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

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

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

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

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

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

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

. . . . . . . . . . .1. .2. . . . .2. . . . .8 Primjene derivacija . . . . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . .2 Derivacija funkcije u toˇki .3 Neprekidnost elementarnih funkcija . .2 Volumen rotacijskog tijela . . .4 Graniˇna vrijednost (limes) funkcije . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . .2. . c 6. . . . . . . . . . . . . . . 7. . . . . 6. . . .3 Derivacija funkcije . . .6 Derivacije viˇeg reda . . . . .3 Metode integriranja . . . . . . . . .1. . . 7. . . . . . . . . . . . . . . . .7 Primjene u fizici . . 7. . . . s 7.1. . . . . .1. . . . . . . . . . . . . . . . . . .5. . .2. . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . 7.vi 6 Uvod u diferencijalni raˇun c 6. . . . c 6. . .6 Povrˇina rotacijske plohe . . . . 6. . . . . . . . . . . . . . . . . . . . 7. .4 Raˇunanje derivacija .2. . . .3 Newton . . .5 Duljina i teˇiˇte luka ravne krivulje . . . . . . . . . .1 Motivacija . . . . . . . . . . .1.2 Derivacija funkcije . . . . . . . . . .1. . . . . . . . . . . . c 6. . . . . . . . . . . . . . . . . . .5. . . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . . . . . . . 7. . . . . . . . . . . . 7. . . . . 6. . . . . .7 Raˇunanje limesa . . . . . . . . . . . . .2. . .5 Primjene integralnog raˇuna . . . . . . . .1 Primitivna funkcija . . . . . . . . . . . . . . . . . . . . . . . . 7. . .5. . . . . . s 6. . . . .2 Svojstva neprekidnih funkcija . . . . . . . . . . . .Leibnizova formula . . . . . . . . . . . .4 Moment ustrajnosti (inercije) . . . . . . . . .5. . . . . s 7. zs 7. . . . . . . 7 Uvod u integralni raˇun c 7. . . . . . . . . . .2.1 Neodredeni integral . . . . . . . .5 Neprekidnost i limes .2.1. . .4 Nepravi integral . . . . . . .2 Neodredeni integral . . . 6. . . . . . . . . . . . .1 Motivacija . .2. . . . . . . . . . . . . . . . . . . c 7. . . . . . . . . .problem povrˇine (ploˇtine) s s 7.1. . . . . . . . . . . . . .5. . . . . . . . .3 Teˇiˇte . . . . . . . . . . 7.1 Neprekidnost funkcije .1 Povrˇina lika u ravnini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Odredeni integral . . . . . . . . . . . . . .1. . . . c 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . 6. . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . . . . . . . .5. . . c 6. . . . . . . . . . . . 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 . . . . . . zs 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Neodredeni oblici . . . . . . c 6. . . . . 6. . . . . . .2. .1. . . . . . . .5. .2 Svojstva odredenog integrala . . . . .

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

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

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

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

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

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

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

Nadamo se da ´e tako ostvarena sinergija s z c rezultirati kvalitetnijim nastavnim procesom i poboljˇati njegove uˇinke. c z Evo na kraju i posljednjeg savjeta. a s s s druge smo strane morali voditi raˇuna o njenoj opseˇnosti i zadrˇati ju u razumc z z nim okvirima. S druge strane. Treba c s ga gledati prije kao dopunu predavanjima nego kao zamjenu za njih. s c . Tek kad je c c z student osloboden potrebe grozniˇavog zapisivanja i prepisivanja s ploˇe moˇe se u potpunosti koncentrirati na ono ˇto se na predavanju govori. Nastavni materijal koji imate pred sobom bit ´e najbolje iskoriˇten u kombinaciji s redovitim pohadanjem predavanja. Zainteresirani se ˇitatelj za izostavljene dokaze moˇe obratiti c z nastavnicima ili ´e ih potraˇiti u literaturi. Takav je pristup rezultat kompromisa.8 izostavljanja. 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.

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

2 slijedi da je op´enito P Q = QP . Prirodno je vektoru pridruˇiti njegovu duljinu (normu. s Q P P Slika 1. c . tj. VEKTORSKI RACUN − → Definicija 1. jer imaju razliˇite poˇetke i c c c krajeve.1: Duˇina i usmjerena duˇina. do na translaciju prostora)? z 1. Poˇetak joˇ c c c s zovemo hvatiˇte. jedna od njih je poˇetak P a druga je kraj Q. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. − − → −→ Definicija 1. intenzitet). Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. Q Q’ P P’ Slika 1. Duljinu − → − → vektora P Q oznaˇavamo s d(P. Q) =| P Q |.10 ˇ POGLAVLJE 1.3 Kaˇemo da su vektori P Q i P Q jednaki ako postoji translacija z prostora koja prevodi P u P i Q u Q . tj. z z Q − → − → Iz Definicije 1.2: Jednakost vektora.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.

poˇinje u P a z c zavrˇava u Q. Sada samo izaberemo orijentaciju koja nam treba. c 2. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. tj. → c .3). zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Napomena 1. Pogledajmo sada neka svojstva nul vektora: c − → 1. Preciznije. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Vektor kod kojeg su poˇetak i kraj jednaki. P = Q. Za vektor P Q kaˇemo da je orijentiran od P prema Q. → → → − − → − 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 .1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. → Napomena 1. onda c a − → − →. Oˇito je | 0 | = 0.1.1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. Iz a Napomene 1. Tada je c − − → − = OB. 3. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. B ∈ E takve da je OA = − i AB = b .3).2 znamo da takve toˇke A i B postoje i da su jedinstvene. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. z kolinearan je sa svakim vektorom). 11 − → 3.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. tj.

4: Pravilo trokuta i pravilo paralelograma. ♣ B b a+b a b 0 A a+b a b Slika 1. O. c Teorem 1. − → → − → → → → − 3. VEKTORSKI RACUN R a G Slika 1. . − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora).3: Motivacija za definiciju zbrajanja vektora. i oznaˇavamo ga s → 0 . Q ∈ E vrijedi P Q = P O + OQ. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − .12 ˇ POGLAVLJE 1. a c a c → − → → → − → a a a 2.3 Za bilo koje tri toˇke P. → a =−a → − → → → − a a 4. − → − → − → Napomena 1. − + b = b + − (komutativnost). (− + b ) + − = → + ( b + − ) (asocijativnost). Vektor a zovemo suprotni vektor vektora a c − → −.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1.

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

za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . a a a − → 3. onda. Elemente od skupa V zovemo vektori. b ∈ V je a + b ∈ V . postoji pravac a a . 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. Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. a a → − 4. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). 1 · − = → (postojanje jedinice). uz pretpostavku − = 0 . Neka je dan polupravac (zraka) s poˇetkom u O.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. c Vratimo se sada Definiciji 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). a suprotnu orijentaciju a − za λ < 0.5 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. VEKTORSKI RACUN → 3.2. Primjetimo da se u Definiciji 1. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara).5 nigdje ne govori o geometrijskim veliˇinama.1 i Teorema 1. 3.4 i pokuˇajmo definirati kolinearnost u drugim s terminima. → od vektora a Teorem 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. za sve a. − → → → → − Ako su vektori − i b kolinearni. koji ima istu orijentaciju kao vektor − za λ > 0.14 ˇ POGLAVLJE 1.♣ a a Definicija 1. λ(µ→) = (λµ)− (homogenost). operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. a a → → → 2. 2.

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

. λ2 . Vektori − . λ2 . . . → ∈ → → − 0 i bar jedan od skalara λ1 . → s koeficijentima λ1 . Q = O.7 Iz Definicije 1. − .. − ∈ XO (E). Vektori a1 a2 c an XO koji nisu lineano zavisni su linearno nezavisni . − .2... λ1 .. . λn .6 Sliˇno definiramo vektorski prostor XO (M ) = {OP : P ∈ M } c − → za ravninu M i vektorski prostor XO (p) = {OP : P ∈ p} za pravac p. − . λn ∈ R... → ∈ XO (E) kaˇemo da su linearno zava1 a2 an z → → → an a2 a1 isni ako postoje skalari λ1 . .16 ˇ POGLAVLJE 1. Napomena 1. VEKTORSKI RACUN E P 0 Slika 1. − . λ2 . z c Napomena 1.5).. − ∈ XO su linearno nezavisni ako i samo ako iz λ1 − + − → → − an a2 λ2 → + · · · + λn − = 0 slijedi da su λ1 = λ2 = · · · λn = 0.6 izravno slijedi: → → → → a1 a1 a2 an 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 − .6 Za vektore − .5 Uzmemo li neku drugu toˇku Q ∈ E. a a1 a2 an → − − Definicija 1. . .7: Radij-vektori u X0 (E).. − → Napomena 1. → → → Neka su sada − .. − . λn je razliˇit od nule..1 i Teorema 1. . .. .. Stoga je skup XO (E) vektorski prostor prostora E pridruˇen toˇki O (Definicija 1... λn ∈ R takvi da je λ1 − + λ2 − + · · · + λn − = − → − ... onda je XQ (E) c vektorski prostor prostora E pridruˇen toˇki Q ustvari translacija vektorskog z c − → prostora XO (E) za vektor OQ..... Kaˇe se joˇ da → → − kombinacija vektora a1 a2 an z s → → → → je vektor − rastavljen u linearnu kombinaciju od − .... λ2 . Vidjeli smo da operacije zbrajanja vektora i moˇenja vektora skalarom zadoz voljavaju svojstva iz Teorema 1.. . ... →.

pa z z slijedi da su oni linearno nezavisni. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. taj rastav je jedinstven.♣ → a s Jednostavna posljedica Teorema 1. ♣ Tvrdnja Teorema 1. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini. jer se nalazimo na pravcu. .. c − → → a 4.. b i − tri linearno nezavisna vektora iz XO (E). Ako imamo dva vektora − . Stoviˇe. Stoviˇe.8 Neka su →. → ∈ XO linearno zavisni. takav rastav je jedinstven. →..7. b ∈ XO (E). − i − . . onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.1. onda su oni linearno zavisni ako i samo ako su kolinearni.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. Teorem 1. VEKTORSKI PROSTOR XO (E).3 Bilo koja dva vektora iz XO (p) su linearno zavisna. z → − − 3.. → ∈ XO (E) jednak nul veka1 a2 an toru.♣ . onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. e1 e2 e3 z Tada su oni linearno nezavisni.2.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. LINEARNA KOMBINACIJA VEKTORA17 → − − 2. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.♣ → → → ˇ s a b c Iz Teorema 1.. b bilo koja dva linearno nezavisna vektora iz XO (M ).3 slijedi iz Napomene 1.3 je jasna. → → − Teorem 1. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .4 Ako su − . c − → − Napomena 1. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − . Ako je barem jedan od vektora − . on se ne moˇe izraziti kao njihova linearna konbinacija. onda su ti vektori linearno zavisni.5 Ako su − . Ako su − . → → − → Teorem 1. →..

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

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

... 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. .. . To svojstvo baze od X0 (E) zovemo potpunost. Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. (ax . y2 . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni. λay . VEKTORSKI RACUN 1. n. n. Kako ta baza ima c n n vektora... . n}. Zelimo uvesti i mnoˇenje vektora. λaz ).. .. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu... Skup svih takvih n-torki oznaˇavat ´emo sa Rn . xn ) : xi ∈ R za i = 1. az + bz ). kaˇemo da je R n-dimenzionalni realni vektorski prostor. xn ) gdje su xi ∈ R za i = 1. Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. x2 . (y1 ... λ(ax . yn ) = (x1 + y1 .. λ(x1 . xn ) + (y1 . 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 ... ay + by .. ...1 i Teorema 1. by .. xn + yn ).. 0. 0. z 1.. Moˇe se pokazati da skup od n vektora −i = (0. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |). U tu svrhu moramo na odgovaraju´i naˇin definirati c c . ....20 ˇ POGLAVLJE 1. ... 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). . Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R ... yn ) ∈ Rn i λ ∈ R definiramo: (x1 . ay ... . x2 . Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza..5 Skalarni produkt ˇ Vektori su generalizacija brojeva..3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E). Dakle Rn = {(x1 . U toˇki 1.. . az ) = (λax . c c Za (x1 . y2 .. λx2 . . x2 . x2 .. λxn ). az ) + (bx . x2 .. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. ako su sila i put kolinearni.. i = 1. xn ) = (λx1 . . ay .. bz ) = (ax + bx . . xn ). 1.2... 2. x2 + y2 ... ˇini bazu u R . .

j . − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. Svaka tri vektora − → → → (− . onda je → · b = 0. i ) je druga takva baza). → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj. Skalarni produkt vektora − . novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. → → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. − − − → → → Pogledajmo sada jediniˇne vektore ( i .1 vidimo da su vektori i . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b .8: Uz definiciju skalarnog produkta. rezultat produkta vektora c − → mora biti skalar. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. j . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). Primijetimo da ( i . Iz Tablice 1. Osim toga. pa kaˇemo da je ( i . j . Kako je rad skalarna veliˇina.5. (Uzimamo 0 ≤ ϕ ≤ π.8 Neka su − = 0 i b = 0 . k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E). SKALARNI PRODUKT 21 produkt dvaju vektora. b . ( k . k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani).) Ako je barem jedan od vektora → i b → − − nul vektor. s − → → − → → − − → → Definicija 1.1. j . j .3). a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. a c c . k ) − − − → → → nije jedina takva baza (npr.

c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ).22 · → − i → − j → − k ˇ POGLAVLJE 1. VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1. a −b b ϕ a Slika 1.9: Raˇunanje skalarnog produkta.1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje. a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− .

. b ∈ V i sve λ. a a → − → → − − a a c 3.10. a onda f zovemo linearni funkcional. yn ) ∈ Rn . xn ). z z → → − → − → − → → 2.9 Neka su V i W realni vektorski prostori. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |.1. ako je vektorski prostor W = R. . → → x y Teorem 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . − → a b Napomena 1. 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 . x2 . Posebno. − = (y1 . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .. a c a c c → → → − → − 2.6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. µ ∈ R. (λ− ) · b = λ(− · b ) (homogenost). a x y z Ova se formula za duˇinu vektora. slaˇe s Napomenom 1. y2 . .. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . tj. Definicija 1. tj.♣ − → → → → 1.. f : V −→ W kaˇemo da je linearni operator ako vrijedi z − → − → → → f (λ− + µ b ) = λf (− ) + µf ( b ) a a − → → za sve − . (− + b ) · − = − · → + b · → (aditivnost). Za preslikavanje (funkciju) sa V u W . → · b = b · − (simetriˇnost). → → Neka su − = (x1 .. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. . + xn yn ..5...11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije.

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

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

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

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

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

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

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

Tada je |− × b | = 0. Tada je |→ × − | = 0. c c z Teorem 1. − → → → − → − → → 2. Zbog − · − = |→||− | cos ϕ. Neka su sada oba vektora razliˇita od nul vektora. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. a c → i → kolinearni.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 . kao saˇeti zapis. → × ( b + − ) = − × b + − × − . a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju).♣ Primijetimo da tvrdnje Teorema 1. pa desna strana formule za duljinu vektora − × b iˇˇezava. a → − → → → → − → − → − Obratno. pa je cos2 ϕ = 1. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. tj. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . Dakle a − → − i b su kolinearni. − → − → |a a sc a b → − → → − pa i − × b = 0 .6. c Dokaz: − → → Ako je barem jedan od vektora − . a a a Napomena 1.♣ → a . imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). i ϕ = 0 ili ϕ = π. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . Po pretpostavci je |→| = 0 i | b | = 0.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. → → → − → → − (a b c a c b c − − → → − → 3.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. ϕ = 0 ili ϕ = π. Kako je − · b = |→|| b | cos ϕ. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . neka je − × b = 0 .8. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). → × b = −( b × − ) a a (antikomutativnost). b nul vektor. jer je nul vektor kolinearan sa svakim vektorom.1.

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

− × b ) desni (op´enito nepravokutni) koordinatni sustav. to je − → → → → − (O. j . − . Tada je − − → → − → → → − → → − − → − − ( i × i ) × j = 0 . i . a a c − → − → − → Pogledajmo slijede´e svojstvo ortonormirane baze ( i .13: Kutna brzina. dok je s druge strane i × ( i × j ) = − j tj.8. k ) koje ´e nam c c biti koristno pri raˇunanju. k ). vektore ortonormirane baze ( i . Vektorski produkt je koristan pri matematiˇkom opisivanju veliˇina kao ˇto je c c s − → → kutna brzina. Sa Slike 1. VEKTORSKI PRODUKT 33 → − → − → − Kako je (O. Uzmimo npr. b . − − → → − → − → − − → → ( i × i ) × j = i × ( i × j ). c × − → i − → j − → k − → − → i j → − → − 0 k − − → → -k 0 − → − → j -i − → k − → -j − → i − → 0 Tablica 1.13 vidimo da je → = − × − . k ). ω r v v ω 0 r Slika 1. j . k ) desni koordinatni sustav (pravokutni i normirani).15 Primijetimo jednu bitnu stvar: vektorsko mnoˇenje nije aso− → − → − → cijativno.2: Vektorsko mnoˇenje vektora ortonormirane baze z z Napomena 1. j . j . pravila za vektorsko mnoˇenje te gornju tablicu) z z .1. pravila za skalarno mnoˇenje. Lako se moˇe dokazati (iskoristimo mogu´nost prikaza vektora u ortonormiranoj bazi z c − − → → → − ( i .

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

jer je a a c → − − → |→ · b | = |− || cos ϕ|.17 Za vektore − . − komplanarni po Napomeni 1. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. − ∈ XO (E). b .ˇ 1. b . − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.14: Mjeˇoviti produkt triju vektora. jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. vektorsko mnoˇenje i mjeˇoviti z z s produkt. z → − − − a c Napomena 1. kako je a c → − − → → − − → − · ( b × c ) = 0. b .9. − . a a − → → − → − − → − 2. pa tvrdnja slijedi a c iz svojstava determinante 3. onda − → − Obratno.16 Vektori →. |→ × b | je povrˇina paralelograma razapetog s → i b .♣.16 oni su linearno zavisni. Tada je: → → → a b c → − → − → − − → 1. − → − i samo ako su a b c − → → → Ako su − . Pretpostavimo zato da su − = 0 . → − → − → → → → Napomena 1. Tada.11 Za vektore − . No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c . − . pa kako je − okomit na b × − . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . s → → − → Definicija 1. gdje je |→| baza. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . a a . b = 0 i → = 0 .6. b .4 i 5 iz toˇke 1. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b . zakljuˇujemo da su vektori → i b × c okomiti. c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. → komplanarni. MJESOVITI PRODUKT 35 bx c a c b Slika 1. a | b | sin ϕ visina paralelograma.

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

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

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

B = tB i C = tC. − n 4. Ako je A = 0. Ako je B = 0. jer je (0. → → Ax = 0 i vektor n n i 5. pa imamo tvrdnju. Dakle → → r i j n i j n i j → − − → − i n kolinearni. onda pravac prolazi kroz ishodiˇte. n n 2. y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . Odatle je A = tA i → → su vektori n n B = tB. onda je pravac paralelan s osi x. ako postoji t ∈ R takav da je A = tA. − n → 3. C −A −B . jer je toˇka (0. Ako je C = 0. Oˇito 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.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. jer je tada vektor − oblika n − → →=Ai. z → 2. onda je pravac paralelan s osi y. postoji t ∈ R takav da je n = t− . jer je tada vektor − oblika n − → →=Bj. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.1. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. onda je pravac os x. tj. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . znaˇi z c da prolaze kroz istu toˇku (x0 .2. jer je (0. onda je pravac os y. c Obratno. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− .♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Ako je A = C = 0. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac.1. Ako je B = C = 0. nepotpune obc z like): 1. y0 ) i da je za svaku drugu toˇku (x. Dobijemo z B A x + −C y = 1.

onda je y = b. b) i (a. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca. z 2. c c y b a 0 x Slika 2.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). imamo A x a + y b = 1. c c tj. a ako je y = 0.1. z z Uoˇimo sljede´e: ako je x = 0. z .40 ˇ POGLAVLJE 2.2: Segmentni oblik jednadˇbe pravca. 0). Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.3: Kanonski oblik jednadˇbe pravca. pravac prolazi kroz toˇke (0. onda je x = a. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z p s=mi+nj P1 = (x 1.y 1 ) Slika 2.

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

42 ˇ POGLAVLJE 2. c 2. ANALITICKA GEOMETRIJA pravca imamo da je jednadˇba pravca kroz dvije toˇke z c x−x1 x2 −x1 = y−y1 y2 −y1 ili y= y2 −y1 (x x2 −x1 − x1 ) + y 1 .5: Eksplicitni oblik jednadˇbe pravca. c c dobivamo jednadˇbu pravca kroz jednu toˇku s koeficijentom smjera: z c y − y1 = k(x − x1 ). Veliˇinu k zovemo koeficijent smjera pravca p. y − y1 = k(x − x1 ). Uvode´i oznaku k = m . dobivamo eksplicitni oblik jednadˇbe pravca: z y = kx + l. znamo z n toˇku kroz koju prolazi) uz pretpostavku da je m = 0.1. Pravac kroz jednu toˇku s koeficijentom smjera c Neka je zadan pravac p u ravnini svojom kanonskom jednadˇbom (tj. Uvedemo li oznaku l = −kx1 .5 Eksplicitni oblik Neka je zadan pravac p u ravnini jednadˇbom kroz jednu toˇku i koeficijentom z c smjera. z . Tada je y = kx − kx1 + y1 . y l ϕ 0 x Slika 2.

Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. 1]. n c y q n θ P0 x r P p 0 Slika 2. b ∈ [−1. odnosno z → → r n x cos ψ + y sin ψ = d . → → r n Jednadˇbu − · − = d. P = (x. imamo k = tg ϕ. Povucimo sada kroz O pravac q okomit na p.1. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. l). pa tada postoje ψ. π] takvi da je a = cos ψ − i b = cos φ. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. tj. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.5). pravac prolazi toˇkom (0. PRAVAC U RAVNINI Napomena 2. c − → − → → pa imamo − = cos ψ i + sin ψ j .6: Normirani oblik jednadˇbe pravca. s vektorom i ). Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. tj. a2 + b2 = 1.2. 2.3 Za x = 0 imamo y = l tj. n Kako je tg ϕ = m . Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. c c s − → − → → d = |OP0 |.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). Neka je − = a i + b j jediniˇni vektor na pravcu q. n − → → Toˇka P = (x. c 43 n ˇ Uzeli smo da je k = m .1. y) leˇi na pravcu p ako i samo ako je z − · − = d. φ ∈ [0. z Jasno je da su a. tj.

po Napomeni 2. z Ako je pravac u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0.1 Odnosi toˇaka i pravaca u ravnini c Kut dvaju pravaca. Pretpostavimo da je c x cos ψ + y sin ψ − d = 0 njegov normirani oblik. tC = −d. −sign C · A2 + B 2 Dakle normirani oblik jednadˇbe pravca z Ax + By + C = 0 glasi Ax+By+C √ −sign C A2 +B 2 = 0. Stoga je t= 1 √ . ANALITICKA GEOMETRIJA zovemo normirani oblik jednadˇbe pravca. Iz prve dvije jednakosti kvadriranjem i zbrajanjem slijedi t = ±√ A2 1 . Paralelnost i okomitost Odredimo kut dvaju pravaca u ovisnosti o obliku jednadˇbe kojom su zadani. postavlja se pitanje kako prona´i njegov normirani oblik. dakle mora biti tA = cos ψ.2.2 2. tB = sin ψ.44 ˇ POGLAVLJE 2.1 mora postojati t ∈ R takav da bude tAx + tBy + tC = x cos ψ + y sin ψ − d za sve x i y. + B2 a iz tre´e jednakosti zbog d > 0 nalazimo da je c sign t = −sign C (tj. z . 2. predznak od t je jednak suprotnom predznaku od C).

5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 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 = . tj. 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 . Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . → → kolinearni.4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . A2 B2 → → Napomena 2.ˇ 2. . ako i samo ako je A1 A2 + B1 B2 = 0.2. → n i j 45 Definicija 2. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 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 .

tj.46 b) Kanonski oblik: ˇ POGLAVLJE 2.3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. . − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 . ako i samo ako postoji λ ∈ R takav da je − = λ− . → → Napomena 2. m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . ako i samo ako je m1 m2 + n1 n2 = 0. s1 s2 odnosno ako i samo ako je n1 m1 = . s1 s2 tj. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni.7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. m2 n2 → → Napomena 2. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = .

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

tj. sa suprotne strane od ishodiˇta) jer je tada n s .2.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . tj.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . c Definicija 2. odnosno ako i samo ako je 1 + k1 k2 = 0. y0 ) i pravac p u ravnini.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. ako i samo ako je ϕ1 = ϕ2 .1. ANALITICKA GEOMETRIJA Napomena 2. odnosno ako i samo ako je k1 = k2 .48 ˇ POGLAVLJE 2. Neka je pravac p dan u c c normiranom obliku. Zanima nas udaljenost c toˇke P0 od pravca p. 2 ako i samo ako je tg ϕ = ∞.5. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .7). x cos ψ + y sin ψ = d. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j . tj.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. Napomena 2. s Napomena 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. p) = x0 cos ψ + y0 sin ψ − d. To je ekvivalentno s 1 k1 = − . k2 2. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p.

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

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

poklapaju se. c 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. 3. zovimo je S = (xs . paralelni su. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.8: Mogu´i poloˇaji pravaca u ravnini. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . tj. ys ). c z U sluˇaju da se sijeku u jednoj toˇki.ˇ 2. xs = .2.2. Npr. sijeku se u jednoj toˇki. identiˇni su. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. 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 1.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0.

p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . p) = x0 cos ψ + y0 sin ψ − d. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . onda su p1 i p2 paralelni. 2.52 i ˇ POGLAVLJE 2.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. . otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . p) i δ(B. ako su p1 i p2 paralelni.11 Ako je A 1 B1 A 2 B2 = 0. Osim udaljenosti.2. p) suprotnog predznaka. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. onda je A 1 B1 A 2 B2 = 0. p)|. Vrijedi i obrat. Napomena 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 .4).2. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .

jer ako su sve tri jednake nuli. s c Neka se sada. Oznaˇimo c c c ju sa S = (xs .2. Tada p3 mora prolaziti kroz S.11 presjeciˇte ili ne postoji ili ih ima beskonaˇno mnogo. c A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 A3 x + B3 y + C3 = 0. p3 u ravnini u op´em obliku.4 vektori → → −1 = A1 − + B1 − . tj. tj.ˇ 2. A 3 B3 A2 B2 A3 B3 mora biti razliˇita od nule.2.5 Uvjet presijecanja triju pravaca u istoj toˇki c Neka su dana tri pravca p1 . onda prema Napomeni c 2. bez smanjenja op´enitosti. A2 B2 A 1 B1 . . → n i j → → −2 = A2 − + B2 − . tj. ˇ Sto moˇemo iz ovoga zakljuˇiti? z c Kako se nalazimo u ravnini. → n i j − → −3 = A3 → + B3 − → n i j su linearno zavisni. mora pripadati sveˇnju z pravaca odredenom s p1 i p2 . p3 sjekli u jednoj toˇki barem jedna od determinanata c A1 B1 . Dokaˇimo da je i z C3 = αC1 + βC2 . ys ). ODNOSI TOCAKA I PRAVACA U RAVNINI 53 2. p1 i p2 sijeku u jednoj toˇki. Traˇimo uvjet za postojanje toˇno jednog presjeciˇta. p2 . → −1 → n n n Dakle imamo A3 = αA1 + βA2 B3 = αB1 + βB2 . p2 . z c s Da bi se p1 . postoje α. po Teoremu 1. β ∈ R takvi da je −3 = α→ + β −2 .

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

Neka c z s −→ → → − − radij-vektor toˇke P .3.3. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. y. z) = (x0 + ta.9: Pravac u prostoru.3. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.3 2.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . 2. . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . Tada imamo P0 P = − − − .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. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . y0 + tb. PRAVAC U PROSTORU 55 2. y.2. → − → r r0 s p ts P0 r 0 s r0 Slika 2. y0 . z0 + tc). c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. → → → a i + b j + c k .2).

y = y0 + tb. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. ANALITICKA GEOMETRIJA x = x0 + ta.56 Jednadˇbe z ˇ POGLAVLJE 2. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . y0 . b. j i k dobivamo kanonske jednadˇbe pravca. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − .3.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . c) odnosno a.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . c su koeficijenti smjera pravca p. z s Napomena 2. Kako su vektori baze linearno nezavisni. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 .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. Prema s z Napomeni 1. pravac p prolazi toˇkom (x0 . vektor smjera pravca p je dan s (a. . z Napomena 2. b. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . z c s 2. z0 ) i 2.

s 2.3.2. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . tj. z Znamo iz toˇke 2. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. b. β.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. b. −| |s Dakle koeficijenti smjera a. →| |s c cos γ = → . b. c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . π] takvi da je a cos α = − .5 znamo da postoje kosinusi smjera vektora − .3. → − → → r r1 r2 r1 . c s → Iz toˇke 1. onda znamo da je vektor → s a b c 1 → s0 = − − = − . c) je dana s x y z = = . i njihov omjer daje koeficijent smjera (toˇka 2. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. γ ∈ [0. odnosno postoje c s0 α. PRAVAC U PROSTORU 57 → Posebno. − . Uzmimo sada npr. Sada imamo da je → = P1 P2 = → − →. pa odreduje isti pravac.1. jedan kosinus smjera prelazi u sinus. z1 ) i P2 = (x2 . − →| s →| |→| |→| |s |s s s − jediniˇni. →| |s b cos β = − . z2 ) u prostoru.3. − → z definirajmo s P c s − je vektor smjera pravca p. s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 .5 i toˇka 2. onda ima dva kosinusa smjera.3. c c Tada kroz njh prolazi jedinstveni pravac p.6). c). pa iz toˇke − − s r2 c s r2 r1 c 2.1. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. Odredimo njegovu jednadˇbu.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . y2 . Zbog komplec mentarnosti. istog smjera i orijentacije kao i →. y1 . 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.

c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. c c c odnosno. z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke.58 ˇ POGLAVLJE 2. uz oznake m = a c i m1 = − a z0 . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . y = y1 + t(y2 − y1 ). z0 ) s vektorom smjera − = (a.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. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. z c y2 −y1 2 −z 2.3. c x = mz + m1 . iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 .10: Pravac kroz dvije toˇke u prostoru. b. z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). c c c . Analogno.

11: Pravac zadan dvjema projekcijama.3. y0 . Dakle. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.3. vrijedi x−m1 m = y−n1 n = z. + n2 + 1 cos γ = √ m2 1 . uz oznake n = b c b i n1 = − c z0 . 59 y = nz + n1 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku.6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 . Napomena 2. Tada za svaki izbor a. + n2 + 1 2. z y=nz+n 1 x =mz+m 1 y 0 x (m .3 slijedi da su kosinusi smjera vektora smjera iz c kanonske jednadˇbe z x − m1 y − n1 = =z m n dani s cos α = √ m2 m .3. + n2 + 1 cos β = √ m2 n .2. b.14 Iz toˇke 2. PRAVAC U PROSTORU odnosno.n ) 1 1 Slika 2. z b c .

s z Imamo → = 1 (− + − ).7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .3. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . tj. y2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . y1 . r2 r1 →=− + − → ρ r1 n m → → → − + n −. . z2 ) u prostoru.12: Dijeljenje duˇine u zadanom omjeru. z1 ) i B = (x2 . z → c radij vektor toˇke B.60 ˇ POGLAVLJE 2.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. m ∈ N. my1 +ny2 . AC : CB = m : n. mz1 +nz2 ). m+n m+n m+n Napomena 2. 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. . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . ANALITICKA GEOMETRIJA 2. 2 2 2 . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC.

y. γ kutovi c → zatvara s pozitivnim smjerovima osi x. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. onda je p = 0.4 2.13: Normalni oblik jednadˇbe ravnine. Neka je −0 = OP0 c c n p −→ − (tj. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. P0 d r π n0 0 M Slika 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . RAVNINA U PROSTORU 61 2. ako Π prolazi kroz ishodiˇte (tj. → → r n . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj.3 ). z → z → Drugim rjeˇima toˇka P ∈ E s radij-vektorom − leˇi u Π ako i samo ako − c c r r zadovoljava jednadˇbu z → · −0 = p.2. s vektorima baze −0 ˇto ih n s − − − → → → i . β. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p.4. toˇku O). → n Posebno. j . a vektor z −0 zovemo normala ravnine Π. z redom (tj.4. → → radij-vektora r n c P . k iz toˇke 1. Povucimo okomicu iz toˇke O na ravninu Π. → 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.

jer je duljina okomice do Π jednaka p). z). r n Napomena 2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. udaljenost ravnine Π od ravnine Π . iz normalne jednadˇbe ravnine imamo. y. C ∈ Π. Imamo neˇto analogno otklonu iz toˇke 2. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π.62 ˇ POGLAVLJE 2. Nadalje. B = (0. c Neka je M = (x1 .17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. 0). y1 . neka su toˇke A = (a. z − − → OA · → = p. redom. c). b. kako su A. Kako je d. duljina okomice c do Π ´e biti p + d (za neki d ∈ R. z1 ) ∈ E proizvoljna.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. y. Kao i kod pravca (toˇka 2. u stvari. toˇke u kojima Π sijeˇe koordinatne osi x. 2. n − → → OC · −0 = p.16 Ako toˇka P ∈ E ima koordinate (x. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je. 0). ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 .2. Za toˇke s druge strane bit ´e n c c d < 0. n .2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. a c kako M leˇi u Π .2. 0. Napomena 2.2. c c Sada.4. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). C = c (0. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. 0. → ako je M s one strane Π na koju pokazuje −0 . z. n0 − − → → OB · −0 = p. B.

a cos α = p. p p p cos α = . z = − C x − B y − D . RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. Odatle.4. c cos γ = p. z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ).4. Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0.2. 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. cos γ = . y0 . Bez smanjenja op´enitosti. b cos β = p. . z 2. c C C Tada postoji toˇka (x0 . tj. B. z Dakle. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0).14: Segmentni oblik jednadˇbe ravnine. cos β = .

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

tj. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv.17. B.19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. istog su smjera n n → c n i orijentacije. RAVNINA U PROSTORU predznaka od D.1). Ako je C = 0. B. Stoga ´emo i vektor − zvati vektor normale.2. R → → Vektor normale −0 je normirani vektor − = (A. B. R cos γ = C . 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. Napomena 2. Dakle imamo cos α = 65 A . s → 2. c onda je A B D z =− x− y− . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Tada je.4.18) i koeficijent razmjernosti je A2 + B 2 + C 2 .20 Neka je dana toˇka M = (x1 . C). Π) = |Ax1 +By1 +Cz1 +D| √ . b1 = − B i c1 = − D . s c A2 +B 2 +C 2 Napomena 2. 0. R cos β = B . po c Napomeni 2. pa imamo cos γ = 0. nepotpune obc z like): c c z 1.4. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. tj. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. onda su koordinate A. onda normala − = (A. k ). z1 ) ∈ E. ravnina prolazi kroz ishodiˇte. c . 0) nema komponentu u smjeru n − → osi z (tj. y1 . pa odreduju istu ravninu. C C C A z Oznaˇimo a1 = − C . onda je oˇito da O = (0. Ako je D = 0.

z → − a vektore − i → vektori smjera. onda normala − = (A. ravnina prolazi kroz ishodiˇte s a prema 3. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. ravnina je paralelna A s koordinatnom ravninom Oyz. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. imamo samo tri nezavisna. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P . A. 0. Ako je B = C = 0. s1 s2 .66 z ˇ POGLAVLJE 2. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. Imamo Ax + D = 0. odnosno x = − D . ravnina je paralelna s koordinatnom ravninom Oyz. C i D. Ako je B = C = D = 0. − i − su komplanarni). C koji je razliˇit od nule. z → 3. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − . Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. 4.4 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.4. B. Varijable u i v zovemo parametri. 0) ima komponentu samo u n smjeru osi x. B.16: Ravnine u posebnim poloˇajima. onda prema 1. c Od ˇetiri parametra. z c c 2.

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

ako i samo ako su P0 P . vektori s1 s2 −→ → − − − → P0 P .68 ˇ POGLAVLJE 2. − . P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . → komplanarni. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . Po Napomeni 1. P2 = (x2 . 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. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni.5 2. s1 . y3 . Kako toˇke P1 .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 (uzmemo npr.4.4. P2 . 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 . P3 = (x3 . 2.5. z2 ). P2 . y1 .16. z1 ). Kao i u toˇki 2. z3 ) u c prostoru takve da ne leˇe na istom pravcu. P1 P3 komplanarni. Po Napomeni 1.4. ANALITICKA GEOMETRIJA −→ → − − odnosno. Dakle.16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. P1 P2 . y2 . P2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P3 ne leˇe na istom pravcu. 2. toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi).

Ravnine se ne sijeku. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. C1 ) n → i −2 = (A2 . C2 ).5. 3. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . odnosno ako → → kolinearni. 2. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. B2 . −1 → Napomena 2. Ravnine se sijeku u jednom i samo jednom pravcu. 69 −1 Definicija 2.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. Teorem 2. tj. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . ako i samo ako je −1 · −2 = 0.2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . Ravnine se podudaraju. tj. B1 . ♣ . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . 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 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.

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. Korisno je znati kako iz tog oblika moˇemo do´i do z c kanonskih jednadˇbi. 2. naruˇava se barem jedan od omjera iz Napomene s A1 C1 A 1 B1 i . U tu svrhu treba na´i bar jednu toˇku u presjeku ravnina.   → 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. Konaˇno. Ako ravnine nisu paralelne. onda se one moraju sje´i. A3 x + B3 y + C3 z + D3 = 0.2 Presjeciˇte triju ravnina s Neka su dane tri ravnine Π1 . i njihov c presjek je pravac. To znaˇi da je bar jedna od determinanata c A2 C2 A 2 B2 B1 C1 A 1 B1 razliˇita od nule. z c c Kako ravnine nisu paralelne. drugi sluˇaj imamo ako c c c c C1 vrijedi barem jedna od nejednakosti A1 = B1 . odredenosti radi. 0 .   A1 B1 A2 B2  D1 A1 D2 A2 A1 B1 A2 B2    . Ako je joˇ i A2 = B1 = C1 = D1 . da je c = 0. onda z s A1 B2 C2 D2 se ravnine podudaraju.5. Njene su koordinate c B1 D1   B2 D2 T0 =  . Uzmimo. B1 = C2 . Dakle pravac u prostoru moˇemo zadati i parom jednadˇbi z z dviju neparalelnih ravnina. C1 = A1 .70 ˇ POGLAVLJE 2. imamo tre´i sluˇaj. ako ravnine A2 B2 B2 C2 A2 nisu paralelne. p n n i − → − → C2 A1 ) j + (A1 B2 − A2 B1 ) k . Sada imamo sve elemente (koordinate toˇke T0 i c → komponete vektora − ) za formiranje kanonskih jednadˇbi pravca p. p z 2.23. Π2 i Π3 s jednadˇbama z A1 x + B1 y + C1 z + D1 = 0. tj. A2 x + B2 y + C2 z + D2 = 0. . ANALITICKA GEOMETRIJA Prvi sluˇaj se deˇava ako je A1 = B1 = C1 = D1 . Proporcionalnost prvih triju c s A2 B2 C2 D2 koeficijenata izraˇava paralelnost ravnina.

b.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. c) i − = (A. b. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . tj. c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. toˇka 2. z Definicija 2.4. ∆ . → → s n . y.5. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. z nepoznanice). ∆. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 .7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a.5. Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . s jedna toˇka.2. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. 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. onda je presjeciˇte jedinstveno (tj.5) i koordinate su mu c c ∆x ∆y ∆z ∆. paralelne su). 2. B. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . 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. C).

C) onda je kut c s n 2 izmedu p i Π jednak ϕ. Uvrˇtavanjem jednadˇbi pravca u op´i oblik jednadˇbe ravnine dobijemo jeds z c z nadˇbu za tre´u koordinatu toˇke presjeciˇta. c) i − = (A.72 ˇ POGLAVLJE 2. tj. − Am1 +Bn1 +D . odnosno ako → − kolinearni. Am + Bn + C y = nz + n1 Sada vra´anjem u gornje jednadˇbe dobijemo da je toˇka presjeka c z c − Amm1 +Bmn1 +Dm + m1 .26 Pravac p i ravnina Π ´e biti paralelni ako i samo ako su − i c s − okomiti. imamo da je sinus kuta izmedu p i Π dan izrazom 2 sin ϕ = √ aA+bB+cC √ . i ravnina Π s Ax + By + Cz + D = 0.25 Pravac p i ravnina Π su okomiti ako i samo ako su → i − s n − = λ→. 2. ako i samo ako postoji λ ∈ R takav da je n s i samo ako vrijedi A : a = B : b = C : c.5. z c c s z0 = − Am1 + Bn1 + D . tj. tj. b. − Anm1 +Bnn1 +Dn + n1 . 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. odnosno ako i samo ako vrijedi → → → n s n aA + bB + cC = 0. → Napomena 2. ako je π − ϕ kut izmedu − = (a.4 Presjeciˇte pravca i ravnine s Neka je pravac p u prostoru dan s x = mz + m1 . B. → → s n Kako je kosinus kuta izmedu − = (a. a2 +b2 +c2 A2 +B 2 +C 2 − → Napomena 2. b. c) i − = (A. B. ANALITICKA GEOMETRIJA → → Znaˇi. ako i samo ako je − · − = 0. Am+Bn+C Am+Bn+C Am+Bn+C .

Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . z1 − c Ax1Aa+Bb+Cc+D . z z .27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli.5. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. tj. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. 2. z = z1 + ct. 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 . tj. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0.28 Ako ne postoji takav t koji je konaˇan. Ax1 + By1 + Cz1 + D . Aa + Bb + Cc Napomena 2. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.5. y = y1 + bt. ako nema konaˇnog z koji je rjeˇenje.2. y0 . a druga je uvjet paralelnosti pravca i ravnine. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. y1 − b Ax1Aa+Bb+Cc+D . z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini.

→ → Znamo da je kosinus kuta izmedu − i − jednak s1 s2 →·− − → s1 s2 cos ϕ = − − = |→||→| s1 s2 a1 a2 + b1 b2 + c1 c2 a2 1 + b2 + c2 1 1 a2 + b2 + c2 2 2 2 . c c c 2. c 2. y2 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). c2 ). Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. Definicija 2. . z1 ) odnosno c → → P2 = (x2 .5. ANALITICKA GEOMETRIJA Teorem 2. Pravac je sadrˇan u ravnini.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 . → → s1 s2 p 2 p 1 Slika 2. b1 .2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . s1 s2 redom. onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). Pravac i ravnina se sijeku u samo jednoj toˇki.74 ˇ POGLAVLJE 2. z2 ) s vektorima smjera − = (a1 . 3. c1 ) odnosno − = (a2 . b2 . Pravac i ravnina se ne sijeku.18: Mimosmjerni pravci.♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). y1 . Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.

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

i c z to homogeni. b1 . a1 b1 c1 0 a2 b2 c2 0 . z2 ) i vektori → = (a1 . y2 . 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 . y1 . y2 . Neka je to z ravnina Ax + By + Cz + D = 0. D su nepoznanice). Toˇnije. C. ANALITICKA GEOMETRIJA Sada lagano dobijemo da su koordinate toˇke presjeka dane s c 1 −n ( mm1 −m1 m . C. onda moraju leˇati u istoj ravnini. toˇke leˇe u toj ravnini. On ima netrivijalno rjeˇenje ako i samo ako mu je determinanta s jednaka nuli. a vektori → i s2 z c c z su paralelni s njom. Nadimo sada uvjet da pravci p1 i p2 leˇe u z istoj ravnini. To nam daje uvjete na A. z2 ) s pripadaju´im vektorima smjera − = (a1 . c1 ) i → = (a2 . b1 . c2 ). iz Napomene s1 s2 2.27 imamo Aa1 + Bb1 + Cc1 = 0 Aa2 + Bb2 + Cc2 = 0. D. odnosno x1 y1 z1 1 x2 y2 z2 1 = 0. b1 . z1 ) i P2 = (x2 . z1 ) i P2 = (x2 . B. c1 ) odnosno c s1 − = (a2 . Dobili smo sustav od ˇetiri linearne jednadˇbe (A.76 ˇ POGLAVLJE 2. z2 ) leˇe u ravnini. Kako P1 = (x1 . y2 . y1 . c2 ) paralelni sa ravninom. − To znaˇi da i toˇke P1 = (x1 . B. a2 b2 c2 Jasno je da ako se p1 i p2 sijeku. n1 −n1 ). c1 ) c c s1 − = (a2 . 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 = = . nnn−n1 n . b2 . c2 ) leˇe u toj ravnini. y1 . b2 . imamo z Ax1 + By1 + Cz1 + D = 0 Ax2 + By2 + Cz2 + D = 0. → − Kako su − = (a1 . z1 ) odnosno → P2 = (x2 . b2 .

ˇetvrti sluˇaj. Pravci su mimosmjerni.6 na gornju determinantu (tj. Pozabavimo se sluˇajem mimosmjernih pravaca. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. z 3. Ako su sva tri redka proporcionalna. ne leˇe u istoj ravnini. z Moˇe se desiti da su oni paralelni. Prema Napomeni 2. z 2. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. 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 . Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. imamo isti pravac. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni).♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule.2. pa nema presjeciˇta.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. iz toˇke 1. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. c =0 . Pravci se podudaraju. i 6. Pravci leˇe u istoj ravnini i ne sijeku se. 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 = 0.5. Teorem 2.29. tj. z c 4.

c2 ). . ANALITICKA GEOMETRIJA 2. Dakle. a2 b2 c2 Definicija 2. b2 . z1 ) → odnosno P2 = (x2 . a2 b2 c2 a2 b2 c2 . kako p1 leˇi u Π i Π je paralelna sa p2 . y2 .22. 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 = = . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni). Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. z2 ) s pripadaju´im vektorima smjera − = (a1 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . Iz s1 s2 Napomene 2. c1 ) i − = (a2 .9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. c1 ) c s1 − = (a2 . .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . imamo da Π prolazi z → → kroz P1 = (x1 . b1 .78 ˇ POGLAVLJE 2. y1 . c2 ). z1 ) i paralelna je sa − = (a1 . p1 leˇi u ravnini). b2 . 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 = 0.5. b1 . = 0. y1 .

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

.

y.1. U primjeru iz toˇke 1. z i c z u. y.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 . z z Npr.1 3.6 smo vidjeli da je kod uvodenja pojma determinante c dobra ideja tretirati sve koeficijente (brojeve uz x. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   .Poglavlje 3 Matrice i linearni sustavi 3. Ako bismo uspjeli razviti raˇun takvih objekata. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x. onda bismo mogli c sustav linearnih jednadˇbi gledati kao linearnu jednadˇbu u jednoj nepoznanici. z i u) kao jedinstveni objekt (matricu).

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

n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan.1.2 Osnovni pojmovi Definicija 3.  . . a13 a23 . a12 a22 . . an1 an2 · · · ann .1.. .. . . Ako je m = n. . element c aij se nalazi na presjeku i-tog redka i j-tog stupca.   . . tj. . . am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. . . .1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3).. A= . drugi se mijenja od 1 do n). Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. . n i=1. ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   .. k = 1.1 Neka su m i n prirodni brojevi. . .. m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan. Brojevi akj . .ˇ ˇ 3..♠ Brojevi aik . Realni brojevi sloˇeni u matricu su njeni z elementi. z    A=         a11 a21 . .j=1 ili samo A = [aij ]. OSNOVE MATRICNOG RACUNA 83 3. prvi se mijenja od 1 do m).. k = 1. Npr. Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. drugi je redni broj stupca na ˇijem se presjeku nalazi taj element. Primjer 3. Neka je A matrica kao gore. . · · · a1n · · · a2n .

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

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

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

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

Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. Iako jednostavna. itd.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. AT = −Aa i A = As + Aa . n. To nam z name´e sljede´u definiciju. B ∈ Mmn . geometriji. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. 2. ♣ c s a 3.. Tako bismo za matrice A = [aij ]. B... Takoder.. (A + B)T = AT + B T za sve A. nema podlogu u fizici.88 POGLAVLJE 3. a za Aa vrijedi AT = −Aa . Dakle imamo tvrdnju. MATRICE I LINEARNI SUSTAVI 1. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. .1. gdje su elementi od C dani s cij = aij bij za i = 1. . gdje za As vrijedi AT = As . c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. Definicije 3. Oˇito je tako definirana matrica C ∈ Mmn . (AT )T = A za sve A ∈ Mmn . (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R.. Napomena 3. 2 Oˇito je AT = As .5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .. m i j = 1.4. 3.3 i Definicije 3. Produkt A·B takvih matrica .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ).

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

gdje su A. 3. c Posebno vrijedi A · In = In · A = A. A. 4. 2.3 (Svojstva mnoˇenja matrica) Za sve matrice A. 1 0 1 1 · 0 1 0 0 = 0 1 0 1 . za n = 2 imamo 0 1 0 0 a s druge strane. gdje je A ∈ Mmn . Im ∈ Mmm i In ∈ Mnn (In i Im su jediniˇne matrice).90 POGLAVLJE 3. A · 0np = 0mp . 5. Dakle mnoˇenje matrica je op´enito nekomutativno. gdje je α ∈ R. 0pm · A = 0pn . . C takve da z promatrani produkti postoje vrijedi: 1. Im · A = A. A · In = A. za A ∈ Mnn . · 1 0 1 1 = 1 1 0 0 . 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). B ∈ Mnn takoder op´enito vrijedi A · B = B · A. α(A · D) = (αA) · D = A · (αD). B. gdje je A ∈ Mmn . A ∈ Mmn i D ∈ Mnp . B ∈ Mmn . z c Teorem 3. tj. gdje su A ∈ Mmn . za n = m = p. c jer npr. B ∈ Mnp i C ∈ Mpq . C ∈ Mpm i D ∈ Mnq . (A · B) · C = A · (B · C) (asocijativnost). gdje je A ∈ Mmn .

0.6. Izaberimo dva redka.3..5 Podmatrice i blok matrice Neka je A ∈ Mmn . Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. bm ]T poznata matrica desnih strana i z x = [x1 . b = [b1 . Primjer 3. Sloˇimo li ih u (2 × 2) matricu. . npr. dobivamo podmatricu z matrice A.1. 3.ˇ ˇ 3.1. dobijemo podmatricu z 3 4 0 3 matrice A. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3. prvi i tre´i. c .4.. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A.♠ Ako su izabrani redci i stupci uzastopni. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.. c drugi i tre´i. 4.6 Neka je  2 3 4 1   A =  −1 2 1 3  .. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 3.. xn ]T nepoznata matrica. svaka linearna z jednadˇba ide u svoj redak). i dva stupca npr. ♣ 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 ). .. Sloˇimo li ih u (r ×s) matricu. 1 0 3 0  Neka je r = s = 2. takvu podmatricu zovemo blok. 3.

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

1. c. U toˇki 3.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. b. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. 1. tj.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . Npr.1. postoji broj koji pomnoˇen s a daje 1.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu.6 Regularne matrice. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .1. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. c Napomena 3. U skupu R vrijedi: ako je a · b = 0. Teorema 3. OSNOVE MATRICNOG RACUNA 93 3. Npr. dakle ne postoji izbor brojeva a. c c c Iz svojstva 5.ˇ ˇ 3. c 2. neka je dana matrica c 0 1 1 0 . tj. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . onda je barem jedan od a ili b jednak nuli.

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

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

linearne zavisnosti/nezavisnosti. Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. Iz Napomene 3.. njene z c n redke. .5).10 slijedi da je L(− . Oznaˇavamo ga → → → → a1 an a1 an c − . onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A).. . − ) podprostor od Rm .... Podprostor razapet vektorima a1 an − ..11 Neka su − .. 2..7 Rang matrice.9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. → → s L( a1 an → → → → an a1 L(− .5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn .. matrice iz M1n . To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije... Sliˇno..11 Oˇito je da je c − − L(→. . a1 an Napomena 3.. →) ⊆ Rm . − ).. i 3. Definicija 3. moˇemo promatrati kao vektore u vektorskom prostoru Rm ... . Elementarne transformacije Neka je A = [aij ] ∈ Mmn . vrijede svojstva 1. a1 an . . Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. a1 an → → i izravno iz Definicije 3. MATRICE I LINEARNI SUSTAVI 3.96 POGLAVLJE 3.5 izravno slijedi da je r(A) = r(AT ). . tj..5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A.♣ Kako je po Teoremu 3. Iskaˇimo sada jedan bitan rezultat.5) i neka je L neki podskup od V . + λn − : λ1 ... z Teorem 3.1. Definicija 3.... moˇemo promatrati kao vektore u R . − ) = {λ1 − + . . − ∈ Rm . → → Definicija 3. − je skup svih linearnih kombinacija vektora − .10 Neka je V vektorski prostor (Definicija 1. skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).. − . . iz Definicije 1.... matrice iz Mm1 ..6 znamo da stupce. λn ∈ R}.

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

   Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Pitanje je.. Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. Dakle.. Nadalje. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. akk za k ≤ min(m. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 ..6 s     B=    1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 2 5 8 0 0 3 6 9 0 0 4 7 0 0 0     . . bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. na aij za i < j.98 POGLAVLJE 3.. MATRICE I LINEARNI SUSTAVI 3. tj. na aij za i = k + 1.. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). .  . 2.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .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    .. c c r(In ) = n) i matrice koja izgleda kao i matrica B.. Mnoˇenje redka (stupca) skalarom λ = 0. z 3. j = 2. Primjer 3. na aij za j < i ima nule. Neka je dana B ∈ M5. na pozicijama a11 . . jer svaki skup koji sadrˇi nul vektor je linearno z zavisan.♠ Iz Primjera 3. Zamjena dvaju redaka (stupaca). Dakle. ima nule. n) ima jedinice. k... iz Teorema 3. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1.5 imamo da je r(B) = 3.

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

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

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

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

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

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

2. u v u v − → dakle → + − ∈ N (A). Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A).8 i Napomene 3. x x − → Oˇito je 0 ∈ N (A). dakle dokaˇimo da za proizvoljne c z − .18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . A− = b i A− = b . c Svojstva iz Teorema 1. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b .3. Dokaz: Oˇito je N (A) ⊆ Rn . Treba provjeriti da N (A) ima svojstva iz Definicije 1. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.2 su oˇito zadovoljena. c 3. gdje je λ ∈ R proizvoljan.22 N (A) je podprostor od Rn .20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).5. tj. Tada je. tj.1 i Teorema 1.2. → ∈ 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). c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .♣ s c z s x → Iz Teorema 3.3 Homogeni sustavi → Iz Napomene 3.♣ . u u Dakle je N (A) vektorski podprostor od Rn . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . c Napomena 3.

Tvrdnja Teorema 3. N (A) = { 0 }.9 II. Onda. y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. s Dokaz: (Dokazujemo samo tvrdnju II. z s . ut rjeˇenja homogenog sustava c s − = − . kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. iz jedinstvenosti zakljuˇujemo da je − = 0 . Tvrdnja Teorema 3.23 Primijetimo: → 1. ..♣ Napomena 3. Teorem 3. tj. Po Teoremu 3. Kako je iz Teorema 3. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.106 POGLAVLJE 3. onda je i njihova linearna kombinacija rjeˇenje tog sustava. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . → → → → Ax a y y 2. MATRICE I LINEARNI SUSTAVI Iz Napomene 3.) − → → − → − Ako je matrica A sustava A− = b regularna. gdje je − ∈ N (A).9 I. rjeˇenje je x s u s jedinstveno.. svako rjeˇenje je oblika − 0 + 0 .8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9 I. → → → → u u y y − → → II. tj.. prema Teoremu 3. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A).8 je matrica A regularna.9. 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)).22 zakljuˇujemo da ako su u1 . → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. onda po Teoremu 3. s x → − → → Obrnuto. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m).

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

.. + µn − n .. MATRICE I LINEARNI SUSTAVI − 0 = [c1 ...... ..1. + µn − n . cn ]T je rjeˇenje sustava A− = c s x − → b. Broj dimR(A) smo zvali rang od A. izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). iz Teorema 3. µn proizvoljni parametri.♣ c Napomena 3. cn postoje → − jedinstveni c1 .. .3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.. cr koji su dani s A−1 β (c) = [c1 .. . ....10 I. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . Teorem 3.... − − → u u u pri ˇemu su µr+1 . . → → − II. Brojevi cr+1 . a broj dimN (A) defekt od A. Kako je (− r+1 .10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.9. dok brojevi c1 ... cn su slobodni prametri.. cr ]T . c .. → → Teorem 3.11 Ako je (− r+1 .11 izravno slijedi iz Teorema 3. .. − n ) baza s x u u u − → − = b oblika → od N (A). − = [c1 . .. i obratno. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 ..7 odnosno toˇki 3.. dimR(A) + dimN (A) = n..108 koje je oblika POGLAVLJE 3.. r(A) = dimR(A) = n. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . . .♣ Iz Teorema 3. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A). cr ]T ).. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica... . µn proizvoljni parametri...24 Tvrdnja Teorema 3.2. tj.. cr .. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . ... − u u u pri ˇemu su µr+1 . . 0 U toˇki 3.8 II... → x → → Dakle. cr+1 ..

A −→ det A. na aij za j < i ima nule..5 Determinanta.. na aij za i = k + 1. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A... akk za k ≤ min(m. .. tj. posebno dizajnirane. Q1 · Q2 · · · Qq · b ] = [A .. metode mogu pokazati brˇima (manja im je sloˇenost).. b ] dobili matricu [A . tj... n) ima jedinice. s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.1. imamo postupak Gaussovih eliminacija. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A.2. Qq .. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A. . k. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj. b ]. a ostale pozicije su ”nebitne”). Ovaj se postupak moˇe primiz jeniti na sve matrice. b ] mnoˇili s lijeva elementarnim matricama Q1 .. uz male modifikacije je numeriˇki stabilan. ima nule. − → mi smo zapravo matricu [A.. . lagano moˇemo oˇitati rjeˇenje). b p . na aij za i < j. . j = 2. 3.... za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). z Za neke se posebne matrice druge. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . m ima nule. Radimo li to elementarnim transformacijama samo nad redcima. b ] (gdje je matrica A takva da na pozicijama a11 . 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 .6. . Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama.2.3. sloˇenost mu je c z 3 ∼ n (tj. LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab . .

. Determinanta matrice reda n > 3 se definira induktivno. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 .25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 .. n..6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. u stvari skup R). . odnosno n det A = k=1 (−1)k−1 a1k det A1k . Tada za A ∈ M1 oblika A = [a] definiramo det A = a. .. Tada se det A definira sa det A = a11 det A11 − a12 det A12 + . c1 c2 a1 a2 b1 b2 . Napomena 3. oznaˇimo s A1k . matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca.. 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 . Za A ∈ Mn . k = 1. + (−1)n−1 a1n det A1n . Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . n > 3.110 POGLAVLJE 3. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. MATRICE I LINEARNI SUSTAVI U toˇki 1.

Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . . onda je det A = a11 a22 · · · ann . n ≥ 2. determinanta mijenja predznak. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. n ≥ 2.7. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn .3. c 4. Svojstva determinante su: 1. onda sc je det A = 0. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Ako je A ∈ Mn trokutasta (gornja ili donja). 2. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. je razvoj determinante po prvom redku. 3. pravilo za c raˇunanje inverza matrice). Neka je A ∈ Mn dijagonalna matrica. det(Qij A) = − det A. onda je det A = 0. Posebno je c det In = 1.2.1.

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

i+1 (naravno.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. B ∈ Mn vrijedi det(AB) = det A · det B. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.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 .26 Ako je A ∈ Mn regularna. tj. Radimo sve analogno sve do zadnjeg elementa na dijagonali. z Teorem 3.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. Ako to nije mogu´e. ♣ Iz Teorema 3. onda je det A = 0. Teorem 3.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.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. Teorem 3. ♣ . c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . det A−1 = 0 i vrijedi det A−1 = (det A)−1 .i+1 = 0). Teorem 3. onda pomo´u tre´eg pravila dovodimo iz preostalih n−i redaka i n−i stupaca c c element razliˇit od nule na poziciju ai+1. ♣ Napomena 3.3. Dakle oˇito je det A = 0.12 Za proizvoljne matrice A. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. ai+1. itd.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Dokaz: Iz Teorema 3.2. ♣ U Teoremu 3.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku. LINEARNI SUSTAVI 113 ispod njega.

(−1)k+i det Aki . Definicija 3.♣ Iz Napomene 3. Analogno ide dokaz za stupce. tj. c Napomena 3. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.16 imamo da je 1 kof (A) · A = In . onda je det A = 0.13 prethodni zbroj jednak det A. Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. k) stoji kofaktor elementa aki matrice A. onda je po Teoremu 3.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i.114 Veliˇinu c POGLAVLJE 3.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . ♣ Napomena 3. onda iz Teorema 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki.26 smo vidjeli da ako je A ∈ Mn regularna. ako je i = j. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje.♣ . Inaˇe je zbroj det A. Promatramo zbroj n (−1)j+k aik det Ajk . tj.28 U Napomeni 3. Vrijedi i obrat.27 izravno slijedi: Teorem 3. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . det A Dokaz: Ako je det A = 0. c c Dokaz: Neka su uzeti i-ti i j-ti redak. Kofaktor matrice A oznaˇavamo s kof (A). det A Dakle A je regularna i A−1 = kof (A) det A . k=1 Oˇito.

D D pri ˇemu je D = det A. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. n.3.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . k = 1. A je regularna ako i samo ako je det A = 0. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . Takvu x x funkciju zovemo linearni operator. Definicija 3. xn = .♣ a 3.3. . . .. Rjeˇenje je dano s − = A−1 b . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.3 3. onda takav linearni x y operator zovemo linearnim funkcionalom. Za svaki vektor → iz vektorskog prostora x n − → R = Mn1 definiran je vektor A→ (kao produkt matrica A i − ) iz vektorskog x x m ˇ prostora R = Mm1 . − → → Iz Teorema 3.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. → ∈ Rn .. Ako je matrica A regularna.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.16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. → x Teorem 3. za sve λ.. a Dk . . iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .3. Stoviˇe.1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Rm = R. . → ∈ Rn . onda je rjeˇenje z s tog sustava dano s x1 = D1 . µ ∈ R i sve − . . µ ∈ R i sve − . Ako je m = 1. D x2 = D2 Dn . s x Sljede´i teorem nam daje joˇ jedan naˇin raˇunanja rjeˇenja linearnog sustava c s c c s − = − od n jednadˇbi s n nepoznanica uz uvjet da je matrica koeficijenata → → Ax b z A regularna.26 i Napomene 3.

30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori.♣ . µ ∈ R i sve →. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori. Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). Dokaˇimo da je i F + G linearni z operator. Dokaˇimo da vrijede i prva dva. 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 (− ). − ∈ Rn . Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.5. Iz Definicije 3. x x Napomena 3. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. tvrdnja slijedi. dakle zadovoljavaju tre´e svojstvo Definic cije 1.1 i Teorema 1. 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.5. − ∈ Rn . x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ). 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. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ. µ ∈ R i sve →. tj.116 POGLAVLJE 3.2.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . MATRICE I LINEARNI SUSTAVI Napomena 3.

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

31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x.10 Pogledajmo sljede´e primjere: c 1. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. tj. y). y. Tada je po Teoremu 3. vrijedi dimN (F ) + dimR(F ) = n. Primjer 3.118 POGLAVLJE 3. Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). y. Kako su F i F ustvari isti linearni oper− → − → atori. Njegova je matrica dana s 1 0 0 0 1 0 .18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . MATRICE I LINEARNI SUSTAVI Napomena 3. tj. F ∈ Mn ). Napomena 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . c H =GF . Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Sada nas zanima kada su ti vektori kolinearni. Dakle dimenziju slike linearnog s operatora takoder zovemo rang. iz toˇke 3.32 i Teorema 3. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. a defekt jedan. Iz Napomene 3.2. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Njegova je matrica dana s 1 0 0 . z . vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. Neka je F : Rn −→ Rm proizvoljan linearni operator.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica.3. Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R .10 izravno slijedi teorem o rangu i defektu za linearni operator. − → → → Nadalje. c 2. a defekt dva. Oˇito je rang od p1 jednak jedan (jer je slika x-os). z) = x. odnosno dimN (F ) = dimN (F ). z) = (x.♠ c 3. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .

→ → Svojstva iz Teorema 1. x x x x → Dakle za svaki µ ∈ R. Nadalje neka su − . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3.3.2 oˇito zadovoljava.33 Primijetimo: → 1. neka je µ ∈ R µ = 0 proizvoljan. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora.1 i Teorema 1. µ = 0. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . → → 2. 2. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor.17 Neka je A ∈ Mn . Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. A− 0 = x x − 0 . − ∈ S(λ0 ). c x y tj.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . tj. x y x y x y . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). Nadalje. Izravno iz Definicije 3. ♣ Napomena 3. da c z s zadovoljava uvjete Definicije 1. Napomena 3. Dokaz: 1.17. − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn .5. Dokaz: Oˇito je S(λ0 ) podskup od Rn . y y → → Dokaˇimo da je − + − ∈ S(λ0 ). Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . tj. 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 .3. Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ).

svojstveni vektor koji pripada c x x → svojstvenoj vrijednosti λ0 ako i samo ako je − 0 netrivijalno rjeˇenje homogenog x s sustava → → − (A − λ0 In )− = 0 . x − → − → Dakle.♣ x Neka je A ∈ Mn i λ0 svojstvena vrijednost od A. Dakle ´e λ ∈ R biti svojstvena vrijednost matrice A ∈ Mn ako i samo ako je c det(A − λIn ) = 0. →0 = 0 . 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 ˇ Stoviˇe. Sada se postavlja pitanje kako odrediti svojstvene vrijednosti i svojstvene vektore prozvoljne matrice iz Mn ? − → − − Ako je λ0 svojstvena vrijednost matrice A ∈ Mn . x x x − pa je µ→ ∈ S(λ0 ). ako i samo ako vrijedi − → → (A − λ0 In )− 0 = 0 . x x tj. MATRICE I LINEARNI SUSTAVI − → pa je → + − ∈ S(λ0 ). . onda je →0 ∈ Rn . zakljuˇujemo da je →0 ∈ Rn . Imamo z s x x → → → A(µ− ) = µλ0 − = λ0 (µ− ). Dakle imamo tvrdnju. ˇto c s s je ekvivalentno s uvjetom det(A − λIn ) = 0. − 0 = 0 . Tada skup S(λ0 ) zovemo svojstveni podprostor matrice A koji pripada svojstvenoj vrijednosti λ0 .120 POGLAVLJE 3.8 homogeni sustav s x → → − (A − λIn )− = 0 x ´e imati netrivijalno rjeˇenje ako i samo ako je matrica A − λIn singularna. Po Teoremu 3. x x svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 ako i samo ako je → → A − 0 = λ0 − 0 . x y → → Dokaˇimo joˇ da je za proizvoljni − ∈ S(λ0 ) i proizvoljni µ ∈ R µ− ∈ S(λ0 ).

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

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

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

Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .12 vidimo da ne moˇemo svaku matricu dijagonalizirati.. . s Teorem 3. c Teorem 3. λn . tj.. MATRICE I LINEARNI SUSTAVI Iz Primjera 3.. .34 znamo da je skup S(λ0 ) potprostor od Rn .21 Neka je A ∈ Mn simetriˇna. . c c Teorem 3. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λn . Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn . a odgovaraju´i se svojstveni vektori podudaraju.23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Dakle 0 nije svojstvena vrijednost. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .... z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. Obratno.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. ona se u nizu c nultoˇaka λ1 . . Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti... Sada....♣ c .5) znamo da z z KA (λ) ima n nultoˇaka λ1 . nultoˇka od KA (λ).. λ−1 .♣ Napomena 3. Ipak. Tada iz Napomene 3.24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. λn od KA (λ) zovemo algebarska kratnost od λ0 . Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0.. c Kako je KA (λ) polinom n-tog stupnja. 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. dijagonalna. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . ako je λ0 svojstvena vrijednost od A ∈ Mn . c Napomena 3. λn od KA (λ) pojavljuje barem jednom. Ako je A joˇ simetriˇna onda iz Teorema 3. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). A je regularna. ..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. tj. ♣ Teorem 3.124 POGLAVLJE 3. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. iz osnovnog teorema algebre (Teorem 5..

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

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

Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. q 3 . c c c Prema Teoremu 4. jer je log |q| < 0. dakle ili q −→ ∞. . U suprotnom. znamo da neˇto postoji. tj. NIZOVI REALNIH BROJEVA 133 Teorem 4. za svaki n ∈ N.. q. q 2 .4.. pa je lim an = 0. niz 1. ε). Teorem 4.♣ Teorem 4.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 .♣ c z s Napomena 4.3 imamo |q | −→ ∞. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . vrijedi lim inf an = lim sup an ∈ R.1. ˇto ne moˇe biti jer je G gomiliˇte. . Tada je n 1 |q| < 1. postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova.6 Monoton. c c . ili u ˇirem smislu. c Napomena 4. q. Pogledajmo prvo sluˇaj |q| < 1. Kako je (an ) monoton. n−→∞ Dokaz: Iz toˇke 4.6 je tipiˇni teorem egzistencije. no ne c s znamo koliko je i kako to na´i. G > G .6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . c Dokaz: Neka je (an ) monoton i ograniˇen. Imamo log ε n> . ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. To je ekvivalentno s |q| < ε. dakle divergentan. ograniˇen niz je konvergentan. Logaritmiranjem se dobije n log |q| < log ε. log |q| Dakle svi ˇlanovi niza 1.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1.4 dovoljno je promatrati niz s a1 = 1. i ako npr. niz (an ) s konvergentan. tj. tj. pa prema prethodnom niz n n −→ 0. on moˇe imati najviˇe jedno gomiliˇte.. 1 |q n | Neka je sada |q| > 1. Tj.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.1. ako s z s s (an ) ima barem dva gomiliˇta G i G . Dakle imamo samo c c s z s jedno gomiliˇte. Tada po Teoremu 4. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. po Teoremu 4. izraˇunati. Onda je po Napomeni 4.4.. Za |q| < 1 je lim an = 0. (an ) raste. q 2 .2 niz (an ) ima barem jedno c gomiliˇte. dakle divergira ili u uˇem. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. Sada. q 3 .. odrediti.

proizvoljan. λ = 1. n 6. c z 4. teˇe k nuli. 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. ∀r ∈ N). 2. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. .1. Tada vrijedi ∞. Tada vrijedi n−→∞ lim an = 1. Tada n! vrijedi lim an = 0. ako je λ > 1 lim an = n−→∞ 0. Tada vrijedi lim an = 1. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. ako je λ > 0  lim an = 1. Neka je niz (an ) dan formulom an = n n. tj.♣ Teorem 4. 1 n . gdje je λ ∈ R proizvoljan. √ 3. ako je 0 < λ < 1. gdje je λ > 0. Neka je niz (an ) dan formulom an = |λ| . ako je λ = 0. Tada vrijedi   ∞. gdje je λ ∈ R proizvoljan. NIZOVI I REDOVI Teorem 4. gdje je λ > 0 proizvoljan.134 POGLAVLJE 4.7 je najop´enitiji. n−→∞   0. Neka je niz (an ) dan formulom an = λn .7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε. Neka je niz (an ) dan formulom an = nλ . n−→∞ n−→∞ n 4.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Neka je niz (an ) dan formulom an = n λ. ako je λ < 0 √ 5.

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

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

9 ne slijedi obrat Teorema 4. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. tj. n−→∞ odnosno n−→∞ lim an+1 = 0. Definicija 4.8 znamo da red = divergira i da je lim n n−→∞ n 0.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.2.10 Iz Primjera 4. an .♣ 1 1 Napomena 4. Dakle je red Teorem 4.10 Red an apsolutno konvergira ako konvergira red |an |. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.8.♠ dok red 1 n divergira (Primjer 4. onda op´enito red c c c an ne mora konvergirati. tj.8). a red |an | ne konvergira.♠ 2n n−→∞ ∞ Napomena 4.9 op´enito ne vrijedi. S = lim Sn = n−→∞ n=1 an .♣ c Uoˇimo da iz Primjera 4. Nadalje. Primjer 4.8 Ako red apsolutno konvergira. oˇito vrijedi c Sn+1 = Sn + an+1 . Ako red an konvergira. c . onda on konvergira i obiˇno. REDOVI REALNIH BROJEVA za svaki n ∈ N. n 1 (−1)n−1 n uvjetno konvergentan.4. kaˇemo da red z an konvergira uvjetno. c c ako op´i ˇlan niza (an ) konvergira u nulu.

Ako je q = 1.. Nadalje. NIZOVI I REDOVI 4. = a1 q n−1 . Iz Teorema 4. a to divergira za svaki a1 = 0.. imamo Sn − qSn = a1 (1 − q n ). Sn = a1 + a1 q + a1 q 2 + . tj. n−→∞ 1 − q 1−q 1 − qn . c Ako je q = −1.. 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. + a1 q n . tj. zovemo geometrijski red s kvocijentom q. onda je oˇito an = a1 (−1)n−1 . Teorem 4.. pa je Sn = na1 . + a1 q n−1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. vrijedi Sn = a1 za svaki n ∈ N. Ako Sn pomnoˇimo s q dobivamo z qSn = a1 q + a1 q 2 + a1 q 3 + . da geometrijski red a1 q konvergira i da je |q| ≥ 1.. Pogledajmo n-tu parcijalnu sumu. a1 q n−1 = 1−q n=1 Obrnuto. Nadalje kako je c n−→∞ lim an = 0 . Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 . gdje su a1 . onda je oˇito an = a1 . Pretpostavimo suprotno. c Pretpostavimo da je a1 = 0 i |q| < 1. tj.138 POGLAVLJE 4.2 Geometrijski red Red oblika a1 + a1 q + a1 q 2 + .5 imamo da je lim Sn = a1 lim a1 1 − qn = . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 ..2. q ∈ R proizvoljni. 1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.

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 m ∈ N. Red oblika an xn . Oˇito je za x = 0 svaki red potencija konvergentan. onda red an konvergira. Ako postoji λ ∈ R. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. . Dakle imamo an0 +1 ≤ λan0 . an0 +3 ≤ λan0 +2 ≤ λ3 an0 . an0 +m ≤ λm an0 .18 Neka je 0 < λ < 1.2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. . onda konTeorem 4. c Teorem 4. Dakle. Neka je an = n! . Neka je an = 1.. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.13 1. gdje je x ∈ R proizvoljan. za svaki n ∈ N.146 POGLAVLJE 4.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . i n0 ∈ N takav da je an+1 ≤ λ. red an0 + an0 +1 + .. an za svaki n ≥ n0 . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . i suma mu je 1−x . . 0 < λ < 1. zovemo red potencija. an za svaki n ≥ n0 . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. 1 2.♣ Primjer 4. .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1.3. . Tada iz Teorema 4. Ako red n an x0 divergira. Dokaz: Neka su λ ∈ R.♠ 1 xn−1 (n−1)! 4. za svaki n ∈ N.

8 znamo da on konvergira.3. c Primjer 4.14 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. Ako postoji λ ∈ R.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. divergira za l > 1. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .♣ Napomena 4.4.16 imamo da i red an0 + an0 +1 + .♣ .3..17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. Ako postoji limes c an+1 = l. Neka je dan red vrijedi 1 .8 znamo da on = 1. konvergira. c 0 < λ < 1. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1. 4. Neka je dan red divergira. imamo da red c an konvergira. ali vrijedi 1 . n−→∞ an lim onda red an konvergira 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.9 konvergira. n Tada iz Primjera 4. n2 Tada iz Primjera 4. 1 n+1 lim n−→∞ 1 n 2.3 Cauchyev kriterij Teorem 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. an konvergira. Sada iz Napomene 4. onda red an ≤ λ.19 Neka je an red s pozitivnim ˇlanovima..

148 POGLAVLJE 4. tj. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.20 Neka je an xn red potencija. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. Ako postoji lim sup n |an | i lim sup n |an | = 0.1.♠ c s Cauchyev kriterij je jaˇi. .19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. NIZOVI I REDOVI Napomena 4.20 zovemo radijus konvergencije reda potencija a n xn . z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). a iz toˇke 4. (an ) niz u R i x ∈ R prozvoljan.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. c Teorem 4.14 za red odnosno red n znamo da divergira odnosno konvergira.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ. a ne moˇemo niˇta z s zakljuˇiti za l = 1.15 Analogno kao i u Primjeru 4. onda red an konvergira za l < 1. divergira za l > 1. Ako postoji limes c n−→∞ lim √ n an = l. a divergira za sve x ∈ R za koje je |x| > ρ. c 1 Primjer 4.

a divergira za |x| > 1.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. konvergira za Pogledajmo sada ako je |x| = 1. c sin n.). Ako je x = −1. KRITERIJI KONVERGENCIJE Primjer 4. iz Primjera 4. Neka je dan red potencija lim sup n 149 1 n x .8 znamo 1 1 da red konvergira.3.16 1.4.20 red potencija |x| < 1. Po Teoremu 4. Po Teoremu 4. dakle i apsolutno konvergira red (−1)n . n2 1 n x n2 dakle je ρ = 1. (−1)n . a divergira za |x| > 1. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).20 red potencija |x| < 1. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. Teorem 4. n Tada je 1 = lim n−→∞ n n 1 = 1. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. 4. onda iz Primjera 4. Iz n2 n2 1 Teorema 4. ali smo u Primjeru 4.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.3. konvergira za Pogledajmo sada ako je |x| = 1. dok za x = 1 red n 1 divergira. n 1 n x n dakle je ρ = 1. Ako je x = 1 onda. problem se pojavljuje ako ih je beskonaˇno mnogo (npr.8 imamo da konvergira i red (−1)n .♠ n2 Teoremu 4. itd. n 2.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. Neka je dan red potencija lim sup n 1 n x . Tada imamo sljede´i kriterij (Leibnic c zov): . a divergira za |x| > ρ (ako lim sup n |an | postoji). tg n.

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

21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.4.3. KRITERIJI KONVERGENCIJE Primjer 4.♠ s .17 Iz Teorema 4.

.

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

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

do na toˇnost oˇitavanja.2 Naˇini zadavanja funkcije c Imamo tri osnovna naˇina zadavanja funkcije tj. .Ako imamo grafiˇki opisanu funkciju. prelaˇenje iz jednog oblika u drugi je mogu´e. vrlo je netrivijalan problem. s c .Prednost tabliˇnog zadavanja ili opisivanja funkcije je da je ponekad to c jedini naˇin zadavanja.1.1. Dakako. a mana je da ne znamo vrijednosti funkcije izvan c podruˇja podataka tablice i izmedu vrijednosti u kojima je poznata funkcija. OSNOVNI POJMOVI 155 5. c c . . onda je naˇelno trivijalno dobivanje tablice vrijednosti iste funkcije. komc paktnost. s . Koriste se metode interpolacije. c . preglednost. ako znamo formulu funkcije. tj.Problem pronalaˇenja formule funkcije na osnovi poznavanja njenog grafa z je sliˇan problemu pronalaˇenja formule funkcije pri poznavanju tabliˇnih c z c vrijednosti.Za fukciju zadanu formulom prednost je da znamo sve o funkciji. dok su mane netoˇnost oˇitavanja i nemogu´nost c c c koriˇtenja vrijednosti izvan crtanog podruˇja. itd. grafiˇki i formulom (analitiˇkim izrazom). .Naravno. c c c c . z Dakako. onda su prednosti zornost. naravno ako imamo dovoljan c c broj tabliˇnih vrijednosti. a nakon toga odrediti njene numeriˇke parametre. Kljuˇno je imati dobru ideju o mogu´oj klasi funkcija kojoj naˇa funkcija c c s pripada.5. opisivanja funkcijske ovisnosti: c tabliˇno. svaki od tih naˇina c c c c ima svoje prednosti i mane. ali u nekim sluˇajevima z c c to je vrlo teˇko.Problem da se na osnovi tabliˇnih vrijednosti funkcije dobije formula funkcije c je vrlo netrivijalan. Prvo treba iz oblika grafa pogoditi u koju skupinu spada ta funkcija. c . dok je mana netrivijalnost dolaˇenja do tih informacija.Prijelaz iz grafiˇkog oblika u tabliˇni je lagan.Prelazak iz tabliˇnog oblika u grafiˇki je lagan. aproksimacije.

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

3: Primjer krivulje koja nije graf funkcije.3 zakljuˇujemo: da bi krivulja u ravnini bila graf neke funkcije c nuˇno i dovoljno je da svaki pravac paralelan s osi y sijeˇe krivulju u najviˇe z c s jednoj toˇki. c y x0 0 x Slika 5.2: Graf funkcije f i njegove projekcije na koordinatne osi. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. c kruˇnica u ravnini nije graf niti jedne funkcije.1.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke. ˇto je suprotno s definicijom funkcije. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.5. z s Iz Napomene 5. Napomena 5. Npr. .

Gledamo li graf funkcije f . kaˇemo da je f (strogo) monotona na intervalu I. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. Ti su pojmovi vezani c uz usporedbe vrijednosti. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. toˇke prekida i asimptotsko c c ponaˇanje.1. To. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva.158 POGLAVLJE 5.4 Pojmovi znaˇajni za realne funkcije realne varic jable Pojam funkcije je vrlo op´enit i obuhva´a sve mogu´e vrste ovisnosti jedne veliˇine c c c c o drugoj. 0) ∈ Γ(f ). b ⊆ R sadrˇan u podruˇju definicije funkcije f . odnosno strogo pada na I. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. z c I ⊆ D(f ). pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. bliskost argumenata i sliˇno. x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. podruˇja vrijednosti i nultoˇaka. kaˇemo da funkcija f pada z z na I. tj. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . kaˇemo da je funkcija f strogo raste. ekstremne vrijednosti. Nuliˇte je apscisa nultoˇke. Ako za takve dvije vrijednosti x1 . dakako. c z . ako postoje). realne funkcije realne varijable). ne mora biti nultoˇka funkcije c c (npr. c Osim podruˇja definicije. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). kao ˇto smo rekli. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). za x = 0 je f (0) = 1). 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. f (x) = cos x.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). c s c Napomena 5. intervale z monotosti (tj. tj. c Neka je interval I = a. s Dakle. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). s 5. podruˇja gdje funkcija raste ili pada). toˇke oblika (x0 . tj.

Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. tj. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. D(f ) = R. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. tj. i strogo je rastu´a na svakom intervalu c u R. tj. i strogo je padaju´a na svakom intervalu u R. 0].♠ c Svaki interval oblika x0 − ε. pa i na c cijelom R. . pa i na cijelom R.1. i strogo je monotona na svakom intervalu u R. Posebno. zovemo c okolina toˇke x0 . Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. R(f ) = {x ∈ R : x ≥ 0}. +∞ i strogo padaju´a na svakom intervalu u −∞. pa i na cijelom R. 0 . c 4. c Dakle. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . c 2. tj. tj. 3.1 1. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. dok u 0 nije ni rastu´a ni c c c padaju´a.5. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. D(f ) = R. D(f ) = R. z c Primjer 5. D(f ) = R. i slika su joj svi nenegativni realni brojevi. Posebno. Analogno. +∞ . x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. Posebno. i strogo je monotona na svakom intervalu u R. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. ε > 0. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). funkcija f (x) = 5 je monotona u svakoj toˇki iz R. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. c c strogo padaju´a u svakoj toˇki iz −∞. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε.

Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. 0].5 Uoˇimo.2 1. x0 + ε . Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. 3. +∞ a strogo rastu´a na svakom intervalu u c −∞. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. c Nadalje. onda on ne mora biti i globalni. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0. Analogno. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. Primjer 5. c dakle je i strogi globalni minimum. Dakle f nema lokalnih pa ni globalnih ekstrema. +∞ i strogo padaju´a na svakom interc c valu u −∞. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. pa i na cijelom R.♠ c Napomena 5. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). 2.160 POGLAVLJE 5. 4. 0]. Nadalje. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. u toˇkama iz R \ {0} f nema lokalnih ekstrema. dakle svaki x ∈ R je lokalni maksimum i minimum. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . . Ako su nejednakosti stroge. FUNKCIJE za svaki x ∈ x0 − ε. govorimo o strogom globalnom maksimumu odnosno minimumu. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. ako su nejednakosti stroge. dok je svaki globalni ekstrem i lokalni. pa i globalni maksimum i minimum. dakle je i c strogi globalni maksimum. Dakle. govorimo o strogom lokalnom maksimumu odnosno minimumu. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0.

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

tj. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). f (x) = 0 za svaki x ∈ R.5 -1 -3 -2-2.5 -10 Slika 5. tj. jedan rub je konaˇan a drugi beskonaˇan).♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Primjer 5. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. Npr.5: Primjer parne (lijevo) i neparne (desno) funkcije. Takav je rub c c regularna toˇka. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. 1] −→ R dana formulom f (x) = 1 − x2 . +∞ .5 5 2. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. tj. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . postoji i konaˇan je broj f (−1).5 1 2 3 -5 -7. neka c √ je funkcija f : [−1. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.162 POGLAVLJE 5. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.

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

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

pravac). funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene. dok je u svim drugim toˇkama neprekidna. c 1 Uzmimo ε = 2 . ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ. . b −→ R. 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 ). Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. 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 . x = 0   −1 x < 0 Funkcija f ima prekid u 0.7 Ako funkcija ima asimptotu. Definicija 5.3 kaˇe da je funkcija f : I = a. Definirajmo sada pojam neprekidnosti funkcije. x0 + δ ) ⊆ f (x0 ) − ε.3 Realna funkcija realne varijable f : I = a. Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I. f (x0 ) + ε . Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu.1. Dakle nula je toˇka prekida od f . Kad bi imala dvije asimptote u jednom rubu.5.5 Neka je dana funkcija sign : R −→ R formulom   1. Odnosno. slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Primjer 5. Intuitivno. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). x > 0  sign x = 0. gdje je I ⊆ D(f ). c 165 Napomena 5. z Definicija 5.

Napomena 5. za svaki x ∈ I. za svaki x ∈ I.4 stavimo M = max{|m|. gdje je I ⊆ D(f ). b −→ R neprekidna u toˇki c x0 ∈ I. Napomena 5. onda je funkcija f ograniˇena na nekoj okolini oko x0 .♠ z Definicija 5.10 Ako je funkcija f : I = a. za svaki x ∈ I. M ∈ R c takvi da je m ≤ f (x) ≤ M. tj. funkcija je neprekidna u x0 . b −→ R. b −→ R.166 POGLAVLJE 5.8 Ako u Definiciji 5. Analogo se dokaˇe za x0 < 0. FUNKCIJE y 1 0 x −1 Slika 5. c . M > 0. |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. 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. tj. Ako je x0 > 0.4 Realna funkcija realne varijable f : I = a. Napomena 5.9 Iz Definicije 5.8: Funkcija sign(x). gdje je I ⊆ D(f ). je ograniˇena na I ako postoji realan broj M ∈ R.4. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. iz uvjeta m ≤ f (x) ≤ M. je ograniˇena ili omedena na I ako postoje realni brojevi m. takav da je c |f (x)| ≤ M .

zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). c D(f ± g) = D(f ) ∩ D(g).kvocijent s f g (x) = f (x) . onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. tj. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima. dok je sama vrijednost funkcije f (0) = 0). x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. c c S druge strane. i z kako.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. tj. pri ˇemu je x ∈ D(f ) ∩ D(g). Npr. g(x) . realnim brojevima. OSNOVNI POJMOVI 167 Napomena 5. tj. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. . pri ˇemu je x ∈ D(f ) ∩ D(g). funkcija sign : R −→ R iz Primjera 5. g : R −→ R. definiramo njihov . funkcija f : R −→ R dana c c formulom 1 . c Za zadane dvije funkcije f.5.1. c c 5.11 Ako funkcija ima prekid u toˇki. .1. c D(f g) = D(f ) ∩ D(g).produkt s (f g)(x) = f (x)g(x). tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). x=0 x f (x) = 0.

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

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

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

c c c Napomena 5. Ako funkcija f ima nultoˇke. g : R −→ R dane formulama f (x) = −x2 i g(x) = x znamo da su obje strogo rastu´e na −∞. c . tj.1. funkcija f u njima ima c c vertikalne asimptote. onda je f (x) = f (x) za svaki x ∈ D f .1. Ostale situacije u ovisnosti o c ∈ R svode se na sluˇajeve 2 b). funkcija g f je jednaka pravcu y = 0 na skupu D g f . g g 1 b) Ako je c = 1.14 Oˇito je zbroj dviju rastu´ih funkcija rastu´a funkcija (na podruˇju gdje je zbroj definiran).4). za f. kada se argument x pribliˇava nultoˇki z c g od f funkcija f ´e rasti odnosno padati u +∞ odnosno −∞. f). Pogledajmo funkciju g f u ovisnosti o c ∈ R. OSNOVNI POJMOVI 171 predznaka. 0 ali funkcije c (f g)(x) = −x3 i f (x) = −x g su strogo padaju´e na −∞. tj. Dakle. Uoˇimo prvo c g c c c da funkcija f nema nultoˇke. c). c g) i 3 b). 3. Graf funkcije f g dobijemo tako da zrcalimo graf funkcije (f |g|)(x) = |c|f (x) s obzirom na x os. Nultoˇke od f su rubovi prirodnog c g g podruˇja definicije od f (toˇka 5. Zbroj dviju padaju´ih funkcija je padaju´a funkcija. Na c g 1 ostalim podruˇjima funkcija f ´e rasti s vrijednostima f (x) tamo gdje c c g funkcija f pada i obratno. npr. onda je f (x) = 0 za svaki x ∈ D . gdje funkcija f raste. 0 .5. g f g a) Ako je c = 0. tamo funkcija f pada. onda oˇito g funkcija f u njima nije definirana. . c c c Za ostale operacije ova tvrdnja ne vrijedi.

f g i f g f g sve parne. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.1. g : R −→ R funkcije. Tim se postupkom mogu stvarati nove z funkcije. Matematiˇki se to formalizira pojmom kompozicija funkcija. Ako je jedna funkcija. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). recimo g.4). Definicija 5. FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. neparna a f parna. onda je funkcija f ± g neparna.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)). dok su funkcije f g i f obje neparne. g 5. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija.172 POGLAVLJE 5. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1.12: Kompozicija funkcija. . tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. Neka su f. Ako su obje neparne. c h f A B g C Slika 5. onda su funkcije f ± g. 3. 2. te funkcije f g i obje parne.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. Ako su obje parne. Primjer 5.

5. Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x. Naime. tj.♠ x+1 x+1 173 2x . op´enito. da je. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Tada je oˇito c D(f ) = R(f ).7 Neka je dana funkcija f (x) formulom f (x) = x . 1 . c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . za svaku funkciju g : R −→ R. za tu funkciju vrijedi g ◦ f = f ◦ g = g. 1 Primjer 5. za proizvoljnu funkciju f . Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x). z funkciju f komponirati samu sa sobom. g ◦ f = f ◦ g. U takvom sluˇaju piˇemo f 2 = f ◦ f .15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. OSNOVNI POJMOVI Primjer 5. c Napomena 5. 3x + 1 3x + 1 2x 6x = . . tj. jer je D(id ◦ f ) = D(f ◦ id) = D(f ). 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.16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . Dakle imamo f ◦ id = id ◦ f = f. moˇemo gledati funkciju f ◦ f .1.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = .6 vidimo da operacija kompozicije funkcija nije komutativna.

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

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

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 s Jasno je da ´e nas npr.1.. . x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). tj.♠ z s Definicija 5. Uspjeli smo rijeˇiti problem. Dakle imamo. i obrnuto. 1. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja.6 Funkcija f : A −→ B je injekcija ako za svaki x1 . zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. b : studenti −→ {0. c s Pogledajmo sada obratni problem. Kaˇe se i da z c z f ne lijepi argumente. .♠ Primjer 5. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. To je za neke funkcije mogu´e. tj. moˇe biti viˇe studenata koji su imali nula bodova. FUNKCIJE 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. i joˇ 500 kn za dovoz i odvoz. Primjer 5. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h... a za z c neke nije. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.176 POGLAVLJE 5. Drugim rijeˇima. 12}. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. 200x + 500 = 1300. Ne c c moˇemo rijeˇiti problem. 10 sati rada stroja koˇtati 2500 kn. Nas zanima x(y). Dakle. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. 2.8 Troˇkovi rada stroja su 200 kn/h.

7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. Injektivnost. s c Primjer 5. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . Surjektivnost osigurava c sc c s z postojanje rjeˇenja. 1) i (1. c c Definicija 5.10 Funkcija f (x) = xn . .5.1.8 izraˇunali smo da je x(1300) = 4. tj. za bilo koji c ∈ R.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno).6 c ekvivalentan sljede´em: za x1 . x2 ∈ D(f ). Napomena 5. Napomena 5. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke. je injekcija za neparan n. n ∈ N.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. Definicija 5.♠ Primjer 5. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. a injektivnost njegovu jedinstvenost. f : D(f ) → R(f ) je uvijek surjekcija. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. 1). ali ne i za paran n.11 U Primjeru 5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.

funkcija g : B −→ A je inverzna funkcija funkcije f : A −→ B ako i samo ako vrijedi f ◦ g = g ◦ f = id. .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. c s (f ◦ f −1 )(x) = (f −1 ◦ f )(x) = x f (f −1 (x)) = f −1 (f (x)) = x. x(c) = c − 500 . Dakle. 4 3 2 1 -4 -2 -1 -2 -3 -4 2 4 Slika 5.15: Graf funkcije i njoj inverzne funkcije. Funkciju g oznaˇavamo s g = f −1 i piˇemo g(x) = f −1 (x). 200 POGLAVLJE 5.178 dobivamo formulu za x u terminima c. dobivamo c(x(c)) = 200 x(c(x)) = c − 500 + 500 = c. FUNKCIJE Komponiramo li (uvrstimo) formulu za c(x) i x(c).♠ 200 Definicija 5. 200 (200x − 500) + 500 = x.

+∞ . onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. 0].♠ Napomena 5.1. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. g1 (x) = − x. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. +∞ jesu. Dakle. a strogo c c padaju´e funkcije strogo padaju´a. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ).♣ z c .1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. OSNOVNI POJMOVI 179 Napomena 5. a ona c c je strogo rastu´a funkcija. no njezine restrikcije na −∞. No f ◦ g = id. To je oˇito inverzna funkcija od f . Primjer 5. +∞ −→ [0. 0] i [0. Dakle.20 znamo da f c ima inverznu funkciju g. kad govorimo o inverzima funkcija f : R −→ R. Tada iz Napomene 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. c Primijetimo da ako f nije strogo monotona nego samo monotona. g2 (x) = x. +∞ −→ −∞.0] √ i f |[0. f | −∞.+∞ su bijekcije s inverzima g1 : [0. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. i √ g2 : [0.10).5. Teorem 5.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.20 Ako je funkcija f : R −→ R strogo monotona. Dakle vrijedi f ◦ g = g ◦ f = id. onda je ona oˇito i bijekcija na svoju sliku. pa ima i inverznu funkciju. c c Dokaz: Neka je f : R −→ R strogo rastu´a.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. jer je c f ◦ g = g ◦ f = id.

♠ c Analogno kao u Primjeru 5. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0.2 Inverzna funkcija neparne funkcije je neparna. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). +∞ gdje je bijekcija. +∞ −→ −∞. 0] odnosno . ali nije bijekcija. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.♣ Iz Primjera 5. Tada je njena inverzna funkcija g : [0. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. +∞ . Dakle. praktiˇno izraˇunati. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.180 POGLAVLJE 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). z c Napomena 5. 0] ili [0.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4.12 slijedi da tvrdnju Teorema 5.21 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. f −1 je neparna. jer je f (x) c rastu´a. Pokuˇajmo sada. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞.2 ne moˇemo izre´i za parne funkcije. Primjer 5. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. FUNKCIJE Teorem 5.

ima inverznu funkciju.2 -0. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x.2. c . Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. Restrikcija te funkcije na interval [−1. specijalne funkcije kojima se ovdje ne´emo c baviti.8 0.4 0.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0.4 1 2 Slika 5. tj.16: Graf funkcije f (x) = xex . 5. +∞ −→ [0.2 -3 -2 -1 -0.5. +∞ je bijekcija. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. 0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija.6 0. ˇ Cak i za funkcije koje imaju inverze. c Osim elementarnih postoje i tzv. 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. +∞ dana formulom − n x odnosno n x. Primjer takve funkcije je c x f (x) = xe . Ako je n neparan.

Trigonometrijske .Ostale algebarske funkcije b) Transcendentne .Hiperboliˇke c . za svaki x ∈ R.2. Elementarne a) Algebarske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Eksponencijalne .1 Klasifikacija i podjela realnih funkcija 1. dolazimo do pojma z . k Po definiciji stavljamo x0 = 1.Area 2.2.Racionalne funkcije . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Ciklometrijske .Polinomi . FUNKCIJE 5. xk = x · x · · · x .Logaritamske . mnoˇenih nekim koeficijentima.

Koeficijent an je vode´i. Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. ako su jednaki kao funkcije. a a0 je slobodni koeficijent. . .11 Dva polinoma P i Q su jednaka. + a2 x2 + a1 x + a0 . Definicija 5. Definicija 5. .2. P.17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . c 10 7.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom.5. . .5 5 2.a1 . . Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. tj.5 -3 -2 -1 -2. . Ovdje podrazumijevamo da je an = 0. Dakle je svaki polinom definiran na cijelom skupu R. a0 su koeficijenti polinoma Pn (x). Polinomi su konceptualno najjednostavije funkcije. Realne konstante an . PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma.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 + . P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x).

c c c s naravno. za sve i = 0.: n m Teorem 5. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).. Broj c k zove se red ili kratnost nultoˇke x0 . a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda.01 -0.5 3 Slika 5. c c .. = an = 0.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. 1.02 4 0.01 1. Apscisa nultoˇke je nuliˇte. tj. FUNKCIJE n Teorem 5. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.184 POGLAVLJE 5.5 2 2.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi . c Primjer 5.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.11. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda..♣ 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..14. 0. a ordinata je. . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.02 3 2 0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.. n.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.

ako raste u s c nekoj toˇki.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.2. PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. dok c u nultoˇkama parnog reda nema promjene predznaka. a padaju´a ako je a ≤ 0. za x ≥ 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . onda iz Teorema 6. a prema dolje ako je a < 0. Ako je k paran. Tjeme . po Teoremu c 6.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a . Otvor joj je okrenut prema gore ako je a > 0. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. dok za x > x0 vrijedi (x − x0 )k > 0. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.5. Ako su ove nejednakosti c c stroge. Za a = 0 imamo konstantnu funkciju p(x) = b. onda iz Teorema 6. raste na cijelom R. Ako je k neparan. c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. tj. kaˇemo da je linearna funkcija strogo rastu´a. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije .19: Graf linearne funkcije f (x) = x + 75.8).22 U nultoˇkama neparnog reda polinom mijenja predznak. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x). je polinom drugog stupnja ili kvadratna funkcija. odnosno strogo padaju´a. a = 0.

−D/4a). gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. Zbog neprekidnosti c polinoma na R (Teorem 6. c Napomena 5.♣ c Iz Teorema 5. Nultoˇke kvadratne funkcije dane su formulom c x1. dok za velike negativne x ∈ R oˇito Pn (x) c c poprima velike negativne vrijednosti (ako je an > 0.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka. Teorem 5. parabole ima koordinate (−b/2a. Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. npr.8) graf polinoma mora negdje sje´i x os. FUNKCIJE 1 2 Slika 5. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. tj.2 = √ −b± D . c Dokaz: Za dovoljno velike pozitivne x ∈ R oˇito Pn (x) poprima velike pozitivne vrijednosti (ako c je an > 0.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. inaˇe velike negativne vrijednosti). 2a i realne su ako je D ≥ 0. P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode.20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. inaˇe velike pozitivne).♣ c c . mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x). dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.

i = 1. R(Pn ) = [0.2. c neparna je i ima nultoˇku u (0. Oˇito je D(P1 ) = R(P1 ) = R. onda je P1 (x) = x linearna funkcija. c vrijedi D(Pn ) = R.♠ Dakle... Nadalje.16 Pogledajmo funkciju (polinom) Pn (x) = xn . jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x . c graf joj je centralno simetriˇan s obzirom na ishodiˇte.♠ c . tj. iz Primjera 5. n − 1. tj. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. dakle nije injekcija. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. dakle je bijekcija. onda je oˇito funkcija Pn (x) = xn neparna. c 2. +∞ i ima nultoˇku u (0. tj. strogo raste na [0. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. dakle je bijekcija i ima nultoˇku u (0. Pn (x) strogo raste na R. onda je oˇito funkcija Pn (x) = xn parna. tj.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. 3. Ako je n paran broj.5. graf c joj je zrcalno simetriˇan s obzirom na y os. Primjer 5. Ako je n = 1. pravac y = x. 0). +∞ . 1.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. 0). . kao funkcija an xn . 0). 0]. Ako je n neparan broj. Strogo pada na −∞. P1 (x) strogo raste na R..

25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. dijeljenjem polinoma c izlazimo iz te klase funkcija..3 Racionalne funkcije Oˇito je zbroj. tj. 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. umnoˇak i kompozicija polinoma ponovo polinom. Realne konstante aij .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x.. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. sam sebi je asimptota.2.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. Dakle. n. Za .♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. u tom sluˇaju se situacija komplicira. kako se polinom Pn (x) = i=0 ai xi . j = 1. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. su koeficijenti polinoma Pnm (x). i = 1. . Napomena 5. ali c z kvocijent dvaju polinoma op´enito nije polinom. problem poniˇtavanja je vrlo kompliciran.. . itd. Npr. problem s asimptotike je sloˇeniji.. za velike apsulutne vrijednosti argumenta ponaˇa kao an xn i jer je n > 1 zakljuˇujemo da polinom Pn (x) ne moˇe imati niti horizontalnu s c z n niti kosu asimptotu jer funkcija an x puno brˇe raste ili pada od svakog pravca. z Definicija 5. FUNKCIJE Napomena 5. 5. kvocijente dvaju polinoma nazivamo racionalnim funkcijama.188 POGLAVLJE 5. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli). z n Nadalje.. Naravno.. razlika. Po analogiji s racionalnim c brojevima. m.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. n > 1.

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

U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5.5 1 80 60 40 20 -1 -0. 2. i to na vanjskim rubovima prirodnog podruˇja definicije. kad c argument ide u +∞ i −∞. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 1 x 1 Slika 5. FUNKCIJE 100 75 50 25 -1 -0.22. (lijevo) i pola Napomena 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti.5 0.190 POGLAVLJE 5.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. imamo n n f (x) = Pn (x) = Qm (x) ai x i=0 m i x = n i=0 m ai xi−n .5 -25 -50 -75 -100 0.26). kao i u toˇkama u c kojima se nazivnik poniˇtava. z c Dokaz: Red pola je red nultoˇke nazivnika. dok za polove neparnog z c reda. tj. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). Dakle. Osim vertikalnih.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno). Sada tvrdnja izravno slijedi iz Napomene c 5. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma .26 Ako je pol parnog reda. bi x i=0 i−m bi x i=0 i xm .graf racionalne funkcije moˇe imati asimptote: z 1.

i=0 . onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. Dakle. bm dok prvi pribrojnik. bm x an a) Ako je n < m. xm . gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. b) Ako je n = m. racionalna funkcija nema ni horizontalne ni kose asimptote.2. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m .5. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. Preciznije. an c) Ako je n > m + 1. onda racionalna funkcija ima horizontalnu asimptotu y = c. izraz bm xn−m raste ili an pada brˇe od pravca bm x. PREGLED ELEMENTARNIH FUNKCIJA n m 191 ai x i−n Sada kada argument ide u beskonaˇnost izraz c i=0 odnosno i=0 bi xi−m ide u an odnosno u bm . se pribliˇava broju z bi x i−m am . onda je n − m > 1. tj. odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. bn . c xm ai xi−m i=0 m tj. 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 . tj. d) Ako je n = m + 1. onda je n − m = 1. Racionalna funkcija ima horizontalnu c asimptotu y = 0.

z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. Dakle. Dakle. 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. FUNKCIJE ide u am+1 x. R(f ) = [1. f je parna. +∞ vrijedi f (x) > x. f strogo pada na −∞. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1.192 xm (am+1 x) . m i−m xm bi x i=0 m POGLAVLJE 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). +∞ . +∞ i za svaki x ∈ 0. tj. 0] i za svaki x ∈ −∞. f strogo raste na [0. f (x) = x + x (desno) i njihovih asimptota. bm jer i=0 bi xi−m ide u bm . Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . zrcalno simetriˇna obzirom c c na y os.27 ne mora vrijediti. +∞ . kada argument ide u beskonaˇnost. Oˇito je D(f ) = R. 0 vrijedi f (x) > −x. Napomena 5. dakle nije injekcija.♠ Iz Primjera 5. racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm .18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. . z √ Primjer 5. Nadalje.27 Analogno kao i kod vertikalnih asimptota.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo).

24: Primjer iracionalne funkcije f (x) = iz Primjera 5.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Definirajmo polinom u dvije varijable s P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x. f (x)) = 0. 5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. f (x)) = 0. y) takav da vrijedi P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. f (x)) = 0. c Neka je sada f (x) = funkcija i algebarska. Tada je oˇito P (x. y) = x − y n oˇito je P (x.2. Tada je oˇito P (x. jer u suprotnom ne bi bila funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Napomena 5.19 1. Pn (x)) = 0. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. y) = Pn (x) − y. dakle je svaki polinom algebarska funkcija.2.29 Svaki polinom i racionalna funkcija su algebarske funkcije. Definicija 5. Dokaz: Neka je dan proizvoljni polinom Pn (x). dakle je svaka racionalna c √ Primjer 5.18.5. c . Definirajmo polinom u dvije varijable s P (x. y) = Qm (x)y −Pn (x). √ x2 + 1 i njenih asimptota z Napomena 5.

tj. je D(f ) = R(f ) = R (Primjer 5.1.13). 0 je regularna toˇka (toˇka 5. Dakle.4). pravac y = 0 je horizontalna asimptota funkcije f . z √ 2. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.4). f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .1. Dakle. f strogo raste na R i neomedena je. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. +∞ . Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Kada se argument sve viˇe pribliˇava c s z broju 1. Dakle. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. c 1 3. dok kosu asimptotu ne moˇe imati zbog Napomene 5. +∞ i R(f ) = 0. z tj. Nadalje. Nadalje. Neka je dana algebarska funkcija f formulom f (x) = x.13). dakle nema niti vertikalnu niti horizontalnu asimptotu. koja je bijekcija sa R na R. je D(f ) = R(f ) = [0. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu.♠ 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. ima vertikalnu asimptotu x = 1. c c √ Nadalje. tj.13). Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0.20 1. √ Primjer 5.13).28. +∞ . z 1 4. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. FUNKCIJE 1 2. dakle nema vertikalnu asimptotu. u 1 (toˇka 5. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. +∞ (Primjer 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. Neka je dana algebarska funkcija f formulom f (x) = 3 x.194 POGLAVLJE 5. Neka je dana algebarska funkcija f formulom f (x) = √x−1 . Funkcija f je inverzna funkcija funkcije g(x) = x3 . f (x)) = 0. c c tj. y) = xy n − 1 oˇito je P (x. je D(f ) = 1.

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).

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

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

s [0. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . situacija se poˇinje ponavljati. na kutove iz [0. 0] odnosno na [−2π. 2π]. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). 2 ]. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Analogno se sinus i kosinus s proˇire s [0.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. ako je t ∈ [π. Ako je t ∈ [ π . ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . Dakle za t ∈ [ π . 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). tj. 2π]. a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. 2 ] (tj. onda vrijedi xt = x2π−t i yt = −y2π−t . 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). yt ) na kruˇnici. Nakon ˇto z s s namotamo komad duljine 2π. π]. π ] na [− π . Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . Naravno. Dakle za t ∈ [ 3π . Dakle vrijedi c sin(t + 2kπ) = sin t. Kaˇemo da su sin c z i cos periodiˇke funkcije. Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. onda 2 t nije ˇiljast. Ako je t ∈ [ 2 . Dakle za t ∈ [π. 0). 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). sada moˇemo sinus i kosinus analogno proˇirivati na R. FUNKCIJE sin x 0 cos x x 1 Slika 5. cos(t + 2kπ) = cos t . Sliˇno. z c z π Jasno je da za t ∈ [0. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . z (1. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu.204 1 POGLAVLJE 5. 3π ].

vidimo da je −1 ≤ cos t ≤ 1. 2 Sinus i kosinus u primjenama sluˇe za opis periodiˇkih pojava. a kosinusa obrnuto. Nadalje. −1 ≤ sin t ≤ 1. c amplitude i faze. temperatura kroz godinu.5 -0. k ∈ Z. je period funkcija sin i cos.31: Grafovi funkcija f (x) = sin x (lijevo) i f (x) = cos x (desno). amplituda (polovica razlike izmedu minimuma i maksimuma vrijednosti) im je 1. za svaki t ∈ R. PREGLED ELEMENTARNIH FUNKCIJA 205 za svaki k ∈ Z. π ].5 -1 -1. U mehanici i elektrotehnici se ˇesto govori o oscilacijama u terminima perioda. Svaki 2kπ. s 2 1 u nuli i 0 u π . 1]. period razliˇit od 2π i ne s c c . Nadalje. tj. Napomena 5. Dakle je z D(sin) = D(cos) = R. imaju amplitudu razliˇitu od 1. itd.5 -10 -5 -0.5 -2 5 10 -10 -5 2 1. napona. dok je sinus neparna. π ]. Dakle zbog periodiˇnosti namatanjem pravca na kruˇnicu moˇemo vrijednosti c z z trigonometrijskih funkcija pridruˇiti i argumentima izvan intervala [0. u prirodi ima pojava koje z 2 se ne ponaˇaju tako. 1]. vidjeli smo da im je temeljni period 2π i da imaju takvo ponaˇanje da je vrijednost sinusa u nuli nula i u π jedan. odnosno z 2 vrijednosti sinusa i kosinusa moˇemo definirati za sve realne brojeve.2.5 1 0. parnosti i neparnosti jasno je da je doc voljno znati vrijednosti jedne od tih funkcija na [0. To znaˇi R(sin) = R(cos) = [−1. tj.32 Lako je vidjeti da je kosinus parna funkcija. krvnoga tlaka. tj.5.5 1 0. Vidjeli smo da sinus i kosinus poprimaju vrijednosti izmedu [−1. za opis osz c cilacija. Najmanji pozitivni period je 2π i zovemo ga temeljni period. zbog periodiˇnosti. Nadalje. c 2 1.5 -1 -1. Medutim.5 -2 5 10 Slika 5. npr. Kaˇemo da im je faza nula. plime i oseke.

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

Sliˇno kao i sinus i kosinus. i funkciju s c c kotangens proˇirujemo na gotovo cijeli R. Dakle je funkcija tangens periodiˇna s c 2 temeljnim periodom π i vrijedi R(tg) = R.2. gdje je toˇka Q presjek polupravca c c iz ishodiˇte kroz toˇku T i kotangensne osi. Kada se t pribliˇava toˇkama oblika kπ s z z c tada vrijednost kotangensa teˇi s jedne strane u +∞ a s druge u −∞. . 1) (joˇ s c s π ga zovemo kotangensna os). Sliˇno se interpretira i kotangens. 1) i Q na kotangesnoj osi.5. Imamo ctg t = D(ctg) = R \ {kπ. c Zbog neparnosti sinusa i parnosti kosinusa imamo da je kotangens neparna funkcija. 2 ] udaljenost toˇaka (0. k ∈ Z}. k ∈ Z}. Ako imamo jediniˇnu kruˇnicu u ravnini s c c z centrom u ishodiˇtu i pravac paralelan s osi x koji prolazi toˇkom (0.32: Trigonometrijska kruˇnica i vrijednosti tangensa i kotangensa z kuta x. PREGLED ELEMENTARNIH FUNKCIJA 207 za svaki t ∈ R \ {(2k + 1) π . ˇto se vidi i s trigonometrijske kruˇnice. pa u tim z toˇkama kotangens ima vertikalnu asimptotu. Iz interpretacije kotangensa s trigonometrijske kruˇnice jasno je da z je ctg (t + k π) = ctg t. s 1 P T x 0 1 tg x ctg x Q Slika 5. onda je interpretacija vrijednosti ctg t za t ∈ [0. Dakle vrijedi formula cos t sin t na cijelom R osim za vrijednosti t gdje je sin t = 0.

π x 2 2 i Ctg x = ctg| 0. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. c c Dakle. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. tangens na − 2 . 2 i kotangens na 0. π ]. k ∈ Z}.33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). na svoju sliku. njihove restrikcije Tg x = tg| − π . Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 . Dakle. π . Napomena 5.2. π . Tada prema Napomeni 5. 2 .π x su bijekcije s tih intervala na R.33 . π]. dakle nisu bijekcije. a c c s nema rjeˇenja za c ∈ [−1. a kotangens strogo padaju´a na 0. kosinus na 2 2 π π [0. restringirajmo sinus na [− π . c dakle niti bijekcije. Npr.208 POGLAVLJE 5.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. 5. a isto vrijedi s / i za ostale trigonometrijske funkcije. Dakle sinus nema inverznu funkciju. FUNKCIJE za svaki t ∈ R \ {kπ. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. 1].34 Zbog periodiˇnosti. ni tangens ni kotangens nisu injekcije. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5.

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

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

a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. dakle nije injekcija. PREGLED ELEMENTARNIH FUNKCIJA 211 5. 3. neograniˇena c je pa je R(sh) = R i nema asimptote. neograniˇena je. . Dakle je R(ch) = [1.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. 2. cth x = th x i zovemo ih redom kosinus hiperboliˇki. za svaki x ∈ R. Strogo raste na R. strogo raste na R. Lako se vidi da je neparna. th je neparna.5. Iz formule lagano ˇ slijedi da je |th x | < 1 . Dakle th ima dvije horizonzalne s z asimptote. Zbog neparnosti c c od sh i parnosti od ch. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. +∞ . za svaki x ∈ R. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. sinus hiperboliˇki. 1 . Lagano se vidi da je ch x > 0 . 2 e x − e −x sh x = . i R(th) = −1. tanges hiperc c boliˇki i kotanges hiperboliˇki.2. Stoviˇe. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama. ch x e + e −x 1 . strogo pada na −∞. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. za svaki x ∈ R. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . 2 sh x e x − e −x th x = = x . Primjerice. iako se definiraju u terc minima eksponencijalne funkcije. Nadalje.2. 0] i c strogo raste na [0. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. Napomena 5. vrijedi ch x = ch2 x − sh2 x = 1 . parna je. Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. y = −1 i y = 1. +∞ i nema asimptote.

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

1 . 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. R(Arth) = R i iz Teorema 5. iz Teorema 5. Oˇito je D(Arcth) = R \ [−1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.2.1 zakljuˇujemo da Arch strogo raste.5.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). vertikalne asimptote od Arth. PREGLED ELEMENTARNIH FUNKCIJA 213 1. 1]. y = 1 horizontalne.5 -1 -2 -3 0. a x = 0 vertikalna asimptota od cth. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. pravci x = −1 i x = 1. Iz Teorema 5.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). a pravac y = 0 horizontalna asimptota. Oˇito je D(Arsh) = R(Arsh) = R. onda su rubovi −1 i 1.5 2 1. tj.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. c 2. +∞). 3 2 1 -1 -0. R(Arth) = R \ {0} i iz Teorema 5. onda je D(Arch) = [1.1 c slijedi da Arcth strogo pada.5 1 1. Kako su y = −1 i y = 1 horizontalne asimptote od th. Ako smo ch restringirali na [0.5 3 Slika 5. +∞ i R(Arch) = [0. .5 0. tj. Kako su y = −1. +∞ . onda su rubovi −1 i 1. c 3. 4.5 1 0.1 slijedi da Arth strogo raste. Oˇito je D(Arth) = −1.5 2 2. pravci x = −1 i x = 1. vertikalne asimptote od Arth.

.

(Masa m je izraˇena u gramima. m > 20. u toˇkama m = 10 i m = 30 (i u svim drugim c c toˇkama osim u m = 20) mala promjena vrijednosti argumenta rezultira malom c promjenom vrijednosti funkcije. m = 20 i m = 30. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05h = 0. 0 ≤ m ≤ 20 3. a visina poˇtarine c u z s kunama).1.1.05h (∆c = ˇ 0.05(m − 20).1 6. Dakle imamo c(m) = 2.5 + 0.5 + 0.05∆m). Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.8.8 kn.05(m − 20) kn. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10.05(m2 − m1 ). Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. onda je 215 . Graf te funkcije prikazan je na slici 6. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Naime. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M .

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

Analogno. c z Ako za dani ε > 0 i neki δ > 0 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). |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). postoji δ > 0 za koji vrijedi Definicija 6.2 Funkcija c(m) iz Primjera 6. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). ali je ona c neprekidna s lijeva u toj toˇki. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.ˇ 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.2 nam daje ideju za sljede´u definiciju: c Definicija 6. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. kaˇemo da je funkcija f neprekidna s desna u toˇki x0 ∈ D(f ) z c ako za svaki ε > 0 postoji δ > 0 takav da (x ≥ x0 . koji c je manji od nekog fiksnog strogo pozitivnog broja.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε).1. S druge strane. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. s c c Napomena 6. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1.1. Primjer 6. ako je m lijevo od 20 i dovoljno blizu 20. ipak m(c) nije blizu m(20).1 Neka su funkcije f.♠ Primjer 6. 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.1 ima prekid u toˇki c = 20. No. ako je m > 20 i m blizu 20. Tada su u toˇki x0 neprekidne i funkije: c .1.1.2 Iz Definicije 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 .2 Svojstva neprekidnih funkcija Teorem 6.

♣ z c Teorem 6. i funkcija g neprekidna u f (x0 ). tj. b]. c c Primjer 6.♣ Teorem 6. g : R −→ R takve da je definirano (g ◦ f )(x0 ). po pretpostavci. b takav da je f (x0 ) = 0. c + δ). x=0 x f (x) = 1.218 1. Uzmimo ε = f (c). tj.3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. Tada je |f (xδ ) − f (c)| > f (c) = ε. f − g.♠ . tj. f + g. tj. 1]. 1] (jer je nema na cijelom R). f ima prekid u toˇki c. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. onda je funkcija g ◦ f neprekidna u x0 .3 Iz Napomene 5. x = 0 svugdje neprekidna osim u nuli. 2. za koji je f (xδ ) ≤ 0. Dokaz: Pretpostavimo suprotno. Tada postoji x0 ∈ a. postoji xδ ∈ (c − δ. Tada za svaki δ > 0.♣ Teorem 6. Ako je funkcija f neprekidna u x0 . f .4 Neka je funkcija f : R −→ R neprekidna na segmentu [a.1] : [−1. c + δ) takav da je f (xδ ) ≤ 0. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ.2 Neka su funkcije f. onda njezin graf mora negdje sjeˇi x os. c s Analogno se dokaˇe sluˇaj f (c) < 0. onda je oˇito f (−1)f (1) = −1 < 0. 4. i neka je f (a)f (b) < 0. Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ.♣ c Teorem 6. f |[−1. ali oˇito f nema nultoˇku na segmentu c c c [−1. Dakle.11 znamo da je funkcija f : R −→ R dana formulom 1 . f · g. i neka je f (c) > 0 (f (c) < 0). mora imati nultoˇku. |xδ − c| < δ. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). g ˇ POGLAVLJE 6. 1] −→ R. 3. ˇto je suprotno pretpostavci. c + δ . Ako pogledamo funkciju f restringiranu na segment [−1.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka.

4) Teorem 6. Pitanje je sad.1. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. Tada je funkcija f neprekidna na intervalu I. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. Tvrdnja z Teorema 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. M ∈ R takvi da je m ≤ f (x) ≤ M. 1 . 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. Teorem 6. za svaki x ∈ I (Definicija 5.6 kaˇe da je slika segmenta neprekidnom funkcijom segment. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . slika otvorenog intervala − π .3 slijedi da je uvjet neprekidnosti iz Teorema 6. Npr. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.5 ne vrijedi za otvorene intervale. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.4 Funkcije f.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. c 1 x je Teorem 6. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .♣ c Tvrdnja Teorema 6. Nadalje. . funkcija f (x) = neprekidna na 0.ˇ 6. b].1. π funkcijom tg je R. onda je ta funkcija i neprekidna.3 Neprekidnost elementarnih funkcija Primjer 6. ali oˇito je neomedena.♣ 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.6 ne vrijedi za otvorene intervale.4 nuˇan. π .♣ Teorem 6. Npr.

polinom Pn (x) neprekidan na R.4) i Teorema 6. z c Uzmimo proizvoljni ε > 0.4 dokazali smo da je funkcija f (x) = x neprekidna na R. n. logaritamskih.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R.1. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.7 imamo da su neprekidne i funkcije arctg i arcctg. Iz Teorema 6. i = 0. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R. Nadalje.1.. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R. 1. . trigonometrijske.♣ Napomena 6. c Dokaz: U Primjeru 6. slijedi da c moˇemo uzeti δ = ε.. UVOD U DIFERENCIJALNI RACUN 1. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. 1. i = 0.9 Eksponencijalne. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. n.♠ z Iz Primjera 6. dakle iz Teorema 6.220 ˇ POGLAVLJE 6.. jer je svaka racionalna funkcija kvocijent dvaju polinoma.7 su neprekidne. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. Na kraju. . Teorem 6. Dokaz: Neprekidnost eksponencijalnih. .7 c i periodiˇnosti. c c neprekidne na R. tj. i = 0. 1. hiperboliˇke c i area funkcije su neprekidne na svojim domenama.1.4 i Teorema 6. π odnosno 0... takoder iz Teorema 6. . jer su njihove restrikcije npr. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). π monotone c 2 2 bijekcije na R.1.1 direktno imamo: n Teorem 6. Budu´i da je f (x) − f (x0 ) = c − c = 0. z 2... na intervale − π . z c Uzmimo proizvoljni ε > 0.1 sada slijedi da je na R neprekidna i funkcija x2 .3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane.7. hiperboliˇkih (osim kosinusa hiperbolnog).. zakljuˇujemo c da je i suma od ai xi . na R su neprekidne i funkcije ai xi .. Na isti naˇin se zakljuˇi da su xi . n. logaritamske. takoder iz Teorema 7. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). arkus.

Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. moˇemo dobiti i δ = 0. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. π i 0. x−a x+a cos . Zbog neparnosti imamo da je sin x neprekidna i u − π . 3π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. π su monotone bijekcije na 2 2 −1. +∞ . arcsin x i Arch x redom neprekidne na [−1. Sada lagano zakljuˇujemo da su funkcije sin c i cos zbog periodiˇnosti neprekidne na R \ { π + kπ : k ∈ Z} odnosno na R \ {kπ : k ∈ Z}. k ∈ Z. −1. π . π 4 2 4 4 kada x varira po intervalu 0. 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. posebno je 2 2 neprekidna u π . π 2 2 i 0. ˇto je ekvivalentno s s arccos x < ε.1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ). te da je Arch x neprekidna s desna u 1.7 i neprekidne. ali u Napomeni 6. π . 1 . Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. Dakle je arccos x neprekidna s lijeva u toˇki 1. cos x i ch x redom na intervalima − π . +∞ . c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . dakle su po Teoremu 6. 3π . Oˇito je δ > 0. 2 2 imamo 2x + π 2x − π cos . Isto tako 2x+π varira po intervalu π . +∞ iz Teorema 6. 2 Zbog stroge monotonosti funkcija sin x. 1 .7 imamo da su neprekidne funkcije arcsin x. arccos x i Arch x redom na intervalima −1. Sada imamo da je sin x neprekidna na 0. c Analogno se dokazuju i druge jednostrane neprekidnosti. 3π .1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0.ˇ 6. 0. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). 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). 3π . k ∈ Z. tj. 1]. Dakle su funkcije arccos x. onda 2x−π varira po intervalu − π . Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. 1] i [1. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. 1 i 1. ♣ . [−1. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1.

tj. ali negativnu. c c 2. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli.5 nije definirana u toˇki x = 1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. vrijednosti funkcije c su malo manje od −1. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. vidimo da su one c c c blizu vrijednosti −1. tj. funkcija nije definirana u toˇki 0. Dakle. vrijednosti c funkcije su malo ve´e od −1.4 Graniˇna vrijednost (limes) funkcije c 1. zakljuˇujemo. ako uzmemo toˇku c x dovoljno malu. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. dodemo li s x dovoljno blizu c toˇki 1. S druge strane. ali pozitivnu. za vrijednosti od x koje su malo ve´e od 1. 4. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1.1. c 3. dovoljno blizu c nule. Raˇunaju´i te vrijednosti. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Ako uzmemo s c toˇku x dovoljno malu. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. funkcija nije definirana u toˇki 0. za x malo manji od 1.222 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. tj. Za funkciju f : R −→ R danu formulom f (x) = arctg x . Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. 6.

1.2. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. Realni broj L je limes ili graniˇna vrijednost z c c funkcije f u toˇki c ako za svaki ε > 0 postoji δ > 0 takav da c (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε). NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. ako c ˇelimo promatrati ponaˇanje oko nule.♠ Situacije iz Primjera 6.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . osim. moˇda u samoj toˇki c.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. . Definicija 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. onda piˇemo c s L = lim f (x). osim. 6.5). Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. moˇda u samoj toˇki c. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. |f (x) − M | < ε). Neka je dana funkcija f : R −→ R formulom f (x) = xx . moramo se ograniˇiti samo na pozz s c itivne vrijednosti. x−→c Ako limes postoji on je i jedinstven: Teorem 6. a ne znamo izraˇunati ni njenu vrijednost za x = 0.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. Ako funkcija ima limes L u toˇki c. tj.ˇ 6. 2 2 5. Dakle. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. pravac y = π je horizontalna asimptota.2.

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

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

lim arctg x = .6 Opiˇimo sada pomo´u limesa Primjer 6.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. Dakle je x−→0+ lim sign x = sign 0 . x > 0 ima prekid u nuli.7 Iz Primjera 5.226 ˇ POGLAVLJE 6. c osim. Dokaz: Ako funkcija f ima limes L u toˇki c. s c 1.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L.5. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . lim 3. x2 − 3x + 2 = −1. onda je jasno iz Definicije 6. tj. ako postoje limesi s lijeva i s desna i oni su jednaki L.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x −→0 − lim sign x = −1 . Obrnuto. x = 0   1. x−→0+ lim xx = 1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim .♠ 6. x−→0 x π 4. ne postoji lim sin x.1. UVOD U DIFERENCIJALNI RACUN Teorem 6. x < 0  sign x = 0. onda iz Definicije 6. moˇda u samoj toˇki c. x−→0 x2 lim 1 1 = +∞ i lim = −∞.5 znamo da funkcija   −1. x−→1 x−1 1 = +∞. ♣ c Primjer 6. x−→+∞ 2 5. x−→+∞ 6.5 Neprekidnost i limes Primjer 6. 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. lim 2.

4) i da limes mora postojati. Nadalje.♣ .13 Neka je funkcija g : R −→ R neprekidna. Tada je c x−→c lim g(f (x)) = g( lim f (x)).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)).♠ Primjer 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).3.2 i definicije jednostranog limesa.1 i 6. x−→c+ Dokaz: Izravno iz Definicije 6. i neka postoji limes funkcije f u toˇki c.1. Zaista imamo: c c Teorem 6.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. Dokaz: Izravno iz Definicije 6. konaˇan je broj. onda limes i funkcija z c ”komutiraju” tj.12 kaˇe da ako je funkcija neprekidna u toˇki c.♣ Teorem 6.♠ x−→2 Primjeri 6. tj.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. imamo x−→c lim f (x) = f (c) = f ( lim x).♣ x−→c Analogno kao Teorem 6.12 imamo: Teorem 6.ˇ 6.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6. c c Sada direktno iz Napomene 6.5 U Teoremu 6. oˇito vrijedi c f (2) = lim f (x).4).1 i Primjer 6. x−→c Napomena 6.7 i 6.

6. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. 3. a ∈ R proizvoljan. 4. +∞ ± a = +∞. 6. a +∞ = 0.11.228 ˇ POGLAVLJE 6. a > 0 +∞. jer operacije nisu definirane i operandi nisu realni brojevi. (+∞) · (−∞) = −∞. a < 0. no moˇe se desiti da dobijemo izraz koji nije z z definiran.14.6 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 ∈ R proizvoljan. 8.12 i 6.15 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). x−→c+ Dokaz: Izravno iz Teorema 6. Kako one nisu realni brojevi. .♣ 6. To se posebno odnosi na veliˇine +∞ i −∞. (+∞) + (+∞) = +∞. (−∞) · a = 10. −∞ ± a = −∞. (−∞) + (−∞) = −∞. 5. (+∞) · a = +∞. UVOD U DIFERENCIJALNI RACUN Teorem 6. 9. 7. −∞. a < 0. (+∞) · (+∞) = +∞. a ∈ R proizvoljan. 2. a > 0 −∞.1. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.

”Sedam veliˇanstvenih”: c 0 .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 . (+∞)0 . 1−∞ . a −∞ 229 = 0. −∞ · 0. ∞ · 0. −∞ 2. ∞0 . ˇ Sto znaˇi da je izraz neodreden? c Ako se uvrˇtavanjem vrijednosti x = c u funkciju f (x) dobije realan broj. +∞ . Dakle. ∞ ∞ − ∞. 5. +∞ · 0. 1∞ . 0∞ . pa je 0 neodreden oblik. Tih sedam (do na predznak) situacija zovemo neodredenim oblicima. 3. +∞ −∞ . NEPREKIDNOST I GRANICNE VRIJEDNOSTI 11. Sljede´e operacije s beskonaˇnim veliˇinama nisu definirane: c c c 1. −∞ −∞ . (−∞)0 . +∞ +∞ . 0 0 .ˇ 6. 00 . 4. onda taj izraz treba transformirati u neˇto ˇto ´e se dati izraˇunati. 0 2. (+∞) + (−∞). 0 ∞ . Ako se dobije jedan od neodredenih oblika. Osim s beskonaˇnim veliˇinama. s s c c Iz Primjera 6. mogu se desiti i situacije u kojima se javljaju c c nedefinirane operacije s nulom: 1. s jedne strane smo dobili da je ”vrijednost” izraza 0 jednaka −1 a s druge strane 1.1. a ∈ R proizvoljan. onda s je to i limes od f (x) kad x −→ c. 1+∞ . Analogno se dokaˇe da je ”vrijednost” izraza za koji se dobije uvrˇtavanjem vrijednosti x = 2 u funkciju s x2 −3x+2 f (x) = x−2 je 1.

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

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

x−→0 x sin x = 1.12) dobijemo 1 ≤ lim odnosno x−→0 x−→0 sin x ≤ 1. i iz ˇinjenice da je lim cos x = c cos 0 = 1 (Teorem 6. 2 x 2 sin x 1 ≥ ≥ cos x.♣ x lim .2: Uz izvod osnovnog trigonometrijskog limesa.232 ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN 1 A’ B’ tg x sin x x 0 A B Slika 6. cos x x Pustimo li sada x −→ 0 u gornjoj nejednakosti. 2 2 2 Podijelimo li ovaj izraz sa sin x dobijemo cos x ≤ odnosno x 1 ≤ . Povrˇina kruˇnog isjeˇka s duljinom luka x dana je formulom s z c P (OBA ) = odnosno P (OBA ) = jer je kruˇnica jediniˇna. sin x cos x xr . Dakle imamo z c 1 x 1 sin x cos x ≤ ≤ · 1 · tg x .

x Oznaˇimo sada ex − 1 sa t. c Zbog toga je ex − 1 t lim = lim = 1. Dakle imamo ax − 1 ex ln a − 1 = lim . Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x .♠ x−→0 t−→0 x ln a ln(t+1) ln a . i da je x = ln(t + 1). x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a. Dakle . Tada je jasno da t −→ 0 kada x −→ 0. x−→0 x lim i ax − 1 = ln a. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. ♣ Primjer 6.ˇ 6. x−→0 x lim a > 0. x−→0 x Iz Teorema 6.10 ex − 1 = 1.12 i Teorema 6.2.1. a ∈ R.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 t−→0 ln(t + 1) x Iz toˇke 5.17 x−→+∞ 233 lim 1+ 1 x x = e.

UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6.1. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).2 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). x−→c x−→c 2. g : R −→ R. c 6. .234 ˇ POGLAVLJE 6. x−→c x−→c 4. Tada 1. 6.7 su nam dovoljni za c raˇunanje gotovo svih limesa. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x). 6.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f.18 i temeljni limesi iz toˇke 6. ♣ x−→c Teoremi 6. 6.2.17.13. x−→c c 3.16. 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.

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

prosjeˇna brzina odgovara koeficijentu smjera sekante. Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 .3: Ovisnost visine projektila o vremenu. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. y(t0 +∆t)) zatvara s osi x. c ∆y = tg α. Dakle. ∆t ∆t No izraz ∆y je tangens kuta koji sekanta krivulje y = y(t) kroz toˇke (t0 . ∆t . Op´enito.001) − y(1) .12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . UVOD U DIFERENCIJALNI RACUN Primjer 6.236 ˇ POGLAVLJE 6. y(t0 )) i c ∆t (t0 +∆t. prosjeˇna brzina projektila u vremenskom intervalu [t0 .001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva. 1. 2 y ∆t ∆y ∆t 0 t ∆y Slika 6. a to je jednako koeficijent smjera te sekante. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = .

4: Sekante i tangenta.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .6.13 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. Ako postoji z c f (x0 + ∆x) − f (x0 ) . DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6.♠ 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . x0 ∈ I.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. c mjeri brzinu promjene veliˇine c Definicija 6. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 . Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . c Primjer 6. tj.2. f : I −→ R.2. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.

f (x) = lim kx + k∆x + l − kx − l f (x + ∆x) − f (x) = lim = ∆x−→0 ∆x−→0 ∆x ∆x ∆x−→0 lim k = k. l ∈ R. Dakle je c f (x) = lim f (x + ∆x) − f (x) . Dakle brzina promjene linearne funkcije je konstanta. za proizvoljne k.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. ∆x−→0 ∆x Napomena 6.238 ˇ POGLAVLJE 6. . Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.♠ ∆x−→0 ∆x 6. 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. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. Derivacija funkcije f (x) = kx + l je f (x) = k.2.15 Pogledajmo sljede´e primjere: c 1. Derivacija funkcije f u toˇki x0 je broj. c c koji se oznaˇava sa f (x0 ).6 Uoˇimo bitnu razliku. c z Primjer 6. UVOD U DIFERENCIJALNI RACUN Primjer 6.

ˇto smo i oˇekivali.♠ ∆x−→0 ∆x−→0 ∆x Primjer 6.6. s c 2.16 Derivacija funkcije f (x) = sin x je f (x) = cos x. 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 . a c iz gornjeg raˇuna imamo da je c f (x) = 0. DERIVACIJA FUNKCIJE 239 U specijalnom sluˇaju kada je k = 0. funkcija f (x) = l je konstanta. ∆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. tj.♠ . Derivacija funkcije f (x) = x2 je f (x) = 2x.2. f (x) = lim lim f (x + ∆x) − f (x) (x + ∆x)2 − x2 = lim = ∆x−→0 ∆x−→0 ∆x ∆x x2 + 2x∆x + ∆x2 − x2 = lim (2x + ∆x) = 2x. Dakle je promjena brzine konstantne funkcije nula.

ne postoji f (0). problem rubova domene. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a).4) ustvari limes funkcije f (x + ∆x) − f (x) .11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. tangenta je paralelna s osi x. M= ∆x−→0− lim . To su npr. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.17 1.2. c c 6. ako je f (x) < 0 na nekom intervalu. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. odnosno da je tangenta pravac koji raste. Dakle iz Teorema 6. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. U toˇkama gdje je f (x) = 0. problem postoc janja limesa.. funkcija pada c c na tom intervalu. Primjer 6. problem konaˇnosti c c limesa. tj. Sliˇno. ∆x Lagano se vidi da je M = 1 i L = −1.240 ˇ POGLAVLJE 6. Tu funkcija niti raste c niti pada. problem razliˇitih vrijednosti s lijeva i zdesna. Takve toˇke zovemo stacionarne toˇke.

1.1. ∆x ∆x−→0 .♠ Teorem 6. ∆x−→0 dakle ne postoji f (0). dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . Funkcija f : R −→ R dana formulom f (x) = x0 = 0.2.7 imamo da je c lim √ 3 1 = +∞. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. √ 3 241 x nije derivabilna u x0 = 0. c x0 ∈ I ⊆ D(f ).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. Tada je f i neprekidna u x0 . 3. 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 √ .7 imamo da je c lim √ 3 1 ∆x2 = +∞. DERIVACIJA FUNKCIJE 2.6. Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . ∆x ∆x−→0 dakle ne postoji f (0).

g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). I ⊆ D(g). (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). Nadalje. tj. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. Tada su na I derivabilne i funkcije f ± g. (f (x) ± g(x)) = f (x) ± g (x) 2. f · g i f g (tamo gdje je definirana. f (x) g(x) = f (x)g(x)−f (x)g (x) . za one x ∈ I za koje je g(x) = 0). produkta i kvocijenta funkcija Teorem 6.12 imamo da je f neprekidna u x0 . i vrijedi 1. 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 ). Sve tri funkcije iz Primjera 6. razlike. UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.17 su c neprekidne u nuli. g 2 (x) Dokaz: 1. ali vidjeli smo da nisu derivabilne.19 op´enito ne vrijedi. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).12 zakljuˇujemo da je funkcija g neprekidna u x0 .242 ˇ POGLAVLJE 6. ∆x−→0 ∆x ∆x . Iz Teorema 6. ∆x f (x0 ).♣ Obrat Teorema 6. ∆x = 0 .20 Neka su funkcije f. Derivacija zbroja.

♣ g 2 (x) Napomena 6. gdje je λ ∈ R proizvoljan. za svaki x ∈ I. 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) .7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). ∆x−→0 ∆x−→0 Sada iz Teorema 6. tj. tj. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). c dakle je po Teoremu 6.2. derivabilna na I i vrijedi (λf ) (x) = λf (x). DERIVACIJA FUNKCIJE 2.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. 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) . Dakle 1 g(x) = 0. Izraˇunajmo prvo c 1 g(x) . (f (x) · g(x)) = lim lim f (x + ∆x) · g(x + ∆x) − f (x) · g(x) = ∆x 243 ∆x−→0 f (x + ∆x) · g(x + ∆x) − f (x) · g(x + ∆x) + f (x) · g(x + ∆x) − f (x)g(x) = ∆x−→0 ∆x lim g(x + ∆x) g(x + ∆x) − g(x) f (x + ∆x) − f (x) + lim f (x) = ∆x−→0 ∆x ∆x f (x) lim g(x + ∆x) + f (x)g (x). f (x) g(x) f (x)g(x) − f (x)g (x) .6. Kako je g(x) · 1 g(x) = 1. 3. Oˇito je D(g) = R. g 2 (x) f (x) g(x) = 1 f (x) g(x) . za svaki x ∈ I.♣ . Tada je funkcija λf .19 imamo ∆x−→0 lim g(x + ∆x) = g(x). imamo g(x) · = 0.

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

Iz Teorema 6. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1. Derivacija funkcije g(x) = ln x je g (x) = x . 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. odnosno g (x) = 2. 2 x x je g (x) = Iz Primjera 6.22 i derivacijama iz donje tablice.6.19 Pogledajmo sljede´e primjere: c 1 1.10 imamo da je f (x) = lim e∆x − 1 = 1. odnosno 1 g (x) = √ .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6. i vrijedi (f ◦ g)(x) = x.20. Osnovne derivacije dajemo u sljede´oj tablici. . c Napomena 6. DERIVACIJA FUNKCIJE Primjer 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . Kako je (f ◦ g)(x) = x iz Teorema 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Derivacija funkcije g(x) = √ 1 . x 1 √ .20. ∆x−→0 ∆x lim dakle je f (x) = ex .15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija.8 Studentima se preporuˇuje da provjere donje formule samostalno.2.21 i 6.

f (x0 )) biti dosta mala.2. gdje je α kut izmedu tangente funkcije f u toˇki (x0 .5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x. 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 . no to je ponekad teˇko izraˇunati. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ).1: Derivacije elementarnih funkcija 6. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 .246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6. f (x0 )) s c c ∆f apscisom x0 + ∆x. odnosno ∆f = tg α∆x . c tj. f (x0 )) i osi x. Jasno je da je ∆x = tg α. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . 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.

Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I.5). odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2. DERIVACIJA FUNKCIJE 247 ∆x. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.2. Tada od svih polinoma stupnja najviˇe jedan. Dakle. Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 . f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx.1. c Teorem 6. onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I.6.5: Diferencijal funkcije. jednadˇba tangente u c z toˇki (x0 .23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).♣ c . f (x0 )).

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. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”.5 1 1. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 .23).248 ˇ POGLAVLJE 6.5 2 Slika 6. Dakle. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0.♠ s s c .6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. c Primjer 6. to su razlike ordinata na grafu i na tangenti male za istu apscisu. dakle je f (0) = cos 0 = 1. Iz Primjera 6.5 -1 0.16 znamo da je f (x) = cos x.

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

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).

tj. Neka je L pravac kroz toˇke (a. b−a f (b) − f (a) (x − a).12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. f (b)) z c postoji toˇka x ∈ a. b za koju je F (x ) = 0. f (b)). f (a)) i (b. tj. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). postoji x ∈ a. f (a)) i (b. b u kojoj je tangenta paralelna s tom sekantom. proizvoljne.2.13 Primijetimo: 1. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). b−a onda Teorem 6. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. a < b. b−a y f(x) 0 a x0 b x Slika 6. c .♣ f (b) − f (a) .6.25. Napomena 6.26 kaˇe da za svaku sekantu kroz toˇke (a. b ∈ I. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.

2 za koji je f (x ) = 1. UVOD U DIFERENCIJALNI RACUN 2. 0 x>1 oˇito f ima prekid u x = 1.26 je bitan. po Teoremu 6. z Iz Teorema 6. x ≤ 1 f (x) = 3 x > 1. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a).12. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). b−a ali ne postoji x ∈ 0. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. Ako je dana funkcija f : R −→ R formulom 3x.258 ˇ POGLAVLJE 6. y f(x) 0 a b x Slika 6. x ≤ 1 . . Uvjet f ∈ C 1 (I) iz Teorema 6. Kako je f (x) = 3. oˇito je c x−→1 lim f (x) = 3 = f (1). x za koji je f (x) − f (a) = f (x ). pa je. f neprekidna na R.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti.

Koliko je ta aproksimcija dobra? Odnosno. ali ne znamo za koji x . 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 +. 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 .+ (x−x0 )n + (x−x0 )n+1 .26..2.. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x.27 je baˇ Lagrangeov teorem srednje s vrijednosti. tj. Teorem 6.5). poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. tj. . no u nekoj toˇki sigurno je.♣ 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. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).14 Za n = 0 Teorem 6. c Usporedimo to s lokalnom linearizacijom (toˇka 6. S druge strane. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. i ne znamo ga toˇno. tj. f (x)). ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. Napomena 6. imamo c pribliˇni izraz.2. imamo toˇan izraz. iz Teorema 6.6.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). tj. f (a)) i (x. poznavaju´i vric c jednosti viˇih derivacija u x0 .

UVOD U DIFERENCIJALNI RACUN Za sluˇaj n = 1 dobivamo c f (x) = f (x0 ) + f (x0 )(x − x0 ) + Ostatak f (cx ) (x − x0 )2 ..24 Neka je dana funcija f (x) = sin x.23. 2! .. Sliˇno kao i Teorem 6. Daleko od x0 aproksimacija moˇe biti (i obiˇno je) vrlo z c loˇa.. Taylorovi polinomi se najbolje priljubljuju (dakle c najbolje aproksimiraju) uz graf funkcije f u okolini toˇke (x0 . Aproksimacija je dobra lokalno. Dakle. Dakle. 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 )|. f (x0 )) od svih c polinoma danog stupnja. . 2 x2 x3 x3 T3 (x) = f (0) + f (0)x + f (0) + f (0) = x − . dobro je definiran red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f (x0 ) (x − x0 )2 + . 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 . Tada su Taylorovi polinomi u okolini toˇke x0 = 0 dani sa c T0 (x) = f (0) = 0. T1 (x) = f (0) + f (0)x = x. x2 = x. s Primjer 6.260 ˇ POGLAVLJE 6.♠ (2i + 1)! Ako je f ∈ C ∞ (I) onda Taylorov polinom postoji za svaki stupanj n ∈ N.

cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. (2n)! Napomena 6. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .6... Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + .15 Taylorovi redovi obiˇno sporo konvergiraju.28 Neka je f ∈ C 1 (I) za neki interval I. odnosno konvergirati nekoj z (x drugoj funkciji. . sin x.1).8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. tj.. (2n + 1)! ∞ cos x = n=0 (−1)n x2n . 6. n! ∞ sin x = n=0 (−1)n x2n+1 . dakle nisu jako c dobri za numeriku. Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).. Moˇe se pokazati da su funkcije ex .3. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . 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) = 0.2. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .2.

♠ Iz Primjera 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.26 postoji x ∈ (x. Kako je desna strana gornje jednadˇbe nenegativna. Jedan smjer bismo mogli dokazati. za svaki x ∈ I. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. ∆x Primjer 6. Funkcija f pada na I ako i samo ako je f (x) ≤ 0.24 smo vidjeli da. Medutim. onda funkcija strogo raste (pada) na I. ∆x za svaki x ∈ I. za svaki x ∈ I. x−→0 U Teoremu 6. obratna tvrdnja ne mora vrijediti. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive.262 ˇ POGLAVLJE 6. Dakle ne vrijedi f (x) > 0 na R. 2.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0.25 zakljuˇujemo da u Teoremu 6.11 imamo da obrat ne vrijedi. pa je f (x) = lim za svaki x ∈ I. Funkcija f raste na I ako i samo ako je f (x) ≥ 0.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. . Iz Napomene 6. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Dokaz ide na sliˇan naˇin. 2. pa je f (x + ∆x) − f (x) ≥ 0. onda je f (x0 ) = 0. lim x2 = 0). Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). Ovaj smjer se dokazuje analogno kao u Teoremu 6. Limes nenegativne funkcije mora i sam biti nenegativan.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. dakle z funkcija f raste na I. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr.26.28 primjenom Teorema 6. UVOD U DIFERENCIJALNI RACUN 1. Obratno. Tada. jer se c s c medu njima nalaze potencijalni ekstremi. to je i lijeva strana takva. Dokaz: c 1. po Teoremu 6.

z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. ali i ne mora. jer konveksnost i konkavnost ovise o predznaku druge derivacije.2. DERIVACIJA FUNKCIJE 263 Definicija 6. 2 za sve x1 .♣ c Konveksnost. Dokaz: Izravno iz toˇke 5. imati s c z lokalni ekstrem. Teorema 6. Definicija 6. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. x2 ∈ I. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . To ovisi o promjeni ponaˇanja funkcije u toj toˇki. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . kaˇemo da je f konkavna na I.24. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.4.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . onda u x0 funkcija f ima lokalni minimum. da je barem f ∈ C 2 (I)).6. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) .28. c Dakle. x2 ∈ I. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . onda u x0 funkcija f ima lokalni maksimum. c Kao ˇto smo rekli. Ako derivacija s c ne mijenja predznak. a s druge pada (raste)). a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. u stacionarnoj toˇki funkcija moˇe. .29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Teorem 6. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . Teorema 6. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada).1. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije.

a graf konkavne funkcije iznad sekante kroz toˇke (x1 .3). imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). a konkavna ako je za sve x1 . 2. Zbog neprekidnosti druge c derivacije. Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 .31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). x2 ∈ I graf konveksne funkcije je ispod. c 2.♣ Teorem 6. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)).27 za sluˇaj c n = 1. f (x2 )). c . druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6.30 Neka je f : I −→ R klase C 2 (I). izmedu x1 . funkcija f ima u x0 ∈ I lokalni minimum. Onda ´e i toˇka cx iz Teorema 6. Ako je f (x0 ) < 0.27 biti iz te okoline. f (x1 )) i (x2 . Uzmimo x proizvoljan iz te okoline. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . za svaki x ∈ I. Dokaz ide na sliˇan naˇin. Dakle je f (cx ) > 0. funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. za svaki x ∈ I. 1. c c Dakle. ali je f (0) = 0. jer c c se nalazi izmedu x0 i x. Npr.31. da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. Teorem 6. UVOD U DIFERENCIJALNI RACUN Definicija 6. c 1. Primijenimo li Teorem 6. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. iz Teorema 6.264 ˇ POGLAVLJE 6.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Ako je f (x0 ) > 0. 2. Dokaz: 1. konveksnost i konkavnost su odredene predznakom druge derivacije. funkcija f ima u x0 ∈ I lokalni maksimum.

g (x) onda je i x−→x0 lim f (x) = L.L’Hospitalovo pravilo c Teorem 6. z Neka je lim f (x) = lim g(x) = 0. x ∈ I.♣ Raˇunanje limesa .♣ Uvjet f (c) = 0 iz Teorema 6. ali je f (x) > 0 za x ∈ −∞. c strogo konkavna i na c. Tada iz Teorema 6. onda je c f (c) = 0.7 Neka je f : I −→ R i c ∈ I. c + δ strogo konkavna ili je na c − δ. 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 . Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Onda je c toˇka infleksije od f . c + δ strogo konveksna. c c Kaˇe se joˇ da je toˇka (c.2. 0 i 0. ∞ . c + δ). u x0 ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ. c strogo konveksna i na c. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. Dakle je konveksna na −∞.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. c Dokaz: Izravno iz Definicije 6. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f .6. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. Ako je c ∈ I toˇka infleksije od f . c strogo konveksna i na c. Dokaz: Bez smanjenja op´enitosti. Ako je g (x) = 0 za svaki x = x0 . moˇda. Dakle. x ∈ I. pa x = 0 ne moˇe biti z toˇka infleksije.7.32 Neka je f ∈ C 2 (I).30 imamo da funkcija f raste na (c − δ. pa je po Teoremu 6. ∞ . Iz Teorema 6. DERIVACIJA FUNKCIJE 265 Definicija 6. 0 i f (x) > 0 za x ∈ 0. c + δ strogo c konkavna za neki δ > 0.24 f (c) = 0. c Teorem 6. neka je f na c − δ.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . Npr. f (c)) toˇka infleksije grafa funkcije f .34 Neka su f i g derivabilne funkcije na I osim.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 ima lokalni maksimum u c. c) i pada na (c. z s c c Teorem 6.

UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi. analogno kao u dokazu Teorema 6. . iz Teorema 6. g (n) (x0 ) = 0. . c Napomena 6. 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(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. . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = .12) i iz Teorema 6. Tada. gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. f (x0 ) = 0. f (n) (x0 ) = 0.18 imamo lim f (x) f (x0 ) = = g(x) g (x0 ) x−→x0 lim f (x) lim g (x) = lim x−→x0 x−→x0 x−→x0 f (x) . kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . . g(x0 ) = 0. Znamo da je c tg α1 = f1 (x0 ). . g (n+1) (x0 ) = 0.34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. po g (x0 ) = 0.34. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .266 i ˇ POGLAVLJE 6. tg α2 = f2 (x0 ).♣ g (x) f g Na Teorem 6.16 Neka su funkcije f. c Dakle.12). . g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. .

26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. 1 + f1 (x0 )f2 (x0 ) Napomena 6. onda je i tg α = 0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. Iz toˇke 2.2. odnosno ako i samo ako je tg α = ∞.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . x a + x2 = f2 (x).1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).14: Kut izmedu dviju krivulja. a > 0. dakle je f1 (x0 ) = f2 (x0 ). To znaˇi da u c toˇki (x0 .6. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. tj. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . Ako je α = 0.2. . c c pa moˇemo re´i da se diraju u toj toˇki. z c c Primjer 6.

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

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

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

U prvom smo sluˇaju slijedili poznatu proc ceduru i nismo ovisili o nadahnu´u niti o vezama s drugim podruˇjima matemc c atike. koji je elegantniji. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x . slijedi da je x + x ≥ 1. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . za x = 1.2. 1 Nadalje. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin. a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake. je dio matematiˇke op´e kulture. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1.6.♠ s z c . doduˇe. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. pozvali smo se na rezultat koji. 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). U drugom pristupu. tj. z c Usporedimo sada ova dva pristupa.

.

1.. Tijelo koje se giba konstantan brzinom v bit ´e za t sekundi toˇno c c v · t metara udaljeno od svog sadaˇnjeg poloˇaja. vektorski prostori s obzirom na zbrajanje funkcija i mnoˇenje funkcija skalarom.. n = 0. .. n = 0.1. ve´ raste s vremenom? Nije uvijek u pitanju c ovisnost o vremenu.. Iz z Napomene 6. ∞. c s z Ako su te veliˇine konstantne..treba ih samo mnoˇiti c z vremenom. iz poznate stope inflacije ˇelimo procic z jeniti budu´e troˇkove ˇivota. iz poznate brzine rasta populacije ˇelimo predvidjeti z c z njeno kretanje u idu´ih nekoliko godina. 2. Npr. Dakle je funkcija z 273 . odgovor je jednostavan .1 Neodredeni integral Primitivna funkcija U praksi se ˇesto javlja potreba odredivanja nepoznate funkcije ˇija nam je c c derivacija poznata.1 7.Poglavlje 7 Uvod u integralni raˇun c 7. Derivaciju moˇemo promatrati kao funkciju c s c z n+1 koja funkciji f ∈ C (I) pridruˇuje funkciju f ∈ C n (I)... 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. za n godina bit ´e ih za n·100 viˇe nego danas.9 znamo da su skupovi C n (I). ∞. 1. Ako se populacija pove´ava za s z c 100 ˇlanova godiˇnje. . 2. No ˇto ako c s c s s se tijelo giba brzinom koja se i sama mijenja u ovisnosti o vremenu. iz poznate brzine kojom se tijelo giba ˇelimo odrediti z njegov poloˇaj u budu´nosti. v = v(t)? Ili prirast populacije nije konstantan.

da je x primitivna funkcija funkcije x. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x).2.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. . linearan operator koji mu je inverzan. C ∈ R. Iz Teorema 6. itd. jer je derivacija svake konstante jednaka nuli. c Primjerice. Odatle slijedi vaˇno svojstvo primitivnih funkcija. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.20 i Napomene 6. a onda pogledajmo kada postoje i koja su im svojstva. 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. UVOD U INTEGRALNI RACUN deriviranja operator. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. 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). Definicija 7. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Teorem 7.7 izravno slijedi da je operator deriviranja linearan.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. Stoviˇe. ako postoji. Uvedimo prvo ime za takve funkcije.274 ˇ POGLAVLJE 7.1 Neka je f neprekidna funkcija na I ⊆ R. Zanima nas.

NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan. gdje je c neka toˇka izmedu x i x0 . Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f .2.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). s To nije toˇno inverz od derivacije. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6.1 beskonaˇan. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. dolazi od S kao suma. a to je upravo druga tvrdnja teorema. slijedi H(x) = H(x0 ) za svaki x ∈ I. Piˇemo s f (x)dx = F (x) + C.4). 275 Dakle imamo prvu tvrdnju. H je konstantna funkcija. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). f (x) je integrand. c F (x) je primitivna funkcija funkcije f (x).1. Ostale raˇunamo koriste´i svojstva c c c . tj.1. Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. koji je po Teoremu 7.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Interpretirajmo elemente ove formule: je znak integrala.♣ 7. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu. dx pokazuje po ˇemu se integrira. C ∈ R je konstanta integracije. ˇalje c s u f.7. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f .

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

3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. c c z z to obiˇno nije lako. tzv. tabliˇne integrale. c c koriste´i pravila i tablicu derivacija (toˇka 6.4). c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije.1. Najpoznatiji primjer je e−x dx.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.1 Pogledajmo sljede´e primjere: c . c 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 7.1.2. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.2) i svojstva iz Teoc c rema 7. S druge strane.1. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.3. eksponencijalne i z trigonometrijske funkcije. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. Ako se i moˇe integrirati. Primjer 7. Tako moˇemo integrirati polinome i jednostavnije racionalne. izraˇunati derivaciju bilo koje c c c elementarne funkcije.7.

2: Primitivne funkcije funkcije 3x2 + 1. Traˇena funkcija je F (x) = x3 + x + 1. 3).278 ˇ POGLAVLJE 7. i one c 3 su oblika x +x+C. Odredimo integral funkcije f (x) = x2 + sin x.♠ c . i ˇiji graf prolazi kroz toˇku (1. i to je x3 +x+1. Samo jedna prolazi toˇkom (1.3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. y 3 0 1 x Slika 7. Koriste´i Teorem 7. Drugim rjeˇima. 3 2. pa je C = 1. 3). Koriste´i Teorem 7.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x). odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. UVOD U INTEGRALNI RACUN 1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. 3). Dakle je 3 = F (1) = 1 + 1 + C.

Koriste´i izraz za diferencijal (toˇka 6. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Dakle je sin x cos x dx = 1 2 sin x + C. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). z Primjer 7. gornji se integral svodi na u du.♠ 2 .7. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se.2. deriviranjem sloˇenih funkcija.2 Odredimo integral funkcije f (x) = sin x cos x.3 i tabliˇne integrale. ovo moˇemo pisati kao c c z sin x d(sin x). + C. Ipak. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. op´enito. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. tj. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija.5). To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. ne mogu integrirati produkti funkcija (osim c za polinome. a to znamo da je u2 2 sin x d(sin x).1.

Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom. Ako je G(u) primitivna funkcija od g(u). Zamjenom varijabli kao u Primjeru 7. moˇemo podintegralnu funkciju pisati kao z g(u)du.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. UVOD U INTEGRALNI RACUN U Primjeru 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. tj. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. . Primjer 7.280 ˇ POGLAVLJE 7. a to je diferencijal od z u6 + C. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. d(u(x)) = u (x)dx.

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. Primjer 7. −1 to se ne bi dalo rijeˇiti gornjom supstitucijom jer se dx ne bi dao izraziti preko s du. NEODREDENI INTEGRAL Primjer 7.1. 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.♠ u Napomena 7.♠ x2 .7. cos x i da je sin x derivacija od − cos x. Sada je du = 2x dx. pa je dx = Uvrstimo u integral. tako i iz diferencijala.5 Odredimo integral funkcije f (x) = 3x .4 Odredimo integral funkcije f (x) = tg x . 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. a nije ni produkt. x2 −1 Uvedimo supstituciju u = x2 − 1.2 Uoˇimo posebno jednostavan sluˇaj zamjene varijable: c c u = ax + b. a a Kljuˇni korak pri supstituciji je izbor nove varijable u koja ´e podintegralni izraz c c svesti na derivaciju sloˇene funkcije. Uoˇimo da kvocijent cos x c c x moˇemo pisati kao z 1 sin x. Dakle. Nakon uvodenja nove varijable u iz podz integralnog izraza mora posve nestati varijabla x. 281 sin Integral tg x dx nije tabliˇni. kako iz integranda. 2x 1 dx. u 2 2 du . dio s dx mora se mo´i zgodno izraziti u terminima difrencic jala novouvedene varijable u.

Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. v du + u dv. Koji od njih treba odabrati kao v? v du.♣ u (x)v(x)dx. Napomena 7.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. Polazimo od formule za derivaciju produkta funkcija. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7.282 ˇ POGLAVLJE 7. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. du = u dx. klase C 1 (I). Odredimo integral funkcije f (x) = x cos x. Imamo produkt u kojem oba faktora znamo lako integrirati.6 Pogledajmo sljede´e primjere: c 1. zbog dv = v dx. a drugi se deriviranjen pojednostavnjuje. . tj. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. v du. (uv) = u v + v u.

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

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

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

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

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

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

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

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

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. B = 2. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .1. Rjeˇenje je A = 3.7. D = −1. x(x−2)(x+1) x+2 A B D = + + . NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A.♠ x−1 Ako su nuliˇta nazivnika jednostruka.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).♠ 3 3 . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.

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

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

b] funkcije f (x). b]. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. b] .294 ˇ POGLAVLJE 7. (Funkcija f je strogo pozitivna na [a. b] ako je f (x) > 0. s lijeva pravcem x = a. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a.6.) Po Teoremu 6. za svaki x ∈ [a. b x KT 1 KT2 KT KT3 4 Slika 7.4: Krivuljni trapez. 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. dakle. Promatrajmo. funkcija f na segmentu [a.5: Rastav ravnog lika na krivuljne trapeze. Neka je ta funkcija neprekidna. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. krivuljni trapez omeden odozdo komadom osi x.

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

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

c Definicija 7. c Napomena 7.2. ako su stare toˇke c u podjeli podskup novih.7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b.2 Neka je f neprekidna funkcija na [a. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r.. tj. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . To vrijedi ako se podjela profinjuje. i = 1.7.. a Krajevi segmenta [a. i = 1. . Funkcija f (x) je podintegralna funkcija ili integrand.. Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. b] su granice integrala (donja i gornja). n. Veliˇina x je varijabla integracije. te komadom grafa pozitivne neprekidne (na [a. c s Uzmimo u svakom segmentu [xi−1 . ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a. Kako je mi ≤ c f (si ) ≤ Mi .. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . pravcima x = a i x = b. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. b]. . Ako uzimanjem sve finijih i finijih podjela od [a. Dakle. xi ] toˇku si . ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a).. c c a donja se ne smanjuje.. b]. b] i oznaˇavamo s c b f (x)dx. b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava. onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti. n. .

dakle je f ograniˇena funkcija na [a. . Koje jesu? Neprekidne sigurno jesu. onda je f (a) ≤ f (x) ≤ f (b). b]. tj.♣ Teorem 7. Dirichletova funkcija nije integrabilna. b].13 vidimo da nisu sve funkcije na segmentu [a. b].. c Dokaz: Ako f raste na [a.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. x∈Q 0. b] imamo mi = 0 i Mi = 1. b]. b]. onda je ona i c ograniˇena. a .298 ˇ POGLAVLJE 7..♣ Primjer 7. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. Primjer 7. b] z kaˇemo da je f integrabilna na [a. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0).♠ Napomena 7. c Iz Primjera 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. x ∈ R \ Q. n.♣ Napomena 7. UVOD U INTEGRALNI RACUN Definicija 7.5 Svaka monotona funkcija na [a. b]. nisu integrabilne.14 1. c i = 1. 1 dx. b] je integrabilna. b] je integrabilna.9 Uoˇimo da ako je f monotona funkcija na [a. f (x) = nije integrabilna. z c tj. b] integrabilne. za svaki x ∈ [a. Uoˇimo da za svaku podjelu r segmenta [a.6 Svaka neprekidna funkcija na [a. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. Koje joˇ? s Teorem 7.13 Dirichletova funkcija. Izraˇunajmo iz definicije c b 1.. b].

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

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

i = 1.2.♣ 2. .. ODREDENI INTEGRAL 301 7. < an−1 < b. Dokaz: Za bilo koju podjelu r segmenta [a.7... tj. . a 1. Dokaz: Ako je a < b onda ´e u Darbouxovim sumama i integralnoj sumi kojima c a se definira b f (x)dx vrijednosti ∆xi ... b .♣ Ovo se poop´uje i na konaˇan zbroj pribrojnika. pa je a a b f (x)dx = 0. i = 1. . biti negativne. a f (x)dx = a f (x)dx + c f (x)dx.2.. ostaju iste.. c Dokaz: Rezultat slijedi jer se uzimanjem toˇke c ∈ a.. n.. za a < a1 < a2 < . Mi i f (si ). Dakle odredeni integral mijenja predznak ako se zamijene granice. + an−1 f (x)dx. a drugi u c f (x)dx. n.. za svaku toˇku c ∈ a. a] su gornja i donja Darbouxova suma a jednake nula. n.. 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 Svojstva odredenog integrala f (x)dx = 0.♣ b c b 3. i = 1.. c c b a1 a2 b f (x)dx = a a f (x)dx + a1 f (x)dx + .. a vri- jednosti mi . Prijelazom na limes prvi zbrojevi teˇe u z a f (x)dx. b u svaku podjelu od [a. c Ovo se zove aditivnost integrala po podruˇju integracije. b f (x)dx = − a f (x)dx.

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

. 1... . i Mj = f (c).3). onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor.2 i Teorema 6.♣ b b 5. Oˇito je z c c tada m = 0.13). Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. . .11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. i = 1. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. unutra se sigurno nalaze sve neprekidne funkcije na [a.. b]). M = f (c) i za svaku podjelu r segmenta [a. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.♣ c Napomena 7. x. j − 1. n. 6. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7.. . ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. gdje je c ∈ R proizvoljan. dakle i integrabilna. pa je mi = 0.} se c nalazi u nekoj bazi od R(I). Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. a (f (x) ± g(x))dx = a ili aditivnost integrala. b] (skup R(I) nije prazan. b] i da je f (c) > 0.... j + 1. Dakle beskonaˇni skup {xn : n = 0.. Nadalje.2 i Teorema 6.. . n.. . jer npr. Ako je funkcija f : [a. Beskonaˇnodimenzionalan je. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5.18. xj ]. a cf (x)dx = c a f (x)dx. Mi = 0. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. i svaka funkcija iz tog skupa je neprekidna na I.. i = 1. Stoviˇe.. skup c {1. b] toˇka c pada u toˇno jedan c c [xj−1 . Dakle je s(r) = 0 i S(r) = Mj ∆xj . x2 .18. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).2. a 4.7. onda je c b f (x)dx = 0..

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

b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b] onda vrijedi stroga nejednakost. Neka su f i g neprekidne funkcije na [a. onda je b f (x)dx > 0.3 slijedi da postoji interval I ⊂ [a. tj. b]. Dakle. b].28 F raste na [a. za svaki x ∈ I .7. b] tada iz Teorema 6. Kako je funkcija F = g − f neprekidna na [a. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Tada je b b f (x)dx ≤ a a g(x)dx. po Teoremu 6. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0.3 slijedi da postoji interval . x2 ∈ I takve c da je x1 < c < x2 . c F (x) = g(x) − f (x) ≥ 0. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. Odatle slijedi da je F (b) ≥ F (a) = 0. b] i ako je f (c) > 0 za neki c ∈ [a. Ako je f (c) < g(c) za bar jedno c ∈ [a.♣ 9. ODREDENI INTEGRAL 305 8. b] odnosno stroge pozitivnosti na [x1 .8 je dobro definirana funkcija F ∈ C 1 [a. Ako je f neprekidna i nenegativna funkcija na [a. b]. b]. onda je F (c) = g(c) − f (c) > 0.2. x2 ] imamo x2 f (x)dx > 0. Ovo svojstvo se zove svojstvo monotonosti integrala. i oˇito ima pozitivnu derivaciju. Dokaz: Po Teoremu 7. Ako je f (c) < g(c) za bar jedno c ∈ [a. b] oko toˇke c takav da je f (x) > 0. b] iz Teorema 6. Dakle postoje x1 . Iz pozitivnosti funkcije f na [a.

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

Povrˇina ispod s grafa neprekidne funkcije f nad [a.. a Teorem 7.+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.♠ c . kako je f neparna c funkcija.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.7 ne mora vrijediti: Primjer 7. n Za funkcije koje nisu neprekidne Teorem 7.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.9: Teorem srednje vrijednosti za odredeni integral. b]. −1 medutim ne postoji toˇka c ∈ [−1.7. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. c Napomena 7... .12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. a2 . x ≥ 0 −1. Nadalje. Oˇito je da funkcija f ima prekid u x0 = 0. iz svojstva 7.. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.2. Odatle ime teoremu. 1] za koju je f (c) = 0. x < 0. se zove srednja vrijednost funkcije f na segmentu [a. an ∈ R je a = c ). imamo da je 1 f (x)dx = 0.

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

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

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

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

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. kao i da je samo poc druˇje integracije konaˇno. Iz Primjera 7. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3.6 i omedena) na podruˇju integracije.312 ˇ POGLAVLJE 7. u dv = uv a b a − a v du.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije. b i neka je x−→b− lim f (x) = +∞.♠ 7.10. Primjer 7. U takvim sluˇajevima govorimo c s c o nepravim integralima.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni. . tj.17 Izraˇunajmo c 0 1 xex dx. c c c Neka je funkcija f neprekidna na [a.♠ 3 Kod parcijalne integracije situacija je jednostavnija. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.

18 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. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − .12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije. a Ako promatrani limes ne postoji. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. 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−. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral. tj. postoji x f (ζ)dζ. . c y f(x) 0 a x b Slika 7. c c Primjer 7.7. kaˇemo da integral divergira ili da nema z znaˇenja. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. tj.4. u toˇki a. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−.

Nadalje imamo 1 x−→0+ 1 lim x √ dζ √ = 2 lim (1 − x) = 2. . Integral dx x je nepravi integral. jer 1 √ x 1 x −→ +∞ kada x −→ 0 + . Integral dx √ x je nepravi integral. Raˇunamo c ζ 1 x dζ √ =2 ζ = 2(1 − √ x).♠ x−→0 ζ Dakle ovaj nepravi integral divergira. x 1 0 3.314 i znamo da je ˇ POGLAVLJE 7. 2 2 1−x 1 0 2. x−→0+ ζ Dakle 0 dx √ konvergira i x 1 0 dx √ = 2. jer 1 x −→ +∞ kada x −→ 0 + . Nadalje imamo 1 x−→0+ lim x dζ = lim+ (− ln x) = +∞. Raˇunamo c 1 x dζ = ln ζ ζ 1 x = − ln x. 2 x−→1− 1 lim arcsin x = pa onda znamo i da 0 √ dx konvergira i da je 1 − x2 1 √ 0 dx π = . UVOD U INTEGRALNI RACUN π .

10. c+ε2 Ako oba limesa na desnoj strani postoje. Iz ϕ(t) = a. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. inaˇe c Primjer 7. Analogno. dakle imamo b a dx = (x − b)n 0 a−b dt . 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. t + b = a imamo t1 = a − b. Sada oˇito funkcija ϕ : [a − c b. 1]. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. onda divergira.7. x2 b 2. Izraˇunajmo c −1 1 x2 dx . tj. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a. . (x − b)n Stavimo ϕ(t) = t + b. iz ϕ(t) = b dobijemo t2 = 0. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. Izraˇunajmo c a dx . c taj interval se rastavi u dva intervala s tom toˇkom kao granicom.19 1. 1 a f (x)dx konvergira. tn Ako je n < 0. 0] −→ R zadovoljava uvjete Teorema 7.4.

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

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

x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. c 3. 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. 2. Izraˇunajmo 1 +∞ dx . x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1.♠ c . Izraˇunajmo c 1 +∞ dx . x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1.318 Imamo +∞ 0 ˇ POGLAVLJE 7. Izraˇunajmo c dx . Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π.

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

pravcem y = c i pravcem y = d dana s d g(y)dy. s Analogno se definiraju i ostali odredeni integrali (ploˇtine). s s osi y. d] −→ R neprekidna i pozitivna funkcija u varijabli y. tj. ploˇtinu s . odredeni integral proizvoljne neprekidne funkcije.15: Ploˇtina lika omedenog grafom funkcije od y. promatramo krivulju x = g(y). UVOD U INTEGRALNI RACUN y f (x) 1 P f (x) 2 0 a b x Slika 7.320 ˇ POGLAVLJE 7. s Ako je g : [c. onda je ploˇtina povrˇine omedene grafom funkcije g. za sluˇaj kada s c je funkcija g negativna. tj. c y d P c 0 g(y) x Slika 7.14: Ploˇtina lika omedenog grafovima dviju funkcija.

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

Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . 0.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. oznaˇimo s P (xi ). Primjer 7. 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. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. onda gornja suma teˇi prema vrijednosti koja nije niˇta drugo do li odredeni z s integral od a do b funkcije P (x) koja daje povrˇinu popreˇnog presjeka tijela T s c ravninom paralelnom s ravninom yz kroz toˇku (x. a njegova povrˇina za zadani x je jednaka f (x)π. kad max ∆xi+1 −→ 0. No taj popreˇni presjek c c 2 je krug. tj.♠ 2 . ako taj limes postoji kad n −→ ∞. 0).322 y ˇ POGLAVLJE 7. i=0 Prijedemo na limes.17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. S druge strane. Iz Primjera 7. Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 .

b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). 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. 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. Dakle.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. c z y R 0 Η x Slika 7. .5. z z Po gornjoj formuli. c Primjer 7.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R.ˇ 7. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. b].18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. ako su f1 . za svaki x ∈ [a. PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. f2 : [a.

y R r 0 x −R Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . . R > r. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.324 y ˇ POGLAVLJE 7.19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x.23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. Primjer 7. f2 (x) = R − √ r 2 − x2 .

. 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. Razreˇemo ga po izvodnici i razmotamo. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela. dobijemo prizmu.5. r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. xi ] konstantom f (xi ). x osi i grafom (pozitivne i neprekidne na [a. Sada iz Primjera 7. U limesu. n.. b]) funkcije f .ˇ 7. rotacijom komada izmedu [xi−1 . tj. volumen tog komada moˇemo z izraˇunati. to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. Zamijenimo li komad grafa od c f iznad segmenta [xi−1 . debljine ∆xi = xi − xi−1 .. xi ]. i = 1.16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . x = b. b] na n dijelova. Podijelimo li opet segment [a.♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. b] −→ R oko osi y b Vy = 2π a xf (x)dx. . PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . . c Teorem 7.

Promatramo lik omeden pravcima x = a. (Teˇiˇte je toˇka u kojoj. Uzmemo li ˇkare i izreˇemo taj lik. Primjer 7. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen.♠ 5 7. tj. dobijemo tanko tijelo. Zelimo odrediti teˇiˇte izrezanog lika. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . x = b. c s c . b] na osi x i grafom funkcije f nad [a. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . 1] −→ R dane formulom f (x) = x2 oko osi y i osi x. da mu je gusto´a c ˇ svuda ista. ono ostaje u ravnoteˇi.5. b].) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . b].24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.326 ˇ POGLAVLJE 7.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. segmentom [a. yi ).21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. zs zs c ako podupremo tijelo. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.

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

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

zs s s y r 0 r x Slika 7. zs √ Imamo f (x) = r2 − x2 . Takoder. Kako je masa promatranog lika jednaka M = µP. to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . yT = 1 2 b 2 a f (x)dx b a f (x)dx . s Primjer 7. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . i=1 a to u limesu daje My = µ b a xf (x)dx.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu. PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.11).5. recimo. 2 . iz Primjera 7.23: Teˇiˇte homogenog polukruga. upravo xi . pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7.ˇ 7. Iz simetrije je jasno da mora biti xT = 0.

po prvom Guldinovu teoremu. R > r. x2 + (y − R)2 = r2 . − 4 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. Neka je dan torus T koji nastaje rotacijom kruˇnice radijusa r sa srediˇtem z s u R. Tada su. izraˇunati razliku z c izmedu volumena ”vanjskog” i ”unutarnjeg” dijela torusa. UVOD U INTEGRALNI RACUN Ostaje izraˇunati yT . 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.♠ 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. dijelom ravnine izmedu grafova neprekidnih funkcija f1 i f2 na [a. ali opisanog funkcijom f (x) = − r s zs 3π Primjer 7.♠ ishodiˇtu. b]. v) tada su novi momenti jednaki Mx + my i My + mx). 4 π ). 3 −r 4r . . b] takvih da je f2 (x) ≥ f1 (x). tj. 3π r r pa teˇiˇte ima koordinate (0. za svaki x ∈ [a. xf2 (x)dx − µ xf1 (x)dx. zs 3 Analognim raˇunom bismo dobili teˇiˇte polukruga radijusa r sa srediˇtem u c zs s √ 2 − x2 . po prvom Guldinovu teoremu i Primjeru 7.330 ˇ POGLAVLJE 7.26 Sada moˇemo. Dakle teˇiˇte je (0. Kako je c 1 2 imamo yT = r −r f 2 (x)dx = 1 2 2 (r2 − x2 )dx = r3 . teˇiˇte lika omedenog zs zatvorenom krivuljom (tj. 2 3π 3 Dakle je 8 Vv − Vu = r3 π.25.

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

koja je funkcija varijable y) yT = b −1 (y))2 dy a y(f b −1 (y))2 dy a (f = b a y dm b a dm .27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1. 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 3 Zbog M = µV = 1 R2 πH. mjereno od osnovice.♠ 8 π 4 R . R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. UVOD U INTEGRALNI RACUN Sliˇnim razmatranjem dobijemo da se teˇiˇte tijela koje se dobije rotacijom grafa c zs funkcije f oko y osi nalazi na osi y i da mu je ordinata (sada gledamo inverznu funkciju f −1 funkcije f . 4 Zbog M = µV = 14 3 R π. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.332 ˇ POGLAVLJE 7.♠ z Primjer 7.28 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. tj. dobivamo xT = 4 H.24: Teˇiˇte homogenog stoˇca. zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 . 23 dobivamo xT = Mx M . Primjer 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. za µ = 1.

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

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

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

moment inercije cijelog kruga obzirom na y os je Iy = Ix . b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. i zbroje se momenti inercije malih valjaka polumjera f (si ). Oˇito funkcija ϕ : [0.10. dakle je 1 I0 = Ix + Iy = M r2 . Analogno iz ϕ(t) = r imamo t2 = 0. 5 ..♠ 2 Kombinacijom razmatranja iz toˇke 7. Moment inercije takvog tijela s obzirom na os rotacije oko koje je tijelo nastalo dan je formulom Ix = 1 µπ 2 b a f 4 (x)dx. 4 4 4 Takoder zbog simetrije..2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. 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.336 ˇ POGLAVLJE 7. Sada iz Primjera 7. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. i visine ∆xi = xi − xi−1 . Prijelazom na limes dobijemo gornju formulu. xi ]. i = 1. Iz ϕ(t) = −r imamo t1 = π. π] −→ R zadovoljava Teorem 7. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. c Primjer 7. n.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 .8 imamo 1 Ix = r4 π. . 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .5. 2 2 a onda se interval [a. b] podijeli na male podsegmente [xi−1 .. gdje je si ∈ [xi−1 . xi ].

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

. Dijeljenjem segmenta [a.5. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7.. n... polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). b] na podsegmente [xi−1 . s s plaˇta krnjeg stoˇca polumjera donje osnovice R. b] rotira oko osi x. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. s 7. . Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx.. i = 1.26). UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . n. i . . s yT = b a f (x) √ 1+[f (x)]2 dx .338 ˇ POGLAVLJE 7. xi ]. mase µ. i = 1..27: Ploˇtina plaˇta rotacijskog tijela. xi ]. moˇemo na svakom z takvom segmentu zamijeniti komad plohe nastale rotacijom grafa funkcije f oko osi x plaˇtom krnjeg stoˇca s osnovicama f 2 (xi−1 )π i f 2 (xi )π. 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 )).

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

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

i nakon toga s . Koliki je rad potrebno uloˇiti za rastezanje iste opruge za duljinu z z 3x? Prema Hookeovom zakonu.♠ z Posebno vaˇan sluˇaj je rad sile teˇe. 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. Bitna je ˇinjenica da sila linearno ovisi o c rastezanju. rad) biti kvadratna funkcija pomaka x. s Primjer 7. Tu podrazumijevamo da z s je visina h jako mala u osnosu na polumijer Zemlje. F = −kx. ˇirine 2 m i dubine 1 m ˇiji je popreˇni s c c presjek jednakokraˇni trokut ispunjen je vodom. PRIMJENE INTEGRALNOG RACUNA 341 dobra aproksimacija rada koji sila F (x) izvrˇi na putu [a. onda je b W (h) = a F (x)dx. b]. no nije ni bitna.ˇ 7.33 Jarak duljine 10 m. b] po iznosu jednak komadu povrˇine izmedu grafa funkcije F (x) i osi x omedenom pravcima x = a i x = b. pa c slijedi da za rastezanje 3x treba uloˇiti rad 9W1 . 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. Primjer 7. pri ˇemu je g ≈ 9.80665 z c m/s2 ubrzanje Zemljine sile teˇe na njenoj povrˇini.32 Znamo da je za rastezanje neke opruge za duljinu x potrebno uloˇiti rad W1 . Tada ´e njen integral (tj. 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. Odavde odmah slijedi da je rad sile F (x) na putu [a. Iz fizike znamo da je za podizanje tijela z c z mase m na visinu h potrebno uloˇiti rad W = mgh.5. Konstanta k nam nije zadana u ovom primjeru. Ako sila nije konstantna. b] z z b W = a F (x)dx. sila kojom se opruga opire rastezanju proporcionalna je (i suprotna) rastezanju. tj. To je formula dobivena integriranjem konstantne sile mg od 0 do h. ako se masa tijela mijenja.

duljina jarka je 10 m.33.83 J. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.30: Jarak iz Primjera 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. s x 0 y h Slika 7. a debljina sloja je dx metara). U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg.342 ˇ POGLAVLJE 7. . zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.29: Jarak iz Primjera 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. ˇirina c s 2(1 − x) m. pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x.

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

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

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

Sign up to vote on this title
UsefulNot useful