom u O. λ(µ→) = (λµ)− (homogenost). λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). 3. a a → − 4. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Elemente od skupa V zovemo vektori. c Vratimo se sada Definiciji 1. a a → → → 2. koji ima istu orijentaciju kao vektor − za λ > 0. b ∈ V je a + b ∈ V . a suprotnu orijentaciju a − za λ < 0. uz pretpostavku − = 0 . za sve a. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). onda. 1 · − = → (postojanje jedinice). a a a − → 3. − → → → → − Ako su vektori − i b kolinearni. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte.

Bijekcija je konstruirana na prirodan naˇin. − → → Primijetimo joˇ jednu zanimljivu stvar: za svaki vektor − = 0 moˇemo s a z konstruirati jediniˇni vektor ili ort vektor. B ∈ E na p takve da je − = OA. gdje je a → |− | a → − − → λ= − → ako a i b imaju istu orijentaciju i |b| → |− | a λ=− − → |b| → → − ako − i b imaju suprotnu orijentaciju. tj. Pri tome − i b = 0 imaju isti smjer za a a λ > 0 a suprotan za λ < 0. → → − toˇke O tako da je a c b a Imamo zadane dvije operacije (funkcije): → → → − → − a a 1. (− . − → 2.4). Taj vektor zovemo c radij-vektor ili vektor poloˇaja toˇke P u odnosu na toˇku O. A. Vektore − + b i λ− nanosimo od a a a − + − ∈ XO (E) i λ→ ∈ XO (E) (Napomena 1.2 Vektorski prostor XO (E). b ∈ XO (E) i λ ∈ R. Na taj naˇin z c c c − → imamo definiranu bijekciju izmedu skupa E i skupa XO (E) = {OP : P ∈ E} (skup svih radij-vektora. b ) −→ − + b je funkcija sa XO (E) × XO (E) −→ XO (E).1. → → → → definirati a0 c a0 a0 a − → |a| − = |− |− . Oˇito je |− | = 1 i − ima isti smjer i orijentaciju kao i − .2. a → → − − → Imamo sljede´i zakljuˇak: vektori − = 0 i b su kolinearni ako i samo ako c c a − → → − → → → − postoji λ ∈ R takav da je b = λ− . Tada znamo da svakoj c − → drugoj toˇki P ∈ E pripada potpuno odreden vektor OP . (λ. vektor koji ima duˇinu 1 i ima c z − → → − → isti smjer i orijentaciju kao i − . tj. → →→ te vrijedi a a a0 1. onda je |− | = 0.1). z → − → − → → → Neka su sada − . svakoj toˇki P ∈ E c c − → pridruˇen je vektor OP . b = OB. VEKTORSKI PROSTOR XO (E). a a . Linearna kombinacija vektora Neka je O ∈ E proizvoljna istaknuta toˇka prostora E. odnosno svih vektora s poˇetkom u O i zavrˇetkom c s negdje u E). Kako je → = 0 . Imamo da je c a − → → b = λ− . pa moˇemo a a a z − → − = a . →) −→ λ− je funkcija sa R × XO (E) −→ XO (E). LINEARNA KOMBINACIJA VEKTORA15 − − → → − − → → p i toˇke O. (Usporedimo ovo s Definicijom 1.

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

Stoviˇe. ♣ Tvrdnja Teorema 1. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora. z → − − 3.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. . Ako su − . c − → − Napomena 1.. b i − tri linearno nezavisna vektora iz XO (E). jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna.. ..3 je jasna. b bilo koja dva linearno nezavisna vektora iz XO (M ). LINEARNA KOMBINACIJA VEKTORA17 → − − 2. VEKTORSKI PROSTOR XO (E).♣ → → → ˇ s a b c Iz Teorema 1.7.. →.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.8 Neka su →. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .♣ → a s Jednostavna posljedica Teorema 1... Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva.4 Ako su − . − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. → ∈ XO linearno zavisni. taj rastav je jedinstven. jer se nalazimo na pravcu. →. onda su oni linearno zavisni ako i samo ako su kolinearni. → → − Teorem 1. onda su ti vektori linearno zavisni. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. Ako imamo dva vektora − . e1 e2 e3 z Tada su oni linearno nezavisni. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . b ∈ XO (E). a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.2. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . on se ne moˇe izraziti kao njihova linearna konbinacija. − i − . Ako je barem jedan od vektora − . → → − → Teorem 1.3 slijedi iz Napomene 1.1. Teorem 1. c − → → a 4. Stoviˇe. pa z z slijedi da su oni linearno nezavisni. → ∈ XO (E) jednak nul veka1 a2 an toru. takav rastav je jedinstven.♣ .5 Ako su − .

Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti.18 ˇ POGLAVLJE 1. VEKTORSKI RACUN 1. j . →).2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . prema Napomeni 1. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. uredeni par → − (− .7 Uredena trojka (− . pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E).3 Baza vektorskog prostora XO (E). Skalare a1 . − ∈ XO (E). ay .5). pa ˇine bazu. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Analogno. a2 i a3 − → → → vektor iz XO (E). Stoviˇe. Ey = (0. →.1 i Teorem z 1. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). az ) su jednoznaˇno odredene. Koordinatni sustav → − → Definicija 1. 1. − . 1). onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. 0. Kako vektori i . →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . 0) i Ez = (0.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p).8 z ˇ oni su linearno nezavisni. pri ˇemu su skalari a1 . − → − → Neka je (→. 0. duljine su im 1 i leˇe na okomitim c s z pravcima. e1 e2 Napomena 1. → → a b i j k . te toˇke Ex = c s c −→ − − → −→ − → − (1. z c → → Neka je sada − proizvoljan vektor iz XO (E). k ne leˇe u istoj ravnini. Definirajmo i = OEx . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. 0). c →. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). − . j = OEy i − → −→ − − − − → → → k = OEz . a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . Tada je a e1 e2 e3 c − (Teorem 1.

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

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

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

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

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

ay . γ ∈ [0. k ) od XO (E). Tada su oˇito ax . Odatle je cos2 α + cos2 β + cos2 γ = 1 i − → → − = cos α− + cos β − + cos γ →. j . − a0 →| i − −| j → −| k → |a |a |a . az ∈ [−1. k ) te iskoristimo svojstvo ortonormiranosti baze dobijemo: → → → − − → − → − ax = → · i . cos γ zovemo kosinusi smjera vektora − . − . β. pa postoje brojevi α. a a z c − → a → − Pogledajmo vektor − = − .24 ˇ POGLAVLJE 1. π] c takvi da je ax = cos α. vrijedi a2 + a2 + a x y 2 az = 1.1) da je → jediniˇni i iste a0 c c a0 c → |a| → ˇ orijentacije i smjera kao i − . cos β. k ) naˇa standardna ortonormirana baza vektorskog pross − tora XO (E) (konstruirana u toˇki 1. Tada je skalarno mnoˇenje s c z − linearni funkcional. a → → → − Neka je sada − ∈ XO (E). Kako je |− | = 1. ay = − · j . µ ∈ R proizvoljni.3).2 Neka je − ∈ XO (E) fiksan vektor. Tada za proizvoljni → ∈ XO (E) vrijedi c a → → → − = ax − + ay − + az − . u v w − Uzmimo proizvoljni jediniˇni vektor → ∈ XO (E) i rastavimo ga u proizvoljnoj c a − − − → → → → ortonormiranoj bazi ( i . → fiksnim vektorom c → → → → − − Imamo definiranu funkciju f : XO (E) −→ R s f (− ) = − · − . − = 0 proizvoljan (ne nuˇno jediniˇni) vektor. az = cos γ. → → − → − →→ → →→ a a i i a j j a k k Napomena 1. − ). → a i j k → Brojeve cos α. (− . 1]. Pomnoˇimo li sada prethodnu jednakost redom vek→ a i j k z − − − → → → torima baze ( i . Ve´ smo rekli (toˇka 1. onda imamo − → → → − − → → − → → → → → → f (λ− + µ b ) = (λ− + µ b ) · − = λ− · − + µ b · − = λf (− ) + µf ( b ). ay = cos β. j . Stoviˇe.12 Analogna formula − = (− · − )− + (− · →)− + (→ · − )− → → →→ → − → − →→ a a u u a v v a w w → → → vrijedi za bilo koju ortonormiranu bazu. Neka su sada →. vrijedi a s → − → → = ax → + ay − + az − . j .♠ a a c a c c a − → − → − → Neka je sada ( i . az = − · k . b ∈ a a c a XO (E) i λ. a a a Dakle imamo − = (− · →)− + (→ · − )− + (− · − )− . VEKTORSKI RACUN → Primjer 1.

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

x= αd − βb . ad − bc S druge strane.6 Digresija . za ad − bc = 0. . drugu s −a i zbrojimo ih. i 3. z z dobijemo αc − βa βa − αc y= = . 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. reda Iz prethodnih smo odjeljaka mogli vidjeti da se uvodenjem vektora i pravila za raˇunanje s njima dobiva mogu´nost saˇetog iskazivanja i zapisivanja rezultata. a b A= . Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi.26 ˇ POGLAVLJE 1. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica.determinante matrica 2. drugu s −b i zbrojimo ih. 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. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β. VEKTORSKI RACUN 1. ako prvu jednadˇbu pomnoˇimo s c. a koristan je z i pri radu s vektorima. odnosno. dobijemo z z (ad − bc)x = αd − βb. Ako pomnoˇimo prvu jednadˇbu s d.

Analogno. c1 c2 det A = = a1 − a2 + a3 Determinante matrica drugog reda znamo raˇunati. c c U tom se razvoju pojavljuju determinate drugog reda: a1 a2 a3 b1 b2 b3 c1 c2 c3 b2 b3 c2 c3 b1 b3 c1 c3 b1 b2 . c  a1 a2  A =  b1 b2 c1 c2 i dana je s  a3  b3  . pa onda s . da smijemo dijeliti s det A. Tada imamo c d a α c β a b c d 27 x= α b β d a b c d i y= . Ako to nije sluˇaj. Pri izvodenju ovih formula pretpostavljali smo da je ad − bc = 0. odnosno a = c c c − → − → b . odnosno paralelnosti pravaca definiranih izrazima ax + by = α. REDA Oznaka koju joˇ koristimo je s a b . sveli smo problem raˇunanja c c determinante tre´eg reda na problem raˇunanja determinante drugog reda. I 3.6. Matrica tog sustava je matrica tre´eg reda.DETERMINANTE MATRICA 2. c3 Determinantu matrice tre´eg reda raˇunamo rekurzivno razvojem po prvom retku. c c Drugi naˇin na koji moˇemo raˇunati determinante matrica tre´eg reda je Sarc z c c rusovo pravilo: ispod determinante dopiˇemo njena prva dva redka. To je uvjet kolinearnosti (pa onda i linearne zavisnosti) vektora a i + b j d − → − → i c i + d j . tj. DIGRESIJA . to znaˇi da je ad = bc. tj. Vidimo da je u vrijednosti det A pohranjena informacija o linearnoj zavisnosti/nezavisnosti dvaju vektora.1. 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. cx + dy = β.

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

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

onda nisu. onda se z orijentiranost od S i S ispituje analogno. i . tj. j .30 ˇ POGLAVLJE 1.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. k ) pravokutni normirani c c → → − desni koordinatni sustav. pomo´u determinante pripadaju´e c c matrice. Dakle. i . − → − → → − − → j = b1 i + b2 j + b3 k .8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. → → a b i j k . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . c1 c2 c3 Ako je D > 0. ako je D < 0. k ) i S = (O . VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). Prikaˇimo i . j . 1. j . onda su S i S (odnosno njihove baze) jednako orijentirani.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. i . z Napomena 1. k : z − → − → − → − → i = a1 i + a2 j + a3 k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). Definicija 1. − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. k preko i . − → − → − → − → k = c1 i + c2 j + c3 k . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. j .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). j .

Dakle a − → − i b su kolinearni. → × b = −( b × − ) a a (antikomutativnost). Tada je |− × b | = 0.♣ → a . pa desna strana formule za duljinu vektora − × b iˇˇezava. a → − → → → → − → − → − Obratno. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . Po pretpostavci je |→| = 0 i | b | = 0.6. − → → → − → − → → 2. a a a Napomena 1. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b .7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. b nul vektor. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. ϕ = 0 ili ϕ = π. c Dokaz: − → → Ako je barem jedan od vektora − . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). Neka su sada oba vektora razliˇita od nul vektora. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . − → − → |a a sc a b → − → → − pa i − × b = 0 . Zbog − · − = |→||− | cos ϕ.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. jer je nul vektor kolinearan sa svakim vektorom. a c → i → kolinearni.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. → × ( b + − ) = − × b + − × − .8. neka je − × b = 0 .♣ Primijetimo da tvrdnje Teorema 1. kao saˇeti zapis. c c z Teorem 1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .1. i ϕ = 0 ili ϕ = π. Tada je |→ × − | = 0. Kako je − · b = |→|| b | cos ϕ. pa je cos2 ϕ = 1. → → → − → → − (a b c a c b c − − → → − → 3. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). tj. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.

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

c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1. a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i . b . k ). to je − → → → → − (O. k ). − × b ) desni (op´enito nepravokutni) koordinatni sustav.13: Kutna brzina.13 vidimo da je → = − × − . j . k ) desni koordinatni sustav (pravokutni i normirani). pravila za skalarno mnoˇenje. − . pravila za vektorsko mnoˇenje te gornju tablicu) z z . ω r v v ω 0 r Slika 1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. k ) koje ´e nam c c biti koristno pri raˇunanju.15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno. Uzmimo npr. j . j . Sa Slike 1. j .2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. 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. i .1.8. vektore ortonormirane baze ( i . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ).

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

pa kako je − okomit na b × − . z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. MJESOVITI PRODUKT 35 bx c a c b Slika 1. gdje je |→| baza. z → − − − a c Napomena 1. s → → − → Definicija 1. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . pa tvrdnja slijedi a c iz svojstava determinante 3. jer je a a c → − − → |→ · b | = |− || cos ϕ|. |→ × b | je povrˇina paralelograma razapetog s → i b .16 Vektori →.♣. − → − i samo ako su a b c − → → → Ako su − . b . a | b | sin ϕ visina paralelograma. − ∈ XO (E). Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. zakljuˇujemo da su vektori → i b × c okomiti.11 Za vektore − . kako je a c → − − → → − − → − · ( b × c ) = 0. a a . onda − → − Obratno. → − → − → → → → Napomena 1.6. Tada. zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. vektorsko mnoˇenje i mjeˇoviti z z s produkt. − .17 Za vektore − . b . Tada je: → → → a b c → − → − → − − → 1. − .9. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. b .14: Mjeˇoviti produkt triju vektora. → komplanarni.4 i 5 iz toˇke 1. a a − → → − → − − → − 2. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − komplanarni po Napomeni 1.ˇ 1. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini.16 oni su linearno zavisni. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →. b . Pretpostavimo zato da su − = 0 . b = 0 i → = 0 .

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

taj skup je neprazan.1 Op´i oblik jednadˇbe pravca u ravnini c z − − → → − − → → Neka je (O. j ) fiksirani pravokutni koordinatni sustav u ravnini (baza ( i . B i C realne konstante i barem jedan od A i B je razliˇit od c c nule. j ) vektorskog prostora XO (M ) je dobivena analogno kao i baza iz toˇke 1. onda za c proizvoljni x0 imamo C A y0 = − x0 − . no c vaˇno je znati da se na sliˇan naˇin mogu opisati i sloˇeniji geometrijski objekti z c c z kao ˇto su krivulje i plohe. Ako je B = 0. s c c Promotrimo jednadˇbu prvog stupnja z Ax + By + C = 0. i . Ograniˇit c c ´emo se pri tome samo na pravce i ravnine u trodimenzionalnom prostoru.1. B B 37 .Poglavlje 2 Analitiˇka geometrija c 2.1 Pravac u ravnini U ovom poglavlju bavimo se analitiˇkom opisom geometrijskih objekata.3) kojeg c joˇ oznaˇavamo Oxy i kojeg ´emo nadalje bez napomene koristiti u ravnini. s c pa se pomo´u tog aparata mogu prikazivati i prouˇavati objekti u viˇe dimenzija. a zbog uvjeta da je barem z c jedan od A i B razliˇit od nule. c c s 2. Ta jednadˇba opisuje neki skup toˇaka u ravnini. Takav analitiˇki opis ne ovisi o geometrijskom zoru. pri ˇemu su A.

tj. s c z Joˇ se naziva i implicitna jednadˇba pravca.1 Ako imamo dvije jednadˇbe.1 Jednadˇba z Ax + By + C = 0 s proizvoljnim koeficijentima A. 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. ANALITICKA GEOMETRIJA Dakle postoji toˇka (x0 . vrijedi Ax0 + By0 + C = 0. To znaˇi da A(x−x0 )+B(y −y0 ) = 0 zadovoljavaju c samo i jedino toˇke s pravca p.y ) 0 0 (x . c p n r (x . y0 ) okomit na vektor − = A i + B j . Dakle sve toˇke na p c zadovoljavaju A(x−x0 )+B(y−y0 ) = 0. onda − i → nisu okomiti. Ax + By + C = 0 i A x + B y + C = 0. onda je taj pravac nositelj vektora c z − → − − = (x − x0 ) i + (y − y0 )→. Pokaˇimo sada da je jednadˇbom A(x − x0 ) + B(y − y0 ) = 0 odreden pravac p z z − → − → → kroz toˇku (x0 .38 ˇ POGLAVLJE 2. Definicija 2. B.y) Slika 2. y0 ) iz ravnine koja zadovoljava jednadˇbu Ax + By + c z C = 0.1: Pravac u ravnini. c n Zaista. i niti jedna toˇka izvan p ne zadovoljava c A(x−x0 )+B(y −y0 ) = 0. ako toˇka (x. s z z Napomena 2. y) ne leˇi na pravcu p. Kako je → → − r j r n − · → = A(x − x0 ) + B(y − y0 ) = 0 imamo A(x − x0 ) + B(y − y0 ) = 0. pa zbog okomitosti imamo − · → = 0. odnosno ne vrijedi A(x − x0 ) + B(y − y0 ) = 0. y) leˇi na pravcu p. − · − = c z r n r n 0. → − r n → − → → Ako toˇka (x. B = tB i C = tC. . tj. Oduzimanjem ovih dviju jednadˇbi z dobijemo jednadˇbu A(x − x0 ) + B(y − y0 ) = 0 koja je ekvivalentna jednadˇbi z z Ax + By + C = 0.

Ako je C = 0. onda je pravac paralelan s osi x. y0 ) i da je za svaku drugu toˇku (x. ako postoji t ∈ R takav da je A = tA. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . no kako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac z znaˇi da je i C = tC. Ako je A = C = 0.2. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . n n 2. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. jer je (0. znaˇi z c da prolaze kroz istu toˇku (x0 . − n → 3. nepotpune obc z like): 1. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . − n 4. Ako je B = 0. Ako je B = C = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. Dobijemo z B A x + −C y = 1. jer je tada vektor − oblika n − → →=Ai. postoji t ∈ R takav da je n = t− . c Obratno.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. jer je tada vektor − oblika n − → →=Bj. onda je pravac paralelan s osi y. onda pravac prolazi kroz ishodiˇte. onda je pravac os x. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. jer je toˇka (0. onda je pravac os y.1.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. B = tB i C = tC. → → Ax = 0 i vektor n n i 5. Odatle je A = tA i → → su vektori n n B = tB. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . Oˇito je (x0 . Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1. pa imamo tvrdnju. jer je (0. Ako je A = 0. z → 2. C −A −B . tj.1.

ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . imamo A x a + y b = 1. onda je x = a. 0). pravac prolazi kroz toˇke (0. c c y b a 0 x Slika 2.y 1 ) Slika 2. z p s=mi+nj P1 = (x 1.1. onda je y = b.2: Segmentni oblik jednadˇbe pravca. b) i (a.3: Kanonski oblik jednadˇbe pravca. z . z z Uoˇimo sljede´e: ako je x = 0. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi. c c tj.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi).40 ˇ POGLAVLJE 2. a ako je y = 0. z 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.

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

z . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. y − y1 = k(x − x1 ). y l ϕ 0 x Slika 2. Veliˇinu k zovemo koeficijent smjera pravca p.5: Eksplicitni oblik jednadˇbe pravca. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0. c 2.5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ).42 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 . Tada je y = kx − kx1 + y1 . Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. Uvedemo li oznaku l = −kx1 .1. Uvode´i oznaku k = m .

3 Za x = 0 imamo y = l tj. imamo k = tg ϕ. π] takvi da je a = cos ψ − i b = cos φ. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. 1]. a2 + b2 = 1. 2. PRAVAC U RAVNINI Napomena 2. l). n c y q n θ P0 x r P p 0 Slika 2. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. z Jasno je da su a. pa tada postoje ψ. P = (x. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy).5). tj. Neka je − = a i + b j jediniˇni vektor na pravcu q. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. y) leˇi na pravcu p ako i samo ako je z − · − = d. c 43 n ˇ Uzeli smo da je k = m . Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. tj. c − → − → → pa imamo − = cos ψ i + sin ψ j . c c s − → − → → d = |OP0 |.1. b ∈ [−1. s vektorom i ). φ ∈ [0. tj.2.1. pravac prolazi toˇkom (0. n Kako je tg ϕ = m . → → r n Jednadˇbu − · − = d.6: Normirani oblik jednadˇbe pravca. n − → → Toˇka P = (x. odnosno z → → r n x cos ψ + y sin ψ = d . Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. Povucimo sada kroz O pravac q okomit na p.

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

→ → kolinearni. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − .2. Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −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. . 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. −1 → Neka je ϕ kut izmedu → i −2 . Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . ako i samo ako je A1 A2 + B1 B2 = 0. A2 B2 → → Napomena 2. tj.ˇ 2.

ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. m2 n2 → → Napomena 2.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. tj. s1 s2 odnosno ako i samo ako je n1 m1 = . → → Napomena 2. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. − → 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 .46 b) Kanonski oblik: ˇ POGLAVLJE 2. ako i samo ako postoji λ ∈ R takav da je − = λ− . . s1 s2 tj. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . ako i samo ako je m1 m2 + n1 n2 = 0.

Tada imamo tg ϕ = tg (ϕ2 − ϕ1 ) = tg ϕ2 − tg ϕ1 .ˇ 2.2. Neka je ϕ = ϕ2 − ϕ1 .4 Kut izmedu p1 i p2 zadanih u eksplicitnom obliku definiramo kao razliku kutova ϕ2 i ϕ1 . . ODNOSI TOCAKA I PRAVACA U RAVNINI c) Eksplicitni oblik: Neka su p1 i p2 zadani eksplicitnim jednadˇbama z y = k1 x + l1 . 1 + tg ϕ1 tg ϕ2 odnosno tangens kuta izmedu p1 i p2 je dan formulom tg ϕ = k2 −k1 1 +k1 k2 .7: Kut dvaju pravaca. y ϕ p p 2 1 ϕ 1 ϕ 2 0 x Slika 2. Definicija 2. Tada su koeficijenti smjera pravaca p1 i p2 dani s k1 = tg ϕ1 . 47 gdje su ϕ1 odnosno ϕ2 kutovi koje zatvaraju vektori smjera pravaca p1 i p2 s x osi. y = k2 x + l2 . k2 = tg ϕ2 .

tj.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.48 ˇ POGLAVLJE 2. ako i samo ako je ϕ1 = ϕ2 . Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . ANALITICKA GEOMETRIJA Napomena 2. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. 2 ako i samo ako je tg ϕ = ∞. s Napomena 2. c Definicija 2. Neka je pravac p dan u c c normiranom obliku. tj. y0 ) i pravac p u ravnini. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. To je ekvivalentno s 1 k1 = − . Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . x cos ψ + y sin ψ = d. odnosno ako i samo ako je k1 = k2 . Napomena 2. k2 2.7). tj.2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .5. odnosno ako i samo ako je 1 + k1 k2 = 0.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . sa suprotne strane od ishodiˇta) jer je tada n s .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Zanima nas udaljenost c toˇke P0 od pravca p. p) = x0 cos ψ + y0 sin ψ − d.1.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. 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.

y0 ) od pravca p je c d(P0 . −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. odnosno bx + ay − ab = 0.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0.1 c z c (segmentni. pravac kroz dvije toˇke. p) = |x0 cos ψ + y0 sin ψ − d|. kanonski.ˇ 2. p) < 0. p) = |bx0 +ay0 −ab| √ .2. y0 ) od pravca p je c d(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. c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. p) = |Ax0 +By0 +C| √ . tj. onda iz toˇke 2. a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . udaljenost toˇke P0 = (x0 . a2 +b2 x y + = 1. A2 +B 2 Ax0 + By0 + C √ . −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 . eksplicitni). a b . Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 .1. p) ≥ 0. Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . p) = odnosno d(P0 .

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

c z U sluˇaju da se sijeku u jednoj toˇki. c 2. identiˇni su. poklapaju se. ys ). 3. Npr.ˇ 2. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.8: Mogu´i poloˇaji pravaca u ravnini.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . zovimo je S = (xs .6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. xs = . ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. paralelni su.2. tj. sijeku se u jednoj toˇki. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1.2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama.

Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 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 . Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .2. .4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . onda je A 1 B1 A 2 B2 = 0. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. Vrijedi i obrat. Osim udaljenosti.11 Ako je A 1 B1 A 2 B2 = 0.4). 2. Napomena 2.2. ako su p1 i p2 paralelni.52 i ˇ POGLAVLJE 2. onda su p1 i p2 paralelni. p)|. p) = x0 cos ψ + y0 sin ψ − d. p) i δ(B. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) suprotnog predznaka.

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

B1 . i 5. ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . B2 . p2 . iz toˇke 1.54 ˇ POGLAVLJE 2. A 2 B2 je razliˇita od nule.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. A3 B3 A2 B2 A2 B2 =0 . Drugim rijeˇima. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. C1 ). B3 . pa po svojstvima determinante 4. (A3 . vektori (A1 . c A1 B1 . β ∈ R. C2 ). (A2 . ANALITICKA GEOMETRIJA Kako p1 . S. 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 . C3 ) su linearno zac visni. p3 po pretpostavci prolaze istom toˇkom.

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

14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. j i k dobivamo kanonske jednadˇbe pravca. ANALITICKA GEOMETRIJA x = x0 + ta.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . Prema s z Napomeni 1. 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 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. c) odnosno a. z c s 2. c su koeficijenti smjera pravca p. z Napomena 2.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − .56 Jednadˇbe z ˇ POGLAVLJE 2. vektor smjera pravca p je dan s (a. z0 ) i 2. Kako su vektori baze linearno nezavisni.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. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . b. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . y0 .3. y = y0 + tb. z s Napomena 2. pravac p prolazi toˇkom (x0 . . b.

6). odnosno postoje c s0 α. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. pa iz toˇke − − s r2 c s r2 r1 c 2. PRAVAC U PROSTORU 57 → Posebno. i njihov omjer daje koeficijent smjera (toˇka 2. c) je dana s x y z = = . y1 . c s → Iz toˇke 1. → − → → r r1 r2 r1 . c). istog smjera i orijentacije kao i →.5 znamo da postoje kosinusi smjera vektora − . c c Tada kroz njh prolazi jedinstveni pravac p. −| |s Dakle koeficijenti smjera a. π] takvi da je a cos α = − . onda ima dva kosinusa smjera.1. s 2.5 i toˇka 2. onda znamo da je vektor → s a b c 1 → s0 = − − = − . a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. − → z definirajmo s P c s − je vektor smjera pravca p. z2 ) u prostoru. − .3. b.3. Zbog komplec mentarnosti. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 .3.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ).2. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .1. − →| s →| |→| |→| |s |s s s − jediniˇni. tj. →| |s c cos γ = → . β. b. Sada imamo da je → = P1 P2 = → − →.3. b. →| |s b cos β = − . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. Uzmimo sada npr. γ ∈ [0. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. z1 ) i P2 = (x2 . jedan kosinus smjera prelazi u sinus. pa odreduje isti pravac.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z Znamo iz toˇke 2. Odredimo njegovu jednadˇbu. y2 .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .

b. z c y2 −y1 2 −z 2. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 .5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . y0 . ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. z0 ) s vektorom smjera − = (a. Analogno. uz oznake m = a c i m1 = − a z0 . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . c Taj izraz zovemo 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 ). 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.10: Pravac kroz dvije toˇke u prostoru. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. y = y1 + t(y2 − y1 ). c c c odnosno. c x = mz + m1 .3.58 ˇ POGLAVLJE 2. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . c c c .

+ n2 + 1 cos γ = √ m2 1 . Napomena 2. + n2 + 1 cos β = √ m2 n . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.14 Iz toˇke 2. + n2 + 1 2.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .11: Pravac zadan dvjema projekcijama. uz oznake n = b c b i n1 = − c z0 .3. Dakle. PRAVAC U PROSTORU odnosno.n ) 1 1 Slika 2. Tada za svaki izbor a.3.3. 59 y = nz + n1 . y0 . z y=nz+n 1 x =mz+m 1 y 0 x (m . c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja. z b c .2. b.3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m . vrijedi x−m1 m = y−n1 n = z.

z → c radij vektor toˇke B. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . my1 +ny2 . . onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. z1 ) i B = (x2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −.3. m+n m+n m+n Napomena 2. tj. y1 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . mz1 +nz2 ).15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. AC : CB = m : n. 2 2 2 . z2 ) u prostoru.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .60 ˇ POGLAVLJE 2. y2 . . 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. ANALITICKA GEOMETRIJA 2. s z Imamo → = 1 (− + − ). m ∈ N. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= .12: Dijeljenje duˇine u zadanom omjeru.

2. ako Π prolazi kroz ishodiˇte (tj. γ kutovi c → zatvara s pozitivnim smjerovima osi x.4. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . toˇku O) i s c koja sijeˇe sve tri koordinatne osi. Povucimo okomicu iz toˇke O na ravninu Π. z redom (tj. toˇku O). − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. a vektor z −0 zovemo normala ravnine Π. k iz toˇke 1. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α.3 ). j . → 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. onda je p = 0. Neka je −0 = OP0 c c n p −→ − (tj. 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.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. P0 d r π n0 0 M Slika 2. → → r n . β. → n Posebno. s vektorima baze −0 ˇto ih n s − − − → → → i . RAVNINA U PROSTORU 61 2.4.4 2. → → radij-vektora r n c P . c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. y.13: Normalni oblik jednadˇbe ravnine.

z − − → OA · → = p. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. n . Napomena 2. y. 0). B = (0. Kao i kod pravca (toˇka 2. 0. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M.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. c c Sada.62 ˇ POGLAVLJE 2. b. → ako je M s one strane Π na koju pokazuje −0 . ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. neka su toˇke A = (a. c). Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. udaljenost ravnine Π od ravnine Π . Kako je d. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. toˇke u kojima Π sijeˇe koordinatne osi x.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. Za toˇke s druge strane bit ´e n c c d < 0.2. 0. C ∈ Π. Imamo neˇto analogno otklonu iz toˇke 2. u stvari. z). 2. r n Napomena 2. y. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. n0 − − → → OB · −0 = p. n − → → OC · −0 = p. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. c Neka je M = (x1 .2. iz normalne jednadˇbe ravnine imamo. C = c (0.4. Nadalje. y1 .2. kako su A. jer je duljina okomice do Π jednaka p).2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. 0). z1 ) ∈ E proizvoljna. a c kako M leˇi u Π . B. z. redom.16 Ako toˇka P ∈ E ima koordinate (x.

RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). p p p cos α = . Bez smanjenja op´enitosti. y0 . B. cos β = . c C C Tada postoji toˇka (x0 . tj.14: Segmentni oblik jednadˇbe ravnine. a b c Uvrˇtavanjem u skalarni oblik normalne jednadˇbe ravnine dobivamo jednadˇbu s z z x a +y+ b z c =1 koju zovemo segmentni oblik jednadˇbe ravnine. neka je C = 0. Odatle. cos γ = .4. z Dakle. c cos γ = p. z = − C x − B y − D . b cos β = p. . a cos α = p. 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. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). z 2.4.

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

19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. B.20 Neka je dana toˇka M = (x1 . tj. onda je oˇito da O = (0. B. Stoga ´emo i vektor − zvati vektor normale. istog su smjera n n → c n i orijentacije. k ). 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Napomena 2. onda su koordinate A. Tada je. C C C A z Oznaˇimo a1 = − C . y1 . po c Napomeni 2. pa odreduju istu ravninu. Π) = |Ax1 +By1 +Cz1 +D| √ . 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 = 0.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . onda normala − = (A. s c A2 +B 2 +C 2 Napomena 2. B. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. c . 0. tj. R → → Vektor normale −0 je normirani vektor − = (A. z1 ) ∈ E. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. RAVNINA U PROSTORU predznaka od D. 0) nema komponentu u smjeru n − → osi z (tj. s → 2.1). C). pa imamo cos γ = 0. Ako je D = 0. c onda je A B D z =− x− y− . nepotpune obc z like): c c z 1. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. ravnina prolazi kroz ishodiˇte. Dakle imamo cos α = 65 A . Ako je C = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2.4. udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M.17.2.4. R cos β = B . b1 = − B i c1 = − D .

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

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

P1 P2 .16.5 2.68 ˇ POGLAVLJE 2. Kako toˇke P1 . P3 ne leˇe na istom pravcu. Po Napomeni 1. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . z1 ). moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . Dakle. → komplanarni. Kao i u toˇki 2.4. vektori s1 s2 −→ → − − − → P0 P . y3 . y2 . P2 . 2.4.5. P3 (uzmemo npr. s1 . y1 . 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 . z3 ) u c prostoru takve da ne leˇe na istom pravcu. − .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 . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. P1 P3 komplanarni. z2 ). ako i samo ako su P0 P . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). P2 . P3 = (x3 . s2 su komplanarni ako i samo ako je −→ − − − P0 P · (→ × →) = s1 s2 x − x0 y − y0 z − z0 a1 b1 c1 a2 b2 c2 = 0.4.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. 2. P2 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . ANALITICKA GEOMETRIJA −→ → − − odnosno. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. P2 = (x2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. Po Napomeni 1.

tj. 69 −1 Definicija 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 .1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. C1 ) n → i −2 = (A2 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . C2 ).2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. −1 → Napomena 2. 2. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. ako i samo ako je −1 · −2 = 0. odnosno ako → → kolinearni.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . B1 . tj. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. B2 . Ravnine se podudaraju. Ravnine se ne sijeku.5. ♣ . Teorem 2. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. 3. Ravnine se sijeku u jednom i samo jednom pravcu.

  A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 .70 ˇ POGLAVLJE 2. Ako je joˇ i A2 = B1 = C1 = D1 . A2 x + B2 y + C2 z + D2 = 0. Ako ravnine nisu paralelne. p z 2. onda se one moraju sje´i. z c c Kako ravnine nisu paralelne. Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. 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. B1 = C2 . Njene su koordinate c B1 D1   B2 D2 T0 =  . ako ravnine A2 B2 B2 C2 A2 nisu paralelne. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina. Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina. A3 x + B3 y + C3 z + D3 = 0. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. da je c = 0.   → Vektor smjera − pravca presjeka mora biti okomit na obje normale pa ga moˇemo p z − − = → × −2 = (B1 C2 − B2 C1 )→ + (C1 A2 − → −1 → uzeti kao njihov vektorski produkt.23.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . 0 . imamo tre´i sluˇaj. Uzmimo. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. onda z s A1 B2 C2 D2 se ravnine podudaraju. odredenosti radi. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . i njihov c presjek je pravac. C1 = A1 . Konaˇno.5. . tj. 2.

2. onda je presjeciˇte jedinstveno (tj. paralelne su).3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. B.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . z Definicija 2. s jedna toˇka. ∆.4. C). b. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .2. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. z nepoznanice). y. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke.5. Π2 i Π3 moraju zadoc c s voljavati sustav A 1 x + B1 y + C 1 z + D 1 = 0 A 2 x + B2 y + C 2 z + D 2 = 0 A3 x + B3 y + C3 z + D3 = 0. b. c) i − = (A. ∆ . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . toˇka 2.5. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. tj. → → s n .5) i koordinate su mu c c ∆x ∆y ∆z ∆.

B.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. 2. ako i samo ako je − · − = 0.26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 . ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c. c) i − = (A.72 ˇ POGLAVLJE 2. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. → → s n Kako je kosinus kuta izmedu − = (a. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. − Am1 +Bn1 +D . odnosno ako → − kolinearni. c) i − = (A. ANALITICKA GEOMETRIJA → → Znaˇi. 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. b. tj. i ravnina Π s Ax + By + Cz + D = 0. z c c s z0 = − Am1 + Bn1 + D . b. C) onda je kut c s n 2 izmedu p i Π jednak ϕ. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . Am+Bn+C Am+Bn+C Am+Bn+C . → Napomena 2. ako je π − ϕ kut izmedu − = (a. − Anm1 +Bnn1 +Dn + n1 . tj. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . B.5. tj.

y = y1 + bt. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. tj. z1 − c Ax1Aa+Bb+Cc+D . imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . y1 − b Ax1Aa+Bb+Cc+D .5. Ax1 + By1 + Cz1 + D .28 Ako ne postoji takav t koji je konaˇan. a druga je uvjet paralelnosti pravca i ravnine. 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 .27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. y0 . 2. Aa + Bb + Cc Napomena 2. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. z = z1 + ct.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 = 0.5. tj. ako nema konaˇnog z koji je rjeˇenje. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. z z .2.

Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. Definicija 2. y2 . Pravac je sadrˇan u ravnini. → → s1 s2 p 2 p 1 Slika 2. c c c 2.5. Pravac i ravnina se ne sijeku.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). b2 . → → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . s1 s2 redom. 3.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . Pravac i ravnina se sijeku u samo jednoj toˇki. y1 .18: Mimosmjerni pravci. c 2. . c1 ) odnosno − = (a2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. b1 . z2 ) s vektorima smjera − = (a1 . z1 ) odnosno c → → P2 = (x2 . ANALITICKA GEOMETRIJA Teorem 2. c2 ).74 ˇ POGLAVLJE 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0).8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).

ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 .7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. tj. tj. tj. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .5). s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni.5. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . 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. c c z → s1 Napomena 2. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. 2.2.3.5. ako i samo ako postoji λ ∈ R takav da je − = λ→. ako i samo ako je → · − = 0. z= 1 m−m n−n . → Napomena 2. c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 .

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

♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Prema Napomeni 2. 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 . U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. prvi redak c pomnoˇimo sa −1 i dodamo drugom i razvijemo determinantu po zadnjem z stupcu) to se transformira u x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 = 0. z Moˇe se desiti da su oni paralelni. ne leˇe u istoj ravnini. tj.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. i 6.2. Pozabavimo se sluˇajem mimosmjernih pravaca. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. ˇetvrti sluˇaj. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5.5. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Pravci se podudaraju. pa nema presjeciˇta. Ako su sva tri redka proporcionalna. iz toˇke 1. Teorem 2. c =0 . z c 4. Pravci su mimosmjerni. z 2. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. imamo isti pravac.6 na gornju determinantu (tj. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. Pravci leˇe u istoj ravnini i ne sijeku se.29. z 3. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.

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

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

.

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

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

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

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

c ... n.. aij = aji za i. ali suprotnog predznaka.. aij = −aji za i.. tj. c Primjer 3. n je transponirana matrica matrice A.. n. .♠ 4 2 Kvadratna matrica A = [aij ] za koju je aij = 0 za i > j zove se gornja trokutasta.. tj. Sliˇno se definira donja trokutasta matrica.♠ 2 7 .  2 0   AT =  3 1  . n.5 Matrica A  1  A= 4 7 je simetriˇna.. dok je B donja trokutasta    3 1 0 2 0 0  1 4 2    B =  3 7 0  . OSNOVE MATRICNOG RACUNA 85 Neka je A = [aij ] matrica tipa m × n. n.. Matrica B = [bij ] tipa n × m za koju je bji = aij za i = 1. Primjer 3.4 Matrica A  2  0  A=  0 0 je gornja trokutasta. Oznaˇavamo ju s AT . . . Elementi iznad i ispod glavne c z dijagonale simetriˇni su u odnosu na glavnu dijagonalu. A = [aij ] je donja c trokutasta ako je aij = 0 za i < j. . zrcale se jedni u druge.1.. odnosno vrijedi aii = 0 za i = 1. tj. tj.ˇ ˇ 3. m. 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. 7 3 −2 −3 0 Napomena 3.♠ .. j = c T 1. matrica A je antisimetriˇna (kososimetriˇna). dok je B antisimetriˇna c c    4 7 0 1 2    B =  −1 0 3  . .. c c Primjer 3.. j = 1... Dakle elementi glavne dijagonale antisimetriˇne matrice su nuˇno nule. Ako je A = −A.. 0 1 0  0 1 2 0 0 2 Kvadratna matrica A je simetriˇna ako je AT = A. . j = 1..3 Ako je A= onda je 2 3 4 0 1 2  .

C =A+B = . .. . am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   . j = 1. . . = .2 Jednakost matrica se definira samo za matrice istog tipa. λA = λ  . . λam1 · · · λamn · · · amn  a11  . .4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. Piˇemo A = B.. Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3..1.   . .  . am1     λa11 · · · λa1n · · · a1n .    · · · a1n b11 · · · b1n .. ..  . Definicija 3. . . ..  . n.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn .. m. tj.. n.86 POGLAVLJE 3... . Definicija 3. m.. Primc jetimo da je za m = n = 1 skup M11 u stvari skup R.3 Zbroj matrica se definira samo za matrice istog tipa.2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. . . tj. . ..   .. MATRICE I LINEARNI SUSTAVI 3. . + . ... z Definicija 3.3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1.4. Definirajmo sada mnoˇenje matrice skalarom. . Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. . n. j = 1. a na R znamo ˇto znaˇi s c ”biti jednak”. . m.3 odnosno Definicije 3. = . j = 1. . .. a11  . s Napomena 3. . am1 + bm1 · · · amn + bmn Napomena 3...

... 4. Napomena 3... onda je i A ∈ Mmn .. Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i.2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . λk razliˇit od c nule. 3.1.1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. λk . razvijena) u linearni spoj po matricama z z A1 . Ak ∈ Mmn matrice i λ1 . OSNOVE MATRICNOG RACUNA 87 Teorem 3..♣ Iz Teorema 3.. A2 .ˇ ˇ 3.. A + B = B + A (komutativnost). A2 . Ak s koeficijentima λ1 . Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. α(A + B) = αA + αB (distributivnost). (A + B) + C = A + (B + C) (asocijativnost)... Kaˇemo da je A rastavljena (razloˇena.4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . .. ˇto slijedi izravno iz Definicije s 3.... B. λk ∈ R skalari. . a na svim ostalim mjestima nule ˇini bazu u Mmn . + λk Ak je linearna kombinacija matrica A1 . A2 . 2. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. z Teorem 3. .. C ∈ Mmn i sve skalare iz α.1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor... . α(βA) = (αβ)A (homogenost).. Matrica A = λ1 A1 + . linearna kombinacija i linearni rastav... . . s Definicija 3. β ∈ R vrijedi: 1. Njegovi su elementi (”vektori”) matrice tipa m × n. Ak . . Linearna kombinacija je netrivijalna ako je barem jedan λ1 ..5 Neka su A1 .3 odnosno Definicije 3. A2 . Ak ∈ Mmn .4. j) imaju z jedinicu..

2.♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. (AT )T = A za sve A ∈ Mmn . itd. Definicije 3. m i j = 1. B ∈ Mmn . B.1. n. . Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. AT = −Aa i A = As + Aa .88 POGLAVLJE 3. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R. Iako jednostavna. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. a za Aa vrijedi AT = −Aa . gdje su elementi od C dani s cij = aij bij za i = 1. gdje za As vrijedi AT = As . ♣ c s a 3.3 i Definicije 3.4. Produkt A·B takvih matrica .. MATRICE I LINEARNI SUSTAVI 1. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT )...5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa . Oˇito je tako definirana matrica C ∈ Mmn .. Takoder. Dakle imamo tvrdnju. geometriji. To nam z name´e sljede´u definiciju.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. nema podlogu u fizici. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. .. Tako bismo za matrice A = [aij ]. 3.. (A + B)T = AT + B T za sve A. Napomena 3. 2 Oˇito je AT = As .

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

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

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

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

Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .1. Teorema 3.1. OSNOVE MATRICNOG RACUNA 93 3. c c c Iz svojstva 5. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . tj. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . tj. Npr. U skupu R vrijedi: ako je a · b = 0. 1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica.ˇ ˇ 3. c.1. U toˇki 3. onda je barem jedan od a ili b jednak nuli. neka je dana matrica c 0 1 1 0 .4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. b. c 2. dakle ne postoji izbor brojeva a.6 Regularne matrice. postoji broj koji pomnoˇen s a daje 1. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. c Napomena 3.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. Npr.

z Definicija 3. c Dokaz: Neka je C ∈ Mn neka matrica za koju vrijedi A · C = C · A = In . Dakle je A · A−1 = A−1 · A = c In .♣ Znaˇi. z Napomena 3. tj. MATRICE I LINEARNI SUSTAVI rezultat bude jediniˇna matrica.4 (Svojstva regularnih matrica) Za sve regularne matrice vrijedi: · 0 1 1 0 = 1 0 0 1 . Stoga B zovemo inverznom matricom matrice A i oznaˇavamo s B = A−1 . c Teorem 3. Skup svih regularnih matrica n-tog reda oznaˇavamo s Gn . . neka postoji matrica B ∈ Mn takva da je A · B = B · A = In .9 Neka je A ∈ Mn regularna. Sada imamo C = C · In = C · (A · B) = (C · A) · B = In · B = B. c 0 1 1 0 · a b c d = c d a b . Tada je B jednoznaˇno odredena s A. 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. ako je A ∈ Mn regularna onda postoji matrica B ∈ Mn takva da je c A · B = B · A = In i takva je matrica jedinstvena.94 POGLAVLJE 3.7 Za matricu A ∈ Mn kaˇemo da je regularna (invertibilna) ako postoji matrica B ∈ Mn takva da je A · B = B · A = In . Za matricu A koja nije regularna kaˇemo da je singularna.

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

− je skup svih linearnih kombinacija vektora − . Definicija 3. 2. Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. linearne zavisnosti/nezavisnosti.. + λn − : λ1 . ..11 Oˇito je da je c − − L(→.. − ). To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije.. i 3. .11 Neka su − .10 Neka je V vektorski prostor (Definicija 1.. vrijede svojstva 1. Podprostor razapet vektorima a1 an − .. MATRICE I LINEARNI SUSTAVI 3..5) i neka je L neki podskup od V . iz Definicije 1. − ∈ Rm . − ) = {λ1 − + . njene z c n redke... . → → Definicija 3.. Oznaˇavamo ga → → → → a1 an a1 an c − .5 izravno slijedi da je r(A) = r(AT ). Iskaˇimo sada jedan bitan rezultat.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . Definicija 3.♣ Kako je po Teoremu 3. moˇemo promatrati kao vektore u R .. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. . . .1.6 znamo da stupce. .... Sliˇno. a1 an Napomena 3. z Teorem 3. → → s L( a1 an → → → → an a1 L(− .. matrice iz M1n . − ) podprostor od Rm .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.5). Iz Napomene 3. λn ∈ R}.7 Rang matrice.. moˇemo promatrati kao vektore u vektorskom prostoru Rm . − . a1 an .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A.. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor). →) ⊆ Rm .. tj. matrice iz Mm1 .. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3.. .. a1 an → → i izravno iz Definicije 3... Elementarne transformacije Neka je A = [aij ] ∈ Mmn .10 slijedi da je L(− .. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).96 POGLAVLJE 3....

. Neka je 0 ∈ Mmn nul matrica. .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora. Tada je oˇito r(In ) = n. Neka je A ∈ Mmn . . − ) → → → → od R razapet sa a1 an a1 an →.13 imamo da je r(A) ≤ min(m. ..13 Kako vektori − . Tada je r(0) = 0. 2. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − . Dimenziju vektorskog prostora L(− . Neka je R(A) podprostor od Rm razapet stupcima matrice A. ... →)) ≤ n.. Neka je L(− ..15 Iz Napomene 3...1. c .. . z Teorem 3. − )). i R (A) podprostor Rn razapet redcima od matrice A.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)). Napomena 3......ˇ ˇ 3.♣ Primjer 3. Stoga vrijedi s − − dim(L(→. Napomena 3.12 Neka su − . →}. . − razapinju L(− . − ..14 Uz gornje oznake iz Teorema 3...... − ∈ Rm . OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3.. jer je skup { 0 } uvijek linearno zavisan.. . znamo da je u a1 an a1 an bazi najviˇe n vektora. a1 an Vratimo se na konkretan vektorski prostor. − ) podprostor a1 an a1 an m − . .. Mmn . Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. ...6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n. → → → → Napomena 3.8 Vrijedi: − → 1. n). − ).. Neka je In ∈ Mn . → → Oznaˇavamo je s dim(L( a1 c an Napomena 3.

komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. na pozicijama a11 . Mnoˇenje redka (stupca) skalarom λ = 0..♠ Iz Primjera 3.. iz Teorema 3. n) ima jedinice.98 POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. na aij za i < j.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . .    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Neka je dana B ∈ M5. j = 2.9 Neka je matrica M ∈ M4  0  1  M =  0 0 dana s 1 0 0 0 0 0 0 1 0 0 1 0    . kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. z 3. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).  .5 imamo da je r(B) = 3. akk za k ≤ min(m.. Primjer 3. . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B... Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3.. ima nule... c c r(In ) = n) i matrice koja izgleda kao i matrica B. k. Nadalje. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Zamjena dvaju redaka (stupaca). 2. Dakle. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 . . Dakle. na aij za i = k + 1. Pitanje je. na aij za j < i ima nule. tj.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     ..

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

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

.. Za sustav kaˇemo da je homogen ako je b1 = . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava.1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . c c Napomena 3.. c2 .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. s z suglasan ili mogu´.. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan.2 3.. n. am1 x1 + am2 x2 + . m. + amn xn = bm .. n i slobodnim ˇlanovima b1 . . = xn = 0 daje rjeˇenje c svakog homogenog sustava... s Ako je (c1 . . j = 1.. cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 . s i = 1. Takvo rjeˇenje zovemo trivijalno.. 0.. sustav je nehomogen. .. m.. Definicija 3. kaˇemo da je nekonzistentan. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja..18 Primijetimo: 1.. .3.. xn s z koeficijentima aij . Homogeni sustav je uvijek mogu´. = ain = 0. Uredena n-torka (c1 . cn ) rjeˇenje homogenog sustava i barem jedan ci = 0.. c2 . m vrijedi ai1 = .xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima. .. . Ako za neki i = 1.2. + a2n xn = b2 . c s 2.. Ako je barem z jedan bi = 0. . a bi = 0.... sustav je nemogu´. uredena ˇetvorka (1. .2.... i = 1. imamo netrivijalno rjeˇenje.. = bm = 0..... . 2.. .... Npr. Ako sustav nema rjeˇenja.. . .. jer x1 = .. i = 1..... . c s z proturjeˇan ili nemogu´. s s z s 3. ... + a1n xn = b1 a21 x1 + a22 x2 + . LINEARNI SUSTAVI 101 3.. bm : c a11 x1 + a12 x2 + . s .

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

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

Dakle stupci od A su linearno x x nezavisni.. Neka su sada λ1 . odnosno λ1 = . + a − → → → → λn − n = 0 (− 1 . λ = 0 . odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3..8 homogeni sustav je uvijek c rjeˇiv. Iz Napomene 3. Dokaz: . tj. .6 imamo da je r(A) = n). Iz − → → − b = (λ1 + x1 )− 1 + . s c s → − → → − → − → Ako je A− = b . s − → → II. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . Ho´emo pokazati da je λ1 = . A je regularna. s x → → − → Obrnuto.. → − x 0 → → − Napomena 3.21 Ako sustav A− = b ima dva rjeˇenja. tj. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . tj. onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi.... jer je A(A b ) = b ..) Ako je n = m i A regularna. Ako je r = r(A) = r(Ab ). sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. → je A regularna. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. onda ih ima beskonaˇno x s c mnogo. tj. − n su vektor stupci od A).. pa je sustav konzistentan. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. = λn = 0.104 POGLAVLJE 3.. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . ♣ − → − Napomena 3. Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj. da su stupci od A linearno nezavisni. → → − III.. (Kronecker-Capelli) − → → Sustav A− = b ima barem jedno rjeˇenje ako i samo ako matrica sustava x s A i proˇirena matrica sustava Ab imaju isti rang. = λn = 0 a a a c (tj. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. bilo kojih r z linearno nezavisnih redaka u A. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III. dakle ima bar jedno rjeˇenje. λn ∈ R takvi da je λ1 →1 + ... MATRICE I LINEARNI SUSTAVI Teorem 3..6). Ako je n = m. .20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 )..8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . po Teoremu 3.

x x − → Oˇito je 0 ∈ N (A).2 su oˇito zadovoljena. A− = b i A− = b .5. c Svojstva iz Teorema 1. tj. Treba provjeriti da N (A) ima svojstva iz Definicije 1. skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R .♣ s c z s x → Iz Teorema 3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.3. tj. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 .2.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = 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).2.1 i Teorema 1.3 Homogeni sustavi → Iz Napomene 3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . c 3. Dokaz: Oˇito je N (A) ⊆ Rn . gdje je λ ∈ R proizvoljan.22 N (A) je podprostor od Rn . dakle dokaˇimo da za proizvoljne c z − . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . u v u v − → dakle → + − ∈ N (A). c Napomena 3. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .8 i Napomene 3. Tada je.♣ .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . u u Dakle je N (A) vektorski podprostor od Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.

→ → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.♣ Napomena 3. Kako je iz Teorema 3. prema Teoremu 3. s x → − → → Obrnuto. tj. z s . onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b .9 I.) − → → − → − Ako je matrica A sustava A− = b regularna. Onda. svako rjeˇenje je oblika − 0 + 0 .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 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)). Tvrdnja Teorema 3.8 je matrica A regularna. gdje je − ∈ N (A). MATRICE I LINEARNI SUSTAVI Iz Napomene 3.23 Primijetimo: → 1. tj. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. Teorem 3.22 zakljuˇujemo da ako su u1 .9. rjeˇenje je x s u s jedinstveno. → → → → Ax a y y 2. ut rjeˇenja homogenog sustava c s − = − . s Dokaz: (Dokazujemo samo tvrdnju II.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9 II. N (A) = { 0 }. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). Po Teoremu 3. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. onda je i njihova linearna kombinacija rjeˇenje tog sustava..9 I. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Tvrdnja Teorema 3. → → → → u u y y − → → II. iz jedinstvenosti zakljuˇujemo da je − = 0 .. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.106 POGLAVLJE 3. . onda po Teoremu 3. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m).

Nadalje. r.2. + a1r xr + a1r+1 xr+1 + . c Dakle. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. − → Uvedimo novi vektor desnih strana β (c).8).6 imamo da je A0 regularna. . . Ako su rangovi jednaki (r(A) = r(Ab ) = r). . m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . LINEARNI SUSTAVI 107 3. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca...4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. iz Teorema 3. . Ako oni nisu jednaki.3... .. prebacimo ˇlanove s nepoznanicama xr+1 .. .. kao βi (c) = bi − air+1 cr+1 − . ar1 x1 + . − → Prvo treba odrediti rangove matrica A i Ab . . − arn xn . xn na desnu stranu i doc bijemo: a11 x1 + .. . + a1r xr = b1 − a1r+1 xr+1 − . + arn xn = br .. . ... Iz Teorema 3.8 II.... imamo sustav − → − x A0 →0 = β (c)... ar1 x1 + .... cn proizvoljni realni parametri. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. .... − ain cn za i = 1.. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β .2.. + arr xr + arr+1 xr+1 + .. pri ˇemu su cr+1 . + a1n xn = b1 .. − a1n xn . .. + arr xr = br − arr+1 xr+1 − . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. Kako je r(A0 ) = r. .

... Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). .. . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). . µn proizvoljni parametri... → x → → Dakle.. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + .2.... Broj dimR(A) smo zvali rang od A...108 koje je oblika POGLAVLJE 3...10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.. cn su slobodni prametri. − u u u pri ˇemu su µr+1 . ..24 Tvrdnja Teorema 3. cn ]T je rjeˇenje sustava A− = c s x − → b.. iz Teorema 3. . → → − II.7 odnosno toˇki 3. Kako je (− r+1 ... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . cr ]T .10 I.. .♣ c Napomena 3. Brojevi cr+1 . MATRICE I LINEARNI SUSTAVI − 0 = [c1 . dok brojevi c1 . cr+1 . i obratno. c . − n ) baza s x u u u − → − = b oblika → od N (A). . cn postoje → − jedinstveni c1 .11 izravno slijedi iz Teorema 3... µn proizvoljni parametri. dimR(A) + dimN (A) = n. a broj dimN (A) defekt od A.....♣ Iz Teorema 3. cr .. r(A) = dimR(A) = n..1. 0 U toˇki 3. Teorem 3.9. − − → u u u pri ˇemu su µr+1 . . tj.. .... − = [c1 .11 Ako je (− r+1 .. cr koji su dani s A−1 β (c) = [c1 . cr ]T ). + µn − n . . cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .8 II. ..3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori....... onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + .. → → Teorem 3. + µn − n .

2.3. m ima nule. Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A... . z Za neke se posebne matrice druge. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . 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 . metode mogu pokazati brˇima (manja im je sloˇenost). Q1 · Q2 · · · Qq · b ] = [A . . akk za k ≤ min(m. . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). A −→ det A.6.. n) ima jedinice. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A .. b ]. posebno dizajnirane. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. tj. b p . k. na aij za i = k + 1. sloˇenost mu je c z 3 ∼ n (tj. j = 2.2. uz male modifikacije je numeriˇki stabilan. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ).. tj. Ovaj se postupak moˇe primiz jeniti na sve matrice. 3. Radimo li to elementarnim transformacijama samo nad redcima. imamo postupak Gaussovih eliminacija. b ] dobili matricu [A . na aij za j < i ima nule. − → mi smo zapravo matricu [A.. Qq . Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A.5 Determinanta. .. b ] mnoˇili s lijeva elementarnim matricama Q1 ... na aij za i < j. a ostale pozicije su ”nebitne”). Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.... lagano moˇemo oˇitati rjeˇenje). .. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.. ima nule.1. b ] (gdje je matrica A takva da na pozicijama a11 . .. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.

6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 . + (−1)n−1 a1n det A1n ... Tada za A ∈ M1 oblika A = [a] definiramo det A = a. k = 1.110 POGLAVLJE 3. odnosno n det A = k=1 (−1)k−1 a1k det A1k .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . n. MATRICE I LINEARNI SUSTAVI U toˇki 1. n > 3. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 .. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca. c1 c2 a1 a2 b1 b2 . Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  .. Napomena 3.. . Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. Za A ∈ Mn . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . Determinanta matrice reda n > 3 se definira induktivno. . u stvari skup R). oznaˇimo s A1k .

n ≥ 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. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn .1. Neka je A ∈ Mn dijagonalna matrica. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Svojstva determinante su: 1. 3. c 4. det(Qij A) = − det A. 2. onda je det A = a11 a22 · · · ann . Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. onda je det A = 0. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. je razvoj determinante po prvom redku. Ako je A ∈ Mn trokutasta (gornja ili donja). Posebno je c det In = 1. determinanta mijenja predznak. . onda sc je det A = 0. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju.7.2. pravilo za c raˇunanje inverza matrice). n ≥ 2.3. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3.

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

♣ . Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . z Teorem 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. ♣ Napomena 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. itd. LINEARNI SUSTAVI 113 ispod njega.♣ Teorem 3. Dokaz: Iz Teorema 3. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . ♣ Iz Teorema 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima 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 . Teorem 3.2. ♣ U Teoremu 3.i+1 = 0). tj.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. Teorem 3.12 Za proizvoljne matrice A. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. B ∈ Mn vrijedi det(AB) = det A · det B. onda je det A = 0. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .i+1 (naravno. Teorem 3. Ako to nije mogu´e.26 Ako je A ∈ Mn regularna. ai+1. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije.3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.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 . Dakle oˇito je det A = 0.

(−1)k+i det Aki . Analogno ide dokaz za stupce.13 prethodni zbroj jednak det A. onda iz Teorema 3. onda je det A = 0. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. Vrijedi i obrat. onda je po Teoremu 3. Kofaktor matrice A oznaˇavamo s kof (A). c Napomena 3.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . c c Dokaz: Neka su uzeti i-ti i j-ti redak. k) stoji kofaktor elementa aki matrice A. Inaˇe je zbroj det A. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik .114 Veliˇinu c POGLAVLJE 3. tj. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog. tj. Definicija 3.♣ Iz Napomene 3.28 U Napomeni 3. Promatramo zbroj n (−1)j+k aik det Ajk .27 izravno slijedi: Teorem 3.26 smo vidjeli da ako je A ∈ Mn regularna. det A Dakle A je regularna i A−1 = kof (A) det A . ♣ Napomena 3. ako je i = j. det A Dokaz: Ako je det A = 0. 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=1 Oˇito.16 imamo da je 1 kof (A) · A = In .♣ .

.3. D x2 = D2 Dn . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. onda je rjeˇenje z s tog sustava dano s x1 = D1 . Stoviˇe. Definicija 3. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− . − → → Iz Teorema 3. µ ∈ R i sve − . 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.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. → x Teorem 3. → ∈ Rn . A je regularna ako i samo ako je det A = 0.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.3 3. Rjeˇenje je dano s − = A−1 b . . D D pri ˇemu je D = det A. . . a Dk . . Ako je matrica A regularna... n. onda takav linearni x y operator zovemo linearnim funkcionalom. za sve λ. Ako je m = 1.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. .3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . 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 .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. xn = . Takvu x x funkciju zovemo linearni operator.♣ a 3.3. . k = 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. µ ∈ R i sve − . je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . → ∈ Rn . Rm = R.26 i Napomene 3.

Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.5. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. tvrdnja slijedi.2. x x Napomena 3. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. 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 (− ).1 i Teorema 1. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. MATRICE I LINEARNI SUSTAVI Napomena 3. − ∈ Rn . Kako je x y → → → → → → (F + G)(λ− + µ− ) = F (λ− + µ− ) + G(λ− + µ− ) x y x y x y i kako su F i G linearni. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. tj. − ∈ Rn . Dokaˇimo da je i F + G linearni z operator. Iz Definicije 3.5. µ ∈ R i sve →.116 POGLAVLJE 3.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . µ ∈ R i sve →. dakle zadovoljavaju tre´e svojstvo Definic cije 1. Dokaˇimo da vrijede i prva dva.♣ . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.

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

Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . y). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. Neka je F : Rn −→ Rm proizvoljan linearni operator. tj.10 Pogledajmo sljede´e primjere: c 1. F ∈ Mn ). vrijedi dimN (F ) + dimR(F ) = n. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x.♠ c 3. z .2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. tj. iz toˇke 3. Kako su F i F ustvari isti linearni oper− → − → atori. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.2.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . Sada nas zanima kada su ti vektori kolinearni.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . y. MATRICE I LINEARNI SUSTAVI Napomena 3.3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). c H =GF . Iz Napomene 3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. z) = (x. Njegova je matrica dana s 1 0 0 0 1 0 . y. Oˇito je rang od p1 jednak jedan (jer je slika x-os).10 izravno slijedi teorem o rangu i defektu za linearni operator. a defekt dva.118 POGLAVLJE 3. c 2. z) = x. odnosno dimN (F ) = dimN (F ). Napomena 3. Njegova je matrica dana s 1 0 0 .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Operator F vektoru iz Rn pridruˇuje vektor iz Rn . − → → → Nadalje. Primjer 3. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F .32 i Teorema 3. a defekt jedan. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Tada je po Teoremu 3.

− ∈ S(λ0 ). neka je µ ∈ R µ = 0 proizvoljan. ♣ Napomena 3.17. c x y tj. x y x y x y . Nadalje neka su − . Izravno iz Definicije 3. x x x x → Dakle za svaki µ ∈ R.3. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. vrijedi → − → → A− = λ 0 → x x i A− = 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 . 2. x x → → Vektor − 0 ∈ Rn . Nadalje. 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 . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). Dokaz: Oˇito je S(λ0 ) podskup od Rn .5. tj.3. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . µ = 0. da c z s zadovoljava uvjete Definicije 1. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .17 Neka je A ∈ Mn . tj. → → 2.2 oˇito zadovoljava. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. → → Svojstva iz Teorema 1. Napomena 3. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Dokaz: 1. A− 0 = x x − 0 . y y → → Dokaˇimo da je − + − ∈ S(λ0 ).1 i Teorema 1.33 Primijetimo: → 1.

8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ). Po Teoremu 3.120 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 . x x x − pa je µ→ ∈ S(λ0 ). MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 . svojstveni vektor koji pripada c x x → svojstvenoj vrijednosti λ0 ako i samo ako je − 0 netrivijalno rjeˇenje homogenog x s sustava → → − (A − λ0 In )− = 0 .♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 . zakljuˇujemo da je →0 ∈ Rn . ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . x ˇ Stoviˇe. onda je →0 ∈ Rn . →0 = 0 . x x tj. . − 0 = 0 . Dakle imamo tvrdnju. Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. x − → − → Dakle. Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ).

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

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

♠ c s z z = ax by cx dy . onda iz druge jednadˇbe imamo da je y = 2. znaˇi da treba prona´i regularnu matricu P takvu da je matrica P −1 AP c c dijagonalna. imamo sustav 2a = ax 2b = by a + 2c = cx b + 2d = dy. PROBLEM SVOJSTVENIH VRIJEDNOSTI Teorem 3. Dakle matricu A ne moˇemo dijagonalizirati. d svi razliˇiti od nule. Primijetimo da a. tj.12 Neka je matrica A dana s A= 2 0 1 2 . Tada iz tre´e jednadˇbe imamo da je a = 0 ˇto c z s ne moˇe biti. 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. b. c Primjer 3. Matrica P takoder nije regularna ako su a = b = 0 ili a = c = 0 ili b = d = 0 ili c = d = 0. a b c d . To nije uvijek mogu´e.3.3. dijagonalizirati matricu A. jer u suprotnom matrica P nije regularna.20 Sliˇne matrice imaju iste svojstvene vrijednosti. a iz ˇetvrte z c b = 0 ˇto ne moˇe biti. b. c. z Uzmimo sada da je samo a = 0. tj. c. ˇto ne moˇe biti.♣ c 123 ”Transformirati” matricu A ∈ Mn u dijagonalnu. s z Dakle ostaje nam samo sluˇaj kada su a. Takoder nikoja tri od a. Tada iz prve jednadˇbe c c z imamo x = 2 a iz tre´e a = 0. x 0 0 y . x 0 0 y . c. Dakle. b. d ne mogu biti nula. pretpostavimo prvo da je b = c = 0. analogno vrijedi za a = d = 0. d ne mogu svi biti istodobno nula. Analogno vrijedi ako je b = 0 ili c = 0 ili d = 0. Pokuˇajmo je dijagonalizirati.

ako je λ0 svojstvena vrijednost od A ∈ Mn . Ako je A joˇ simetriˇna onda iz Teorema 3.. . a odgovaraju´i se svojstveni vektori podudaraju. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. . .124 POGLAVLJE 3.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. c Napomena 3. Sada.♣ Napomena 3.. λn . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. c Teorem 3. . dijagonalna. .♣ c .5) znamo da z z KA (λ) ima n nultoˇaka λ1 .. Tada iz Napomene 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. A je regularna.21 Neka je A ∈ Mn simetriˇna. λn od KA (λ) pojavljuje barem jednom.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. λ−1 .. iz osnovnog teorema algebre (Teorem 5. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0.34 znamo da je skup S(λ0 ) potprostor od Rn . 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 . medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. tj..23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . c Kako je KA (λ) polinom n-tog stupnja. ona se u nizu c nultoˇaka λ1 . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .. Dakle 0 nije svojstvena vrijednost...36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .12 vidimo da ne moˇemo svaku matricu dijagonalizirati. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.. λn od KA (λ) zovemo algebarska kratnost od λ0 . nultoˇka od KA (λ).21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. s 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. c c Teorem 3.. λn . tj. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . ♣ Teorem 3.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . Ipak. Obratno..

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 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. NIZOVI I REDOVI 4. ako je bn = 0 i n−→∞ lim bn = 0.4 Neka su (an ) i (bn ) konvergentni nizovi.1. Tada c an −→ 0 ⇔ 1 −→ ∞.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . lim (an ± bn ) = lim an ± lim bn . konvergira li. n−→∞ n−→∞ 3. Tada vrijedi: 1. prema kojoj vrijednosti. r = 0.3 Neka je (an ) niz s pozitivnim ˇlanovima. c s c c c tj. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). i ako da. onda je lim an an = n−→∞ . lim (can ) = c lim an .132 POGLAVLJE 4. te c ∈ R proizvoljan. proizvoljan i an ≥ 0 za svaki n ∈ N. lim (an bn ) = lim an lim bn . c c c Npr. n−→∞ n−→∞ n−→∞ 2. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . Ako je r ∈ R. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. c Teorem 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. . n−→∞ n−→∞ n−→∞ 4.♣ an Teorem 4.5 Neka je (an ) konvergentan niz. ako ne i nemogu´e.

Teorem 4. To je ekvivalentno s |q| < ε. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 .6 je tipiˇni teorem egzistencije. Tada po Teoremu 4. c Dokaz: Neka je (an ) monoton i ograniˇen. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. Dakle imamo samo c c s z s jedno gomiliˇte. Tada je n 1 |q| < 1.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. q 3 . Onda je po Napomeni 4.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .1..6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 .. znamo da neˇto postoji.4. U suprotnom.2 niz (an ) ima barem jedno c gomiliˇte. n−→∞ Dokaz: Iz toˇke 4. tj. c c c Prema Teoremu 4.3 imamo |q | −→ ∞. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. niz 1.4 dovoljno je promatrati niz s a1 = 1. no ne c s znamo koliko je i kako to na´i. po Teoremu 4. q 3 . log |q| Dakle svi ˇlanovi niza 1.. tj. (an ) raste. jer je log |q| < 0. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. q. q 2 . tj.4. G > G . Sada.. pa je lim an = 0.6 Monoton. odrediti. . dakle divergira ili u uˇem. . niz (an ) s konvergentan. Tj. pa prema prethodnom niz n n −→ 0.. on moˇe imati najviˇe jedno gomiliˇte. Kako je (an ) monoton. ako s z s s (an ) ima barem dva gomiliˇta G i G . vrijedi lim inf an = lim sup an ∈ R.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. dakle ili q −→ ∞. q 2 . Za |q| < 1 je lim an = 0. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. c Napomena 4. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. dakle divergentan.1. NIZOVI REALNIH BROJEVA 133 Teorem 4.♣ Teorem 4. za svaki n ∈ N. Imamo log ε n> . ili u ˇirem smislu. Pogledajmo prvo sluˇaj |q| < 1. ograniˇen niz je konvergentan. ˇto ne moˇe biti jer je G gomiliˇte. Logaritmiranjem se dobije n log |q| < log ε. c c . i ako npr. izraˇunati.♣ c z s Napomena 4. q. ε). 1 |q n | Neka je sada |q| > 1.

ako je λ = 0. √ 3. c z 4. gdje je λ > 0.♣ Teorem 4.7 je najop´enitiji. ako je 0 < λ < 1. n 6. ako je λ > 1 lim an = n−→∞ 0. gdje je λ ∈ R proizvoljan. Neka je niz (an ) dan formulom an = |λ| . Tada vrijedi   ∞. Neka je niz (an ) dan formulom an = n n. 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. NIZOVI I REDOVI Teorem 4. Tada vrijedi n−→∞ lim an = 1. ako je λ > 0  lim an = 1.134 POGLAVLJE 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. tj. Tada vrijedi lim an = 1. proizvoljan. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. ako je λ < 0 √ 5. n−→∞   0. 1 n . Neka je niz (an ) dan formulom an = nλ . Tada vrijedi ∞. Neka je niz (an ) dan formulom an = λn . gdje je λ > 0 proizvoljan. teˇe k nuli. n−→∞ n−→∞ n 4. Neka je niz (an ) dan formulom an = n λ. . 2. gdje je λ ∈ R proizvoljan. 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. Tada n! vrijedi lim an = 0.1. ∀r ∈ N).

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

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

10 Iz Primjera 4. Primjer 4. c . tj.8. REDOVI REALNIH BROJEVA za svaki n ∈ N. a red |an | ne konvergira. S = lim Sn = n−→∞ n=1 an . n−→∞ odnosno n−→∞ lim an+1 = 0.♠ 2n n−→∞ ∞ Napomena 4. Definicija 4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .2. an . Dakle je red Teorem 4.8 Ako red apsolutno konvergira.8 znamo da red = divergira i da je lim n n−→∞ n 0. n 1 (−1)n−1 n uvjetno konvergentan. Nadalje. onda op´enito red c c c an ne mora konvergirati. onda on konvergira i obiˇno.10 Red an apsolutno konvergira ako konvergira red |an |.9 ne slijedi obrat Teorema 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.4. kaˇemo da red z an konvergira uvjetno.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.♣ 1 1 Napomena 4.♠ dok red 1 n divergira (Primjer 4. tj. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8).♣ c Uoˇimo da iz Primjera 4. Ako red an konvergira. c c ako op´i ˇlan niza (an ) konvergira u nulu. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.9 op´enito ne vrijedi. oˇito vrijedi c Sn+1 = Sn + an+1 .

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

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.♣

za svaki n ∈ N. .13 1. za svaki n ∈ N. 1 2. Ako red n an x0 divergira. Tada iz Teorema 4. . . Ako postoji λ ∈ R.146 POGLAVLJE 4. onda red an konvergira.♠ 1 xn−1 (n−1)! 4. an0 +m ≤ λm an0 . c Teorem 4.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. onda konTeorem 4.. an za svaki n ≥ n0 . za svaki m ∈ N. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. gdje je x ∈ R proizvoljan.. 0 < λ < 1. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . Neka je an = n! .18 Neka je 0 < λ < 1. Dakle imamo an0 +1 ≤ λan0 . i n0 ∈ N takav da je an+1 ≤ λ. red an0 + an0 +1 + . . zovemo red potencija. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Dakle. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. i n0 ∈ N takvi da vrijedi an+1 ≤ λ. an za svaki n ≥ n0 . Dokaz: Neka su λ ∈ R. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .2 D’Alembertov kriterij an red s pozitivnim ˇlanovima.3. Red oblika an xn . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |.♣ Primjer 4. i suma mu je 1−x .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Neka je an = 1. Oˇito je za x = 0 svaki red potencija konvergentan. .

n2 Tada iz Primjera 4. Neka je dan red divergira. Neka je dan red vrijedi 1 . ali vrijedi 1 .4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Ako postoji limes c an+1 = l. onda red an ≤ λ.8 znamo da on konvergira. c Primjer 4.3.3. Ako postoji λ ∈ R. divergira za l > 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.♣ . 4. 1 n+1 lim n−→∞ 1 n 2.3 Cauchyev kriterij Teorem 4.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.14 1. n−→∞ an lim onda red an konvergira za l < 1. an konvergira. n Tada iz Primjera 4. Sada iz Napomene 4.19 Neka je an red s pozitivnim ˇlanovima.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1..8 znamo da on = 1.9 konvergira.16 imamo da i red an0 + an0 +1 + ..17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.♣ Napomena 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . imamo da red c an konvergira. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. konvergira. c 0 < λ < 1.

z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). tj. (an ) niz u R i x ∈ R prozvoljan. a iz toˇke 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. NIZOVI I REDOVI Napomena 4. Ako postoji lim sup n |an | i lim sup n |an | = 0. c 1 Primjer 4. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.14 za red odnosno red n znamo da divergira odnosno konvergira.♠ c s Cauchyev kriterij je jaˇi. .15 Analogno kao i u Primjeru 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima.148 POGLAVLJE 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1. divergira za l > 1.20 Neka je an xn red potencija. Ako postoji limes c n−→∞ lim √ n an = l. onda red an konvergira za l < 1.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ.20 zovemo radijus konvergencije reda potencija a n xn . c Teorem 4.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.1.

Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. iz Primjera 4.4. Neka je dan red potencija lim sup n 1 n x . Ako je x = −1. ali smo u Primjeru 4. Iz n2 n2 1 Teorema 4. Teorem 4.3. onda iz Primjera 4. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. Po Teoremu 4. n Tada je 1 = lim n−→∞ n n 1 = 1.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. dok za x = 1 red n 1 divergira.20 red potencija |x| < 1. 4. itd.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Neka je dan red potencija lim sup n 149 1 n x .8 imamo da konvergira i red (−1)n . KRITERIJI KONVERGENCIJE Primjer 4. tg n. Tada imamo sljede´i kriterij (Leibnic c zov): . n 1 n x n dakle je ρ = 1.♠ n2 Teoremu 4. konvergira za Pogledajmo sada ako je |x| = 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. dakle i apsolutno konvergira red (−1)n . a divergira za |x| > 1. n 2.).9 1 znamo da red (−1)n konvergira i suma mu je ln 2.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. (−1)n . Ako je x = 1 onda. Po Teoremu 4.8 znamo 1 1 da red konvergira. a divergira za |x| > ρ (ako lim sup n |an | postoji). n2 1 n x n2 dakle je ρ = 1. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). a divergira za |x| > 1. konvergira za Pogledajmo sada ako je |x| = 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom.20 red potencija |x| < 1. c sin n. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku.16 1.3.

Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . vrijedi S2n = a1 − (−a2 − a3 ) − . vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. c c ako je a1 ≥ 0. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . iz Teorema 4. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0.. imamo da je S2n razlika od a1 i strogo pozitivnog broja. tj. imamo a2n+1 + a2n+2 ≥ 0. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. + (−a2n−2 − a2n−1 ) − a2n ]. onda je podniz od Sn indeksiran parnim indeksima rastu´i. S2n je omeden s a1 . Ako red poˇinje pozitivnim ˇlanom. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . s c |Rn | = |S − Sn | ≤ |an+1 |. dakle je S2n+2 ≥ S2n za svaki n ∈ N. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. i istog je predznaka kao taj ˇlan. te kako vrijedi |an | ≥ |an+1 |. Zaista. Kako smo pretpostavili da je a2n−1 pozitivan. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. S2n+2 = S2n + a2n+1 + a2n+2 . za svaki n ∈ N.6 slijedi da su nizovi konvergentni. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . NIZOVI I REDOVI an alternira. onda taj red konvergira. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. Kako je po pretpostavci a2n+1 ≥ 0.. a a2n negativan za svaki n ∈ N. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |.150 Teorem 4.21 Ako red POGLAVLJE 4.♣ c .. Ako red poˇinje negativnim ˇlanom.. tj. Nadalje. onda imamo obratnu c c c situaciju. tj. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. onaj indeksiran c neparnim indeksima je padaju´i. Nadalje.

17 Iz Teorema 4.3.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira. KRITERIJI KONVERGENCIJE Primjer 4.♠ s .4.

.

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

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

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

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

OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. ˇto je suprotno s definicijom funkcije. z s Iz Napomene 5.3: Primjer krivulje koja nije graf funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.5.1.2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. c y x0 0 x Slika 5. . Npr. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.

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

c Dakle. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. 0]. tj. ε > 0. pa i na cijelom R. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0.5. z c Primjer 5. D(f ) = R. c 4. tj. Posebno. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. D(f ) = R. c c strogo padaju´a u svakoj toˇki iz −∞. i slika su joj svi nenegativni realni brojevi. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ).1. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. . funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum.1 1. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. i strogo je padaju´a na svakom intervalu u R. tj. pa i na cijelom R. i strogo je monotona na svakom intervalu u R. Posebno. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. D(f ) = R. i strogo je monotona na svakom intervalu u R. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . R(f ) = {x ∈ R : x ≥ 0}. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. D(f ) = R. pa i na c cijelom R. dok u 0 nije ni rastu´a ni c c c padaju´a. c 2. i strogo je rastu´a na svakom intervalu c u R. 0 . x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). +∞ i strogo padaju´a na svakom intervalu u −∞. zovemo c okolina toˇke x0 . Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. +∞ . 3. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε.♠ c Svaki interval oblika x0 − ε. Analogno. tj. Posebno. tj.

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

gdje nam metode diferencijalnog raˇuna ne pomaˇu (jer nisu primjenjive na rubovima c z segmenta). Funkcije f (x) = x. b]). f (x) = |x|. 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.4: Primjer funkcije s lokalnim ekstremima. D(f ) = [a. b ili D(f ) = a. tj. tj. za svaki x ∈ D(f ) . Ako vrijedi f (−x) = f (x). Uglavnom zahtijeva primjenu diferz encijalnog raˇuna.6 Oˇito je graf parne funkcije krivulja zrcalno simetriˇna s obzirom na y os. c c s x ∈ D(f ) povlaˇi −x ∈ D(f ). za svaki x ∈ D(f ). dok je graf neparne funkcije krivulja centralno simetriˇna s obzirom na c ishodiˇte.3 1.5. Ako je podruˇje definicije funkcije f simetriˇno s obzirom na ishodiˇte. Funkcije f (x) = x2 . z c c Napomena 5. s Primjer 5. f (x) = x|x| su neparne. Problem nalaˇenja ekstrema je vrlo bitan. onda ima smisla promatrati ponaˇanje vrijednosti c s funkcije kod promjene predznaka argumenta. f (x) = x4 . f (x) = x3 . D(f ) = [a. OSNOVNI POJMOVI 10 5 161 -10 -5 -5 -10 5 10 Slika 5. onda kaˇemo da je funkcija f parna. |x| su . b].1.♠ 1 . f (x) = parne fukcije. z Ako vrijedi f (−x) = −f (x). 2. onda kaˇemo da je funkcija f neparna.

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

s c c c c 2.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. +∞ ili −∞. (Npr. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu).) c z . To znaˇi z c da. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. i to brˇe od svakog pravca. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. Tada oˇito f nije definirana u konaˇnom rubu prirodnog podruˇja definicije i ako se c c argumenti proizvoljno pribliˇavaju toˇki 1 vrijednost funkcije raste u z c +∞. +∞ −→ R dana formulom f (x) = 2x . neka je z c funkcija f : 0. Ako z je a ∈ R taj rub. c c (Npr. neka je funkcija f : [0.) 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 −∞. neka je funkcija c 1 c f : 1. Tada oˇito f strogo raste u +∞. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. (Npr. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. tj. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. +∞ −→ R dana formulom f (x) = xx .5.) z y y y −1 0 1 x 0 x 0 1 x Slika 5.1. +∞ −→ R dana formulom f (x) = x−1 . ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1.

tj. kada argument x ide u +∞. Tada za velike vrijednosti od x izraz e−x postaje vrlo mali. 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. a druge dvije z c . Dakle. c graf funkcije f se proizvoljno blizu pribliˇava pravcu y = x). i taj rast c c ili pad je ”jednak” rastu ili padu nekog kosog pravca u ravnini (tj. jer kad bi a bio nula tada vrijednosti funkcije ne bi rasle ili padale u beskonaˇnost). zakljuˇujemo. postoji pravac kojem se graf c funkcije po volji blizu pribliˇava kada argumenti prirodnog podruˇja z c definicije idu u beskonaˇni rub. neka je funkcija f : R −→ R c dana formulom f (x) = x − e−x . z kada argumenti funkcije f postaju dovoljno veliki. Oˇito. FUNKCIJE b) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. (Npr. Odnosno. kaˇemo da z z funkcija (odnosno njen graf) ima asimptotu. graf funkcije se proizvoljno blizu (odozgo) pribliˇava pravcu y = 1). ali nikad ga ne dostiˇe. z c c) Vrijednost funkcije raste ili pada prema konaˇnom broju a. Funkcija moˇe imati vertikalnu asimptotu samo u konaˇnom rubu. Postoje horizontalne. Dakle. kada argumenti prirodnog podruˇja definicije idu u z c beskonaˇni rub. (Npr. s c c Ako postoji pravac kojem se graf funkcije po volji blizu pribliˇava. y = ax + b i a = 0. vertikalne i kose asimptote. z y y y 0 x 0 x 0 x Slika 5. kada argument funkcije f ide u +∞. neka je funkcija f : R −→ R dana formulom c f (x) = e−x +1.7: Ponaˇanje funkcije u beskonaˇnom rubu podruˇja definicije. tada se vrijednost c −x izraza e + 1 proizvoljno blizu pribliˇava broju jedan. +∞ ili −∞. i cijeli izraz x − e−x je dobro aproksimiran izrazom x.164 POGLAVLJE 5.

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

Napomena 5. Napomena 5.4 stavimo M = max{|m|. tj.♠ z Definicija 5.8: Funkcija sign(x). gdje je I ⊆ D(f ). Napomena 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 . |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a.166 POGLAVLJE 5. gdje je I ⊆ D(f ).4. M ∈ R c takvi da je m ≤ f (x) ≤ M. za svaki x ∈ I.8 Ako u Definiciji 5. tj. b −→ R. c . b −→ R neprekidna u toˇki c x0 ∈ I. b −→ R. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M.4 Realna funkcija realne varijable f : I = a. Ako je x0 > 0. je ograniˇena na I ako postoji realan broj M ∈ R. 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. je ograniˇena ili omedena na I ako postoje realni brojevi m. za svaki x ∈ I.10 Ako je funkcija f : I = a. M > 0. za svaki x ∈ I. FUNKCIJE y 1 0 x −1 Slika 5.9 Iz Definicije 5. iz uvjeta m ≤ f (x) ≤ M. Analogo se dokaˇe za x0 < 0. takav da je c |f (x)| ≤ M . funkcija je neprekidna u x0 .

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

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

dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. b) Ako je 0 < c < 1. funkcija f g ima iste nultoˇke kao i funkcija c c f . . Graf funkcije f g je pravac y = 0 ili x os. onda je (f g)(x) = 0 za svaki x ∈ D(f ). Graf funkcije f g je sliˇan grafu funkcije f . OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. vrijedi |(f g)(x)| ≤ |f (x)|.5. Pogledajmo funkciju f g u ovisnosti o c ∈ R. y 2 f(x) 0 f(x) x Slika 5. 2. samo je usporen pad i rast c funkcije f . Dakle.1.10: Graf funkcije 2f (x). tj.9: Graf funkcije f (x) + c za c > 0. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . a) Ako je c = 0.

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

OSNOVNI POJMOVI 171 predznaka. funkcija g f je jednaka pravcu y = 0 na skupu D g f . 0 . npr. Pogledajmo funkciju g f u ovisnosti o c ∈ R. tj. tj. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. Dakle. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. c c c Za ostale operacije ova tvrdnja ne vrijedi. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. za f. 3. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. . g f g a) Ako je c = 0. f). gdje funkcija f raste. c). Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. tamo funkcija f pada. Ako funkcija f ima nultoˇke. g g 1 b) Ako je c = 1. Zbroj dviju padaju´ih funkcija je padaju´a funkcija.1. funkcija f u njima ima c c vertikalne asimptote. c . Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b).5. onda je f (x) = 0 za svaki x ∈ D . c c c Napomena 5.4).1. c g) i 3 b). onda oˇito g funkcija f u njima nije definirana. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran). onda je f (x) = f (x) za svaki x ∈ D f .

FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. g : R −→ R funkcije. Ako su obje parne.172 POGLAVLJE 5. onda su funkcije f ± g. neparna a f parna. recimo g. dok su funkcije f g i f obje neparne. Tim se postupkom mogu stvarati nove z funkcije. Ako su obje neparne. Definicija 5.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)).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. Neka su f. Ako je jedna funkcija. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. Matematiˇki se to formalizira pojmom kompozicija funkcija. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. g 5. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Primjer 5. . Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. te funkcije f g i obje parne.12: Kompozicija funkcija. c h f A B g C Slika 5.4). 3. onda je funkcija f ± g neparna. f g i f g f g sve parne. 2.1.

7 Neka je dana funkcija f (x) formulom f (x) = x .5.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Dakle imamo f ◦ id = id ◦ f = f. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. za svaku funkciju g : R −→ R.♠ x+1 x+1 173 2x . Tada je oˇito c D(f ) = R(f ). tj.6 vidimo da operacija kompozicije funkcija nije komutativna. 1 . da je. op´enito. z funkciju f komponirati samu sa sobom. 1 Primjer 5. za proizvoljnu funkciju f . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . Napomena 5. U takvom sluˇaju piˇemo f 2 = f ◦ f . tj. . c Napomena 5.♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).1. g ◦ f = f ◦ g. 3x + 1 3x + 1 2x 6x = . jer je D(id ◦ f ) = D(f ◦ id) = D(f ).16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. OSNOVNI POJMOVI Primjer 5. Naime. moˇemo gledati funkciju f ◦ f . za tu funkciju vrijedi g ◦ f = f ◦ g = g.

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

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

Primjer 5. Uspjeli smo rijeˇiti problem. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. b : studenti −→ {0. 200x + 500 = 1300. Nas zanima x(y). moˇe biti viˇe studenata koji su imali nula bodova. tj.♠ Primjer 5. i joˇ 500 kn za dovoz i odvoz. To je za neke funkcije mogu´e. i obrnuto. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. 1.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. tj. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. .8 Troˇkovi rada stroja su 200 kn/h. Dakle imamo.1. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. a za z c neke nije. 10 sati rada stroja koˇtati 2500 kn. Kaˇe se i da z c z f ne lijepi argumente. Ne c c moˇemo rijeˇiti problem. Drugim rijeˇima.♠ z s Definicija 5. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. Dakle.176 POGLAVLJE 5. .6 Funkcija f : A −→ B je injekcija ako za svaki x1 . 12}.. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). 2.. 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.. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. c s Pogledajmo sada obratni problem. s s Jasno je da ´e nas npr. FUNKCIJE 5.

8 Funkcija f je bijekcija ako je i injekcija i surjekcija.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.8 izraˇunali smo da je x(1300) = 4. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.5.♠ Primjer 5.6 c ekvivalentan sljede´em: za x1 . ali ne i za paran n. 1) i (1. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. x2 ∈ D(f ). OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. .1. Napomena 5.11 U Primjeru 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. f : D(f ) → R(f ) je uvijek surjekcija. Injektivnost. Napomena 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja. tj. je injekcija za neparan n.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).10 Funkcija f (x) = xn . a injektivnost njegovu jedinstvenost. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . 1). n ∈ N. s c Primjer 5. Definicija 5. za bilo koji c ∈ R.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). c c Definicija 5.

15: Graf funkcije i njoj inverzne funkcije. 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5. 200 (200x − 500) + 500 = x. Dakle.178 dobivamo formulu za x u terminima c. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c). funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c.♠ 200 Definicija 5.9 Za zadanu funkciju f : A −→ B kaˇemo da ima inverznu z funkciju ako postoji funkcija g : B −→ A takva da je (f ◦ g)(x) = (g ◦ f )(x) = x. 200 POGLAVLJE 5. x(c) = c − 500 . c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). .

+∞ jesu. g1 (x) = − x. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. +∞ −→ −∞. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. no njezine restrikcije na −∞. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. a strogo c c padaju´e funkcije strogo padaju´a. g2 (x) = x.♣ z c . Teorem 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. 0] i [0.5. c Primijetimo da ako f nije strogo monotona nego samo monotona. jer je c f ◦ g = g ◦ f = id. Tada iz Napomene 5. No f ◦ g = id. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. a ona c c je strogo rastu´a funkcija.20 Ako je funkcija f : R −→ R strogo monotona. kad govorimo o inverzima funkcija f : R −→ R. To je oˇito inverzna funkcija od f . +∞ . pa ima i inverznu funkciju.10). +∞ −→ [0. f | −∞.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). 0]. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija.+∞ su bijekcije s inverzima g1 : [0.♠ Napomena 5. onda je ona oˇito i bijekcija na svoju sliku. Dakle.20 znamo da f c ima inverznu funkciju g. Dakle. i √ g2 : [0. OSNOVNI POJMOVI 179 Napomena 5.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5.0] √ i f |[0. Primjer 5.1. c c Dokaz: Neka je f : R −→ R strogo rastu´a. Dakle vrijedi f ◦ g = g ◦ f = id.

+∞ . Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. 0] ili [0.180 POGLAVLJE 5.12 slijedi da tvrdnju Teorema 5.2 Inverzna funkcija neparne funkcije je neparna. Dakle.♠ c Analogno kao u Primjeru 5. f −1 je neparna.♣ Iz Primjera 5. z c Napomena 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.2 ne moˇemo izre´i za parne funkcije. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija. 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. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. jer je f (x) c rastu´a. ali nije bijekcija. FUNKCIJE Teorem 5. +∞ gdje je bijekcija. Primjer 5. 0] odnosno .13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. praktiˇno izraˇunati.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. +∞ −→ −∞. Pokuˇajmo sada.

5. Ako je n neparan.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. Primjer takve funkcije je c x f (x) = xe . ˇ Cak i za funkcije koje imaju inverze. ima inverznu funkciju.4 1 2 Slika 5. c Osim elementarnih postoje i tzv. +∞ −→ [0.16: Graf funkcije f (x) = xex . Restrikcija te funkcije na interval [−1.6 0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 0. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.2. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. 5. +∞ je bijekcija. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. tj.8 0. c .2 -3 -2 -1 -0. specijalne funkcije kojima se ovdje ne´emo c baviti. +∞ dana formulom − n x odnosno n x.4 0.2 -0. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama.

1 Klasifikacija i podjela realnih funkcija 1. xk = x · x · · · x .2. k Po definiciji stavljamo x0 = 1. Elementarne a) Algebarske .Trigonometrijske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R. Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0. dolazimo do pojma z . za svaki x ∈ R.Eksponencijalne . FUNKCIJE 5.Polinomi .182 POGLAVLJE 5.Ostale algebarske funkcije b) Transcendentne .Logaritamske .Hiperboliˇke c .Racionalne funkcije . mnoˇenih nekim koeficijentima.Ciklometrijske .2.Area 2.

c 10 7. ako su jednaki kao funkcije. Ovdje podrazumijevamo da je an = 0. . Definicija 5. . tj. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. . + a2 x2 + a1 x + a0 . a0 su koeficijenti polinoma Pn (x).5 5 2.11 Dva polinoma P i Q su jednaka.a1 . Dakle je svaki polinom definiran na cijelom skupu R. Realne konstante an . a a0 je slobodni koeficijent. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Definicija 5. P.2. Koeficijent an je vode´i.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 + .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).5 -3 -2 -1 -2. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . .5. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. . Polinomi su konceptualno najjednostavije funkcije. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. .

Broj c k zove se red ili kratnost nultoˇke x0 . n. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma..14. c c . Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).. 1. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.: n m Teorem 5. Apscisa nultoˇke je nuliˇte.184 POGLAVLJE 5. 0. c Primjer 5.01 -0.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5. za sve i = 0.02 4 0. .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda..♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.11.4 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 . FUNKCIJE n Teorem 5.02 3 2 0...5 3 Slika 5. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.01 1.5 2 2. = an = 0. tj.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. a ordinata je. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0. c c c s naravno.

Ako je x0 ∈ R nultoˇka reda k c od Pn (x).3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Ako su ove nejednakosti c c stroge. a prema dolje ako je a < 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Ako je k neparan.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. Za a = 0 imamo konstantnu funkciju p(x) = b. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. a = 0.2. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. dok za x > x0 vrijedi (x − x0 )k > 0.ako raste u s c nekoj toˇki. a padaju´a ako je a ≤ 0.22 U nultoˇkama neparnog reda polinom mijenja predznak. za x ≥ 0. dok c u nultoˇkama parnog reda nema promjene predznaka. je polinom drugog stupnja ili kvadratna funkcija.19: Graf linearne funkcije f (x) = x + 75. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6.5. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. kaˇemo da je linearna funkcija strogo rastu´a. tj. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Tjeme . onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). Otvor joj je okrenut prema gore ako je a > 0. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. onda iz Teorema 6. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . onda iz Teorema 6. Ako je k paran.3 Qn−k (x) = 0 na nekoj oklini oko x0 . odnosno strogo padaju´a. raste na cijelom R.8). po Teoremu c 6.

23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. npr. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. Teorem 5. c Napomena 5.♣ c c . dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje. inaˇe velike negativne vrijednosti). 2a i realne su ako je D ≥ 0.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. −D/4a).8) graf polinoma mora negdje sje´i x os. FUNKCIJE 1 2 Slika 5.2 = √ −b± D . inaˇe velike pozitivne). c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.♣ c Iz Teorema 5. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. tj. Nultoˇke kvadratne funkcije dane su formulom c x1. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). Zbog neprekidnosti c polinoma na R (Teorem 6. parabole ima koordinate (−b/2a.

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

2.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. z Definicija 5. problem s asimptotike je sloˇeniji. Po analogiji s racionalnim c brojevima. sam sebi je asimptota...188 POGLAVLJE 5. razlika. Realne konstante aij . u tom sluˇaju se situacija komplicira. 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.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). umnoˇak i kompozicija polinoma ponovo polinom. z n Nadalje. j = 1. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. Za . m. Npr. itd. .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. n. y) = i=0 j=0 aij xi y j . dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.. Dakle.. tj.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. 5. ali c z kvocijent dvaju polinoma op´enito nije polinom. Naravno. .. i = 1. problem poniˇtavanja je vrlo kompliciran. su koeficijenti polinoma Pnm (x). Napomena 5. n > 1.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. dijeljenjem polinoma c izlazimo iz te klase funkcija.3 Racionalne funkcije Oˇito je zbroj. FUNKCIJE Napomena 5.. kvocijente dvaju polinoma nazivamo racionalnim funkcijama. kako se polinom Pn (x) = i=0 ai xi . Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.

Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. nije racionalna funkcija. U polu racionalna funkcija c nije definirana. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. (Smatramo da je racionalna funkcija ve´ skra´ena. tj. Qm (x) = 0}. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Definicija 5. 5. 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.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . Funkcija hR dana formulom h(x) = 4. 3. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Dakle. Funkcija f dana formulom f (x) = 2.5. Red pola je red odgovaraju´e nultoˇke nazivnika. nultoˇkama nazivnika. 6. takve su definirane na cijelom R. c Primjer 5. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Dakle.2. Naravno. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. c c .17 Pogledajmo sljede´e primjere: c 1. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. je racionalna funkcija. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. Funkcija j dana formulom j(x) = x−13 je polinom. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. s c D(f ) = {x ∈ R. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava.) Dakle. tj.

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

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

racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . R(f ) = [1.27 ne mora vrijediti. f je parna.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. +∞ vrijedi f (x) > x. tj. +∞ . 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. Napomena 5. +∞ i za svaki x ∈ 0. 0 vrijedi f (x) > −x. zrcalno simetriˇna obzirom c c na y os. z √ Primjer 5. Za dovoljno velike po apsolutnoj vrijednosti argumente funkcija f se proizvoljno blizu pribiˇava pravcu y = −x (za x < 0) odnosno pravcu y = x (za x > 0). z Dakle pravci y = x i y = −x su kose asimptote funkcije f . z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞.♠ Iz Primjera 5.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). . 0] i za svaki x ∈ −∞. Dakle. Nadalje. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. Dakle.192 xm (am+1 x) .27 Analogno kao i kod vertikalnih asimptota. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. f (x) = x + x (desno) i njihovih asimptota.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. kada argument ide u beskonaˇnost. m i−m xm bi x i=0 m POGLAVLJE 5. f strogo raste na [0. +∞ . bm jer i=0 bi xi−m ide u bm . Oˇito je D(f ) = R. dakle nije injekcija. FUNKCIJE ide u am+1 x. f strogo pada na −∞.

y) = Qm (x)y −Pn (x). dakle je svaki polinom algebarska funkcija.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. √ x2 + 1 i njenih asimptota z Napomena 5. jer u suprotnom ne bi bila funkcija. Definirajmo polinom u dvije varijable s P (x. c . y) takav da vrijedi P (x. Definirajmo polinom u dvije varijable s P (x. c Neka je sada f (x) = funkcija i algebarska. f (x)) = 0. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x.29 Svaki polinom i racionalna funkcija su algebarske funkcije.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. Dokaz: Neka je dan proizvoljni polinom Pn (x).18. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Pn (x)) = 0.2. y) = Pn (x) − y. f (x)) = 0. Tada je oˇito P (x. 5. dakle je svaka racionalna c √ Primjer 5. y) = x − y n oˇito je P (x. f (x)) = 0.5.19 1. Tada je oˇito P (x. Napomena 5. Definicija 5.2.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.

13).4). Kada se argument sve viˇe pribliˇava c s z broju 1. z 1 4.4). Neka je dana algebarska funkcija f formulom f (x) = √x−1 . je D(f ) = 1. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. y) = xy n − 1 oˇito je P (x. c 1 3. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.1.13). FUNKCIJE 1 2.♠ 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) = 1 + √x . c c √ Nadalje. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .13). z √ 2. Neka je dana algebarska funkcija f formulom f (x) = 3 x. c c tj. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. z tj. Dakle. √ Primjer 5. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. koja je bijekcija sa R na R. f strogo raste na R i neomedena je.28. je D(f ) = R(f ) = R (Primjer 5. dok kosu asimptotu ne moˇe imati zbog Napomene 5. Nadalje. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. pravac y = 0 je horizontalna asimptota funkcije f . Nadalje. tj. ima vertikalnu asimptotu x = 1. tj.20 1. f (x)) = 0. u 1 (toˇka 5. Funkcija f je inverzna funkcija funkcije g(x) = x3 . vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.194 POGLAVLJE 5. +∞ . Dakle. Neka je dana algebarska funkcija f formulom f (x) = x.13). 0 je regularna toˇka (toˇka 5. je D(f ) = R(f ) = [0. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. +∞ . +∞ (Primjer 5. +∞ i R(f ) = 0. dakle nema vertikalnu asimptotu. Dakle.1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. dakle nema niti vertikalnu niti horizontalnu asimptotu.

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

(Primjer 5.13). Dakle, je D(f ) = 0, +∞ i R(f ) = 1, +∞ , f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije, tj. u 0 (toˇka 5.1.4). Kada se argument sve viˇe pribliˇava broju c s z 0, vrijednost funkcije raste u +∞ i prozvoljno se blizu pribliˇava pravcu z x = 0, tj. ima vertikalnu asimptotu x = 0. Nadalje, za velike argumente vrijednost funkcije se proizvoljno blizu pribliˇava broju 1, tj. pravac y = 1 z je horizontalna asimptota funkcije f , dok kosu asimptotu ne moˇe imati z zbog Napomene 5.28. √ 5. Neka je dana algebarska funkcija f formulom f (x) = x2 − 1. Funkcija f je definirana svugdje osim u toˇkama u kojima je x2 − 1 < 0 (Primjer c 5.13). Dakle, je D(f ) = R \ −1, 1 i R(f ) = [0, +∞ , f je parna i strogo pada na −∞, −1] a strogo raste na [1, +∞ . Definirana je u konaˇnim c rubovima prirodnog podruˇja definicije, tj. −1 i 1 su regularne toˇke (toˇka c c c 5.1.4), dakle nema vertikalnu asimptotu. Horizontalnu ne moˇe imati zbog z strogog rasta i neomedenosti. Za dovoljno velike po apsolutnoj vrijednosti argumente vrijednost funkcije se pribliˇava pravcu y = −x (za x < −1) z odnosno pravcu y = x (za x > 1). Dakle f ima kose asimptote.♠ Iz Primjera 5.20 vidimo da algebarskoj funkciji konaˇni rubovi mogu biti reguc larni, a moˇe u njima imati i vertikalnu asimptotu. U beskonaˇnim rubovima z c imamo sva tri ponaˇanja, kao i kod racionalne funkcije, tj. moˇe se dogoditi da s z nema asimptote ali i da imamo kosu ili horizontalnu (ali ne obje na istoj strani, Napomena 5.28). Potencije Izraz oblika ab zovemo potencijom s bazom a i eksponentom b. Za cjelobrojni pozitivni eksponent b potenciju s eksponentom b definiramo kao ab = a · a · . . . · a, pri ˇemu se baza a pojavljuje b puta kao faktor u umnoˇku na desnoj strani gornje c s jednakosti. Primjer funkcije u kojoj jedna veliˇina ovisi o potenciji druge veliˇine je ovisnost c c povrˇine kruga o njegovom polumjeru: s P (r) = π · r2 .

196

POGLAVLJE 5. FUNKCIJE

Ovako definirane potencije su specijalni sluˇaj polinoma s kojima smo se ve´ c c susreli. Pokazuje se da se potencije mogu definirati i za eksponente koji nisu prirodni brojevi. Ako je eksponent potencije negativan cijeli broj −n za n ∈ N, definiramo x−n formulom x−n = x1n . Takve potencije ne moˇemo izraˇunati kad je x = 0. z c −n Dakle je podruˇje definicije funkcije f (x) = x c cijeli skup R bez toˇke 0. c Ponovo, podruˇje vrijednosti i oblik grafa ovise o parnosti eksponenta n. Funkcija c −n f (x) = x za parno n je parna funkcija, dakle nije injekcija, strogo pada na 0, +∞ dok na −∞, 0 strogo raste. Funkcija f (x) = x−n za neparno n je neparna funkcija, i strogo pada na −∞, 0 i na 0, +∞ , dakle je injekcija.
10 7.5 8 5 2.5 -2 -1 -2.5 -5 -7.5 -10 -2 -1 1 2 2 1 2 6 4 10

Slika 5.25: Grafovi funkcije f (x) = x−n za neparne (lijevo) i parne (desno) n. I s ovakvim smo se potencijama ve´ susretali kad smo govorili o racionalnim c funkcijama. Za razlomljene eksponente oblika b = m pri ˇemu je m ∈ Z, n ∈ N, definiramo c n √ n m/n x = xm . Za parne n takve su funkcije definirane samo za nenegativne √ vrijednosti nezavisne varijable x (jer je funkcija f (x) = n x za parno n inverzna funkcija funkcije g|[0,+∞ (x) = xn ); za neparne n, definirane su na cijelom R (jer √ je funkcija f (x) = n x za neparno n inverzna funkcija funkcije g(x) = xn koja je bijekcija sa R u R). Dakle, u ovoj toˇki definirali smo potencije kojima smo eksponent proˇirili c s prvo sa skupa N na skup Z, a nakon toga i na skup Q. Sada je pitanje moˇemo z li, i kako, definirati potenciju s proizvoljnim realnim brojem kao eksponentom? To je mogu´e, ali ne za sve baze (za negativne baze ne moˇemo). Dolazimo do c z pojma eksponencijalne funkcije.

5.2. PREGLED ELEMENTARNIH FUNKCIJA
1.5 1 0.5 1 -3 -2 -1 -0.5 -1 -1.5 1 2 3 0.75 0.5 0.25 0.5 1 1.5 2 2.5 3 1.75 1.5 1.25

197

Slika 5.26: Grafovi funkcije f (x) = x1/n za neparne (lijevo) i parne (desno) n.

5.2.5

Eksponencijalne funkcije

Eksponencijalne se funkcije prirodno javljaju kao matematiˇki modeli situacija c u kojima je promjena neke veliˇine proporcionalna toj veliˇini. Primjeri su rast c c populacije, prirast biomase, razmnoˇavanje bakterija, raspadanje radioaktivnih z tvari, raˇunanje kamate itd. c Definicija 5.15 Eksponencijalna funkcija s bazom a (a > 0, rana formulom f (x) = ax . a = 1) je defini-

Osnovica ili baza eksponencijalne funkcije je faktor za koji se promijeni vrijednost funkcije kada se vrijednost argumenta promijeni za 1. Ako je a > 1, imamo eksponencijalni rast, ako je a < 1, imamo eksponencijalni (ras)pad. Nezavisna varijabla se nalazi u eksponentu, odatle i ime. To je i temeljna razlika od polinoma u kojima se nezavisna varijabla nalazi u bazi potencije, a eksponenti su konstantni. Vrijednosti eksponencijalne funkcije mogu se izraˇunati za sve realne brojeve. c x Dakle je D(a ) = R, za svaku bazu a. Vrijednosti eksponencijalne funkcije su strogo pozitivne; nije mogu´e potenciranjem pozitivne baze dobiti kao rezultat c negativan broj ili nulu. To znaˇi da je R(ax ) = R+ = 0, ∞ . c Za a > 1 funkcija f (x) = ax strogo raste na R. Za dovoljno velike argumente n ta funkcija raste brˇe od bilo koje potencije. To znaˇi da veliˇina xx postaje po z c c a volji mala za svaki n ∈ N i za dovoljno veliki x. Kako je a−x = a1x , slijedi da ax teˇi k nuli kada argumet x teˇi u −∞. Dakle je os x jednostrana (lijeva) z z horizontalna asimptota grafa funkcije f (x) = ax .

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

Slika 5.27: Grafovi funkcija f (x) = ex (lijevo) i f (x) = (1/e)x = e−x (desno). Za baze 0 < a < 1, graf funkcije f (x) = ax dobivamo iz grafa funkcije 1 x 1 g(x) = a zrcaljenjem preko y-osi. (Za 0 < a < 1 je a > 1). Dakle funkcija f (x) = ax je strogo padaju´a, D(ax ) = R, R(ax ) = 0, +∞ , za c x 0 < a < 1 funkcija a raste neograniˇeno kada argument x teˇi u −∞ i x os joj c z je jednostrana (desna) horizontalna asimptota. Temeljno svojstvo eksponencijalnih funkcija izdvaja od svih mogu´ih baza c x jednu kao najprirodniju. Naime, oznaˇimo li promjenu veliˇine a s ∆(ax ), uvjet c c proporcionalnosti se iskazuje kao ∆(ax ) = k · ax , pri ˇemu je k konstanta proporcionalnosti koja ovisi o bazi a. Najjednostavnija c konstanta proporcionalnosti je k = 1. Moˇe se pokazati da se ta konstanta z postiˇe za toˇno jednu bazu. Tu bazu oznaˇavamo slovom e. Pribliˇna vrijednost z c c z broja e je e = 2.718281828... Broj e je jedna od fundamentalnih konstanta prirode, sliˇno kao konstanta π. c Kasnije ´emo pokazati da se svaka eksponencijalna funkcija moˇe prikazati kao c z x px eksponencijalna funkcija s bazom e, tj. a = e , za neki p ∈ R. Teorem 5.6 (Osnovna svojstva eksponencijalne funkcije) Za svaki a > 0 vrijedi: 1. ax = ay =⇒ x = y;

5.2. PREGLED ELEMENTARNIH FUNKCIJA 2. ax · ay = ax+y ; 3.
ax ay

199

= ax−y ;

4. (ax )y = axy ; 5. (a · b)x = ax · bx ; 6.
a x b

=

ax ; bx

7. a0 = 1.♣ Posljedica sedmog svojstva iz Teorema 5.6 je da grafovi svih eksponencijalnih funkcija prolaze kroz toˇku (0, 1). c Napomena 5.30 Ponekad se eksponencijalna funkcija zapisuje u bazi oblika 1 + r > 0, tj. f (x) = (1 + r)x . Za r > 0 imamo interpretaciju r kao brzine rasta. Za r < 0 imamo brzinu (ras)pada. Funkcija ax za a > 0 je bijekcija sa R u 0, +∞ , dakle ima inverznu funkciju koju zovemo logaritamska funkcija.

5.2.6

Logaritamske funkcije

Primjer 5.21 Izotop ugljika C 14 je zastupljen u odredenoj koliˇini u svim ˇivim c z bi´ima. Nakon prestanka izmjene tvari s okolinom, tj. nakon smrti organizma, c radioaktivni C 14 se viˇe ne obnavlja i zateˇena koliˇina se poˇinje raspadati. Od s c c c 14 ukupne koliˇine C u organizmu pola se raspadne za 5730 godina. Dakle je x c godina nakon smrti organizma poˇetna koliˇina C 14 svedena na c c C(x) = C0 1 2
x 5730

.

Ovdje je C0 koliˇina izotopa C 14 u ˇivoj tvari. c z Koliko je davno ˇivio organizam ako je poˇetna koliˇina C 14 svedena na jednu z c c ˇesnaestinu? s Treba rjeˇiti jednadˇbu C(x) = C0 . Koriste´i ˇinjenicu da je 16 = 24 i iz s z c c 16 Teorema 5.6, dobivamo C0 C0 C0 = 4 = x , 16 2 2 5730 i odatle je x = 4 · 5730 = 28920 godina.♠

200

POGLAVLJE 5. FUNKCIJE

ˇ Sto bismo uˇinili da se nije radilo o cjelobrojnoj potenciji broja 2 (npr. da je c poˇetna koliˇina C 14 svedena na jednu sedamnaestinu), tj. da ne moˇemo iskoc c z ristiti Teorem 5.6? Definicija 5.16 Neka je a > 0, a = 1. Logaritam pozitivnog realnog broja x po bazi a je broj c kojim treba potencirati bazu a da bi se dobio broj x. c = loga x ⇐⇒ ac = x. Iz Definicije 5.16 imamo aloga x = x i loga ac = c, tj. logaritamska funkcija s bazom a je inverzna eksponencijalnoj funkciji s istom bazom.
4 3 2 1

-4

-2 -1 -2 -3 -4

2

4

Slika 5.28: Graf funkcije f (x) = 2x (lijevo) i njoj inverzne funkcije f −1 (x) = log2 x (desno). Logaritam s bazom 10 zovemo dekadski ili Briggsov i oznaˇavamo s log x, c tj. ne piˇemo bazu 10. Logaritam po bazi e zovemo prirodni ili Napierov s i oznaˇavamo s ln x. U primjenama se joˇ pojavljuju i logaritmi s bazom 2, c s ld x . Iz Definicije 5.16 vidimo da logaritme moˇemo raˇunati samo za pozitivne z c realne brojeve. Dakle je D(loga ) = 0, +∞ , za svaki a > 0. Iz Teorema 5.1 zakljuˇujemo da loga (x) strogo raste za a > 1, dok za 0 < a < 1 loga (x) strogo c pada. R(loga ) = R, za svaki a > 0. Kako je ax u 0 jednako 1, imamo da je

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

loga (1) = 0, tj. graf od loga (x) prolazi kroz toˇku (1, 0). Kako je x os lijeva c (a > 1) odnosno desna (0 < a < 1) horizontalna asimptota od ax , zakljuˇujemo c da vrijednosti funkcije loga (x) teˇe u −∞ kada vrijednosti argumenta teˇe u z z nulu za a > 1, odnosno vrijednosti funkcije loga (x) teˇe u +∞ kada vrijednosti z argumenta teˇe u nulu za 0 < a < 1. Os y je vertikalna asimptota. z Teorem 5.7 (Osnovna svojstva logaritamske funkcije) Neka su x i y pozitivni realni brojevi. Tada za svaki a > 0 vrijedi: 1. loga (xy) = loga x + loga y; 2. loga
x y

= loga x − loga y;

3. loga xr = r loga x; 4. loga a = 1; loga 1 = 0; 5. loga ay = y; aloga x = x;

6. log1/a x = − loga x; 7. loga x = loga y =⇒ x = y.♣ Iz Teorema 5.7, svojstvo 6, vidimo da graf logaritamske funkcije s bazom 0 < a < 1 dobivamo zrcaljenjem preko osi x grafa logaritamske funkcije s bazom 1/a i obrnuto.
3 2 1 2 -1 -2 -3 -4 -5 -1 -2 -3
1 2

5 4 3 4 6 8 2 1 2 4 6 8

Slika 5.29: Grafovi logaritamskih funkcija s bazom 2 (lijevo) i bazom (desno).

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

sin α Napomena 5.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1. PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne. Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. 1 radijan je kut za koji je duljina luka jednaka polumjeru. Tako npr. a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. cos α cos α ctg α = . Dakle. imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. onda on sijeˇe kruˇnicu u jednoj c z toˇki T . Tako punom kutu odgovara mjera 2π. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu. identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . Ovo preslikavanje je z c c oˇito bijekcija. = cos α = sin(90o − α). tj. Odatle je cos α = Nadalje. Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. pravi kut ima z π radijana. a tg α = = b 1 − sin2 α. a c b c sin α . ctg α = tg(90o − α). 0) paralelan s osi y. Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. Neka je dan z s s proizvoljni kut α. Dakle. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1. 0). Primjerice. Oˇito je kut α vezan s duljinom luka. ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. tj. opseg kruˇnice je 2π. z π a pravom 2 .5. 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). Uzmimo koordinatni sustav na c pravcu (tj.2. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. c z c Za r = 1. Prvo nam treba c c veza izmedu kuta i broja. ispruˇenom π.

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

u prirodi ima pojava koje z 2 se ne ponaˇaju tako. vidimo da je −1 ≤ cos t ≤ 1. za svaki t ∈ R. π ]. imaju amplitudu razliˇitu od 1.5 -2 5 10 Slika 5. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. Nadalje.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno).5 -0. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. c amplitude i faze. a kosinusa obrnuto. Nadalje. π ]. temperatura kroz godinu. itd.5 1 0. je period funkcija sin i cos.5. za opis osz c cilacija. s 2 1 u nuli i 0 u π .2. napona.5 1 0. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. Dakle je z D(sin) = D(cos) = R. dok je sinus neparna. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. Nadalje. period razliˇit od 2π i ne s c c . Napomena 5. krvnoga tlaka. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve. 1]. npr. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. To znaˇi R(sin) = R(cos) = [−1. plime i oseke. Svaki 2kπ. 1]. amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. Kaˇemo da im je faza nula.5 -2 5 10 -10 -5 2 1. Najmanji pozitivni period je 2π i zovemo ga temeljni period. tj. tj. c 2 1. k ∈ Z. zbog periodiˇnosti.5 -1 -1. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. tj. Medutim.5 -1 -1. −1 ≤ sin t ≤ 1.32 Lako je vidjeti da je kosinus parna funkcija.5 -10 -5 -0.

i funkciju z c π tangens proˇirujemo izvan intervala [0. Iz interpretacije tangensa s trigonometrijske kruˇnice jasno je da je z tg t = tg (t + k π) = tg t. Amplituda ove funkcije je A (jer je amplituda sinusa 1). 2 ˇto se vidi i s trigonometrijske kruˇnice. Sliˇno kao i sinus i kosinus. 1]. π ] x 2 2 i Cos x = cos |[0 . z Ako imamo jediniˇnu kruˇnicu u ravnini s srediˇtem u ishodiˇtu i pravac paralelan c z s s s osi y koji prolazi toˇkom (1. Dakle. FUNKCIJE nul fazu. . U tim toˇkama tangens ima vertikalnu asimptotu. imamo π D(tg) = R \ {(2k + 1) . period je 2π za B = 0 B (jer je period sinusa 2π) i pomak u fazi. c c Sin x = sin |[− π . a kosinus strogo padaju´a na [0. Dakle formula s sin t cos t vrijedi na cijelom R osim za vrijednosti t gdje je cos t = 0. 0) (joˇ ga zovemo tangensna os). c Zbog neparnosti sinusa i parnosti kosinusa imamo da je tangens neparna funkcija. formulom A sin(Bx − x0 ).33 Zbog periodiˇnosti. 2 ].π] x su bijekcije na [−1.206 POGLAVLJE 5. tj. gdje je toˇka P presjek polupravca iz ishodiˇta kroz toˇku T (toˇka u koju c s c c se preslika t namatanjem na kruˇnicu). funkcije sinus i kosinus nisu injekcije. 2 ]. onda je interc s π pretacija vrijednosti tg t za t ∈ [0. pomak funkcije na x osi je x0 . Malom modifikacijom sinusa i kosinusa mogu se opisati i takve pojave. dakle c niti bijekcije. 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 −∞. 0) i P na tangensnoj c osi. na svoju sliku. 2 ] udaljenost toˇaka (1. tj. k ∈ Z}. Iz konstrukcije proˇirenja lagano se vidi da je sinus s π π strogo rastu´a na [− 2 . π]. Napomena 5. Osim kao kvocijent sinusa i kosinusa tangens i kotangens imaju i izravnu interpretaciju na trigonometrijskoj kruˇnici.

Sliˇno kao i sinus i kosinus. k ∈ Z}.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. Imamo ctg t = D(ctg) = R \ {kπ. s 1 P T x 0 1 tg x ctg x Q Slika 5. ˇto se vidi i s trigonometrijske kruˇnice. k ∈ Z}. onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R. 2 ] udaljenost toˇaka (0. 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. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. 1) (joˇ s c s π ga zovemo kotangensna os). Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Sliˇno se interpretira i kotangens. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0.2. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . 1) i Q na kotangesnoj osi. .5.

restringirajmo sinus na [− π .34 Zbog periodiˇnosti. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. π x 2 2 i Ctg x = ctg| 0.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne.208 POGLAVLJE 5. ni tangens ni kotangens nisu injekcije. π]. k ∈ Z}. π . 2 . Dakle. Tada prema Napomeni 5. na svoju sliku. 5. tangens na − 2 . kosinus na 2 2 π π [0. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Npr.33 . 1].π x su bijekcije s tih intervala na R.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). π . njihove restrikcije Tg x = tg| − π . c c Dakle. FUNKCIJE za svaki t ∈ R \ {kπ. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. π ].2. dakle nisu bijekcije. a isto vrijedi s / i za ostale trigonometrijske funkcije. a c c s nema rjeˇenja za c ∈ [−1. 2 i kotangens na 0. c dakle niti bijekcije. Napomena 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Dakle sinus nema inverznu funkciju. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. a kotangens strogo padaju´a na 0.

2 2 koja je inverzna funkciji sin |[− π . π ] bijekcija. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. π π R(arcsin) = [− . π bijekcija. 2 2 . .34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 -1 -0. ]. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. 1.5 0. 2 2 R(arccos) = [0.5 1 -1 -1.5 -0.1 i Napomene 5. 1] −→ [− . Kako je sin |[− π . π ] i tg| − π . oˇito je c c D(arcsin) = D(arccos) = [−1.π] i ctg| 0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . a c 2 2 2 2 cos |[0. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. inverznu funkciji cos |[0. π jednadˇbe tg t = x .5 1 0.5 0. π ] . 2 ] jednadˇbe sin t = s z s z x.π strogo padaju´e. π]. ].2. Iz Teorema 5.5. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 1].5 2 1. Nadalje. rjeˇenje jednadˇbe postoji i jedinstveno je. koje zovemo arkus funkcije.5 -1 -0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . dakle su i bijekcije. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. 1] −→ [0. rjeˇenje jednadˇbe postoji i jedinstveno je.5 3 2.5 1 0.33 slijedi da je arcsin strogo rastu´a. 1].π] . π strogo rastu´e. s z 2 2 s z Kako je tg| − π .5 1 Slika 5. z π π Za x ∈ [−1. Dakle. Dakle. π]. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.34 znamo da su funkcije sin |[− π . a arccos c strogo padaju´a na [−1.

inverznu funkciji ctg| 0. -4 2 1. Dakle. Nadalje. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 2 1. π ]. π . npr. R(arctg) = − . 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 . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1.5 3 2. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5.210 koja je inverzna funkciji tg| − π . pri traˇenju rjeˇenja t jednadˇbe.1 i Napomene 5. FUNKCIJE arcctg : R −→ 0. 2 odnosno ctg| 0. π .5 -4 -2 2 4 Slika 5.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R. oˇito je c c π π D(arctg) = D(arcctg) = R.5 -2 2 4 4 3.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).5 -2 -0. Napomena 5. 1]. tako da bi smo dobili arkus funkcije definirane na tim intervalima.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. R(arcctg) = 0. Npr. c .5 -1 -1.5 1 0. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. z s z sin x = t.π . . dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.5 1 0. Iz Teorema 5.

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

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

Kako su y = −1. iz Teorema 5. +∞ .1 slijedi da Arth strogo raste. onda su rubovi −1 i 1.5 -1 -2 -3 0. R(Arth) = R i iz Teorema 5. 4. c 3. c 2. vertikalne asimptote od Arth. pravci x = −1 i x = 1. a x = 0 vertikalna asimptota od cth.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. pravci x = −1 i x = 1. 3 2 1 -1 -0.5 2 2. a pravac y = 0 horizontalna asimptota. Oˇito je D(Arsh) = R(Arsh) = R.1 c slijedi da Arcth strogo pada. PREGLED ELEMENTARNIH FUNKCIJA 213 1.5. Oˇito je D(Arth) = −1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5. +∞ i R(Arch) = [0.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).2. Iz Teorema 5. +∞).5 2 1. Kako su y = −1 i y = 1 horizontalne asimptote od th.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). tj. 1 .1 zakljuˇujemo da Arch strogo raste. onda je D(Arch) = [1. y = 1 horizontalne.5 3 Slika 5. R(Arth) = R \ {0} i iz Teorema 5.5 1 1.5 0. vertikalne asimptote od Arth. onda su rubovi −1 i 1. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. tj. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Ako smo ch restringirali na [0.5 1 0. Oˇito je D(Arcth) = R \ [−1. . 1].

.

5 + 0.05(m − 20).1.05h = 0. m = 20 i m = 30. a visina poˇtarine c u z s kunama). 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. 0 ≤ m ≤ 20 3. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.1.05h (∆c = ˇ 0. m > 20.05∆m). (Masa m je izraˇena u gramima. Graf te funkcije prikazan je na slici 6.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. Naime. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.05(m2 − m1 ). onda je 215 .5 + 0.8 kn. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.1 6. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.Poglavlje 6 Uvod u diferencijalni raˇun c 6. Dakle imamo c(m) = 2. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.05(m − 20) kn. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .8.

i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata.216 ˇ POGLAVLJE 6. .1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. 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 ). odnosno da graf funkcije ima prekid u toj toˇki.7 kn.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.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).♠ c Definicija 6. Definicija 6. c c Napomena 6. S druge strane.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. s s 20M ≥ (m2 − m1 )).

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

f ima prekid u toˇki c. c + δ . f |[−1. ali oˇito f nema nultoˇku na segmentu c c c [−1.1] : [−1.♣ Teorem 6. tj. c s Analogno se dokaˇe sluˇaj f (c) < 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. x=0 x f (x) = 1. mora imati nultoˇku. Tada postoji x0 ∈ a. x = 0 svugdje neprekidna osim u nuli.♣ Teorem 6. g ˇ POGLAVLJE 6. onda je funkcija g ◦ f neprekidna u x0 . f − g. onda njezin graf mora negdje sjeˇi x os. g : R −→ R takve da je definirano (g ◦ f )(x0 ).♣ z c Teorem 6. c c Primjer 6. b]. f . UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. i neka je f (c) > 0 (f (c) < 0). 1]. f + g. |xδ − c| < δ. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). za koji je f (xδ ) ≤ 0. 3.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. ˇto je suprotno pretpostavci. i funkcija g neprekidna u f (x0 ). postoji xδ ∈ (c − δ.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. 2.218 1. Dakle. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.3 Iz Napomene 5. Ako pogledamo funkciju f restringiranu na segment [−1. tj. 1] −→ R.♣ c Teorem 6.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. c + δ) takav da je f (xδ ) ≤ 0. i neka je f (a)f (b) < 0. tj. b takav da je f (x0 ) = 0. Uzmimo ε = f (c). onda je oˇito f (−1)f (1) = −1 < 0.2 Neka su funkcije f. Tada za svaki δ > 0. f · g. Dokaz: Pretpostavimo suprotno.♠ . 4. tj. po pretpostavci. 1] (jer je nema na cijelom R). Ako je funkcija f neprekidna u x0 . Tada je |f (xδ ) − f (c)| > f (c) = ε. c + δ).11 znamo da je funkcija f : R −→ R dana formulom 1 .

funkcija f (x) = neprekidna na 0. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. Tada je funkcija f neprekidna na intervalu I.1. Pitanje je sad. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . π funkcijom tg je R.♣ 6.5 ne vrijedi za otvorene intervale.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.ˇ 6. Teorem 6.3 Neprekidnost elementarnih funkcija Primjer 6.6 ne vrijedi za otvorene intervale. Npr. M ∈ R takvi da je m ≤ f (x) ≤ M.4 nuˇan. 1 . Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. Tvrdnja z Teorema 6.♣ c Tvrdnja Teorema 6.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.4) Teorem 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. π . c 1 x je Teorem 6. Nadalje. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval. . b].1. onda je ta funkcija i neprekidna. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. slika otvorenog intervala − π . za svaki x ∈ I (Definicija 5.♣ Teorem 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π . Npr.4 Funkcije f. ali oˇito je neomedena.

tj. z c Uzmimo proizvoljni ε > 0. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 direktno imamo: n Teorem 6. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.. Na kraju. 1. Na isti naˇin se zakljuˇi da su xi . logaritamske. Teorem 6.4 dokazali smo da je funkcija f (x) = x neprekidna na R. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. trigonometrijske. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6.. z c Uzmimo proizvoljni ε > 0.4 i Teorema 6.. dakle iz Teorema 6. logaritamskih..♠ z Iz Primjera 6.. Nadalje.♣ Napomena 6. c Dokaz: U Primjeru 6.9 Eksponencijalne. 1. Budu´i da je f (x) − f (x0 ) = c − c = 0. ..1. slijedi da c moˇemo uzeti δ = ε. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. jer je svaka racionalna funkcija kvocijent dvaju polinoma. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1. 1. hiperboliˇkih (osim kosinusa hiperbolnog). takoder iz Teorema 6. π odnosno 0. n. UVOD U DIFERENCIJALNI RACUN 1. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.1. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.1. . zakljuˇujemo c da je i suma od ai xi . i = 0. Dokaz: Neprekidnost eksponencijalnih.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. .4) i Teorema 6. na intervale − π . π monotone c 2 2 bijekcije na R..7 imamo da su neprekidne i funkcije arctg i arcctg. z 2.. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. i = 0.7 su neprekidne. arkus.7 c i periodiˇnosti. Iz Teorema 6. n. takoder iz Teorema 7. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. polinom Pn (x) neprekidan na R. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. jer su njihove restrikcije npr. i = 0.7. na R su neprekidne i funkcije ai xi .1 sada slijedi da je na R neprekidna i funkcija x2 .220 ˇ POGLAVLJE 6. . c c neprekidne na R. n..

π 2 2 i 0.7 i neprekidne. +∞ . onda 2x−π varira po intervalu − π . 1] i [1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. 1 i 1. π su monotone bijekcije na 2 2 −1. Oˇito je δ > 0. ♣ . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . 3π . ˇto je ekvivalentno s s arccos x < ε. 3π . tj. Dokaˇimo da je arccos x neprekidna s lijeva u 1.1. 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. 2 Zbog stroge monotonosti funkcija sin x. Zbog neparnosti imamo da je sin x neprekidna i u − π . cos x i ch x redom na intervalima − π . 3π . −1. posebno je 2 2 neprekidna u π . π . 1 . arccos x i Arch x redom na intervalima −1. moˇemo dobiti i δ = 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). 1]. +∞ . te da je Arch x neprekidna s desna u 1.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. π 4 2 4 4 kada x varira po intervalu 0. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. +∞ iz Teorema 6. 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}. arcsin x i Arch x redom neprekidne na [−1. ali u Napomeni 6.7 imamo da su neprekidne funkcije arcsin x. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. 2 2 imamo 2x + π 2x − π cos . c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). k ∈ Z. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1.ˇ 6. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. Dakle su funkcije arccos x. dakle su po Teoremu 6. 1 . π . c Analogno se dokazuju i druge jednostrane neprekidnosti. Dakle je arccos x neprekidna s lijeva u toˇki 1. 3π . [−1. 0. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. Isto tako 2x+π varira po intervalu π . Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. Sada imamo da je sin x neprekidna na 0. x−a x+a cos . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. k ∈ Z. π i 0. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1.

dovoljno blizu c nule. ako uzmemo toˇku c x dovoljno malu. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. ali pozitivnu. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli.4 Graniˇna vrijednost (limes) funkcije c 1. Raˇunaju´i te vrijednosti. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.5 nije definirana u toˇki x = 1. dodemo li s x dovoljno blizu c toˇki 1.1. Za funkciju f : R −→ R danu formulom f (x) = arctg x . zakljuˇujemo. funkcija nije definirana u toˇki 0. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednosti funkcije c su malo manje od −1. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. c c 2. tj. 6. vrijednosti c funkcije su malo ve´e od −1. S druge strane.222 ˇ POGLAVLJE 6. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Dakle. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. za x malo manji od 1. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. tj. ali negativnu. Ako uzmemo s c toˇku x dovoljno malu. c 3. 4. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. funkcija nije definirana u toˇki 0. za vrijednosti od x koje su malo ve´e od 1. tj. vidimo da su one c c c blizu vrijednosti −1.

takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. onda piˇemo c s L = lim f (x).5). 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). moˇda u samoj toˇki c. moˇda u samoj toˇki c. osim. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. x−→c Ako limes postoji on je i jedinstven: Teorem 6.ˇ 6.2. |f (x) − M | < ε).3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. ako c ˇelimo promatrati ponaˇanje oko nule. Ako funkcija ima limes L u toˇki c. Neka je dana funkcija f : R −→ R formulom f (x) = xx . 2 2 5.1. a ne znamo izraˇunati ni njenu vrijednost za x = 0. pravac y = π je horizontalna asimptota. 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Definicija 6. .8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π .10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. tj. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. 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. Dakle.2. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.♠ Situacije iz Primjera 6. osim. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.

Uzmimo sada ε = 1 |M − L|. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). i svaki interval oblika (−∞. Analogno. 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). tj. Ali. Dakle imamo |M − L| < |M − L|. pri ˇemu.224 Tada je L = M . −∞ ∈ R. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. Pri tome uzimamo da je svaki otvoreni interval oblika (M.♣ s z c c Napomena 6. |f (x) − M | < ε). 2 po pretpostavci. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. naravno ne zaboravljamo. ˇ POGLAVLJE 6.4 Uoˇimo da je definicija limesa (Definicija 6. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. postoji δ > 0.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). +∞) okolina od +∞. ali postoji bitna razlika. z c c Uz malu zloporabu notacije moˇemo Definiciju 6.6 i Napomz ena 4. Dakle je M = L.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). .2) jako sliˇna definiciji neprekidnosti (Definicija 6. +∞.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4. ˇto ne moˇe biti. M ) je okolina od −∞. da je M = L. Tada za taj ε.

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

x−→0+ lim xx = 1.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. c osim. x−→0 x π 4.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. moˇda u samoj toˇki c. s c 1. lim arctg x = . x−→+∞ 2 5. x −→0 − lim sign x = −1 .3 direktno slijedi da postoji i limes u toˇki c i jednak je L. lim 2. tj. Obrnuto. x < 0  sign x = 0.6 Opiˇimo sada pomo´u limesa Primjer 6. Dakle je x−→0+ lim sign x = sign 0 .♠ 6.226 ˇ POGLAVLJE 6. lim 3. ♣ c Primjer 6. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . x−→1 x−1 1 = +∞. ne postoji lim sin x.5.1. onda je jasno iz Definicije 6. x2 − 3x + 2 = −1. x−→0 x2 lim 1 1 = +∞ i lim = −∞.5 znamo da funkcija   −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.5 Neprekidnost i limes Primjer 6. UVOD U DIFERENCIJALNI RACUN Teorem 6. ako postoje limesi s lijeva i s desna i oni su jednaki L. x > 0 ima prekid u nuli. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Dokaz: Ako funkcija f ima limes L u toˇki c. x−→+∞ 6. onda iz Definicije 6.7 Iz Primjera 5. x = 0   1.

imamo x−→c lim f (x) = f (c) = f ( lim x).13 Neka je funkcija g : R −→ R neprekidna. Nadalje.1 i Primjer 6.♠ Primjer 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.2 i definicije jednostranog limesa.12 imamo: Teorem 6. i neka postoji limes funkcije f u toˇki c. Dokaz: Izravno iz Definicije 6. konaˇan je broj.ˇ 6.1.♣ Teorem 6.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6. Zaista imamo: c c Teorem 6.1 i 6.♣ .4).12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c). NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .5 U Teoremu 6.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)). onda limes i funkcija z c ”komutiraju” tj.4) i da limes mora postojati. tj.12 kaˇe da ako je funkcija neprekidna u toˇki c. x−→c+ Dokaz: Izravno iz Definicije 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. oˇito vrijedi c f (2) = lim f (x).♠ x−→2 Primjeri 6. c c Sada direktno iz Napomene 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)). x−→c Napomena 6.♣ x−→c Analogno kao Teorem 6.3.7 i 6.

a ∈ R proizvoljan. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. (−∞) + (−∞) = −∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1. (+∞) · (−∞) = −∞. x−→c+ Dokaz: Izravno iz Teorema 6. a +∞ = 0.♣ 6. (+∞) + (+∞) = +∞. 7. 9. a ∈ R proizvoljan. 5. 3.11. −∞. a < 0. Kako one nisu realni brojevi. (+∞) · a = +∞.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 = −∞. jer operacije nisu definirane i operandi nisu realni brojevi. . 2. +∞ ± a = +∞. 6. To se posebno odnosi na veliˇine +∞ i −∞. (−∞) · a = 10.1. a > 0 −∞. 6.14. 4. a ∈ R proizvoljan. a < 0.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). UVOD U DIFERENCIJALNI RACUN Teorem 6. 8. no moˇe se desiti da dobijemo izraz koji nije z z definiran. (−∞) · (−∞) = +∞. a > 0 +∞.12 i 6.228 ˇ POGLAVLJE 6. (+∞) · (+∞) = +∞.

Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. Ako se dobije jedan od neodredenih oblika. ∞ ∞ − ∞. 1−∞ . (+∞)0 . a −∞ 229 = 0. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. +∞ −∞ . 0 ∞ . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. 5. (−∞)0 . Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. ∞0 . 4. a ∈ R proizvoljan. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. onda s je to i limes od f (x) kad x −→ c. 00 . 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.ˇ 6. ∞ · 0. +∞ +∞ . −∞ · 0. 0 2.1. s s c c Iz Primjera 6. +∞ · 0. 0 . +∞ . −∞ −∞ . 1∞ .6 znamo da ”vrijednost” izraza 0 koji se dobije ”uvrˇtavanjem” s 0 x2 −3x+2 z vrijednosti x = 1 u funkciju f (x) = x−1 je −1. 0∞ . pa je 0 neodreden oblik. 0 0 . (+∞) + (−∞). s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1. −∞ 2. Dakle. ”Sedam veliˇanstvenih”: c 0 . 1+∞ . Osim s beskonaˇnim veliˇinama. 3. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati.

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

Iz toˇke 5. x−→+∞ x sin x = 1. jasno je da je dovoljno x x promatrati x ∈ (0. Oznaˇimo s A = z c c (cos x. i zbog parnosti od sin x . tj.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. pad. c Osim ovih limesa. 0) u ravnini. svojstva potencija. c c eksponencijalnih i logaritamskih funkcija.16 lim i 1 lim (1 + )x .9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞.ˇ 6. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ).1. za a > 1. i s B = (1.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. koji se nalazi unutar trokuta OBB . a ∈ R. ortogonalnu projekcija toˇke A na x os. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. +∞) i da joj c c je slika cijeli R. To znaˇi da je c x−→+∞ lim loga x = +∞. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. neparnost i sliˇno.4). π ). Kako gledamo c limes funkcije sin x kada x −→ 0. Kada s pravca uzmemo x ∈ (0. 0). Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . 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. tg x ). .1. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). Dakle. njihov rast. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6. koriste´i definicije limesa i jednostranih limesa (toˇka 6.2. parnost. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). sin x).9.

12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1.232 ˇ POGLAVLJE 6.2: Uz izvod osnovnog trigonometrijskog limesa. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6.♣ x lim . Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x . i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. x−→0 x sin x = 1. Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. 2 x 2 sin x 1 ≥ ≥ cos x. sin x cos x xr . cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti.

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. a ∈ R. x−→0 t−→0 ln(t + 1) x Iz toˇke 5. x−→0 x lim a > 0.2. Dakle . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 x lim i ax − 1 = ln a. i da je x = ln(t + 1).17 x−→+∞ 233 lim 1+ 1 x x = e. ♣ Primjer 6. x−→0 x Iz Teorema 6. Tada je jasno da t −→ 0 kada x −→ 0. Dakle imamo ax − 1 ex ln a − 1 = lim .ˇ 6.10 ex − 1 = 1.♠ x−→0 t−→0 x ln a ln(t+1) ln a . c Zbog toga je ex − 1 t lim = lim = 1.1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .12 i Teorema 6. x Oznaˇimo sada ex − 1 sa t.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1.

x−→c c 3.18 i temeljni limesi iz toˇke 6.234 ˇ POGLAVLJE 6.13.1. 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. 6. 6. x−→c x−→c 2. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.2. x−→c x−→c 4.17.2 6. Tada 1. . g : R −→ R.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. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). 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 Teoremi 6. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). c 6.16.7 su nam dovoljni za c raˇunanje gotovo svih limesa.

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

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

13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. Time smo mehaniˇki problem odredivanja c c trenutne brzine sveli na geometrijski problem odredivanja koeficijenta smjera tangente na graf funkcije koja opisuje ovisnost visine o vremenu.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. f : I −→ R. c mjeri brzinu promjene veliˇine c Definicija 6. x0 ∈ I.♠ 6.4: Sekante i tangenta. c Primjer 6.6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . Ako postoji z c f (x0 + ∆x) − f (x0 ) .♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . tj.2. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.2. ∆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 .2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.

Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). . za proizvoljne k. c c koji se oznaˇava sa f (x0 ).15 Pogledajmo sljede´e primjere: c 1. Derivacija funkcije f (x) = kx + l je f (x) = k.6 Uoˇimo bitnu razliku. l ∈ R. ∆x−→0 ∆x Napomena 6.238 ˇ POGLAVLJE 6.♠ ∆x−→0 ∆x 6. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Dakle brzina promjene linearne funkcije je konstanta. Derivacija funkcije f u toˇki x0 je broj. f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. c f (π) = lim lim f (π + ∆x) − f (π) sin(π + ∆x) − sin π = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin π cos ∆x + cos π sin ∆x − sin π cos π sin ∆x = lim = ∆x−→0 ∆x−→0 ∆x ∆x sin ∆x cos π lim = cos π = −1. c z Primjer 6. Dakle je c f (x) = lim f (x + ∆x) − f (x) .2. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). UVOD U DIFERENCIJALNI RACUN Primjer 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.

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 . funkcija f (x) = l je konstanta. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. Dakle je promjena brzine konstantne funkcije nula.2. s c 2. a c iz gornjeg raˇuna imamo da je c f (x) = 0. tj.6. ∆x−→0 ∆x−→0 ∆x ∆x cos 2x − 1 = −2 sin2 x sin x lim Kako je imamo −2 sin2 cos ∆x − 1 sin ∆x sin x lim +cos x lim = cos x+sin x lim ∆x−→0 ∆x−→0 ∆x ∆x−→0 ∆x ∆x cos x − sin x lim sin ∆x 2 ∆x 2 ∆x 2 = ∆x−→0 ∆x−→0 lim sin ∆x 2 = cos x − sin x · 1 · 0 = cos x. 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. ˇto smo i oˇekivali.♠ . Derivacija funkcije f (x) = x2 je f (x) = 2x.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6.

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

♠ Teorem 6.7 imamo da je c lim √ 3 1 ∆x2 = +∞.2. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ .19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.1. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 .6. Tada je f i neprekidna u x0 . Funkcija f : R −→ R dana formulom f (x) = x0 = 0.1. 3. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). c x0 ∈ I ⊆ D(f ).7 imamo da je c lim √ 3 1 = +∞. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. ∆x ∆x−→0 dakle ne postoji f (0). 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . ∆x ∆x−→0 . DERIVACIJA FUNKCIJE 2. ∆x−→0 dakle ne postoji f (0). √ 3 241 x nije derivabilna u x0 = 0.

∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.20 Neka su funkcije f. ∆x−→0 ∆x ∆x . Sve tri funkcije iz Primjera 6.19 op´enito ne vrijedi. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) .17 su c neprekidne u nuli. za one x ∈ I za koje je g(x) = 0). Derivacija zbroja. ∆x f (x0 ). Iz Teorema 6. Tada su na I derivabilne i funkcije f ± g.242 ˇ POGLAVLJE 6. ali vidjeli smo da nisu derivabilne.♣ Obrat Teorema 6. f · g i f g (tamo gdje je definirana. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). razlike. g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). produkta i kvocijenta funkcija Teorem 6. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ). tj. (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). g 2 (x) Dokaz: 1. i vrijedi 1. I ⊆ D(g). f (x) g(x) = f (x)g(x)−f (x)g (x) . (f (x) ± g(x)) = f (x) ± g (x) 2. ∆x = 0 .12 zakljuˇujemo da je funkcija g neprekidna u x0 . Nadalje.12 imamo da je f neprekidna u x0 .

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

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

10 imamo da je f (x) = lim e∆x − 1 = 1. Iz Teorema 6.6. 6. DERIVACIJA FUNKCIJE Primjer 6. Derivacija funkcije g(x) = ln x je g (x) = x . i vrijedi (f ◦ g)(x) = x. . x 1 √ . 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .20. ∆x−→0 ∆x lim dakle je f (x) = ex .19 Pogledajmo sljede´e primjere: c 1 1. 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. odnosno g (x) = 2.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. 2 x x je g (x) = Iz Primjera 6. Osnovne derivacije dajemo u sljede´oj tablici.8 Studentima se preporuˇuje da provjere donje formule samostalno.20. c Napomena 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.21 i 6.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6.21 i 6. Derivacija funkcije g(x) = √ 1 .2. Kako je (f ◦ g)(x) = x iz Teorema 6. odnosno 1 g (x) = √ .22 i derivacijama iz donje tablice.

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 . gdje je α kut izmedu tangente funkcije f u toˇki (x0 . f (x0 )) biti dosta mala.246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. no to je ponekad teˇko izraˇunati.1: Derivacije elementarnih funkcija 6. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ).2. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s .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. odnosno ∆f = tg α∆x . UVOD U DIFERENCIJALNI RACUN f (x) 0 αxα−1 ex ax ln a 1 x 1 x ln a f (x) arccos x arctg x arcctg x sh x ch x th x cth x Arsh x Arch x Arth x Arcth x f (x) 1 − √1−x2 1 1+x2 1 − 1+x2 ch x sh x 1 ch2 x 1 − sh2 x √ 1 1+x2 √ 1 x2 −1 1 1−x2 1 1−x2 cos x − sin x 1 cos2 x − sin12 x √ 1 1−x2 Tablica 6. c tj. Jasno je da je ∆x = tg α. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 . f (x0 )) s c c ∆f apscisom x0 + ∆x. f (x0 )) i osi x.

Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Tada od svih polinoma stupnja najviˇe jedan.6. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. f (x0 )). polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . Dakle. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. jednadˇba tangente u c z toˇki (x0 .2.1. c Teorem 6. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . y f(x) α 0 x0 x 0+ ∆ x x Slika 6.♣ c . f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). DERIVACIJA FUNKCIJE 247 ∆x.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).5). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 .5: Diferencijal funkcije.

6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. to su razlike ordinata na grafu i na tangenti male za istu apscisu.5 1 1.248 ˇ POGLAVLJE 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.5 -1 0. Iz Primjera 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.5 2 Slika 6. c Primjer 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .♠ s s c . 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 ).16 znamo da je f (x) = cos x.23). c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. 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”. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. Dakle. dakle je f (0) = cos 0 = 1.

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

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).

b−a f (b) − f (a) (x − a). b za koju je F (x ) = 0. a < b. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).26 kaˇe da za svaku sekantu kroz toˇke (a. Neka je L pravac kroz toˇke (a. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6.25. proizvoljne. f (a)) i (b. tj. b ∈ I. b u kojoj je tangenta paralelna s tom sekantom. f (b)) z c postoji toˇka x ∈ a. tj. postoji x ∈ a. b−a onda Teorem 6. f (a)) i (b. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).2.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti.13 Primijetimo: 1.6. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.♣ f (b) − f (a) . Napomena 6. b−a y f(x) 0 a x0 b x Slika 6. c . f (b)).

y f(x) 0 a b x Slika 6.12. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. x za koji je f (x) − f (a) = f (x ). Kako je f (x) = 3.26 je bitan. Ako je dana funkcija f : R −→ R formulom 3x. x ≤ 1 f (x) = 3 x > 1. pa je. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). x ≤ 1 . 2 za koji je f (x ) = 1.258 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 2. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). oˇito je c x−→1 lim f (x) = 3 = f (1). Uvjet f ∈ C 1 (I) iz Teorema 6.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. z Iz Teorema 6. f neprekidna na R. po Teoremu 6. . b−a ali ne postoji x ∈ 0. 0 x>1 oˇito f ima prekid u x = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.

ali ne znamo za koji x . poznavaju´i vric c jednosti viˇih derivacija u x0 .5). iz Teorema 6.. Napomena 6. . imamo c pribliˇni izraz. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula. tj. Koliko je ta aproksimcija dobra? Odnosno. 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 +. S druge strane.14 Za n = 0 Teorem 6.. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.26. no u nekoj toˇki sigurno je. f (x)). moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. tj. tj. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Usporedimo to s lokalnom linearizacijom (toˇka 6. tj. Teorem 6. i ne znamo ga toˇno.2.27 je baˇ Lagrangeov teorem srednje s vrijednosti.+ (x−x0 )n + (x−x0 )n+1 . DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Sastoji se od Taylorovog polinoma n-tog stupnja n Tn (x) = i=0 f (i) (x0 ) (x − x0 )i i! i ostatka Rn (x) = f (n+1) (cx ) (x (n+1)! − x0 )n+1 . f (a)) i (x.6.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. imamo toˇan izraz.2.

. Sliˇno kao i Teorem 6. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . x2 = 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 . f (x0 )) od svih c polinoma danog stupnja. s Primjer 6..24 Neka je dana funcija f (x) = sin x. 2! . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . T1 (x) = f (0) + f (0)x = x..23. Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa. dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . . Dakle. Aproksimacija je dobra lokalno. Dakle..260 ˇ POGLAVLJE 6. 2 3! 6 T2 (x) = f (0) + f (0)x + f (0) n Tn (x) = i=0 (−1)i x2i+1 . 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. UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 .

+ (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 ..2.1).. n! ∞ sin x = n=0 (−1)n x2n+1 .2. dakle nisu jako c dobri za numeriku. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).. odnosno konvergirati nekoj z (x drugoj funkciji. .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 . sin x. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4.28 Neka je f ∈ C 1 (I) za neki interval I. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. Moˇe se pokazati da su funkcije ex . tj. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. (2n)! Napomena 6.. 6.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju.3.

Obratno. Neka je f ∈ C 1 (I) rastu´a funkcija na I. dakle z funkcija f raste na I.11 imamo da obrat ne vrijedi.♠ Iz Primjera 6. po Teoremu 6. 2. UVOD U DIFERENCIJALNI RACUN 1.26 postoji x ∈ (x. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. ∆x za svaki x ∈ I. Ovaj smjer se dokazuje analogno kao u Teoremu 6. . Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. Iz Napomene 6. obratna tvrdnja ne mora vrijediti. onda je f (x0 ) = 0.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. pa je f (x + ∆x) − f (x) ≥ 0.262 ˇ POGLAVLJE 6. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x).24 smo vidjeli da. 2. za svaki x ∈ I. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. Kako je desna strana gornje jednadˇbe nenegativna. Jedan smjer bismo mogli dokazati. lim x2 = 0).26. jer se c s c medu njima nalaze potencijalni ekstremi. Dokaz: c 1. za svaki x ∈ I. Dokaz ide na sliˇan naˇin.25 zakljuˇujemo da u Teoremu 6. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I).28 primjenom Teorema 6. Tada. to je i lijeva strana takva. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. Limes nenegativne funkcije mora i sam biti nenegativan.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. onda funkcija strogo raste (pada) na I. Medutim. x−→0 U Teoremu 6.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. pa je f (x) = lim za svaki x ∈ I. Dakle ne vrijedi f (x) > 0 na R. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. ∆x Primjer 6.

1.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. a s druge pada (raste)). u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. da je barem f ∈ C 2 (I)).2. x2 ∈ I. . inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).24. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.4. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . Teorema 6. onda u x0 funkcija f ima lokalni maksimum. kaˇemo da je f konkavna na I. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. ali i ne mora. To ovisi o promjeni ponaˇanja funkcije u toj toˇki.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . Dokaz: Izravno iz toˇke 5.28. Ako derivacija s c ne mijenja predznak. c Kao ˇto smo rekli. 2 za sve x1 . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. Definicija 6. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . onda u x0 funkcija f ima lokalni minimum. Teorema 6. u stacionarnoj toˇki funkcija moˇe. imati s c z lokalni ekstrem. DERIVACIJA FUNKCIJE 263 Definicija 6. Teorem 6. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 .♣ c Konveksnost.6. x2 ∈ I. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . c Dakle. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. jer konveksnost i konkavnost ovise o predznaku druge derivacije.

Zbog neprekidnosti druge c derivacije. za svaki x ∈ I. 2. funkcija f ima u x0 ∈ I lokalni minimum.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Primijenimo li Teorem 6. Teorem 6. Onda ´e i toˇka cx iz Teorema 6. a konkavna ako je za sve x1 . c . Ako je f (x0 ) > 0. Dokaz: 1.27 biti iz te okoline.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). f (x1 )) i (x2 .6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . Uzmimo x proizvoljan iz te okoline.30 Neka je f : I −→ R klase C 2 (I). Npr. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . jer c c se nalazi izmedu x0 i x. c 2. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. funkcija f ima u x0 ∈ I lokalni maksimum. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . UVOD U DIFERENCIJALNI RACUN Definicija 6. x2 ∈ I graf konveksne funkcije je ispod. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ).3). Dakle je f (cx ) > 0.27 za sluˇaj c n = 1. ali je f (0) = 0.264 ˇ POGLAVLJE 6. Ako je f (x0 ) < 0.♣ Teorem 6. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. 1. izmedu x1 . Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). iz Teorema 6. 2. konveksnost i konkavnost su odredene predznakom druge derivacije. za svaki x ∈ I. c 1. f (x2 )). Dokaz ide na sliˇan naˇin. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 .31. c c Dakle.

7 Neka je f : I −→ R i c ∈ I.32 Neka je f ∈ C 2 (I). Dakle je konveksna na −∞. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . c c Kaˇe se joˇ da je toˇka (c.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. 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 . pa x = 0 ne moˇe biti z toˇka infleksije. c strogo konveksna i na c.30 imamo da funkcija f raste na (c − δ.34 Neka su f i g derivabilne funkcije na I osim. c strogo konveksna i na c. ∞ .7. Ako je g (x) = 0 za svaki x = x0 . c + δ strogo konkavna ili je na c − δ. x ∈ I. c Dokaz: Izravno iz Definicije 6. 0 i f (x) > 0 za x ∈ 0. Dakle.L’Hospitalovo pravilo c Teorem 6. Dokaz: Bez smanjenja op´enitosti. c + δ). onda je c f (c) = 0.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . pa je po Teoremu 6. c) i pada na (c. f ima lokalni maksimum u c. u x0 ∈ I.6.♣ Raˇunanje limesa . DERIVACIJA FUNKCIJE 265 Definicija 6. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c + δ strogo konveksna. Npr.2.24 f (c) = 0. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. g (x) onda je i x−→x0 lim f (x) = L. ali je f (x) > 0 za x ∈ −∞. z s c c Teorem 6.♣ Uvjet f (c) = 0 iz Teorema 6. c + δ strogo c konkavna za neki δ > 0. c strogo konkavna i na c. Iz Teorema 6. ∞ . 0 i 0. z Neka je lim f (x) = lim g(x) = 0. x ∈ I. c Teorem 6. Onda je c toˇka infleksije od f . Tada iz Teorema 6. Ako je c ∈ I toˇka infleksije od f . Neka postoji δ > 0 takav da je funkcija f na c − δ.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. f (c)) toˇka infleksije grafa funkcije f . moˇda. neka je f na c − δ.

. c Napomena 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . f (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . g (n) (x0 ) = 0. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . . g(x0 ) = 0. analogno kao u dokazu Teorema 6.266 i ˇ POGLAVLJE 6. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. f (n) (x0 ) = 0. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.12) i iz Teorema 6. c Dakle.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. Znamo da je c tg α1 = f1 (x0 ). kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . . 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. . Tada.12). . iz Teorema 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . 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 ) = . g (n+1) (x0 ) = 0.34. po g (x0 ) = 0.♣ g (x) f g Na Teorem 6. UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).16 Neka su funkcije f. tg α2 = f2 (x0 ).

14: Kut izmedu dviju krivulja. 1 + f1 (x0 )f2 (x0 ) Napomena 6. odnosno ako i samo ako je tg α = ∞. Iz toˇke 2.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. To znaˇi da u c toˇki (x0 . Ako je α = 0. tj.6. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). z c c Primjer 6. c c pa moˇemo re´i da se diraju u toj toˇki.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 .2. a > 0. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. dakle je f1 (x0 ) = f2 (x0 ).2. onda je i tg α = 0 . 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . x a + x2 = f2 (x).26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. ako i samo ako je f1 (x0 )f2 (x0 ) = −1. .

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

z s c s c Praktiˇni ekstremalni problemi c Diferencijalni nam raˇun daje efikasan i gotovo mehaniˇki naˇin odredivanja ekc c c strema u raznim praktiˇnim problemima. 3. samokorigiraju´i. to upu´uje na pogreˇku u raˇunu. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. u izvjesnom smislu. c c 4. Sloˇiti sve dobivene podatke u graf funkcije. Ispitati parnost.6. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Prona´i intervale konveksnosti. Odrediti intervale monotonosti i lokalne ekstreme. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. 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. 7. Oznaˇimo c li tu duljinu s x. neparnost. .27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. Postupak je. c Primjer 6. periodiˇnost. konkavnosti i toˇke infleksije. Prona´i stacionarne toˇke. s 5. c c z 8.2. Ispitati ponaˇanje na rubovima domene (asimptote). Nadalje je V (x) = (a − 2x)(a − 6x). Postupak: 1. c c 2. c c 6. Odrediti domenu funkcije (prirodno podruˇje definicije).

jer tu funkcija V (x) c 6 prelazi iz pozitivnih u negativne vrijednosti. Maksimalni c 2 volumen je 2 a = a3 . dakle funkcija V (x) prelazi iz rasta u pad. a za c c prvu se lako provjeri da je u njoj lokalni minimum.15: Kako napraviti kutiju najve´eg volumena?. . 2 Jasno je toˇka x1 = a odgovara lokalnom maksimumu.) c 1 Troˇkovi ogradivanja su proporcionalni opsegu pravokutnika sa stranicama x i x . c s (Ovdje su x i y u jedinicama ˇiji produkt daje 1 ha.28 Odredite dimenzije pravokutnog gradiliˇta povrˇine 1 ha takvog s s da su troˇkovi njenog ogradivanja minimalni. s 1 Oznaˇimo dimenzije gradiliˇta s x i y. Za povrˇinu od 1 ha to daje kvadrat s s stranice 100 m. UVOD U DIFERENCIJALNI RACUN x a x Slika 6.270 ˇ POGLAVLJE 6. Dakle je od svih pravokutnika zadane povrˇine najjeftinije ograditi kvadrat. Druga oˇito nema smisla u danom kontekstu. dakle u stotinama metara. 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. Iz P = xy = 1 slijedi da je y = x . s i oni ´e biti minimalni za onu vrijednost x za koju se minimizira funkcija f (x) = c 1 x + x .♠ V 6 27 Primjer 6. c Iz uvjeta V (x) = 0 nalazimo stacionarne toˇke c a x1 = . 6 a x2 = .

doduˇe. tj.2.6. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. 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). slijedi da je x + x ≥ 1. U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. za x = 1. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. 1 Nadalje. pozvali smo se na rezultat koji. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. z c Usporedimo sada ova dva pristupa. je dio matematiˇke op´e kulture. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. koji je elegantniji. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. U drugom pristupu. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x .♠ s z c . minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x .

.

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

z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). ako postoji. linearan operator koji mu je inverzan. jer je derivacija svake konstante jednaka nuli. .274 ˇ POGLAVLJE 7. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. Uvedimo prvo ime za takve funkcije. Iz Teorema 6.1 Neka je f neprekidna funkcija na I ⊆ R. itd. Zanima nas.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. C ∈ R. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x). da je x primitivna funkcija funkcije x.7 izravno slijedi da je operator deriviranja linearan. Stoviˇe.2. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. c Primjerice. UVOD U INTEGRALNI RACUN deriviranja operator. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. Teorem 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija. Definicija 7.20 i Napomene 6. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. a onda pogledajmo kada postoje i koja su im svojstva.

Piˇemo s f (x)dx = F (x) + C. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). slijedi H(x) = H(x0 ) za svaki x ∈ I. a to je upravo druga tvrdnja teorema. ˇalje c s u f. Interpretirajmo elemente ove formule: je znak integrala. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .7. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.4). tj. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. f (x) je integrand.2.1. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. 275 Dakle imamo prvu tvrdnju. dolazi od S kao suma. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Ostale raˇunamo koriste´i svojstva c c c .♣ 7.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). gdje je c neka toˇka izmedu x i x0 . dx pokazuje po ˇemu se integrira. c F (x) je primitivna funkcija funkcije f (x). s To nije toˇno inverz od derivacije. C ∈ R je konstanta integracije. H je konstantna funkcija. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .1.1 beskonaˇan.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. koji je po Teoremu 7. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G.

Za ostale operacije nema jednostavnih pravila. Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. F ± G primitivna funkcija funkcije f ± g. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.7). Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Dokaz: Neka je F primitivna funkcija funkcije f .1 Iz Teorema 7. Oˇito je. UVOD U INTEGRALNI RACUN neodredenog integrala.♣ Napomena 7. cF c primitivna funkcija funkcije cf . Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom. Oˇito je. = (F (x) + C) = F (x) = f (x). f (x)dx. zbog linearnosti derivacije. 2.3 Vrijedi: 1. Dokaz: 1. Kako je imamo f (x)dx f (x)dx = F (x) + C. c zbog linearnosti derivacije.20 i Napomena 6.2 f (x)dx = f (x).276 ˇ POGLAVLJE 7.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C. Neka je F primitivna funkcija funkcije f . Teorem 7. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. z Teorem 7.♣ . 2.

2. eksponencijalne i z trigonometrijske funkcije. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7.1. Najpoznatiji primjer je e−x dx. tabliˇne integrale. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.7. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. tzv.1 Pogledajmo sljede´e primjere: c .3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Primjer 7.1. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija. Tako moˇemo integrirati polinome i jednostavnije racionalne. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c c koriste´i pravila i tablicu derivacija (toˇka 6. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7. Ako se i moˇe integrirati.3. c 7.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. S druge strane.2) i svojstva iz Teoc c rema 7. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1.4). c c z z to obiˇno nije lako.

3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).278 ˇ POGLAVLJE 7. Drugim rjeˇima. odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1.2: Primitivne funkcije funkcije 3x2 + 1. 3 2. Odredimo integral funkcije f (x) = x2 + sin x. Koriste´i Teorem 7. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Traˇena funkcija je F (x) = x3 + x + 1. UVOD U INTEGRALNI RACUN 1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. Samo jedna prolazi toˇkom (1. 3). pa je C = 1. y 3 0 1 x Slika 7. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. 3). Koriste´i Teorem 7. i one c 3 su oblika x +x+C. Dakle je 3 = F (1) = 1 + 1 + C.♠ c . Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. i to je x3 +x+1. i ˇiji graf prolazi kroz toˇku (1. 3).

NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. a to znamo da je u2 2 sin x d(sin x). op´enito. tj.1. deriviranjem sloˇenih funkcija.7. ima jedan sluˇaj kad se c produkt funkcija lako integrira. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. Dakle je sin x cos x dx = 1 2 sin x + C. z Primjer 7.5).♠ 2 . ne mogu integrirati produkti funkcija (osim c za polinome. Ipak. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). Koriste´i izraz za diferencijal (toˇka 6. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. 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.2. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija.3 i tabliˇne integrale. + C. gornji se integral svodi na u du.2 Odredimo integral funkcije f (x) = sin x cos x.

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

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

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

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

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

Dobivamo Im = sinm x dx = sinm−1 x sin x dx = sinm−2 cos2 x dx = sinm−2 (1 − sin2 x)dx = − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1) − sinm−1 x cos x + (m − 1)Im−2 − (m − 1)Im . i u = sinm−1 x. Oznaˇimo c Im = Sada imamo Im = sinm x dx = sinm−1 x sin x dx.7. m m Formula za Im je rekurzivna. ˇto daje du = s m−2 u dx = (m − 1) sin x cos x dx i v = − cos x. daje nam Im u terminima integrala s niˇom potencijom funkcije sin x. sinm x cosn x dx. tj. NEODREDENI INTEGRAL − sin x cos x+ (1−sin2 x)dx = x−sin x cos x− Odatle je 2I = x − sin x cos x. Odredimo integral funkcije f (x) = sinm x. Stavimo dv = sin x dx. Parcijalnom integracijom mogu se izvesti i rekurzivne formule. pa je I= 1 sin2 x dx = (x − sin x cos x) + C.♠ . 2 285 sin2 x dx = x−sin x cos x−I. c c Sliˇno se raˇunaju i integrali c c cosm x dx. Kako znamo I0 i I1 . v = sin x. nakon konaˇno z c mnogo primjena gornje formule do´i ´emo do eksplicitnog izraza za Im . sin−m x dx. Odatle je Im = − 1 m−1 sinm−1 x cos x + Im−2 . sinm x dx. 2.1. tj.

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

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

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

.4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · ...) + 2(rab + rcd + . p > 1 A ln |x − α| + C.. ..+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + . 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).... (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N .... Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5.5..... + 2 cd + ..) = m. Brβ .1. B1 .. Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + .. .7. Drugi je sluˇaj osjetno sloˇeniji. . Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . Arα . + + . pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 .. Mrab ... . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7. tj. Supstitucijom c z t= x+ b− a 2 a2 4 . (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. Nrab .. p = 1.. + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + .. iz brojnika desne strane. N1 . 289 gdje je (rα + rβ + . M1 . + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + ....

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

1. D = −1. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .7. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.♠ 3 3 .11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 . x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). B = 2. Rjeˇenje je A = 3. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. x(x−2)(x+1) x+2 A B D = + + .♠ x−1 Ako su nuliˇta nazivnika jednostruka. 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. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .

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

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

b] . Promatrajmo. za svaki x ∈ [a. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. s lijeva pravcem x = a.) Po Teoremu 6.6. dakle. krivuljni trapez omeden odozdo komadom osi x. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b] ako je f (x) > 0. (Funkcija f je strogo pozitivna na [a. i da komad krivulje bude graf neke funkcije. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. Neka je ta funkcija neprekidna. b] funkcije f (x). b]. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7.5: Rastav ravnog lika na krivuljne trapeze. b x KT 1 KT2 KT KT3 4 Slika 7.4: Krivuljni trapez. funkcija f na segmentu [a.294 ˇ POGLAVLJE 7.

Imamo gornju i donju ocjenu nepoznate veliˇine P . b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. Podijelimo segment [a. . pravokutnik s osnovicom [a. i = 1.7. b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < ... . b] oznaˇimo s x0 = a i xn = b. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. b]. pri ˇemu su xi ∈ a. c Krajeve segmenta [a. i = 1.n. S druge strane.. s je manja razlika vrijednosti M i m. a M maksimum funkcije f na [a. xi ]. n (brojevi mi i Mi c . < xn−1 . n − 1... Ideja je da se uzimanjem sve uˇih i uˇih osnovica z z nepoznata ploˇtina P moˇe po volji dobro aproksimirati zbrojevima povrˇina pras z s vokutnika upisanih ili opisanih malim krivuljnim trapezima. 295 gdje je m minimum. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima.. Dakle je m ≤ f (x) ≤ M.. b] i visina M .2.. ∀x ∈ [a. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M. b za svaki i = 1. Oznaˇimo li traˇenu ploˇtinu s P . b].. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 .. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . . Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7.

i = 1. . Zbog mi ≤ Mi . jer najmanja (najve´a) vrijednost na podsegmentu ne moˇe biti manja (ve´a) od c z c najmanje (najve´e) vrijednosti na cijelom segmentu. imamo n n n S(r) = i=1 Mi ∆xi ≤ i=1 M ∆xi = M i=1 ∆xi = M (b − a). xn−1 } s r. imamo s(r) ≤ S(r).6). koji predstavljaju zbrojeve povrˇina z s upisanih i opisanih pravokutnika krivuljnim trapezima nad segmentima te podjele: n n s(r) = i=1 mi ∆xi .. jasno je da su toj c podjeli r pridruˇena dva broja s(r) i S(r). Sliˇno. s Oznaˇimo li sada zadanu podjelu {x1 . x2 . 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 7.296 ˇ POGLAVLJE 7.n. c m(b − a) ≤ s(r). UVOD U INTEGRALNI RACUN postoje po Teoremu 6. . ... n.. i = 1... .7: Podjela intervala na podintervale i odgovaraju´e aproksimacije c ploˇtine pravokutnicima.. Veliˇine S(r) i s(r) zovemo gornja i donja Darbouxova suma funkcije f za c podjelu r na segmentu [a.. i = 1. n. Uvijek je m ≤ mi ≤ Mi ≤ M. . a zbog m ≤ mi i Mi ≤ M . b]... S(r) = i=1 Mi ∆xi ..

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

.13 Dirichletova funkcija.♣ Teorem 7. a . Uoˇimo da za svaku podjelu r segmenta [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. .♠ Napomena 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. tj. Dirichletova funkcija nije integrabilna. za svaki x ∈ [a. c i = 1. onda je f (a) ≤ f (x) ≤ f (b). x∈Q 0.5 Svaka monotona funkcija na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). UVOD U INTEGRALNI RACUN Definicija 7. Primjer 7. b].. Koje joˇ? s Teorem 7. b] je integrabilna. b].9 Uoˇimo da ako je f monotona funkcija na [a. b]. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. x ∈ R \ Q.♣ Napomena 7. Koje jesu? Neprekidne sigurno jesu.. nisu integrabilne. b]. Izraˇunajmo iz definicije c b 1. dakle je f ograniˇena funkcija na [a. c Dokaz: Ako f raste na [a. c Iz Primjera 7.298 ˇ POGLAVLJE 7.♣ Primjer 7. onda je ona i c ograniˇena. b]. n. 1 dx. b] integrabilne. b] je integrabilna. b].14 1. b]. z c tj.6 Svaka neprekidna funkcija na [a.8 Dirichletova funkcija ima prekid u svakoj toˇki. b] z kaˇemo da je f integrabilna na [a. f (x) = nije integrabilna.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b] imamo mi = 0 i Mi = 1.13 vidimo da nisu sve funkcije na segmentu [a.

.. Sada je mi = a + (i − 1)∆x. b] c na n jednakih djelova. c Oˇito je funkcija f (x) = x neprekidna na [a. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. b]. 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 . 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 2.. ∆x = b−a . Izraˇunajmo a b x dx.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije.2.7. b]. b] je mi = Mi = f (si ) = 1. Mi = n a + i∆x. i = 1. n. dakle je a 1 dx = b − a. Za svaku podjelu r segc menta [a. Dakle imamo n n n s(r) = i=1 mi ∆x = ∆x i=1 (a + (i − 1)∆x) = na∆x + ∆x 2 i=1 (i − 1) = na∆x + ∆x2 n(n − 1) b − a (b − a)2 n(n − 1) = na + = 2 n n2 2 . Podijelimo segment [a.

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

. za a < a1 < a2 < . . n. .. Mi i f (si ). c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a..♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. . za svaku toˇku c ∈ a. i = 1. 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.2. a 1. Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. n. tj.♣ 2.2 a Svojstva odredenog integrala f (x)dx = 0. b f (x)dx = − a f (x)dx. a f (x)dx = a f (x)dx + c f (x)dx.. ostaju iste. a] su gornja i donja Darbouxova suma a jednake nula.7. . < an−1 < b.♣ b c b 3. i = 1. b u svaku podjelu od [a. ODREDENI INTEGRAL 301 7. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + ... i = 1. b . Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi . biti negativne.. a vri- jednosti mi .. pa je a a b f (x)dx = 0. + an−1 f (x)dx. n. a drugi u c f (x)dx. Dakle odredeni integral mijenja predznak ako se zamijene granice...... Dokaz: Za bilo koju podjelu r segmenta [a. c Ovo se zove aditivnost integrala po podruˇju integracije.2.

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

2 i Teorema 6. a cf (x)dx = c a f (x)dx. xj ].18. b] i da je f (c) > 0. a 4. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. unutra se sigurno nalaze sve neprekidne funkcije na [a. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. Mi = 0. Beskonaˇnodimenzionalan je.13). Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.7.♣ c Napomena 7.. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. Oˇito je z c c tada m = 0. Nadalje. i Mj = f (c). . . b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.. Ako je funkcija f : [a... b] toˇka c pada u toˇno jedan c c [xj−1 . j + 1. jer npr.. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.. i = 1. 1. i svaka funkcija iz tog skupa je neprekidna na I. . Stoviˇe. skup c {1. . Dakle je s(r) = 0 i S(r) = Mj ∆xj . onda je c b f (x)dx = 0.2 i Teorema 6. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a..3).. 6.18. ... . M = f (c) i za svaku podjelu r segmenta [a. a (f (x) ± g(x))dx = a ili aditivnost integrala.. n. i = 1. x.. pa je mi = 0.} se c nalazi u nekoj bazi od R(I).♣ b b 5..2. b]).. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I). Dakle beskonaˇni skup {xn : n = 0. x2 . xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. j − 1. n. b] (skup R(I) nije prazan. dakle i integrabilna. gdje je c ∈ R proizvoljan.

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

Dakle postoje x1 . b]. Ovo svojstvo se zove svojstvo monotonosti integrala. za svaki x ∈ I .8 je dobro definirana funkcija F ∈ C 1 [a. Dokaz: Po Teoremu 7. b] tada iz Teorema 6. Ako je f (c) < g(c) za bar jedno c ∈ [a.28 F raste na [a. Iz pozitivnosti funkcije f na [a.3 slijedi da postoji interval I ⊂ [a. b]. Ako je f (c) < g(c) za bar jedno c ∈ [a.2. i oˇito ima pozitivnu derivaciju. b] i ako je f (c) > 0 za neki c ∈ [a.♣ 9.7. Neka su f i g neprekidne funkcije na [a. b]. Tada je b b f (x)dx ≤ a a g(x)dx. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Ako je f neprekidna i nenegativna funkcija na [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. ODREDENI INTEGRAL 305 8. b] iz Teorema 6. x2 ∈ I takve c da je x1 < c < x2 . onda je F (c) = g(c) − f (c) > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Dakle. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b].3 slijedi da postoji interval . Kako je funkcija F = g − f neprekidna na [a. b] odnosno stroge pozitivnosti na [x1 . c F (x) = g(x) − f (x) ≥ 0. b] onda vrijedi stroga nejednakost. b] oko toˇke c takav da je f (x) > 0. tj. po Teoremu 6. onda je b f (x)dx > 0. Odatle slijedi da je F (b) ≥ F (a) = 0. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. x2 ] imamo x2 f (x)dx > 0.

b].306 ˇ POGLAVLJE 7. Nadalje. 11.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). tj. iz neprekidnosti funkcije f na [a. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. Dakle postoje x1 .♣ 10. imamo da je F (b) > F (a) = 0. b]. b] takva da je c b f (x)dx = f (c)(b − a). a b b f (x)dx ≤ a |f (x)|dx. iz svojstva 9. odnosno po Teoremu 6. iz svojstva 9. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. b] oko toˇke c takav da je F (x) > 0. Ako f nije konstanta na [a. pa postoji barem jedan c ∈ [a. m ≤ f (x) ≤ M . b] −→ R.6. odnosno imamo strogu nejednakost.♣ a Izraz 1 b−a b f (x)dx a . za svaki x ∈ I . Nadalje iz Teorema 6. Neka je f : [a. Tada postoji toˇka c ∈ [a. b].28 c F strogo raste na I .14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). b] za koji je b f (x)dx = f (c)(b − a). a Dokaz: Po Teoremu 6. b]. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). i Primjera 7. UVOD U INTEGRALNI RACUN I ⊂ [a. za svaki x ∈ [a. tj.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. za svaki c x ∈ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. b]. Teorem 7.

b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta.♠ c .7 ne mora vrijediti: Primjer 7.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. imamo da je 1 f (x)dx = 0. an ∈ R je a = c ). x ≥ 0 −1. iz svojstva 7.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. Oˇito je da funkcija f ima prekid u x0 = 0. . c Napomena 7.. Nadalje. 1] za koju je f (c) = 0. b]. a2 . kako je f neparna c funkcija. a Teorem 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a. se zove srednja vrijednost funkcije f na segmentu [a. x < 0. n Za funkcije koje nisu neprekidne Teorem 7. Odatle ime teoremu.2.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1..+an dine (aritmetiˇka sredina od a1 . b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx.7.. −1 medutim ne postoji toˇka c ∈ [−1..9: Teorem srednje vrijednosti za odredeni integral. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7..

UVOD U INTEGRALNI RACUN y 0 −1 1 x Slika 7. Pokazat ´emo da je ta funkcija F derivabilna na [a. pozitivnu funkciju f . kad je podintegralna funkcija neprekidna. Funkcija F definirana formulom x F (x) = a f (ζ)dζ . Sre´om. Prije formuliranja i dokazivanja teorema.8 Neka je f ∈ C[a. gdje je F (x) = a x f (ζ)dζ. Teorem 7.10: Teorem srednje vrijednosti ne mora vrijediti za funkcije koje nisu neprekidne. i taj je broj jednak ploˇtini izmedu grafa funkcije f i osi x omedenoj vertikalnim s pravcima x = a i x. b]. b] pridruˇi z z ploˇtinu ispod grafa funkcije f desno od a i lijevo od x. Za svaki x ∈ [a. b] neprekidnu x i. b] postoji a f (ζ)dζ. jednostavnosti radi. postoji veza izmedu primitivne funkcije c c i odredenog integrala koja omogu´uje raˇunanje odredenih integrala pomo´u c c c c c neodredenih. 7. Tim je pridruˇivanjem s z definirana funkcija koju oznaˇimo s F . Dakle imamo pridruˇivanje koje svakom x ∈ [a. b] i izraˇunat ´emo njenu c c c derivaciju. Imamo c x −→ F (x).308 ˇ POGLAVLJE 7.Leibnizova formula Raˇunanje odredenih integrala izravno iz definicije mukotrpno je i teˇko izvedivo c s ˇak i za jednostavne funkcije.3 Newton . promatrajmo na segmentu [a. Dokazat ´emo tu vezu u najjednostavnijem sluˇaju.

Ho´emo gledati c ∆F . NEWTON . 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. pa onda i na svakom podsegmentu [x. Po Teoremu 7. b] i vrijedi F (x) = f (x). x+∆x].3.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x. ∆x−→0 ∆x Funkcija f je neprekidna na [a. b]. ∆F ≤ M = f (ζ2 ). ∆x odnosno f (ζ1 ) = m ≤ .6). Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6.LEIBNIZOVA FORMULA je derivabilna na [a. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7.7.11: Funkcija F (x).

2. Odatle je a f (x)dx = F (b) − F (a).♣ Newton . F (x) = f (x). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. b]. b] i F (x) = f (x). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.2 c dobivamo x b F (a) = a f (a)dζ = 0.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. do kojeg smo doˇli pokuˇavaju´i invertirati s s c .♣ x ∆x−→0 ∆F ≤ f (x). pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). do kojeg dolazimo preko limesa niza integralnih suma. zbog neprekidnosti funkcije f na [a.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). i neodredeni. a Dokaz: Prema Teoremu 7. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. toˇke ζ1 i ζ2 moraju teˇiti prema x. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6.310 ˇ POGLAVLJE 7. z Teorem 7. iz toˇke 7. no dokaz je bitno sloˇeniji.9 (Newton . Odatle slijedi c f (x) ≤ lim tj.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . ∆x Teorem 7. tj.12). b F (b) = a f (ζ)dζ. U njoj se povezuju odredeni integral. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1. Dakle je F (x) derivabilna funkcija na cijelom [a. Sliˇno i za ζ2 −→ x.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. f (x) ≤ F (x) ≤ f (x). onda.

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

♠ 7.312 ˇ POGLAVLJE 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. Primjer 7. b i neka je x−→b− lim f (x) = +∞.17 Izraˇunajmo c 0 1 xex dx. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. . Iz Primjera 7. samo se uvrste granice: b b u(x)v (x)dx = a b b a [(u(x)v(x)) − u (x)v(x)]dx = b b (u(x)v(x)) dx − a a u (x)v(x)dx = u(x)v(x) − a a b b u (x)v(x)dx. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.10. u dv = uv a b a − a v du.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. kao i da je samo poc druˇje integracije konaˇno. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7. U takvim sluˇajevima govorimo c s c o nepravim integralima. c c c Neka je funkcija f neprekidna na [a.6 i omedena) na podruˇju integracije. tj.♠ 3 Kod parcijalne integracije situacija je jednostavnija.

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

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

tj. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. t + b = a imamo t1 = a − b. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . tj. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira.4. Iz ϕ(t) = a. inaˇe c Primjer 7. Izraˇunajmo c a dx . 1 a f (x)dx konvergira.19 1. tn Ako je n < 0. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 0] −→ R zadovoljava uvjete Teorema 7.7. (x − b)n Stavimo ϕ(t) = t + b. Izraˇunajmo c −1 1 x2 dx . x2 b 2. 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 = +∞. Sada oˇito funkcija ϕ : [a − c b. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. dakle imamo b a dx = (x − b)n 0 a−b dt . 1].10. . c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. Analogno. onda divergira. c+ε2 Ako oba limesa na desnoj strani postoje. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. iz ϕ(t) = b dobijemo t2 = 0.

divergira za n ≥ 1.19 moˇe posluˇiti pri usporedivanju. situaciju kad podruˇje c c integracije nije ograniˇeno. iz toˇke 7. odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. Primjer 7. −n + 1 −n + 1 za n > 1. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. b].♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. Znamo c . UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1. +∞ . Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. integral dx divergira za n ≥ 1. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). Dakle tn b a dx (x − b)n konvergira za n < 1. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . Uz svojstvo monotonosti integrala (svojstvo 9. c z z Promatrajmo sada drugi mogu´i izvor problema.2. tj. jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . 0].2) npr.316 ˇ POGLAVLJE 7. Neka je funkcija f neprekidna na [a. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. 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.

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

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

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

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

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

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.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. kad max ∆xi+1 −→ 0. tj. oznaˇimo s P (xi ). i=0 Prijedemo na limes.♠ 2 .8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 . No taj popreˇni presjek c c 2 je krug. 0). a njegova povrˇina za zadani x je jednaka f (x)π. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . Primjer 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. 0. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . ako taj limes postoji kad n −→ ∞. S druge strane.322 y ˇ POGLAVLJE 7. Iz Primjera 7.

PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. ako su f1 .22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. z z Po gornjoj formuli.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. Dakle. b]. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). za svaki x ∈ [a.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. f2 : [a. .ˇ 7. c z y R 0 Η x Slika 7.5. c Primjer 7. onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx. 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.

Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . f2 (x) = R − √ r 2 − x2 . R > r. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.324 y ˇ POGLAVLJE 7. y R r 0 x −R Slika 7. .23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . Primjer 7.

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

b].326 ˇ POGLAVLJE 7. Zelimo odrediti teˇiˇte izrezanog lika. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. b]. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . Primjer 7. x = b. ono ostaje u ravnoteˇi.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.5. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Promatramo lik omeden pravcima x = a. dobijemo tanko tijelo. da mu je gusto´a c ˇ svuda ista. b] na osi x i grafom funkcije f nad [a.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . yi ). UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. tj. zs zs c ako podupremo tijelo.♠ 5 7. c s c .3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . Uzmemo li ˇkare i izreˇemo taj lik. segmentom [a. (Teˇiˇte je toˇka u kojoj.

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

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

to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . upravo xi . Kako je masa promatranog lika jednaka M = µP. yT = 1 2 b 2 a f (x)dx b a f (x)dx . i=1 a to u limesu daje My = µ b a xf (x)dx. zs s s y r 0 r x Slika 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi .16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. s Primjer 7. Iz simetrije je jasno da mora biti xT = 0. recimo. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. Takoder. zs √ Imamo f (x) = r2 − x2 . 2 .11). iz Primjera 7.5. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati).23: Teˇiˇte homogenog polukruga.ˇ 7.

dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. 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. tj. po prvom Guldinovu teoremu i Primjeru 7. Dakle teˇiˇte je (0. teˇiˇte lika omedenog zs zatvorenom krivuljom (tj.330 ˇ POGLAVLJE 7.25. xf2 (x)dx − µ xf1 (x)dx. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . za svaki x ∈ [a. . 2 3π 3 Dakle je 8 Vv − Vu = r3 π. 3 −r 4r .26 Sada moˇemo. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . x2 + (y − R)2 = r2 .♠ 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. − 4 r ). b] takvih da je f2 (x) ≥ f1 (x).♠ ishodiˇtu. R > r. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . v) tada su novi momenti jednaki Mx + my i My + mx). i omedenim pravcima x = a i x = b) raˇuna se po formulama c Mx = 1 µ 2 My = µ b a b a 2 f2 (x)dx − 1 µ 2 b a b a 2 f1 (x)dx. po prvom Guldinovu teoremu. b]. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. Tada su. 3π r r pa teˇiˇte ima koordinate (0. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7. 4 π ).

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

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

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

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

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

8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . 5 .10.8 imamo 1 Ix = r4 π. 4 4 4 Takoder zbog simetrije.. 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. b] podijeli na male podsegmente [xi−1 . Oˇito funkcija ϕ : [0. moment inercije cijelog kruga obzirom na y os je Iy = Ix . xi ]. Prijelazom na limes dobijemo gornju formulu. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. .2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. c Primjer 7.. π] −→ R zadovoljava Teorem 7. i = 1.♠ 2 Kombinacijom razmatranja iz toˇke 7. Sada iz Primjera 7. Iz ϕ(t) = −r imamo t1 = π.5. i visine ∆xi = xi − xi−1 . i zbroje se momenti inercije malih valjaka polumjera f (si ). dakle je 1 I0 = Ix + Iy = M r2 . 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.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 . gdje je si ∈ [xi−1 .. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. 2 2 a onda se interval [a. n.336 ˇ POGLAVLJE 7. b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. xi ].

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

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

i = 1. n..♣ s zs 7. xi ]. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 . c ds = 1 + [f (x)]2 dx.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. ploˇtinu sfere polumjera r. Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. . Sada iz gornje formule imamo vrtnjom polukruga f (x) = r r r P = 2π −r f (x) 1 + [f (x)]2 dx = 2π −r √ r r2 − x2 dx = 2π −r r dx = 4r2 π. gdje je si ∈ [xi−1 . Ovdje smo s ds oznaˇili diferencijal luka.. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 .5. Primjer 7.31 Izraˇunajmo oploˇje kugle. . tj. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .. 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 . Toˇnije. Teorem 7.12 (Drugi Guldinov teorem) Povrˇina rotacijske plohe nastale rotacis jom luka AB oko osi x jednaka je produktu duljine luka i opsega kruˇnice ˇto je z s pri rotaciji opiˇe teˇiˇte luka. To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds.5. ako znamo poloˇaj tijela u trenutku t1 = 0. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.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 .26).ˇ 7.

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

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

342 ˇ POGLAVLJE 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .83 J. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. s x 0 y h Slika 7.30: Jarak iz Primjera 7. duljina jarka je 10 m. ˇirina c s 2(1 − x) m. . Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.33. a debljina sloja je dx metara). Integriraju´i doprinose svih dubina c od 0 do h = 1 m.29: Jarak iz Primjera 7.33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.

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

UVOD U INTEGRALNI RACUN 0 1 Slika 7.35. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.344 ˇ POGLAVLJE 7.31: Kanal iz Primjera 7.♠ s c .

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