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

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

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

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

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

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

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

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

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

vidimo da oba naˇa s problema imaju istu strukturu. No je li to jedina z s s takva vrijednost? Mogu li se troˇkovi podudarati i za neku manju vrijednost? Ili s za neku ve´u? Moˇemo li biti sigurni da je na sva putovanja dulja od 800 km c z ponuda DojdiMi povoljnija od OdiMi. z c c Prvo. Nadalje. trajanje. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. u naˇem primjeru. Unatoˇ tome. porez. Treba nam. uloˇiti trud u razumijevanje svojstava linearne z . Bitne su cijene. udaljenosti. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i. to je 800 km. dakle.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. Takav nam okvir daje matematika. 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. i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. po kilometru) i da se tome dodaje konstantan iznos (pretplata. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. Takve c prikaze zovemo matematiˇkim modelima. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. arhetipski. niti grad u koji se putuje. dakle. niti marka automobila. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. startna cijena). Bitni su. gotovo karikirani. c Matematika je. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. troˇkovi proizvodnje. Nije bitan tip mobitela. Vrijedno je. dakle. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. 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. kvantitativni aspekti. s c s dakle. 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. Newtonovom c z zakonu. brzine i ubrzanja bitni. ravnoteˇa nekog fizikalnog sustava z matematiˇki se opisuje neˇim ˇto se zove diferencijalna jednadˇba. dakle. ubrzanje je promjena brzine u vremenu. Isplati se. pa makar i apstraktnu. jer su oni nezaobilazni c u problemima mehanike i statike. Bolje je. produkt mase i ubrzanja. Isto tako nema smisla govoriti o gradevinskoj matematici. Dakle. kosturi i porast broja stanovnika ne spadaju u probleme s kojima se svakodnevno susre´e inˇenjer gradevine. Naveli smo ih stoga jer ste s c se s linearnom funkcijom i rjeˇavanjem linearnih jednadˇbi ve´ sreli u dosadaˇnjem s z c s tijeku svog obrazovanja. i obratno. A kakve to ima veze s ravnoteˇom? Sila je. Izgleda. a brzina je promjena poloˇaja u vremenu. Diferencijalna c c s z se zove stoga ˇto se u njoj pojavljuju derivacije nepoznate funkcije. Sve se te veliˇine matematiˇki opisuju pomo´u c c c pojma vektora. da su i derivacije neˇto ˇto treba z s s z zs inˇenjeru (pa i studentu) gradevine. prometna i tko zna kakva sve joˇ matematika. dakle. A z kako se odreduje poloˇaj teˇiˇta nekog tijela? Integriranjem. c Primjeri iz naˇe priˇice su. i to nam treba. rada srca. z c s c sapuni. Uz ravnoteˇu je vezan i pojam teˇiˇta. No teˇko je zanijekati da su nam sile. apstraktna matematika u kojoj baratamo linearnim funkcijama je korisna za sve probleme u kojima se javlja linearna ovisnost. Na c c istom primjeru vidimo da matematika mora biti apstraktna: mobitelska matematika bi bila beskorisna kod rent-a-cara. izmjeni plime c s i oseke i ˇkripanju tramvaja u zavoju? Znate li da su porast broja stanovnika na s zemlji. 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. A integriranje je z zs postupak suprotan deriviranju. karikirani. nauˇiti baratati vektorima. jer s s s bi gradevinaru za uspjeˇno bavljenje strukom joˇ trebala i ekonomska. c z s momenti. ponavljamo. ekoloˇka. jer ´emo to znanje mo´i primijeniti u brojnim realnim kontekstima. Nadamo se da vas je ovih nekoliko reˇenica uvjerilo da su svi sadrˇaji obuhva´eni c z c . geodetska. Svakako. No ˇto su s s derivacije? Matematiˇki koncept kojim se opisuje i kvantificira brzina promjene c neke veliˇine. No znate li koji apstraktni matematiˇki koncept opisuje c kvantitativne aspekte zajedniˇke izmjeni godiˇnjih doba. stoga imati i s nauˇiti samo jednu. 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. po 2.3 funkcije.

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

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

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

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

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

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

Ova nam definicija zapravo govori da su dva vektora jednaka ako jedan vektor moˇemo translacijom prevesti na drugi. z Koje su nam informacije nuˇne i dovoljne da bismo mogli jedinstveno definiz rati vektor (jedinstvenost podrazumijevamo u smislu gornje definicije. − − → −→ Definicija 1. s Q P P Slika 1. c . do na translaciju prostora)? z 1. Poˇetak joˇ c c c s zovemo hvatiˇte. Prirodno je vektoru pridruˇiti njegovu duljinu (normu. VEKTORSKI RACUN − → Definicija 1.2 slijedi da je op´enito P Q = QP . jedna od njih je poˇetak P a druga je kraj Q. jer imaju razliˇite poˇetke i c c c krajeve. Duljinu − → − → vektora P Q oznaˇavamo s d(P.2: Jednakost vektora. Q) =| P Q |. intenzitet). Q Q’ P P’ Slika 1. tj. z z Q − → − → Iz Definicije 1.1: Duˇina i usmjerena duˇina.10 ˇ POGLAVLJE 1. tj.2 Vektor ili usmjerena duˇina P Q je duˇina kod koje su rubne z z toˇke uredene.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 .

3). → c . P = Q. VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. → Napomena 1. Oˇito je | 0 | = 0. Tada je c − − → − = OB. c 2. Iz a Napomene 1. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. Sada samo izaberemo orijentaciju koja nam treba.2 znamo da takve toˇke A i B postoje i da su jedinstvene. Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. poˇinje u P a z c zavrˇava u Q. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj. 3. z kolinearan je sa svakim vektorom). B ∈ E takve da je OA = − i AB = b . → → → − − → − 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. onda c a − → − →. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. Napomena 1. 11 − → 3. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Preciznije. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q.1.1.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − . Za vektor P Q kaˇemo da je orijentiran od P prema Q.3). s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1. Pogledajmo sada neka svojstva nul vektora: c − → 1.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . Vektor kod kojeg su poˇetak i kraj jednaki. tj. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. tj.

i oznaˇavamo ga s → 0 . . ♣ B b a+b a b 0 A a+b a b Slika 1. − → → − → → → → − 3. − → − → − → Napomena 1. Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . → a =−a → − → → → − a a 4.3: Motivacija za definiciju zbrajanja vektora. (− + b ) + − = → + ( b + − ) (asocijativnost). VEKTORSKI RACUN R a G Slika 1.12 ˇ POGLAVLJE 1. a c a c → − → → → − → a a a 2. − + b = b + − (komutativnost). − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). c Teorem 1.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. O. Vektor a zovemo suprotni vektor vektora a c − → −.3 Za bilo koje tri toˇke P. Q ∈ E vrijedi P Q = P O + OQ.4: Pravilo trokuta i pravilo paralelograma.

1 ima sljede´a svojstva: ima →.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. → BA. itd. λa .λ<0 a A B Slika 1. d c a + b+ c+ d a b Slika 1. ali je suprotne orijentacije. z → Za λ ∈ R. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. ˇija je duljina jednaka |λ||− |. Za n ∈ N a c a a a − = (n − 1)− + − . koji ima isti smjer kao →. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.1.1.6: Mnoˇenje vektora skalarom. a a → Za sluˇaj → + − piˇemo 2− (tj. definiramo λ− kao vektor: a → 1.4 Vektor a = −→ iz Teorema 1. λ > 0 B’ 0 λa.5: Pravilo mnogokuta za zbrajanje viˇe vektora. Sliˇno 2− + − = 3→. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. realnim brojem. s → − − a c Napomena 1. a . Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ). tj. c a − 2.

λ(µ→) = (λµ)− (homogenost). 1 · − = → (postojanje jedinice). − → → → → − Ako su vektori − i b kolinearni. postoji pravac a a . a a → − 4. → od vektora a Teorem 1.2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. i neka je A = O c toˇka koja leˇi na tom polupravcu. Neka je dan polupravac (zraka) s poˇetkom u O. (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). a a a − → 3. koji ima istu orijentaciju kao vektor − za λ > 0. b ∈ V je a + b ∈ V . 3. c Vratimo se sada Definiciji 1. Primjetimo da se u Definiciji 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora). Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. za sve a.1 i Teorema 1. a a → → → 2. Tada je jasno da za proizvoljnu toˇku P ∈ E c z c − → vrijedi: P leˇi na polupravcu ako i samo ako postoji λ ∈ R takav da je OP = z − → λ OA. 2. a suprotnu orijentaciju a − za λ < 0.2. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V . onda.14 ˇ POGLAVLJE 1.5 nigdje ne govori o geometrijskim veliˇinama. uz pretpostavku − = 0 . VEKTORSKI RACUN → 3.♣ a a Definicija 1. operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Elemente od skupa V zovemo vektori.5 Neka je V neki neprazan skup na kojem imamo definirane operacije zbrajanja elemenata i mnoˇenja elemenata skupa skalarom (realnim broz jem) takve da vrijedi : 1. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi).4 i pokuˇajmo definirati kolinearnost u drugim s terminima.

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

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

Ako je barem jedan od vektora − .4 ja da su svaka tri vektora iz XO (M ) linearno zavisna. z → − − 3. e1 e2 e3 z Tada su oni linearno nezavisni.7.. pa z z slijedi da su oni linearno nezavisni. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.2. taj rastav je jedinstven.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. Ako imamo dva vektora − ..4 Ako su − . Stoviˇe. → → − Teorem 1. − i − . . . b ∈ XO (E). on se ne moˇe izraziti kao njihova linearna konbinacija. VEKTORSKI PROSTOR XO (E). c − → → a 4.♣ → → → ˇ s a b c Iz Teorema 1.8 Neka su →. Ako su − .♣ . a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1.5 Ako su − . jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule. c − → − Napomena 1. b bilo koja dva linearno nezavisna vektora iz XO (M ). − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.♣ → a s Jednostavna posljedica Teorema 1. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih. → ∈ XO linearno zavisni. a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b .. →.1. jer se nalazimo na pravcu. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. →. onda su oni linearno zavisni ako i samo ako su kolinearni. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − .3 slijedi iz Napomene 1. → → − → Teorem 1. takav rastav je jedinstven. ♣ Tvrdnja Teorema 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. onda su ti vektori linearno zavisni... → ∈ XO (E) jednak nul veka1 a2 an toru. b i − tri linearno nezavisna vektora iz XO (E). Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .3 je jasna.. Stoviˇe. Teorem 1.

pri ˇemu su skalari a1 . Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. Koordinatni sustav → − → Definicija 1. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . →). a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Tada je a e1 e2 e3 c − (Teorem 1. Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. − ∈ XO (E).1 i Teorem z 1. Skalare a1 . 1). 1. te toˇke Ex = c s c −→ − − → −→ − → − (1. pa ˇine bazu.8 z ˇ oni su linearno nezavisni. Analogno.9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). − . c →. Ey = (0. VEKTORSKI RACUN 1. e1 e2 Napomena 1. Stoviˇe. az ) su jednoznaˇno odredene.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . − .18 ˇ POGLAVLJE 1. onda imamo − → Ako su sada a b → → → − = ax − + ay − + az − → k a i j → − − → − → − → b = bx i + by j + bz k . j = OEy i − → −→ − − − − → → → k = OEz . Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). duljine su im 1 i leˇe na okomitim c s z pravcima. a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo.7 Uredena trojka (− . uredeni par → − (− . Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). ay . → → a b i j k . a2 i a3 − → → → vektor iz XO (E). →. 0). pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E). 0. 0) i Ez = (0. Definirajmo i = OEx . z c → → Neka je sada − proizvoljan vektor iz XO (E). 0. k ne leˇe u istoj ravnini. j . − → − → Neka je (→. − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax .3 Baza vektorskog prostora XO (E). Kako vektori i . prema Napomeni 1.5).

z ) znamo da je OP = x i + y j + z k . j . k ). mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. y. cz = az + bz . → k XO (E) postoje i jedinstveni su ax . −→ − Dakle. k ) bilo koja baza od XO (E). x y z 1.4 Vektorski prostor Rn → − → − → − − Neka je ( i . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . k ) i toˇku P s koordinatama (x. az ). az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. a − − − → → → Uzmimo sada bazu ( i . ay . imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . ay . y . tj. a − = (ax . cy = ay + by .1.10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . Analogno. zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora).4. Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . j . c a → → − − = cx − + cy → + cz − .3) nam daju pravila za takve operacije nad uredenim c trojkama: . tj. pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1. −→ − Znamo da je |P P | = d(P. c −→ − − − − − → −→ − → −→ −→ − → Sada je. Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. j . P ) = (x − x)2 + (y − y)2 + (z − z)2 . c c −→ − − → − → → − Napomena 1. vrijedi c → − − → − → − → OP = x i + y j + z k . −→ − − → − → → − Za toˇku P s koordinatama (x . z).

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

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

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

tj.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. → → x y Teorem 1. + xn yn .. → · b = b · − (simetriˇnost). Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. Za preslikavanje (funkciju) sa V u W . . y2 ...6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1.. . a onda f zovemo linearni funkcional.5.1. (λ− ) · b = λ(− · b ) (homogenost). 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). SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . Posebno. → → Neka su − = (x1 . slaˇe s Napomenom 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 . xn ). µ ∈ R. ako je vektorski prostor W = R. − → a b Napomena 1. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. a x y z Ova se formula za duˇinu vektora.♣ − → → → → 1.9 Neka su V i W realni vektorski prostori. Definicija 1. . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . z z → → − → − → − → → 2. x2 . − = (y1 . a a → − → → − − a a c 3. yn ) ∈ Rn . a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 . b ∈ V i sve λ.. a c a c c → → → − → − 2. tj..10.

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

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

ad − bc S druge strane. bc − ad ad − bc Koeficijente naˇeg sustava moˇemo zapisati u obliku tablice koju zovemo mas z trica. Determinante se povijesno javljaju u kontekstu rjeˇavanja s sustava linearnih jednadˇbi. ako prvu jednadˇbu pomnoˇimo s c. i 3. c d Sada za matricu A definirajmo funkciju det koja ´e matrici A pridruˇivati realan c z broj na sljede´i naˇin: c c a b c d det A = det = ad − bc. odnosno. 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.26 ˇ POGLAVLJE 1. z z dobijemo αc − βa βa − αc y= = . za ad − bc = 0. a koristan je z i pri radu s vektorima.determinante matrica 2. 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. VEKTORSKI RACUN 1.6 Digresija . x= αd − βb . Ako pomnoˇimo prvu jednadˇbu s d. drugu s −a i zbrojimo ih. drugu s −b i zbrojimo ih. . a b A= . dobijemo z z (ad − bc)x = αd − βb. Pogledajmo sljede´i sustav: z c ax + by = α cx + dy = β.

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

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

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

k preko i . z Napomena 1. c1 c2 c3 Ako je D > 0. Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 . j . Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . j . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. onda se z orijentiranost od S i S ispituje analogno. − → − → − → − → k = c1 i + c2 j + c3 k . onda nisu. → → a b i j k . tj. onda su S i S (odnosno njihove baze) jednako orijentirani. i . pomo´u determinante pripadaju´e c c matrice.13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). j . k : z − → − → − → − → i = a1 i + a2 j + a3 k . 1.30 ˇ POGLAVLJE 1. Prikaˇimo i . k ) pravokutni normirani c c → → − desni koordinatni sustav. k ) i S = (O . j . Dakle. − → − → → − − → j = b1 i + b2 j + b3 k . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Definicija 1.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. i .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). i . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). j . ako je D < 0.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1.

pa je cos2 ϕ = 1.♣ → a . → × ( b + − ) = − × b + − × − . VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az . a a a Napomena 1. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . a c → i → kolinearni. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). − → → → − → − → → 2. b nul vektor. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). Tada je |− × b | = 0. c Dokaz: − → → Ako je barem jedan od vektora − . kao saˇeti zapis. a → − → → → → − → − → − Obratno. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost).1. ϕ = 0 ili ϕ = π.8. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Tada je |→ × − | = 0. Neka su sada oba vektora razliˇita od nul vektora.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1.6. jer je nul vektor kolinearan sa svakim vektorom. pa desna strana formule za duljinu vektora − × b iˇˇezava. Dakle a − → − i b su kolinearni.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. − → − → |a a sc a b → − → → − pa i − × b = 0 . Po pretpostavci je |→| = 0 i | b | = 0. Zbog − · − = |→||− | cos ϕ. neka je − × b = 0 . i ϕ = 0 ili ϕ = π. c c z Teorem 1. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1. → × b = −( b × − ) a a (antikomutativnost). tj. → → → − → → − (a b c a c b c − − → → − → 3.♣ Primijetimo da tvrdnje Teorema 1. pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. Kako je − · b = |→|| b | cos ϕ. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 .

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

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

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

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

Tada je volumen paralelepipeda razapetog s P1 P2 . Veliˇina → − − − → → ( b × c )| = | a b c a b c c − − → → →|| cos ϕ| je duljina visine paralelepipeda. − . 2. 3. yi . Kako je volumen tetraedra ˇiji su vrhovi Pi i = 1. |− ·( b × →)| je volumen paralelepipeda razapetog s − .18 Neka su dane toˇke Pi = (xi . k )). zi ) i = 1. − ) proizvoljna → → → − → → ortonormiranoj) bazi ( a b c d a b c baza od XO (E). P1 . P1 P4 . 4 c c jednak apsolutnoj vrijednost broja 1 6 x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . 4 jednak c −− − − −− −→ − → −→ razapetog s P1 P2 . P3 . i . Dokaz: −− − − −− −→ − → −→ −− − − −− −→ − → −→ Uzmimo vektore P1 P2 . − ). P3 . b . − − → a b c Napomena 1.♣ 1 6 volumena paralelepipeda . 4 (u pravokutnom koordic − − → →→− natnom sustavu (O. 3. 3.36 ˇ POGLAVLJE 1. Neka je dan − ∈ XO (E) i neka je (→. − . imamo tvrdnju. Tada je volumen tetraedra ˇiji su vrhovi toˇke Pi i = 1. a | a s − → Pomo´u mjeˇovitog produkta moˇemo proizvoljan vektor d prikazati u proizvoljnoj (ne nuˇnoj c s z z → − . P3 . jer je |− · a c a c a − − → → − ||→ × →|| cos ϕ| (ϕ je kut izmedu → i − × − ). − | b × c | je povrˇina baze. P1 P4 . − . VEKTORSKI RACUN → → → − − → − → → 3. j . 2. P1 . Tada vrijedi: → − → − → − ·(→×− ) − d b c d = − → − →− →·(− ×→) a a b c − → − − → − → → d ·( a × c ) − ·(→×− ) b + → − → a b c → → − − − → d ·( a × b ) − → →·(→×− ) c . 2. P1 P4 jednak apsolutnoj vrijednosti broja x2 − x1 x3 − x1 x4 − x1 y2 − y1 y3 − y1 y4 − y1 z2 − z1 z3 − z1 z4 − z1 . P1 .

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

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

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

z . onda je x = a.y 1 ) Slika 2. imamo A x a + y b = 1. onda je y = b. c c tj. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.40 ˇ POGLAVLJE 2. pravac prolazi kroz toˇke (0.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). z p s=mi+nj P1 = (x 1. b) i (a. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . a ako je y = 0.3: Kanonski oblik jednadˇbe pravca. z z Uoˇimo sljede´e: ako je x = 0.1. z 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.2: Segmentni oblik jednadˇbe pravca. 0). c c y b a 0 x Slika 2.

tj. onda c c je jasno da njima prolazi jedinstveni pravac p.2. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. iz kanonske jednadˇbe c z . Dakle imamo pravac paralelan s osi c → − → − − → − x. y1 ) i Q = (x2 .1. a kako p po pretpostavci prolazi toˇkom P . PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . bez komponente u smjeru j . tj. jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva. 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→. y1 ) kroz z c z c → → → = m− + n− . z z Napomena 2. y2 ) u ravnini M . Iz uvjeta x − x1 = λm i − − kolinearni. ˇto se vidi i iz vektora smjera → = m i + 0 j . y = y1 .y 2 ) P = (x 1.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni. z p Q = (x2 .y 1 ) Slika 2.4: Pravac kroz dvije toˇke. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba). Npr. Toˇka P = (x. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 .1. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). s s 2. Nadimo jednadˇbu tog pravca.

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

b ∈ [−1. l). pravac prolazi toˇkom (0. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d.3 Za x = 0 imamo y = l tj. odnosno z → → r n x cos ψ + y sin ψ = d . P = (x. c − → − → → pa imamo − = cos ψ i + sin ψ j . z Jasno je da su a.6: Normirani oblik jednadˇbe pravca. n − → → Toˇka P = (x.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). s vektorom i ). Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. y) leˇi na pravcu p ako i samo ako je z − · − = d. c c s − → − → → d = |OP0 |.2. tj. pa tada postoje ψ. tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p.5). PRAVAC U RAVNINI Napomena 2. c 43 n ˇ Uzeli smo da je k = m . Neka je − = a i + b j jediniˇni vektor na pravcu q. tj. a2 + b2 = 1. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |. π] takvi da je a = cos ψ − i b = cos φ. Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1.1. n c y q n θ P0 x r P p 0 Slika 2. Povucimo sada kroz O pravac q okomit na p. 2.1. 1]. n Kako je tg ϕ = m . φ ∈ [0. imamo k = tg ϕ. → → r n Jednadˇbu − · − = d.

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

tj.ˇ 2. ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = . ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0.5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. → n i j 45 Definicija 2. −1 → Neka je ϕ kut izmedu → i −2 . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ . ako i samo ako je A1 A2 + B1 B2 = 0.2 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 − .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 .2. A2 B2 → → Napomena 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 . . 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. → → kolinearni.

3 Kut izmedu pravaca p1 i p2 zadanih u kanonskom obliku definiramo kao kut njihovih vektora smjera. to je kosinus kuta izmedu p1 i p2 dan s √ 2 cos ϕ = √ m1 m2 +n1 n2 2 2 m1 +n1 m2 +n2 2 . m2 n2 → → − = m1 − + n1 − → s1 i j odnosno s − → − = m2 → + n2 − . − → Kako je kosinus kuta izmedu → i − dan s s1 s2 − ·→ → − s1 s2 cos ϕ = − − = |→||→| s1 s2 m1 m2 + n1 n2 m2 + n2 1 1 m2 + n2 2 2 .6 Pravci p1 i p2 su paralelni ako i samo ako su − i − s1 s2 → → kolinearni. ANALITICKA GEOMETRIJA Neka su p1 i p2 zadani s y − y1 x − x1 = m1 n1 odnosno s y − y2 x − x2 = . tj. s1 s2 odnosno ako i samo ako je n1 m1 = .7 Pravci p1 i p2 su okomiti ako i samo ako je − · − = 0.46 b) Kanonski oblik: ˇ POGLAVLJE 2. m2 n2 → → Napomena 2. ako i samo ako je m1 m2 + n1 n2 = 0. . → → Napomena 2. → s2 i j Tada su vektori smjera pravaca p1 i p2 dani s Definicija 2. ako i samo ako postoji λ ∈ R takav da je − = λ− . s1 s2 tj.

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

1. To je ekvivalentno s 1 k1 = − . s Napomena 2. 2 ako i samo ako je tg ϕ = ∞.48 ˇ POGLAVLJE 2. ANALITICKA GEOMETRIJA Napomena 2. ako i samo ako je ϕ1 = ϕ2 . tj. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2.2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 .10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. tj. Otklon je n jednak udaljenosti toˇke P0 od pravca p ako je toˇka P0 s one strane pravca c c → p na koju pokazuje vektor − (tj. p) = x0 cos ψ + y0 sin ψ − d.2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p. k2 2. Uoˇimo da je broj c x0 cos ψ + y0 sin ψ −→ − − → − → → u stvari projekcija vektora OP0 na vektor − = cos ψ i + sin ψ j .5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. c Definicija 2. tj. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0. Neka je pravac p dan u c c normiranom obliku. odnosno ako i samo ako je k1 = k2 . Zanima nas udaljenost c toˇke P0 od pravca p. x cos ψ + y sin ψ = d.7). sa suprotne strane od ishodiˇta) jer je tada n s . odnosno ako i samo ako je 1 + k1 k2 = 0. Napomena 2. y0 ) i pravac p u ravnini. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 .9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π .5.

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

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

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

onda su p1 i p2 paralelni. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 . Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p) i δ(B.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2.52 i ˇ POGLAVLJE 2.2. Osim udaljenosti. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . Vrijedi i obrat. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) suprotnog predznaka. . p)|.4). p) = x0 cos ψ + y0 sin ψ − d. Napomena 2. 2. onda je A 1 B1 A 2 B2 = 0.2 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 .11 Ako je A 1 B1 A 2 B2 = 0.2. ako su p1 i p2 paralelni. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 .

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

6 imamo da je c A1 B1 C1 A2 B2 C2 A3 B3 C3 = 0.54 ˇ POGLAVLJE 2. imamo c A1 xs + B1 ys + C1 = 0 A2 xs + B2 ys + C2 = 0 A3 xs + B3 ys + C3 = 0. B1 . ali kako vrijedi A3 = αA1 + βA2 B3 = αB1 + βB2 lagano dobijemo da je C3 = αC1 + βC2 . Drugim rijeˇima. p3 po pretpostavci prolaze istom toˇkom. (A3 . B3 . (A2 . A3 B3 A2 B2 A2 B2 =0 . Dakle dobili smo da pravac p3 pripada sveˇnju odredenom s p1 i p2 ako i samo z ako vrijedi A3 x + B3 y + C3 = α(A1 x + B1 y + C1 ) + β(A2 x + B2 y + C2 ) = 0 za neke α. iz toˇke 1. C2 ). ANALITICKA GEOMETRIJA Kako p1 . vektori (A1 . Znaˇi uvjet presijecanja triju pravaca u istoj toˇki je c c A1 B1 C1 A2 B2 C2 A3 B3 C3 i barem jedna od triju determinanta A 1 B1 . B2 . C3 ) su linearno zac visni. A 2 B2 je razliˇita od nule. S. p2 . c A1 B1 . C1 ). pa po svojstvima determinante 4. β ∈ R. i 5.

3. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . Tada imamo P0 P = − − − . z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →. Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.2.2 Parametarske jednadˇbe pravca z − Neka je pravac p kroz toˇku P0 = (x0 . → − → r r0 s p ts P0 r 0 s r0 Slika 2. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. PRAVAC U PROSTORU 55 2. y0 + tb. . − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x.9: Pravac u prostoru.3 2. → → → a i + b j + c k . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. y.2).1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1. y0 . Neka c z s −→ → → − − radij-vektor toˇke P .3. y. 2. z0 + tc). odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− . z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− .3. z) = (x0 + ta.

y0 . ANALITICKA GEOMETRIJA x = x0 + ta. vektor smjera pravca p je dan s (a. z0 ) i 2. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . c) odnosno a. Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i .12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . z c s 2. Prema s z Napomeni 1.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . b. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli.3.13 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. c su koeficijenti smjera pravca p. onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni. . z s Napomena 2.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . j i k dobivamo kanonske jednadˇbe pravca.56 Jednadˇbe z ˇ POGLAVLJE 2. y = y0 + tb. pravac p prolazi toˇkom (x0 . z Napomena 2. s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . Kako su vektori baze linearno nezavisni. b.

5 znamo da postoje kosinusi smjera vektora − . pa odreduje isti pravac. Sada imamo da je → = P1 P2 = → − →. c s → Iz toˇke 1.3.3. odnosno postoje c s0 α.1. − → 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 . → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p. b. →| |s b cos β = − . β. →| |s c cos γ = → . y1 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . onda znamo da je vektor → s a b c 1 → s0 = − − = − . tj. Odredimo njegovu jednadˇbu. → − → → r r1 r2 r1 . istog smjera i orijentacije kao i →. 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) je dana s x y z = = .1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera.2.3. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a. s 2.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . pa iz toˇke − − s r2 c s r2 r1 c 2. jedan kosinus smjera prelazi u sinus. Zbog komplec mentarnosti. − →| s →| |→| |→| |s |s s s − jediniˇni. c). Uzmimo sada npr. z Znamo iz toˇke 2. onda ima dva kosinusa smjera. b. toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 .1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). π] takvi da je a cos α = − . z1 ) i P2 = (x2 . kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. − . b. PRAVAC U PROSTORU 57 → Posebno. i njihov omjer daje koeficijent smjera (toˇka 2. c c Tada kroz njh prolazi jedinstveni pravac p.5 i toˇka 2.3. −| |s Dakle koeficijenti smjera a. z2 ) u prostoru.6).1. γ ∈ [0. y2 .

uz oznake m = a c i m1 = − a z0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ). z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. 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. z0 ) s vektorom smjera − = (a. Analogno.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . y0 . y = y1 + t(y2 − y1 ). c x = mz + m1 . c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = . a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . z c y2 −y1 2 −z 2. ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. c c c odnosno. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. c c c .58 ˇ POGLAVLJE 2.10: Pravac kroz dvije toˇke u prostoru.3. b.

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

.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 . mz1 +nz2 ). Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n.60 ˇ POGLAVLJE 2. r2 r1 →=− + − → ρ r1 n m → → → − + n −. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . z2 ) u prostoru. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z1 ) i B = (x2 . y2 . z → c radij vektor toˇke B. tj. m ∈ N. → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . . ANALITICKA GEOMETRIJA 2. AC : CB = m : n. 2 2 2 . y1 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . my1 +ny2 . s z Imamo → = 1 (− + − ).3.12: Dijeljenje duˇine u zadanom omjeru. m+n m+n m+n Napomena 2.15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. 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.

→ n Posebno. pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. 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. j .4 2. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. ako Π prolazi kroz ishodiˇte (tj. RAVNINA U PROSTORU 61 2. γ kutovi c → zatvara s pozitivnim smjerovima osi x. Povucimo okomicu iz toˇke O na ravninu Π. jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. β.2.13: Normalni oblik jednadˇbe ravnine. toˇku O).1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . a vektor z −0 zovemo normala ravnine Π. P0 d r π n0 0 M Slika 2. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. → → r n . z redom (tj. Neka je −0 = OP0 c c n p −→ − (tj. onda je p = 0.3 ). k iz toˇke 1. → 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.4.4. → → radij-vektora r n c P . s vektorima baze −0 ˇto ih n s − − − → → → i . y.

z). → ako je M s one strane Π na koju pokazuje −0 . duljina okomice c do Π ´e biti p + d (za neki d ∈ R. b. B = (0. 0). 0). Imamo neˇto analogno otklonu iz toˇke 2. mora biti z x1 cos α + y1 cos β + z1 cos γ = p + d → − − → → (jer je.2 Segmentni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E takva da ne prolazi kroz ishodiˇte i neka sijeˇe s c sve tri koordinatne osi. C ∈ Π.2. n − → → OC · −0 = p. r n Napomena 2. toˇke u kojima Π sijeˇe koordinatne osi x. ravnina Π paralelna s Π pa ima istu normalu −0 = cos α i + cos β j + n − → cos γ k kao i Π). neka su toˇke A = (a. y. ANALITICKA GEOMETRIJA → c → Imamo okomitost radij-vektora − toˇke P ∈ E na −0 . Napomena 2. u stvari. 0. c). Nadalje. Π) = |x1 cos α + y1 cos β + z1 cos γ − p|. B. jer je duljina okomice do Π jednaka p). iz normalne jednadˇbe ravnine imamo. z − − → OA · → = p. z. a c kako M leˇi u Π . 2. Kako je d.62 ˇ POGLAVLJE 2.2) vektor c −0 (normala) orijentira stvari: vanjska strana u odnosu na ravninu je ona na koju → n pokazuje normala.4.16 Ako toˇka P ∈ E ima koordinate (x. Stoga je udaljenost toˇke s c c M od ravnine Π dana s d(M. Kao i kod pravca (toˇka 2. y1 . C = c (0.17 Normalni oblik jednadˇbe ravnine je zgodan za odredivanje z udaljenosti toˇke od ravnine. z1 ) ∈ E proizvoljna.2. onda je skalarni c oblik normalne jednadˇbe ravnine dan s z x cos α + y cos β + z cos γ − p = 0.2. 0. Ako sada kroz M povuˇemo ravninu Π koja je paralelna s Π. n . y. Za toˇke s druge strane bit ´e n c c d < 0. kako su A. udaljenost toˇke M od ravnine Π je c d = x1 cos α + y1 cos β + z1 cos γ − p. redom. n0 − − → → OB · −0 = p. udaljenost ravnine Π od ravnine Π . c c Sada. c Neka je M = (x1 .

c cos γ = p. z Dakle. Odatle. 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. p p p cos α = . cos β = . B. a cos α = p. neka je C = 0.4. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. cos γ = . y0 . Oduzimanjem izraza Ax0 + By0 + C C Cz0 + D = 0 od Ax + By + Cz + D = 0 dobivamo jednadˇbu ekvivalentnu z jednadˇbi Ax + By + Cz + D = 0 z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. b cos β = p.2.14: Segmentni oblik jednadˇbe ravnine. tj.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. . c C C Tada postoji toˇka (x0 . Bez smanjenja op´enitosti. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). z = − C x − B y − D . 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. z 2.

C). y0 . ako P ∈ E ne leˇi u ravnini. pri ˇemu se uzima predznak suprotan od c . B. C). z0 ) koja je okomita na vektor z c − = (A. tj. c −→ → − S druge strane. ANALITICKA GEOMETRIJA P . 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 . Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). Dakle. onda je jasno da i c c − − = −0→ leˇi u toj ravnini. Onda je − · − = 0. y. ako je toˇka P = (x. c z c z Napomena 2. 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 ) = 0.64 ˇ POGLAVLJE 2. odnosno.15: Op´i oblik jednadˇbe ravnine. 0 r P n π 0 Slika 2. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). → n Zaista. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 .18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . y0 . B. z0 ) i okomita na vektor c − = (A. z) toˇka u takvoj ravnini.

udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. 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. nepotpune obc z like): c c z 1. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. Π) = |Ax1 +By1 +Cz1 +D| √ . C). B. istog su smjera n n → c n i orijentacije. RAVNINA U PROSTORU predznaka od D.1). B. y1 . s → 2.4. Dakle imamo cos α = 65 A . tj. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. Stoga ´emo i vektor − zvati vektor normale. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. onda su koordinate A. Tada je. Ako je D = 0. tj. b1 = − B i c1 = − D .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. R cos β = B . onda normala − = (A. ravnina prolazi kroz ishodiˇte. pa imamo cos γ = 0. 0. Napomena 2.2. pa odreduju istu ravninu. C C C A z Oznaˇimo a1 = − C . c . R → → Vektor normale −0 je normirani vektor − = (A. onda je oˇito da O = (0. c onda je A B D z =− x− y− . B. 0) nema komponentu u smjeru n − → osi z (tj.4.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . k ).17.20 Neka je dana toˇka M = (x1 . R cos γ = C . z1 ) ∈ E. s c A2 +B 2 +C 2 Napomena 2. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. Ako je C = 0. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. po c Napomeni 2.

ravnina je paralelna A s koordinatnom ravninom Oyz. A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. C koji je razliˇit od nule. s1 s2 . jer jedan parametar c moˇemo eliminirati dijele´i onim od A. c Od ˇetiri parametra. onda normala − = (A. Ako je B = C = D = 0. Imamo Ax + D = 0.4 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. B. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. Varijable u i v zovemo parametri. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . 0) ima komponentu samo u n smjeru osi x. odnosno x = − D . imamo samo tri nezavisna. Ako je B = C = 0. z c c 2. ravnina prolazi kroz ishodiˇte s a prema 3. B. ravnina je paralelna s koordinatnom ravninom Oyz.4.16: Ravnine u posebnim poloˇajima. 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 →. z → − a vektore − i → vektori smjera. 0.66 z ˇ POGLAVLJE 2. z → 3. 4. C i D. onda prema 1. − i − su komplanarni). Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .

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

Kao i u toˇki 2. Kako toˇke P1 . P2 = (x2 .4. z1 ). 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 . 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. Po Napomeni 1. y3 . s1 . − . onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. P3 = (x3 .5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . → komplanarni. 2. Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0. Po Napomeni 1. ANALITICKA GEOMETRIJA −→ → − − odnosno. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . y2 .5. P1 P3 komplanarni.4. vektori s1 s2 −→ → − − − → P0 P . P2 . P3 ne leˇe na istom pravcu. z3 ) u c prostoru takve da ne leˇe na istom pravcu. P2 .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 . 2. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). P2 .4. P1 P2 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0.5 2. z2 ). y1 .16. ako i samo ako su P0 P .68 ˇ POGLAVLJE 2. P3 (uzmemo npr. Dakle.

C1 ) n → i −2 = (A2 . 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1. B1 . odnosno ako → → kolinearni.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 .2. odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0.5. B2 . tj. 3. Ravnine se ne sijeku. ♣ . 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 .24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 . Ravnine se sijeku u jednom i samo jednom pravcu. 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2. ako i samo ako je −1 · −2 = 0. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . 69 −1 Definicija 2. tj. −1 → Napomena 2. Teorem 2. imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 . Ravnine se podudaraju. C2 ).

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

c) i − = (A.7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. 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. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . z nepoznanice).2. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . tj.5) i koordinate su mu c c ∆x ∆y ∆z ∆. c s rjeˇenje je neki pravac (sve tri se sijeku u jednom pravcu) i rjeˇenje je ravnina s s (sve tri ravnine se podudaraju). s jedna toˇka. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi.3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a. toˇka 2. 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. b. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. 2. b. C). y. z Definicija 2. paralelne su). Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 . → → s n . A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x.5. onda je presjeciˇte jedinstveno (tj. ∆.5. B. ∆ . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 . c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0.4.

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

5. ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli. y = y1 + bt. 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 . ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2.28 Ako ne postoji takav t koji je konaˇan. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini.5. Aa + Bb + Cc Napomena 2.5 Pripadnost pravca ravnini x−x0 a Uvjet pripadnosti pravca dan je parom jednadˇbi z = y−y0 b = z−z0 c ravnini Ax + By + Cz + D = 0 Ax0 + By0 + Cz0 + D = 0 Aa + Bb + Cc = 0. Ax1 + By1 + Cz1 + D .2. imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. a druga je uvjet paralelnosti pravca i ravnine. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ako nema konaˇnog z koji je rjeˇenje. tj. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at. z z . 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. y0 . z = z1 + ct. z1 − c Ax1Aa+Bb+Cc+D . tj.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. y1 − b Ax1Aa+Bb+Cc+D .

Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1.18: Mimosmjerni pravci.74 ˇ POGLAVLJE 2. Pravac je sadrˇan u ravnini. b1 . → → s1 s2 p 2 p 1 Slika 2. → → 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 . c2 ). z2 ) s vektorima smjera − = (a1 . 3. y2 . Definicija 2. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). onda pravac leˇi s c c z u ravnini (tre´i sluˇaj). z1 ) odnosno c → → P2 = (x2 . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. y1 . s1 s2 redom. ANALITICKA GEOMETRIJA Teorem 2. c1 ) odnosno − = (a2 . b2 . Pravac i ravnina se ne sijeku. .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). c 2.6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 .8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −.5. Pravac i ravnina se sijeku u samo jednoj toˇki. c c c 2.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c .

ako i samo ako je → · − = 0. → Napomena 2. a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 .3.5. 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 . 2. c c z → s1 Napomena 2. tj. a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku. tj.5). 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 postoji λ ∈ R takav da je − = λ→. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. tj.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. 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 . z= 1 m−m n−n .5.

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

z Moˇe se desiti da su oni paralelni.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1.6 na gornju determinantu (tj. Teorem 2. c =0 . Prema Napomeni 2. imamo isti pravac. Pravci leˇe u istoj ravnini i ne sijeku se. Pozabavimo se sluˇajem mimosmjernih pravaca.2. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki. z 2.5. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni). Ako su sva tri redka proporcionalna. Pravci se podudaraju. 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. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z c 4. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom. ˇetvrti sluˇaj. pa nema presjeciˇta. iz toˇke 1. ne leˇe u istoj ravnini. 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 . tj. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5. i 6.29. Pravci su mimosmjerni. z 3.

c2 ). a2 b2 c2 a2 b2 c2 . ANALITICKA GEOMETRIJA 2. imamo da Π prolazi z → → kroz P1 = (x1 . Dakle. c1 ) c s1 − = (a2 . c1 ) i − = (a2 . kako p1 leˇi u Π i Π je paralelna sa p2 . Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . p1 leˇi u ravnini). z1 ) i paralelna je sa − = (a1 . b2 . . b1 . b1 . . 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. Iz s1 s2 Napomene 2. 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 = = . y1 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. z1 ) → odnosno P2 = (x2 .5. a2 b2 c2 Definicija 2.9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. z2 ) s pripadaju´im vektorima smjera − = (a1 .22. c2 ).78 ˇ POGLAVLJE 2. b2 .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . = 0. y1 . y2 . Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).

z2 ). c x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 odnosno. ˇto znamo izraˇunati. → − Ako su − i → kolinearni.2.5. − = → n b1 c1 c1 a1 a1 b1 . y1 . ODNOSI RAVNINA I PRAVACA U PROSTORU 79 Kako je duljina zajedniˇke okomice jednaka udaljenosti od bilo koje toˇke na p2 c c do Π. kako konstruirati ravninu kroz toˇku P1 = (x1 . onda su p1 i p2 paralelni. b2 c2 c2 a2 a2 b2 i imamo odredenu ravninu kroz P1 . z1 ) c → → paralelnu s vektorima − i − ? s1 s2 − i → nekolinearni. x2 − x1 y2 − y1 z2 − z1 a1 b1 c1 a2 b2 c2 b1 c1 b2 c2 2 d(P2 . y2 . . Napomena 2. jasno je da moˇemo uzeti da joj je normala z − . . prema Napomeni 2. d(p1 . Tada pogledamo presjek te ravnine i pravca p2 . ˇto je toˇka. zovimo je M . p2 ) = ± + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . → s1 s c Udaljenost p1 od p2 je jednaka udaljenosti P1 od M ). pa je udaljenost p1 od p2 s1 s2 jednaka udaljenosti bilo koje toˇke s p2 do p1 . Tada je. onda uzmemo da je normala ravnine Π → − Ako su s1 s2 − =− ×−. → → → n s1 s2 Time smo dobili izraz kao i gore tj.20.31 Kako znamo da postoji ravnina Π takva da p1 leˇi u njoj i z paralelna je sa p2 ? Ekvivalentno je pitanje. (Uzmemo c s c li ravninu okomitu na p1 kroz P1 . Π) = ± 2 + c1 a1 c2 a2 2 + a1 b1 a2 b2 2 . uzmimo toˇku P2 = (x2 .

.

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

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

prvi se mijenja od 1 do m). drugi se mijenja od 1 do n). Svaki element je indeksiran s dva indeksa: prvi je redni broj redka. . Realni brojevi sloˇeni u matricu su njeni z elementi.1 M= 1 0 −1 2 3 1 Matrica M je realna matrica tipa (2 × 3).. drugi je redni broj stupca na ˇijem se presjeku nalazi taj element..♠ Brojevi aik .. . am1 am2 am3 · · · amn Matrica A ima m redaka i n stupaca. . . Neka je A matrica kao gore. . . a13 a23 . .. . n matrice A ˇine i-ti redak matrice A (prvi indeks je c fiksan.1. . ako je matrica A oblika   a11 a12 · · · a1n    a21 a22 · · · a2n   . an1 an2 · · · ann . a12 a22 . Zbog jednostavnosti zapisa nju joˇ zapisujemo kao s A = [aij ]m. Brojevi akj . . . Primjer 3. Pravokutna shema u kojoj je u m redaka i n stupaca sloˇeno m · n realnih brojeva zove se matrica tipa m × n. Ako je m = n. . z    A=         a11 a21 . . k = 1. tj. . · · · a1n · · · a2n ..j=1 ili samo A = [aij ]. .2 Osnovni pojmovi Definicija 3.1 Neka su m i n prirodni brojevi.. k = 1. . OSNOVE MATRICNOG RACUNA 83 3. A= .  . . .ˇ ˇ 3. n i=1.1.   . Npr.. element c aij se nalazi na presjeku i-tog redka i j-tog stupca. m matrice A ˇine j-ti stupac matrice A (drugi indeks je c fiksan.

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

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

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

z Teorem 3. Dakle je dimenzija c vektorskog prostora Mmn jednaka mn. Kaˇemo da je A rastavljena (razloˇena. A + B = B + A (komutativnost)..1 slijedi da je skup Mmn uz operacije zbrajanja i mnoˇenja z skalarom vektorski prostor. s Definicija 3. Ak ∈ Mmn matrice i λ1 ... λk ∈ R skalari. Ak ∈ Mmn . α(A + B) = αA + αB (distributivnost). . Matrica A = λ1 A1 + . Linearna kombinacija je netrivijalna ako je barem jedan λ1 ..5 Neka su A1 .. 3... A2 . .2 Funkcija koja matrici pridruˇuje njenu transponiranu matricu A −→ AT sa Mmn u Mnm ima sljede´a svojstva: c . A2 .... Moˇe se pokazati da skup svih m × n matrica Eij koje na mjestu (i. A2 . 2. . + λk Ak je linearna kombinacija matrica A1 . . λk razliˇit od c nule. α(βA) = (αβ)A (homogenost). Napomena 3.. . OSNOVE MATRICNOG RACUNA 87 Teorem 3..1 (Svojstva zbrajanja matrica i mnoˇenja skalarom) Za sve maz trice A. onda je i A ∈ Mmn . λk . 4.. ˇto slijedi izravno iz Definicije s 3. B.. C ∈ Mmn i sve skalare iz α.♣ Iz Teorema 3. j) imaju z jedinicu. Ak . Njegovi su elementi (”vektori”) matrice tipa m × n....ˇ ˇ 3..4...3 odnosno Definicije 3.1. Ak s koeficijentima λ1 . razvijena) u linearni spoj po matricama z z A1 .. . A2 . Operacije zbrajanja i mnoˇenja skalarom su dobro uskladene s operacijom z transponiranja. Unatoˇ tome ˇto nije rijeˇ o geometrijskim objektima za njih imaju smisla pojmovi c s c kao ˇto su linearna zavisnost i nezavisnost. β ∈ R vrijedi: 1.. a na svim ostalim mjestima nule ˇini bazu u Mmn .4 Ako je matrica A rastavljena u linearni spoj po matricama A1 . linearna kombinacija i linearni rastav. (A + B) + C = A + (B + C) (asocijativnost). ..

.. Mnoˇenje treba definirati tako da bude uskladeno s tim zahtjevima. Tako bismo za matrice A = [aij ]. Takoder. B = [bij ] ∈ Mmn mogli definirati matricu C kao produkt matrica A. MATRICE I LINEARNI SUSTAVI 1. a za Aa vrijedi AT = −Aa .. Najjednostavnije bi bilo z z c definirati ga analogno zbrajanju matrica. . B.. c takva definicija produkta matrica ne bi nam bila jako korisna niti pogodna za primjenu na linearne sustave. Dakle imamo tvrdnju. s a Dokaz: Stavimo As = i Aa = 1 (A + AT ) 2 1 (A − AT ). nema podlogu u fizici. B ∈ Mmn .. gdje su elementi od C dani s cij = aij bij za i = 1.5 Svaka kvadratna matrica A se moˇe napisati kao zbroj simetriˇne z c i antisimetriˇne matrice istog reda: c A = As + Aa .♣ Dokaz: Tvrdnja izravno slijedi iz definicije transponiranja. gdje za As vrijedi AT = As . geometriji.1. Definicije 3. (αA)T = αAT za sve A ∈ Mmn i sve α ∈ R.88 POGLAVLJE 3.. m i j = 1. 3. itd. Iako jednostavna.4 Mnoˇenje matrica z Mnoˇenje matrica moˇe se definirati na razne naˇine. n.3 i Definicije 3. 2. ♣ c s a 3. Produkt matrica A i B definira se samo ako matrica c c A ima onoliko stupaca koliko matrica B ima redaka. AT = −Aa i A = As + Aa . To nam z name´e sljede´u definiciju. 2 Oˇito je AT = As . Oˇito je tako definirana matrica C ∈ Mmn . Napomena 3. (A + B)T = AT + B T za sve A. (AT )T = A za sve A ∈ Mmn ..4. Produkt A·B takvih matrica .

. m. za j = 1. Mnoˇenje matrica vodi raˇuna o poredku operanada. p. b2j . Napomena 3.. Npr. Definicija 3.. Ako je m = p = n. Moˇe se dogoditi da za z c z matrice A i B produkt A · B postoji. Dakle. Dakle opet je A·B = B ·A. OSNOVE MATRICNOG RACUNA 89 A i B je matrica ˇiji je broj redaka jednak broju redaka od A. bnj ).. ..1..ˇ ˇ 3. j = 1... . onda je A · B ∈ Mmp . . na redke matrice A i stupce matrice B moˇemo gledati kao na vektore iz Rn (toˇka 1. a da B · A nije ni definiran.. . broj stupaca od A je jednak broju redaka od B. . Za takve matrice A i B kaˇemo da su ulanˇane. n i m ... imamo A·B ∈ Mmp .4).. p... ai2 .. ain ). p p = j n (i.j) m A . ain bnj . b2j . B = C Slika 3. a broj stupaca je c jednak broju stupaca od B.. za i = 1.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp .. Znamo da je skalarni produkt z c takva dva vektora (recimo i-tog redka od A i j-tog stupca od B) jednak (ai1 . i = 1. j) u matrici C = A · B stoji element koji je c jednak skalarnom produktu i-tog redka matrice A i j-tog stupca matrice B.6 Neka je A = [aij ] ∈ Mmn i B = [bij ] ∈ Mnp . . bnj ) = ai1 b1j + ai2 b2j + . Dakle zakljuˇujemo da na mjestu (i. ... . a B ·A ∈ Mnn . + ain bnj . Produkt matrica A i B je matrica C = A · B = [cij ] ∈ Mmp ˇiji su elementi zadani formulom c n cij = k=1 aik bkj = ai1 b1j + ai2 b2j + ... Tada je i-ti redak matrice A jednak (ai1 . ako su A ∈ Mmn i B ∈ Mnp i m = p... ain ) · (b1j . z c tj..... m. a B · A nije definirano.1: Produkt matrica. . a j-ti stupac matrice B je (b1j ... ai2 .

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

xn ]T nepoznata matrica.1. Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 4.1. dobijemo podmatricu z 3 4 0 3 matrice A. Sloˇimo li ih u (r ×s) matricu. 3.4. 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 ). dobivamo podmatricu z matrice A. bm ]T poznata matrica desnih strana i z x = [x1 . c drugi i tre´i. takvu podmatricu zovemo blok.. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica.ˇ ˇ 3. 1 0 3 0  Neka je r = s = 2. 3. 3. b = [b1 . c .3. .6. Za svaki izbor r redaka i s stupaca na njihovim presjecima stoji r ·s elemenata od A. svaka linearna z jednadˇba ide u svoj redak). ... prvi i tre´i.5 Podmatrice i blok matrice Neka je A ∈ Mmn . Primjer 3. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.6 Neka je  2 3 4 1   A =  −1 2 1 3  . i dva stupca npr. 3.♠ Ako su izabrani redci i stupci uzastopni.. Sloˇimo li ih u (2 × 2) matricu. Izaberimo dva redka.. 0..

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

Npr. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 .8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva. c c c Iz svojstva 5. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. c 2. U skupu R vrijedi: ako je a · b = 0.3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. Teorema 3. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda.1. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Npr.6 Regularne matrice. OSNOVE MATRICNOG RACUNA 93 3.ˇ ˇ 3. c Napomena 3. onda je barem jedan od a ili b jednak nuli. tj. dakle ne postoji izbor brojeva a. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. c. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . U toˇki 3. postoji broj koji pomnoˇen s a daje 1.1.1. d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. b. 1. tj. neka je dana matrica c 0 1 1 0 .

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

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

5 izravno slijedi da je r(A) = r(AT ). a1 an Napomena 3. moˇemo promatrati kao vektore u vektorskom prostoru Rm . Definicija 3.. njene z c n redke. . − ) = {λ1 − + . skalarnog s produkta na stupce i redke matrica (jer je Rn vektorski prostor).11 Neka su − . .. tj.. − ∈ Rm . Iskaˇimo sada jedan bitan rezultat. Podprostor razapet vektorima a1 an − ... Za proizvoljnu matricu A ∈ Mmn iz Teorema 3. →) ⊆ Rm . a1 an → → i izravno iz Definicije 3. MATRICE I LINEARNI SUSTAVI 3.5). a1 an . .. iz Definicije 1.5) i neka je L neki podskup od V . Definicija 3.. i 3..7 Rang matrice. → → Definicija 3.5 rang po redcima jednak rangu po stupcima proizvoljne matrice A ∈ Mmn . matrice iz M1n .9 Maksimalan broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn zove se rang po redcima matrice A. z Teorem 3.. .... Elementarne transformacije Neka je A = [aij ] ∈ Mmn . 2. → → s L( a1 an → → → → an a1 L(− .. ..6 znamo da stupce.. moˇemo promatrati kao vektore u R .5 (O rangu matrice) Broj linearno nezavisnih redaka matrice A = [aij ] ∈ Mmn jednak je broju linearno nezavisnih stupaca od A. To nam omogu´ava z c proˇirivanje pojmova linearne kombinacije. − . . Oznaˇavamo ga → → → → a1 an a1 an c − ..♣ Kako je po Teoremu 3. . − ). Za L kaˇemo da je vektorski podprostor vektorskog prostora z V ako je i sam vektorski prostor (tj..11 Oˇito je da je c − − L(→.10 slijedi da je L(− . vrijede svojstva 1.. λn ∈ R}. + λn − : λ1 .... − je skup svih linearnih kombinacija vektora − ...1. Maksimalan broj linearno nezavisnih stupaca matrice A zove se rang po stupcima matrice A. .10 Neka je V vektorski prostor (Definicija 1. linearne zavisnosti/nezavisnosti. Iz Napomene 3.. matrice iz Mm1 ... Sliˇno.. onda ´emo taj broj zvati rang matrice A i oznaˇavati s c c r(A). − ) podprostor od Rm .96 POGLAVLJE 3.

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

98 POGLAVLJE 3. Mnoˇenje redka (stupca) skalarom λ = 0. Nadalje.5 imamo da je r(B) = 3. Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice.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    . m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k).. Primjer 3. 2. na pozicijama a11 .    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka. Pitanje je.♠ Iz Primjera 3. ima nule. . Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3...8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn . komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka. Zamjena dvaju redaka (stupaca).. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. tj. Neka je dana B ∈ M5. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B.  . j = 2. .. z 3. MATRICE I LINEARNI SUSTAVI 3.. Dakle. k. Dakle. akk za k ≤ min(m. na aij za i < j. iz Teorema 3.. na aij za j < i ima nule.. na aij za i = k + 1.6 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     . n) ima jedinice. c c r(In ) = n) i matrice koja izgleda kao i matrica B.. . Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .

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

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

.. Homogeni sustav je uvijek mogu´.18 Primijetimo: 1. i = 1. 2.. Ako sustav nema rjeˇenja. + a1n xn = b1 a21 x1 + a22 x2 + .. c2 ... uredena ˇetvorka (1. cn ) rjeˇenje homogenog sustava i barem jedan ci = 0. ... Za sustav kaˇemo da je homogen ako je b1 = . .. kaˇemo da je nekonzistentan. bm : c a11 x1 + a12 x2 + ... . m... . . + a2n xn = b2 . ... sustav je nemogu´. imamo netrivijalno rjeˇenje.. j = 1.xn = cn gornji sustav postaje skup od m jednakosti medu realnim brojevima.3. . Ako za neki i = 1. 0. c s z proturjeˇan ili nemogu´. .2. = xn = 0 daje rjeˇenje c svakog homogenog sustava. = bm = 0.2.... c s 2... s Ako je (c1 .14 Za dva sustava kaˇemo da su ekvivalentna ako je svako rjeˇenje z s jednoga ujedno rjeˇenje drugoga i obrnuto. . xn s z koeficijentima aij .2 3.. . cn ) je rjeˇenje gornjeg sustava ako pri uvrˇtavanju s s x1 = c1 .. n i slobodnim ˇlanovima b1 . am1 x1 + am2 x2 + ... s z suglasan ili mogu´. Ako je barem z jedan bi = 0. n..... i = 1.. . Trivijalno rjeˇenje ne moˇe biti rjeˇenje nehomogenog sustava. m vrijedi ai1 = ... . Definicija 3. = ain = 0... s i = 1. Npr. Takvo rjeˇenje zovemo trivijalno. Ako sustav ima barem jedno rjeˇenje kaˇemo da je sustav konzistentan. m. c c Napomena 3.. ....1 Linearni sustavi Osnovni pojmovi Promatramo sustav od m linearnih jednadˇbi s n nepoznanica x1 . a bi = 0. −1) je rjeˇenje sustava s poˇetka ovog c s c poglavlja... s . LINEARNI SUSTAVI 101 3.. jer x1 = . Uredena n-torka (c1 .. sustav je nehomogen.. + amn xn = bm .. s s z s 3.. c2 .

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

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

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

jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.3 Homogeni sustavi → Iz Napomene 3. u v u v − → dakle → + − ∈ N (A).5. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− . Treba provjeriti da N (A) ima svojstva iz Definicije 1. Tada je.3.22 N (A) je podprostor od Rn .2. gdje je λ ∈ R proizvoljan.1 i Teorema 1. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . dakle dokaˇimo da za proizvoljne c z − . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . c Svojstva iz Teorema 1. tj. c 3.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )).18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 .8 i Napomene 3. Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). → ∈ 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 Napomena 3. u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . x x − → Oˇito je 0 ∈ N (A). Dokaz: Oˇito je N (A) ⊆ Rn .♣ . z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b . A− = b i A− = b . tj. u u Dakle je N (A) vektorski podprostor od Rn . c s x − → → → N (A) = {− ∈ Rn : A− = 0 }.2 su oˇito zadovoljena.2.♣ s c z s x → Iz Teorema 3.

ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Onda.) − → → − → − Ako je matrica A sustava A− = b regularna. s x → − → → Obrnuto.. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). s Dokaz: (Dokazujemo samo tvrdnju II. onda po Teoremu 3. → → → → Ax a y y 2. Teorem 3. tj. → → → → u u y y − → → II.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . N (A) = { 0 }. Po Teoremu 3.22 zakljuˇujemo da ako su u1 . ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje.. Tvrdnja Teorema 3. z s . svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). prema Teoremu 3. gdje je − ∈ N (A). onda je i njihova linearna kombinacija rjeˇenje tog sustava. onda su sva rjeˇenja od x s → − − = b dana s − 0 + − .9 II. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna. Kako je iz Teorema 3. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. rjeˇenje je x s u s jedinstveno.9 I.23 Primijetimo: → 1. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.9.106 POGLAVLJE 3. iz jedinstvenosti zakljuˇujemo da je − = 0 . kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. tj.9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I.8 je matrica A regularna. Tvrdnja Teorema 3.♣ Napomena 3. ut rjeˇenja homogenog sustava c s − = − . svako rjeˇenje je oblika − 0 + 0 .9 I. . Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . 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))..

elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A.. .. Ako su rangovi jednaki (r(A) = r(Ab ) = r). − → Prvo treba odrediti rangove matrica A i Ab . pri ˇemu su cr+1 . r. ar1 x1 + . − ain cn za i = 1.2. pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. Iz Teorema 3. + a1r xr = b1 − a1r+1 xr+1 − .8). . LINEARNI SUSTAVI 107 3.6 imamo da je A0 regularna.. cn proizvoljni realni parametri. kao βi (c) = bi − air+1 cr+1 − . xn na desnu stranu i doc bijemo: a11 x1 + . iz Teorema 3. Kako je r(A0 ) = r.. + a1n xn = b1 . . . imamo sustav − → − x A0 →0 = β (c). c Dakle.. . ar1 x1 + . + arr xr = br − arr+1 xr+1 − .. + arn xn = br ....4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . . . .. .... Nadalje. Ako oni nisu jednaki. + a1r xr + a1r+1 xr+1 + .. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3.. − arn xn . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj.. − a1n xn . .2.. pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β . prebacimo ˇlanove s nepoznanicama xr+1 ....3. + arr xr + arr+1 xr+1 + .... . .8 II.. slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj.. − → Uvedimo novi vektor desnih strana β (c).. ..

. jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A)..♣ Iz Teorema 3. r(A) = dimR(A) = n.. cn su slobodni prametri... 0 U toˇki 3.10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. cr koji su dani s A−1 β (c) = [c1 . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A). − − → u u u pri ˇemu su µr+1 . → → − II.9. + µn − n . . . . Brojevi cr+1 . .. → x → → Dakle. cr ]T )... .. .. . . Broj dimR(A) smo zvali rang od A. cn postoje → − jedinstveni c1 .. cr .24 Tvrdnja Teorema 3..8 II. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + ... .. → → Teorem 3. . onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . − = [c1 ... + µn − n ..10 I. iz Teorema 3.. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica... cr ]T ..... − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b .3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori.11 izravno slijedi iz Teorema 3. a broj dimN (A) defekt od A.. µn proizvoljni parametri.. Teorem 3.1. dok brojevi c1 .. c . µn proizvoljni parametri. − n ) baza s x u u u − → − = b oblika → od N (A)... i obratno.. ...2. cr+1 . tj. dimR(A) + dimN (A) = n. MATRICE I LINEARNI SUSTAVI − 0 = [c1 .♣ c Napomena 3.11 Ako je (− r+1 . − u u u pri ˇemu su µr+1 .. Kako je (− r+1 ..7 odnosno toˇki 3... cn ]T je rjeˇenje sustava A− = c s x − → b.108 koje je oblika POGLAVLJE 3.. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 ... .

. Dakle z imamo → − − → [Q1 · Q2 · · · Qq · A. Odatle je → − → − Q1 · Q2 · · · Qq · b = b Q1 · Q2 · · · Qq · A = A . Radimo li to elementarnim transformacijama samo nad redcima. Elementarne c c − = − odgovaraju mnoˇenju proˇirene → → transformacije nad redcima proˇirene matrice sustava A x s b z s matrice s lijeva elementarnim matricama. . Q1 · Q2 · · · Qq · b ] = [A .. s → → − Elementarne transformacije nad redcima proˇirene matrice sustava A− = b s x vode do rjeˇenja na mjestu desne strane (tj.2. j = 2..6.. sloˇenost mu je c z 3 ∼ n (tj. b ] (gdje je matrica A takva da na pozicijama a11 . z Za neke se posebne matrice druge. Ovaj se postupak moˇe primiz jeniti na sve matrice. na aij za i = k + 1. b ] dobili matricu [A . tj. posebno dizajnirane. b ] mnoˇili s lijeva elementarnim matricama Q1 . za A ∈ Mn broj elementarnih operacija zbrajanja i mnoˇenja je ∼ n3 ). LINEARNI SUSTAVI 109 → → − Glavni dio postupka rjeˇavanja linearnog sustava A− = b sadrˇan je u odredivanju s x z rangova od A i Ab ...... Ako smo primjenom q elementarnih transformacija − → − → nad redcima matrice [A.. . . n) ima jedinice. − → mi smo zapravo matricu [A. A −→ det A. na aij za i < j.. . b ].. akk za k ≤ min(m. na aij za j < i ima nule. na rjeˇavanje c s matriˇne jednadˇbe c z AX = B (rjeˇenje X je iz Mnp ). a ostale pozicije su ”nebitne”). 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 . imamo postupak Gaussovih eliminacija. b p . m ima nule. Qq . tj. Cramerovo pravilo Determinanta je funkcija koja matrici A ∈ Mn pridruˇuje realan broj koji oznaˇujemo z c s det A. 3.5 Determinanta..2.. k. ima nule.3. lagano moˇemo oˇitati rjeˇenje). .1.. . uz male modifikacije je numeriˇki stabilan. metode mogu pokazati brˇima (manja im je sloˇenost). s z c s Zaˇto? s Argument je isti kao i kod pravila za raˇunanje inverza matrice iz toˇke 3.

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

c 4. 3.2. Neka je A ∈ Mn dijagonalna matrica. onda je det A = a11 a22 · · · ann . LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. determinanta mijenja predznak. onda je det A = 0. je razvoj determinante po prvom redku. n ≥ 2. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . Posebno je c det In = 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. Ako je A ∈ Mn trokutasta (gornja ili donja). . 2. n ≥ 2. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. pravilo za c raˇunanje inverza matrice).7. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. det(Qij A) = − det A. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju.1.3. Svojstva determinante su: 1. onda sc je det A = 0.

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

i+1 (naravno.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj. LINEARNI SUSTAVI 113 ispod njega. itd.13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. ♣ Iz Teorema 3. Teorem 3.i+1 = 0).2.3. ♣ U Teoremu 3. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) .26 Ako je A ∈ Mn regularna.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik .13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT . Dakle oˇito je det A = 0.15 (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. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. Dokaz: Iz Teorema 3. ai+1. onda je det A = 0. ♣ Napomena 3. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. B ∈ Mn vrijedi det(AB) = det A · det B. Radimo sve analogno sve do zadnjeg elementa na dijagonali. 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+1.12 Za proizvoljne matrice A. Ako to nije mogu´e. Teorem 3. tj. z Teorem 3. ♣ . Teorem 3.

dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. Definicija 3.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . Analogno ide dokaz za stupce. det A Dakle A je regularna i A−1 = kof (A) det A . onda je po Teoremu 3.26 smo vidjeli da ako je A ∈ Mn regularna. Inaˇe je zbroj det A.28 U Napomeni 3. Kofaktor matrice A oznaˇavamo s kof (A). ako je i = j. onda iz Teorema 3. ♣ Napomena 3.16 imamo da je 1 kof (A) · A = In . 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.27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. tj. c Napomena 3. onda je det A = 0.114 Veliˇinu c POGLAVLJE 3. k=1 Oˇito.♣ . ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) . Vrijedi i obrat. Promatramo zbroj n (−1)j+k aik det Ajk . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula. k) stoji kofaktor elementa aki matrice A. tj. MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . det A Dokaz: Ako je det A = 0.13 prethodni zbroj jednak det A. (−1)k+i det Aki .27 izravno slijedi: Teorem 3.♣ Iz Napomene 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak.

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 .. onda takav linearni x y operator zovemo linearnim funkcionalom. Definicija 3.3. µ ∈ R i sve − . Ako je m = 1. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . 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. . onda je rjeˇenje z s tog sustava dano s x1 = D1 . A je regularna ako i samo ako je det A = 0.♣ a 3. a Dk .. µ ∈ R i sve − . → x Teorem 3. . za sve λ. Rm = R. PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. D x2 = D2 Dn . Rjeˇenje je dano s − = A−1 b . D D pri ˇemu je D = det A. .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. . iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .3. .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ. Stoviˇe. Ako je matrica A regularna.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica.28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju. → ∈ Rn . → ∈ Rn .3 3. − → → Iz Teorema 3. xn = . n.. . k = 1.8 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. Takvu x x funkciju zovemo linearni operator.3.26 i Napomene 3.

x x Napomena 3. 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. tj. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).2. 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 (− ).5.5.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. − ∈ Rn . Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. → → 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(− ). dakle zadovoljavaju tre´e svojstvo Definic cije 1. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.1 i Teorema 1. 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.116 POGLAVLJE 3. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. tvrdnja slijedi. µ ∈ R i sve →. Dokaˇimo da je i F + G linearni z operator.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima. MATRICE I LINEARNI SUSTAVI Napomena 3. µ ∈ R i sve →. Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− .♣ . Iz Definicije 3. − ∈ Rn .

.. Nadalje. Dakle. + xn − n ) = F (− ).... .. Stoga treba voditi raˇuna s kojim c c c parovima baza radimo. neka je F ∈ Mmn → matrica takva da je njen i-ti stupac vektor F (− i ) ∈ Rm .3. ..... f m ). − n ∈ Rn dane sa →i = (0. Tada za proizvoljni − = (x1 . → → ortonormiran skup vektora. je li svaki linearni operator F : Rn −→ Rm neka matrica iz Mmn ? → → − Pogledajmo vektore − 1 ... koji je → → Mmn ˇiji je i-ti stupac a c e − → − → → → rastavljen u kanonskoj bazi ( f 1 . Lagano se provjeri da vektori − 1 .. . Tu a e − → matricu nazivamo prikazom linearnog operatora F u paru baza (→1 . linearno su nezavisni i da vrijedi L( e e → → Zakljuˇujemo da je skup {− 1 . i = 1.. .. Postavlja se pitanje vrijedi li obrat? Tj. vektor F (− i )..... x e e e e x − tj. .. n.. c Analogno ako je q = n definiramo kompoziciju operatora G i F formulom F ◦G : Rp −→ Rm → → (F ◦ G)(− ) = F (G(− )). . n..... x n m na svaki linearni operator F : R −→ R moˇemo gledati kao na matricu iz z − i . 1. .. ... .. matrica F i linearni operator F se podudaraju za proizvoljni → ∈ Rn . rastavljen u e → − → − m → kanonskoj bazi ( f 1 .. Oˇito je da ako uzmemo neki drugi par baza (ne nuˇno ortonormiran) od Rn c z m i R . .. n. . f m ) od Rm .. . linearni operator u c c razliˇitim parovima baza ima razliˇite prikaze. .. i = 1. . n... xn ) ∈ Rn x − = x1 − 1 + . . Neka je F : Rn −→ Rm proizvoljan linearni operator. − i = F (− i ).. + xn − n i → → → vrijedi x e e → → → → → → F − = x1 F (− 1 ) + . − n ) = Rn .♣ Rekli smo da je svaka matrica A ∈ Mmn linearni operator sa Rn u Rm . + xn F (− n ) = F (x1 − 1 + ... i = 1.3. e e e → → c gdje je jedinica na i-tom mjestu.18 Kompozicija linearnih operatora (ako postoji) je linearni operator.. 0)..... Dakle. − n } ortonormirana baza vektroskog prostora c e e n R koju zovemo kanonskom bazom... 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 .. . n. i = 1.... f m ) od R . linearni operator F ´e imati drugaˇiji prikaz. − n ) e e − → → − i ( f 1 .. x x Teorem 3. .. i = 1. − n ˇine e e − 1 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 117 Neka su F : Rn −→ Rm i G : Rp −→ Rq operatori....

Dakle dimenziju slike linearnog s operatora takoder zovemo rang.2. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. Kako su F i F ustvari isti linearni oper− → − → atori. tj. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }. c H =GF . Primjer 3.32 i Teorema 3. F ∈ Mn ). tj. z) = x. Tada je po Teoremu 3. a defekt dva. vrijedi dimN (F ) + dimR(F ) = n. Njegova je matrica dana s 1 0 0 . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). y.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. MATRICE I LINEARNI SUSTAVI Napomena 3. a defekt jedan. Oˇito je rang od p1 jednak jedan (jer je slika x-os).3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Sada nas zanima kada su ti vektori kolinearni. Napomena 3. Njegova je matrica dana s 1 0 0 0 1 0 . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . z . − → → → Nadalje.32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. c 2.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . odnosno dimN (F ) = dimN (F ). y). Oˇito je rang od p2 jednak dva (jer je slika xy ravnina).10 izravno slijedi teorem o rangu i defektu za linearni operator. iz toˇke 3. Iz Napomene 3.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj.10 Pogledajmo sljede´e primjere: c 1. Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os.♠ c 3. y.3. z) = (x. Operator F vektoru iz Rn pridruˇuje vektor iz Rn .118 POGLAVLJE 3. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu. Neka je F : Rn −→ Rm proizvoljan linearni operator.

c x y tj. Nadalje. x y x y x y . Izravno iz Definicije 3.1 i Teorema 1.3. vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 .5. Nadalje neka su − . Dokaz: Oˇito je S(λ0 ) podskup od Rn . 2. A− 0 = x x − 0 . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . x x → → Vektor − 0 ∈ Rn . µ = 0. x x x x → Dakle za svaki µ ∈ R.17 Neka je A ∈ Mn . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 . PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. ♣ Napomena 3.17. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. → → 2. Napomena 3.3. da c z s zadovoljava uvjete Definicije 1. vrijedi → − → → A− = λ 0 → x x i A− = λ0 − .2 oˇito zadovoljava. Dokaz: 1.33 Primijetimo: → 1. → → Svojstva iz Teorema 1. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). tj. neka je µ ∈ R µ = 0 proizvoljan. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. tj. − ∈ S(λ0 ).

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

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

pronalaˇenju nultoˇki karakteristiˇnog polinoma z z c c KA (λ).♣ Pronalaˇenje svojstvenih vrijednosti matrice A ∈ Mn je ekvivalentno rjeˇavanju z s jednadˇbe det(A−λIn ) = 0. Za dijagonalne matrice. Medutim. Stoga bi bilo dobro kada bismo mogli proizvoljnu matricu A ∈ Mn ”transformirati” u dijagonalnu koja bi imala iste svojstvene vrijednosti kao i polazna. Tako npr.122 POGLAVLJE 3. . svojstvene vrijednosti od A nisu realni brojevi. Stoga se koriste razne pribliˇne metode. jednadˇba det(A−λIn ) = 0 nije uvijek trivijalna za rjeˇavanje. MATRICE I LINEARNI SUSTAVI Oˇito je det(A − λI2 ) = 0 ako i samo ako je λ2 − 2λ cos ϕ + 1 = 0. Nadalje. imamo cos2 ϕ − 1 < 0 tj. nul matrice.11 zakljuˇujemo da se moˇe dogoditi da za proizvoljnu c z matricu A ∈ Mn svojstveni polinom KA (λ) nema realnih nultoˇaka. jediniˇne i skalarne matrice svaki ne-nul vektor je svoc jstveni vektor. da A c nema realnih svojstvenih vrijednosti. c Teorem 3. Definicija 3. iterativne metode. k ∈ Z. z s Za velike matrice karakteristiˇni polinom KA (λ) je polinom velikog stupnja ˇije je c c nultoˇke teˇko na´i. c s c z itd. tj.18 Za matrice A. za trokutaste.♠ Dakle iz Primjera 3.2 = cos ϕ ± Kako je ϕ = kπ. Za neke specijalne oblike matrica moˇemo lagano izraˇunati svojstvene vrijednosti z c i svojstvene vektore. cos2 ϕ − 1. skalarne i dijagonalne matrice svojstvene vrijednosti su jednake elementima na dijagonali. B ∈ Mn kaˇemo da su sliˇne ako postoji reguz c larna matrica P ∈ Mn takva da vrijedi B = P −1 AP. Rjeˇavanjem c s te jednadˇbe dobivamo da su svojstvene vrijednosti od A z λ1. za nul matrice. tj. svaki vektor kanonske ortonormirane baze od Rn je svojstven. Tada su sve njene svojstvene vrijednosti realne.19 Neka je A ∈ Mn simetriˇna matrica.

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

♣ Teorem 3. . A je regularna. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati. .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 ..♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A..24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost. iz osnovnog teorema algebre (Teorem 5. a odgovaraju´i se svojstveni vektori podudaraju. ona se u nizu c nultoˇaka λ1 ..♣ c ..12 vidimo da ne moˇemo svaku matricu dijagonalizirati. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti.124 POGLAVLJE 3. λ−1 .... 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.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .. tj.. λn . s Teorem 3. ako je λ0 svojstvena vrijednost od A ∈ Mn . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. λn od KA (λ) zovemo algebarska kratnost od λ0 . Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). nultoˇka od KA (λ). λn . . dijagonalna. Tada iz Napomene 3. tj. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. λn od KA (λ) pojavljuje barem jednom. . c Teorem 3.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A. c c Teorem 3. c Kako je KA (λ) polinom n-tog stupnja. Obratno. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 . Dakle 0 nije svojstvena vrijednost.... Ipak.21 Neka je A ∈ Mn simetriˇna. Sada. c Napomena 3..♣ Napomena 3.34 znamo da je skup S(λ0 ) potprostor od Rn . Ako je A joˇ simetriˇna onda iz Teorema 3. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0..21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In . .5) znamo da z z KA (λ) ima n nultoˇaka λ1 .. Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 .

Poglavlje 4 Nizovi i redovi
4.1
4.1.1

Nizovi realnih brojeva
Pojam niza

Niz je matematiˇki koncept koji opisuje situaciju u kojoj su elementi nekog skupa c poredani, tj. indeksirani prirodnim brojevima. Definicija 4.1 Niz (slijed) u nepraznom skupu A je funkcija a : N −→ A. Vrijednost funkcije a na elementu n ∈ N uobiˇajeno je oznaˇavati s an umjesto c c a(n). Argument n zovemo indeks. Nas zanimaju nizovi realnih brojeva, tj. funkcije a : N −→ R. Elemente niza, tj. brojeve a1 , a2 , ... zovemo ˇlanovi niza. Umjesto zapisa a1 , a2 , ... za niz joˇ ´emo c sc koristiti i zapis (an )n∈N ili samo (an ). Ako je an = 0 za konaˇno mnogo n ∈ N kaˇemo da je niz konaˇan. Nas ´e c z c c zanimati beskonaˇni nizovi. c Niz moˇemo zadati na viˇe naˇina: z s c - listom ili popisom (ovakvo zadavanje niza se koristi samo za konaˇne nic zove), - formulom (npr. an = n2 + 1), - rekurzijom (npr. an = 2an−1 , a1 = 1), - svojstvom (npr. an je broj triangulacija mnogokuta dijagonalama). 125

126

POGLAVLJE 4. NIZOVI I REDOVI

Primjer 4.1 Pogledajmo sljede´e primjere: c 1. Niz prirodnih brojeva poˇinje s 1, 2, 3, ..., a op´i ˇlan mu je zadan formulom c c c an = n. 2. Niz kvadrata prirodnih brojeva zadan je formulom an = n2 , a poˇinje c ˇlanovima 1, 4, 9, .... c c 3. Niz prostih brojeva poˇinje brojevima 2, 3, 5, 7, 11, 13, 17, .... Za njegov op´i ˇlan ne postoji formula. c c 4. Niz Fibonaccijevih brojeva zadan je pravilom an = an−1 + an−2 i poˇetnim c vrijednostima a0 = 0, a1 = 1. To je primjer niza zadanog rekurzijom.♠ Niz (an ) je rastu´i ako je an+1 ≥ an za svaki n ∈ N. Niz (an ) je padaju´i c c ako je an+1 ≤ an za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo rastu´i odnosno strogo padaju´i niz. Ako je niz rastu´i ili padaju´i, kaˇemo c c c c z da je monoton. Niz (an ) je pozitivan (negativan) ako je an ≥ 0, an ≤ 0 za svaki n ∈ N. Ako su nejednakosti stroge, imamo strogo pozitivan (strogo negativan) niz. Ponekad se nizovi za koje vrijedi an ≥ 0 za svaki n ∈ N zovu i nenegativni, a pozitivnima se zovu nizovi s an > 0 za svaki n ∈ N. Definirajmo funkciju sign : R −→ R formulom   −1, x < 0  sign x = 0, x = 0 .   1, x > 0 Funkcija sign realnom broju pridruˇuje njegov predznak. z Ako je sign an = 0 i sign an = sign an+1 za svaki n ∈ N, onda kaˇemo da je z niz (an ) alterniraju´i. c c Primjer 4.2 Pogledajmo sljede´e primjere: 1. Niz an = n je strogo rastu´i i pozitivan. c 2. Niz an =
1 √ n

je strogo padaju´i i pozitivan. c

3. Niz an = log n je rastu´i i pozitivan jer je a1 = ... = a9 = 0, a10 = ... = c a99 = 1, a100 = ... = a999 = 2,...

4.1. NIZOVI REALNIH BROJEVA 4. Niz an = (−1)n nije monoton nego alterniraju´i.♠ c Podniz niza (an ) je niz dobiven ispuˇtanjem nekih ˇlanova iz niza (an ). s c

127

Definicija 4.2 Za niz (bn ) kaˇemo da je podniz niza (an ) ako postoji strogo z rastu´i niz (pn ) u N tj. strogo rastu´a funkcija p : N −→ N takva da vrijedi c c bn = ap(n) , za svaki n ∈ N. Definicija 4.3 Za niz (an ) kaˇemo da je ograniˇen ili omeden ako postoji z c realan broj M > 0 takav da je |an | < M , za svaki n ∈ N, ili, ekvivalentno, ako je −M < an < M , za svaki n ∈ N. c Primjer 4.3 Pogledajmo sljede´e primjere: 1. Niz an = sin π je omeden niz jer je funkcija sinus omedena, i moˇemo uzeti z n npr. M = 2. √ 2. Niz an = n nije omeden jer za svaki M > 0 postoji n ∈ N takav da je √ n > M . Dovoljno je uzeti n > M 2 .♠ Niz (an ) je aritmetiˇki ako je c an+1 − an = d, za svaki n ∈ N, gdje je d ∈ R konstanta. Formula op´eg ˇlana aritmetiˇkog niza c c c je an = a1 + (n − 1)d. Ako je d > 0 onda je (an ) strogo rastu´i, za d < 0 niz (an ) je strogo padaju´i c c a za d = 0 imamo konstantni niz an = a1 , za svaki n ∈ N. Uoˇimo da za c aritmetiˇki niz (an ) vrijedi formula c an =
an−1 +an+1 , 2

za svaki n ∈ N, tj. svaki ˇlan niza (osim prvog) je aritmetiˇka sredina svojih c c susjeda. Niz (an ) je geometrijski ako je
an+1 an

= q,

128

POGLAVLJE 4. NIZOVI I REDOVI

za svaki n ∈ N, gdje je q ∈ R, q = 0, konstanta. Formula op´eg ˇlana geometric c jskog niza je an = a1 q n−1 . Ako je q < 0 onda je niz (an ) alterniraju´i. Za a1 > 0 i q > 1 niz raste, za c a1 > 0 i 0 < q < 1 niz pada. Za a1 < 0 i q > 1 niz pada, za a1 < 0 i 0 < q < 1 niz raste. Uoˇimo da za geometrijski niz (an ) takav da je a1 > 0 i q > 0 vrijedi c formula √ an = an−1 an+1 , za svaki n ∈ N, tj. svaki ˇlan niza osim prvog je geometrijska sredina svojih c susjeda. c Primjer 4.4 Pogledajmo sljede´e primjere: 1. Za aritmetiˇki niz 1, 4, 7, 10, 13, ... je a1 = 1, d = 3 i an = 3n − 2. c 2. Za aritmetiˇki niz 8, 6, 4, 2, 0, −2, −4, ... je a1 = 8, d = −2 i an = −2n + c 10. 3. Za geometrijski niz 1, 2, 4, 8, 16, ... je a1 = 1, q = 2 i an = 2n−1 . 4. Za geometrijski niz 1, −1, 1, −1, 1, ... je a1 = 1, q = −1 i an = (−1)n−1 .♠

4.1.2

Graniˇna vrijednost niza. Konvergencija niza c

1 Pogledajmo niz (an ) zadan formulom an = n , za svaki n ∈ N. Njegove vrijednosti padaju i prilaze po volji blizu broju 0. Sliˇno, vrijednosti niza (an ) zadanog c n−1 formulom an = n se pribliˇavaju po volji blizu broju 1. S druge strane, vriz jednosti nizova (an ), (bn ) i (cn ) zadanih formulama an = (−1)n , bn = (−1)n n i cn = n2 , ne pribliˇavaju se za velike vrijednosti indeksa n niti jednom fiksnom z realnom broju. Dakle se ti nizovi kvalitativno drugaˇije ponaˇaju. c s

c Definicija 4.4 Realni broj L je graniˇna vrijednost ili limes niza (an ) ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). To piˇemo an −→ L ili L = lim an . s
n−→∞

4.1. NIZOVI REALNIH BROJEVA

129

Uvjet |an − L| < ε iz Definicije 4.4 ustvari znaˇi −ε < an − L < ε odnosno c L − ε < an < ε + L. Dakle, Definicija 4.4 ustvari govori da je realni broj L limes niza (an ) ako izvan proizvoljno malog intervala oko limesa ostaje samo konaˇno c mnogo ˇlanova niza. c Definicija 4.5 Niz (an ) je konvergentan ako postoji L ∈ R za koji je L = lim an .
n−→∞

Inaˇe kaˇemo da je (an ) divergentan. c z Napomena 4.1 Ako je niz (an ) konvergentan onda je njegov limes jedinstven.
Dokaz: Pretpostavimo suprotno, tj. da niz (an ) ima bar dva limesa L i L . Uzmimo sada da je ε jednak |L − L |, pa kako su L i L limesi niza (an ) za ε = |L − L | postoje n1 , n2 ∈ N takvi ε ε da za sve n > n1 i n > n2 vrijedi |an − L| < 2 i |an − L | < 2 . Dakle za n > n1 i n > n2 imamo ε = |L − L | = |L − an + an − L | ≤ |L − an | + |an − L | < ε. Dobili smo da je ε < ε, ˇto ne moˇe biti. Dakle pretpostavka da postoje bar dva limesa je s z pogreˇna. ♣ s

Primjer 4.5 Pogledajmo sljede´e primjere: c
1 1. Neka je niz (an ) dan formulom an = n . Tada je

1 = 0. n−→∞ n lim

Zaista, uzmimo ε > 0 proizvoljan. Pitanje je: moˇemo li na´i n0 ∈ N takav z c 1 da je n − 0 < ε, za svaki n > n0 ? Oˇito je dovoljno uzeti n0 = 1 . c ε −100 100 Za mali ε, npr. ε = 10 , n0 = 10 , ˇto je vrlo velik, no joˇ uvijek s s konaˇan broj. c 2. Neka je niz (an ) dan formulom an = lim
n2 . n2 −1

Tada je

n2 = 1. n−→∞ n2 − 1

130

POGLAVLJE 4. NIZOVI I REDOVI Zaista, uzmimo ε > 0 proizvoljan. Traˇimo n0 ∈ N takav da je z ε, za svaki n > n0 . Izraz ε. Odatle slijedi n21 < −1 je dovoljno uzeti n0 =
n2 −1 < n2 −1 2 2 n n − 1 je uvijek pozitivan pa imamo n2 −1 − 1 < n2 −1 ε, tj. ε(n2 − 1) > 1, tj. n2 > ε+1 . Dakle za n0 ε ε+1 .♠ ε

Pogledajmo sada ponaˇanje nizova koji nisu konvergentni. s Definicija 4.6 Kaˇemo da niz (an ) teˇi u +∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an > M ). To piˇemo s
n−→∞

lim an = +∞.

Analogno, kaˇemo da niz (an ) teˇi u −∞ ako z z (∀M > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (an < −M ), i piˇemo s
n−→∞

lim an = −∞.

Primjer 4.6 Neka je niz (an ) dan formulom an = n2 . Tada je
n−→∞

lim an = +∞. √

Neka je M > 0 proizvoljan. Tada je za n0 dovoljno uzeti an > M za svaki n > n0 .♠

M , pa je

Napomena 4.2 Treba imati u vidu da +∞, −∞ ∈ R, pa su nizovi koji teˇe u / z +∞ ili −∞ ustvari divergentni. Kaˇe se da su divergentni u uˇem smislu. z z n Pogledajmo ponaˇanje niza (bn ) danog formulom bn = (−1) . U blizini broja s 1 i broja −1 ima beskonaˇno mnogo ˇlanova niza. Ipak, to nisu graniˇne vrijedc c c nosti, jer izvan proizvoljno male okoline tih brojeva ostaje beskonaˇno mnogo c n ˇlanova niza (a ne konaˇno mnogo). Dakle niz bn = (−1) ne teˇi ni u c c z beskonaˇnu ni u konaˇnu granicu. Kaˇemo da takav niz divergira u ˇirem c c z s smislu.

4.1. NIZOVI REALNIH BROJEVA

131

Definicija 4.7 Realni broj G je gomiliˇte niza (an ) ako se u proizvoljno maloj s okolini broja G nalazi beskonaˇno mnogo ˇlanova niza. c c Primjer 4.7 Niz (an ) dan formulom an = n nema gomiliˇte.♠ s c s Napomena 4.3 Graniˇna vrijednost niza (ako postoji) je i gomiliˇte tog niza. n Obrat ne vrijedi. Npr. niz (an ) zadan formulom an = (−1) ima dva gomiliˇta s −1 i 1, ali nema limesa. Iz Napomene 4.3 vidimo da niz moˇe imati viˇe gomiliˇta. Najve´e gomiliˇte niza z s s c s (an ) (ako postoji) zovemo limes superior od (an ) i oznaˇavamo ga c lim sup an , dok najmanje gomiliˇte (ako postoji) niza (an ) zovemo limes inferior od (an ) s i oznaˇavamo ga c lim inf an . Rekli smo da je realni broj G gomiliˇte niza (an ) ako se u proizvoljno maloj okolini s broja G nalazi beskonaˇno mnogo ˇlanova niza. Ako uzmemo te ˇlanove niza c c c dobivamo jedan podniz niza (an ), tj. vrijedi: Teorem 4.1 Realni broj G je gomiliˇte niza (an ) ako i samo ako postoji podniz s (bn ) niza (an ) koji konvergira u G.♣ Napomena 4.4 Ako je niz (an ) konvegentan s limesom L onda je lim sup an = lim inf an = L. Teorem 4.2 (Bolzano-Weierstrass) Svaki omeden niz ima barem jedno gomiliˇte, s tj. barem jedan konvergentan podniz.♣ Pogledajmo sada neka svojstva konvergentnih nizova: c c c 1. Promjena konaˇno mnogo ˇlanova ne utjeˇe na limes. 2. Svaki konvergentan niz je ograniˇen. c 3. Svaki podniz konvergentnog niza teˇi prema istoj graniˇnoj vrijednost kao z c i sam niz. z c 4. Limes moˇe no i ne mora biti ˇlan niza (npr. an = bn = 1, 1 je ˇlan niza). c
1 , n

0 nije ˇlan niza, c

3 Neka je (an ) niz s pozitivnim ˇlanovima. r = 0.♣ an Teorem 4. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. ako je bn = 0 i n−→∞ lim bn = 0.4 Neka su (an ) i (bn ) konvergentni nizovi. te c ∈ R proizvoljan. . lim (an ± bn ) = lim an ± lim bn .3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. n−→∞ n−→∞ 3. n−→∞ n−→∞ n−→∞ 4. c s c c c tj.♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . c Teorem 4.1. proizvoljan i an ≥ 0 za svaki n ∈ N. NIZOVI I REDOVI 4.132 POGLAVLJE 4. i ako da. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije. lim (an bn ) = lim an lim bn . prema kojoj vrijednosti. ako ne i nemogu´e. Ako je r ∈ R. Tada vrijedi: 1. lim (can ) = c lim an . n−→∞ n−→∞ n−→∞ 2. onda je lim an an = n−→∞ . konvergira li. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Tada c an −→ 0 ⇔ 1 −→ ∞.5 Neka je (an ) konvergentan niz. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an . c c c Npr. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L.

. G > G . q 2 . po Teoremu 4. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 ..6 je tipiˇni teorem egzistencije. Tada po Teoremu 4. dakle divergentan. 1 |q n | Neka je sada |q| > 1. izraˇunati. Teorem 4. q 3 . (an ) raste. niz (an ) s konvergentan. Tj. znamo da neˇto postoji..6 Monoton..♣ c z s Napomena 4. on moˇe imati najviˇe jedno gomiliˇte. q. To je ekvivalentno s |q| < ε. Pogledajmo prvo sluˇaj |q| < 1.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . q 2 . pa prema prethodnom niz n n −→ 0. dakle ili q −→ ∞.♣ Teorem 4.4.4 dovoljno je promatrati niz s a1 = 1. . ε). q 3 . za svaki n ∈ N. dakle divergira ili u uˇem.2 niz (an ) ima barem jedno c gomiliˇte. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε. tj. n−→∞ Dokaz: Iz toˇke 4. ˇto ne moˇe biti jer je G gomiliˇte. log |q| Dakle svi ˇlanovi niza 1. ograniˇen niz je konvergentan. Imamo log ε n> . jer je log |q| < 0. Tada je n 1 |q| < 1. tj. vrijedi lim inf an = lim sup an ∈ R. i ako npr. c c . . postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. no ne c s znamo koliko je i kako to na´i. c c c Prema Teoremu 4. ili u ˇirem smislu.4. niz 1.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Kako je (an ) monoton. Onda je po Napomeni 4. q.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0.3 imamo |q | −→ ∞. za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. Sada.. pa je lim an = 0. c Dokaz: Neka je (an ) monoton i ograniˇen. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. NIZOVI REALNIH BROJEVA 133 Teorem 4. Za |q| < 1 je lim an = 0. c Napomena 4. ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. Dakle imamo samo c c s z s jedno gomiliˇte. odrediti. U suprotnom. Logaritmiranjem se dobije n log |q| < log ε. tj.1.1. ako s z s s (an ) ima barem dva gomiliˇta G i G .

n−→∞   0. Tada vrijedi ∞. √ 3. c z 4. Neka je niz (an ) dan formulom an = n n. Tada vrijedi lim an = 1. ako je 0 < λ < 1. ∀r ∈ N). 2. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = |λ| . 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. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. gdje je λ > 0. tj. 1 n . Neka je niz (an ) dan formulom an = n λ. proizvoljan. gdje je λ ∈ R proizvoljan. ako je λ = 0. ako je λ < 0 √ 5.134 POGLAVLJE 4.1. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. gdje je λ > 0 proizvoljan. gdje je λ ∈ R proizvoljan. . Neka je niz (an ) dan formulom an = nλ .♣ Teorem 4. λ = 1. teˇe k nuli. n 6.4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1. Tada vrijedi n−→∞ lim an = 1. ako je λ > 1 lim an = n−→∞ 0. Tada n! vrijedi lim an = 0. Tada vrijedi   ∞. n−→∞ n−→∞ n 4.7 je najop´enitiji. ako je λ > 0  lim an = 1.

Za svaki konaˇan n z c veliˇina Sn je dobro definirana.. REDOVI REALNIH BROJEVA 135 4. Dakle. a3 . nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). n-ta parcijalna suma. an je oznaka za red. a1 . tj. (Sn )).2. Konvergencija reda Ako u beskonaˇnom nizu (an ). c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . ∞ an je oznaka za n=1 Primjer 4. Red dobiven od niza (an ) oznaˇavamo s c an .. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S.8 Neka je (an ) niz. Ako je S = lim Sn < ∞. tj. a2 . a oznaka an divergira. zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. zareze zamijenimo plusevima c dobijemo beskonaˇni red.8 Oznaka sumu reda an .9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). c Definicija 4.4. gdje je (Sn ) niz parcijalnih suma niza (an ). Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). kaˇemo da i red z Napomena 4.1 Redovi realnih brojeva Pojam reda. No.. n=1 Ako niz parcijalnih suma (Sn ) divergira.2 4. a konaˇna suma postaje red. + an = k=1 ak = Sn .. .2. Definicija 4. konaˇna suma.8 Pogledajmo sljede´e primjere: c . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + .

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

kaˇemo da red z an konvergira uvjetno. REDOVI REALNIH BROJEVA za svaki n ∈ N. n 1 (−1)n−1 n uvjetno konvergentan. tj. c .10 Iz Primjera 4. n−→∞ odnosno n−→∞ lim an+1 = 0.2. oˇito vrijedi c Sn+1 = Sn + an+1 . Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 .9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2.♠ dok red 1 n divergira (Primjer 4.♣ 1 1 Napomena 4. Ako red an konvergira. Nadalje. onda op´enito red c c c an ne mora konvergirati.4.10 Red an apsolutno konvergira ako konvergira red |an |. Primjer 4.♠ 2n n−→∞ ∞ Napomena 4.9 op´enito ne vrijedi. c c ako op´i ˇlan niza (an ) konvergira u nulu.♣ c Uoˇimo da iz Primjera 4.8 Ako red apsolutno konvergira. Definicija 4.9 ne slijedi obrat Teorema 4.8. a red |an | ne konvergira. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4. an .8). S = lim Sn = n−→∞ n=1 an . onda on konvergira i obiˇno. Dakle je red Teorem 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1.8 znamo da red = divergira i da je lim n n−→∞ n 0. tj.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.

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

4.2. REDOVI REALNIH BROJEVA
za a1 = 0, iz Napomene 4.9 zakljuˇujemo da red c Ako je |q| > 1 i q > 0, onda imamo
n−→∞ n−→∞

139
a1 (−1)n−1 divergira.

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = ∞. lim Sn = ∞, a1 q n−1 divergira i to u uˇem smislu. z

Dakle je
n−→∞

pa iz Napomene 4.9 zakljuˇujemo da red c I na kraju ako je |q| > 1 q < 0 imamo
n−→∞ n−→∞

lim an = lim a1 q n−1 = a1 lim q n−1 ,
n−→∞

a po Teoremu 4.5 je
n−→∞

lim q n−1 = 0.

Dakle iz Napomene 4.9 zakljuˇujemo da red a1 q n−1 divergira u ˇirem smislu (jer niz a1 q n−1 c s alternira). Dakle ako geometrijski red a1 q n−1 konvergira mora biti |q| < 1.♣

Primjer 4.10 Pogledajmo sljede´e primjere: c 1. Neka je dan geometrijski red Teorema 4.9 znamo da red
∞ 1 . 2n−1 1

2n−1

Oˇito je a1 = 1 i q = 1 . Tada iz c 2 konvergira i suma mu je 1 1−
1 2

1 2n−1

=

= 2.

n=1

2. Neka je a ∈ R oblika a = 0.333... Tada oˇito vrijedi c 0.333... = i oˇito je a1 = c iq = konvergira i suma mu je
∞ 3 10

3 3 3 + + + ... = 10 100 1000
1 . 10

n=1

3 , 10n
3 10n

Tada iz Teorema 4.9 znamo da red

n=1

3 3 1 1 = 1 = .♠ n 10 10 1 − 10 3

Napomena 4.11 Uoˇimo da nam formula c 3 1 = n 10 3

n=1

govori da racionalan broj malnim brojem.

1 3

moˇemo s proizvoljnom toˇnoˇ´u aproksimirati deciz c sc

140

POGLAVLJE 4. NIZOVI I REDOVI

4.2.3

Svojstva konvergentnih redova

Rekli smo da red an konvergira ako i samo ako konvergira njegov niz parcijalnih suma Sn . Dakle, iz Teorema 4.7 imamo nuˇan i dovoljan uvjet konvergencije reda z an : Teorem 4.10 (Nuˇan i dovoljan uvjet konvergencije reda) Red z vergira ako i samo ako an kon-

(∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|Sn − Sn+r | < ε, ∀r ∈ N).♣ Uoˇimo da je izraz c |Sn − Sn+r | < ε iz Teorema 4.10 jednak izrazu |an+1 + an+2 + ... + an+r | < ε. Dakle, Teorem 4.10 tvrdi da red an konvergira ako i samo ako se apsolutna vrijednost zbroja bilo kojeg konaˇnog broja uzastopnih ˇlanova niza (an ) moˇe c c z uˇiniti dovoljnom malom, poˇnemo li od dovoljno dalekog ˇlana niza (tj. doc c c voljno velikog n ∈ N). Kriterij Teorema 4.10 nije jako koristan u praksi, jer je uvjet teˇko provjeriti. s Dakle, bilo bi dobro prona´i kriterije konvergencije reda ˇije uvjete je lakˇe provc c s jeriti. Cijena toga ´e biti slabljenje kriterija, tako da ´emo obiˇno dobivati samo c c c dovoljnost za konvergenciju. Oˇito je da ako izostavimo prvih konaˇno mnogo ˇlanova reda c c c an onda, se konvergentnost novog reda ne mijenja (tj. ako red an konvergira onda, konvergira i novi red, ako red an divergira onda divergira i novi red). Dakle, ako red an konvergira onda, konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. Red an+1 + an+2 + ... zovemo ostatak reda Ako red an konvergira i suma mu je S, vrijedi S = Sn + Rn , za svaki n ∈ N, gdje je Rn suma reda an+1 + an+2 + .... Nadalje, kako Sn −→ S, tako mora Rn −→ 0. Dakle, ostatak konvergentnog reda teˇi u 0 za n −→ ∞. z an .

4.2. REDOVI REALNIH BROJEVA

141

Napomena 4.12 Rekli smo, ako je red an konvergentan sa sumom S, onda vrijedi S = Sn + Rn , za svaki n ∈ N. Dakle ostatak reda daje pogreˇku aproksis macije pri zamjeni prave sume reda S n-tom parcijalnom sumom Sn , odnosno Rn = S − Sn . Napomena 4.13 Red an konvergira ako i samo ako konvergira i red an+1 + an+2 + ..., za svaki n ∈ N.
Dokaz: Ako red an konvergira onda, oˇito konvergira i red an+1 + an+2 + ..., za svaki n ∈ N. c Obrnuto, ako red an+1 + an+2 + ... konvergira onda, oˇito konvergira i red c an , jer smo redu an+1 + an+2 + ... dodali samo konaˇno mnogo ˇlanova a1 , ..., an , ˇija je suma oˇito konaˇna.♣ c c c c c

Teorem 4.11 Za sve redove 1. Neka su an i

an i

bn vrijedi:
∞ ∞

bn konvergentni redovi i neka je
n=1 ∞

an = A i
n=1

bn =

B. Tada je konvergentan i red 2. Neka je

(an ± bn ) i vrijedi
n=1

(an ± bn ) = A ± B.

an konvergentan red sa sumom A i neka je c ∈ R. Tada je

konvergentan i red

can i vrijedi
n=1

can = cA.

Dokaz:
n n

1. Neka su An =
i=1

ai i Bn =
i=1

bi n-te parcijalne sume redova

an i

bn . Nadalje,

neka je niz (cn ) zadan formulom cn = an ± bn . Tada je n-ta parcijalna suma reda cn = (an ± bn ) dana s
n n

Cn =
i=1

ci =
i=1

(ai ± bi ) = An ± Bn .

Kako limes desne strane u gornjoj formuli postoji, i jednak je A±B, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda (an ± bn ).
n

2. Neka je An =
i=1

ai n-ta parcijalna suma reda

an . Nadalje, neka je niz (cn ) zadan cn = can dana s

formulom cn = can . Tada je n-ta parcijalna suma reda
n n

Cn =
i=1

ci =
i=1

cai = cAn .

142

POGLAVLJE 4. NIZOVI I REDOVI
Kako limes desne strane u gornjoj formuli postoji, i jednak je cA, tako mora postojati i biti jednak tome limes lijeve strane, a to je upravo suma reda can ♣.

Primjer 4.11 Neka je dan red

(−1)n , tj.

−1 + 1 − 1 + 1 − 1 + ... Tada po Napomeni 4.9 taj red divergira. S druge strane pogledajmo red (−1 + 1) + (−1 + 1) + (−1 + 1) + ... Ovaj red oˇito konvergira i suma mu je nula. c Dakle, zakljuˇujemo da kod grupiranja ˇlanova (ispuˇtanje ili dodavanje zagrada) c c s moramo biti paˇljivi.♠ z Teorem 4.12 Ako ˇlanove konvergentnog reda grupiramo, po redu kojim dolaze, c u konaˇne skupine, i od zbrojeva tih skupina napravimo novi red, taj red konverc gira i suma mu je jednaka sumi polaznog reda.♣ Dakle, Teorem 4.12 tvrdi da ako u konvergentnom redu po redu kojim dolaze u konaˇne skupine c an ˇlanove grupiramo c

(a1 + ... + ap ) + (ap+1 + ... + ar ) + (ar+1 + ... + as ) + ..., i ako od zbrojeva tih skupina u1 = a1 + ... + ap , u2 = ap+1 + ... + ar , u3 = ar+1 + ... + as , ... formiramo novi red un , on konvergira. Takoder vrijedi
∞ ∞

an =
n=1 n=1

un .

Napomena 4.14 Primijetimo da iz Primjera 4.11 slijedi da je u Teoremu 4.12 konvergencija reda bitan uvjet da bismo mogli grupirati ˇlanove u konaˇne skupine. c c

4.2. REDOVI REALNIH BROJEVA Napomena 4.15 Zaˇto je suma reda s vergentnog reda an ?

143 un iz Teorema 4.12 jednaka sumi kon-

Dokaz: Oˇito je niz parcijalnih suma niza (un ), tj. reda c un , podniz niza parcijalnih suma reda an , dakle podniz konvergentnog niza. Sada tvrdnja lagano slijedi iz tre´eg svojstva c konvergentnih nizova iz toˇke 4.1.2.♣ c

Teorem 4.12 je poop´enje svojstva asocijativnosti zbrajanja na beskonaˇne konc c vergentne sume (tj. moˇemo po volji ubacivati i izbacivati zagrade). Medutim z za komutativnost se to ne moˇe napraviti (ne smijemo permutirati ˇlanove). z c Primjer 4.12 U Primjeru 4.9 smo spomenuli da red (−1)n−1 1 1 1 1 1 1 1 = 1 − + − + − + − + ... n 2 3 4 5 6 7 8 konvergira i suma mu je

n=1

(−1)n−1 = ln 2. n

Zapiˇimo isti red na drugi naˇin, s ispremijeˇanim ˇlanovima s c s c 1− 1 1 1 1 1 1 1 1 1 − + − − + − − + − ... = 2 4 3 6 8 5 10 12 7

1 1 1 1 1 1 1 1 1 (1 − ) − + ( − ) − + ( − ) − + ( − ... = 2 4 3 6 8 5 10 12 7 1 1 1 1 1 1 − + − + − + ... = 2 4 6 8 10 12 1 1 1 1 1 1 1 1 (1 − + − + − + − + ...). 2 2 3 4 5 6 7 8 Dobili smo 1 ln 2 = ln 2, 2 ˇto ne moˇe biti.♠ s z Dakle, iz Primjera 4.12 zakljuˇujemo da op´enito ne smijemo permutirati ˇlanove c c c reda (niti konvergentnog), jer se u tom sluˇaju suma moˇe promijeniti. Postoje c z redovi kod kojih se to smije uˇiniti. c

144

POGLAVLJE 4. NIZOVI I REDOVI

Teorem 4.13 Ako red apsolutno konvergira onda, njegova suma ne ovisi o poretku ˇlanova.♣ c Ako su svi ˇlanovi konvergentnog reda pozitivni onda, oˇito red i apsolutno konc c vergira pa po Teoremu 4.13 zakljuˇujemo da suma takvog reda ne ovisi o poretku c ˇlanova. c

4.2.4

Redovi s pozitivnim ˇlanovima c

Za red an kaˇemo da je red s pozitivnim ˇlanovima ako je an ≥ 0 za svaki z c n ∈ N. Jasno je da je niz parcijalnih suma reda s pozitivnim ˇlanovima monotono rastu´i, c c dakle red s pozitivnim ˇlanovima ne moˇe divergirati u ˇirem smislu (suma je ili c z s konaˇna ili +∞). c Ako je S suma reda s pozitivnim ˇlanovima, pri ˇemu dopuˇtamo sluˇaj S = +∞ c c s c (tj. ako red divergira), onda je jasno da je Sn ≤ S za svaki n ∈ N. an red s pozitivnim ˇlanovima i neka je (cn ) omeden c Teorem 4.14 Neka je niz pozitivnih brojeva. Ako red an konvergira, onda konvergira i red cn an .
Dokaz: Kako je (cn ) omeden niz, to postoji M > 0 takav da je M > cn za svaki n ∈ N. Nadalje, neka je A suma reda an . Tada znamo da je za svaki n ∈ N n-ta parcijalna suma od an manja ili jednaka od sume A reda an .
n

Neka je Sn =
i=1

cn an n-ta parcijalna suma reda

c cn an . Oˇito je niz (Sn ) pozitivan i rastu´i c

niz, dakle monoton. Nadalje, vrijedi
n n n

Sn =
i=1

cn an ≤
i=1

M an = M
i=1

an ≤ M A.

Monoton niz parcijalnih suma (Sn ) reda red cn an konvergentan.♣

cn an je ograniˇen, pa iz Teorema 4.6 slijedi da je c

Neka su dani redovi

an i

bn . Za red

cn = a1 b1 +(a1 b2 +a2 b1 )+(a1 b3 +a2 b2 +a3 b1 )+(a1 b4 +a2 b3 +a3 b2 +a4 b1 )+... kaˇemo da je produkt redova z an i bn .

4.3. KRITERIJI KONVERGENCIJE

145

Teorem 4.15 Neka su an i bn konvergentni redovi s pozitivnim ˇlanovima c ˇije su sume jednake A i B, redom. Tada je konvergentan i njihov produkt, tj. c red cn = a1 b1 +(a1 b2 +a2 b1 )+(a1 b3 +a2 b2 +a3 b1 )+(a1 b4 +a2 b3 +a3 b2 +a4 b1 )+... konvergira i njegova suma je jednaka AB.♣

4.3
4.3.1

Kriteriji konvergencije
Kriterij usporedivanja
bn red s pozitivnim ˇlanovima, c

Teorem 4.16 Neka je an red u R i neka je (bn ≥ 0 za svaki n ∈ N), takav da 1. 2. Tada red bn majorira bn konvergira. an apsolutno konvergira i vrijedi
∞ ∞ ∞

an , tj. |an | ≤ bn , za svaki n ∈ N,

an ≤
n=1 n=1

|an | ≤
n=1

bn . ♣

Napomena 4.16 Neka su an i je an ≤ bn , za svaki n ∈ N. Onda 1. ako red

bn redovi s pozitivnim ˇlanovima takvi da c an i vrijedi

bn konvergira onda, konvergira i red
∞ ∞

an ≤
n=1 n=1

bn , bn .

2. ako red

an divergira onda, divergira i red

Dokaz: 1. Slijedi izravno iz Teorema 4.16. 2. Red an divergira ako i samo ako divergira niz parcijalnih suma (An ) reda an . Kako je po pretpostavci 0 ≤ an ≤ bn , onda je oˇito Bn ≥ An , dakle i niz parcijalnih suma c reda bn divergira, pa i on sam.♣

an0 +3 ≤ λan0 +2 ≤ λ3 an0 . divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |.18 Neka je 0 < λ < 1.13 1. za svaki m ∈ N.146 POGLAVLJE 4. an0 +m ≤ λm an0 . Dakle. Neka je an = 1.. Dokaz: Neka su λ ∈ R.♠ 1 xn−1 (n−1)! 4. i suma mu je 1−x . onda konTeorem 4. Tada iz Teorema 4. . Red oblika an xn . an za svaki n ≥ n0 . 1 2. Neka je an = n! . Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. i n0 ∈ N takav da je an+1 ≤ λ. onda red an konvergira. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. Tada red potencija konvergira za svaki x ∈ R i suma mu je ex . gdje je x ∈ R proizvoljan. Ako red n an x0 divergira. za svaki n ∈ N. Oˇito je za x = 0 svaki red potencija konvergentan. zovemo red potencija. an za svaki n ≥ n0 . .♣ Primjer 4.3. i n0 ∈ N takvi da vrijedi an+1 ≤ λ.17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. za svaki n ∈ N. c Teorem 4. .2 D’Alembertov kriterij an red s pozitivnim ˇlanovima. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . Ako postoji λ ∈ R. . 0 < λ < 1. .9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. Dakle imamo an0 +1 ≤ λan0 .. red an0 + an0 +1 + .

n Tada iz Primjera 4.9 konvergira. Neka je dan red divergira. Ako postoji limes c an+1 = l.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. a ne moˇemo niˇta z s zakljuˇiti za l = 1. c Primjer 4.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti. imamo da red c an konvergira.3 Cauchyev kriterij Teorem 4. 1 n+1 lim n−→∞ 1 n 2. Ako postoji λ ∈ R. konvergira.19 Neka je an red s pozitivnim ˇlanovima. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.3.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.. ali vrijedi 1 . onda red an ≤ λ. c 0 < λ < 1. Neka je dan red vrijedi 1 .4. an konvergira. divergira za l > 1.♣ Napomena 4.8 znamo da on = 1.8 znamo da on konvergira. 4. i n0 ∈ N takav da je √ n za svaki n ≥ n0 .17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. Sada iz Napomene 4.14 1. n2 Tada iz Primjera 4. n−→∞ an lim onda red an konvergira za l < 1.♣ ..16 imamo da i red an0 + an0 +1 + .3.

c Teorem 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira). n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda. . Ako postoji limes c n−→∞ lim √ n an = l.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1. (an ) niz u R i x ∈ R prozvoljan. NIZOVI I REDOVI Napomena 4.148 POGLAVLJE 4. a divergira za sve x ∈ R za koje je |x| > ρ.20 Neka je an xn red potencija. divergira za l > 1. onda red an konvergira za l < 1. a ne moˇemo niˇta z s zakljuˇiti za l = 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. tj.20 zovemo radijus konvergencije reda potencija a n xn . Ako postoji lim sup n |an | i lim sup n |an | = 0.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. a iz toˇke 4. c 1 Primjer 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4.1.14 za red odnosno red n znamo da divergira odnosno konvergira.♠ c s Cauchyev kriterij je jaˇi.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti.15 Analogno kao i u Primjeru 4.

n 2.♠ n2 Teoremu 4. a divergira za |x| > 1. a divergira za |x| > ρ (ako lim sup n |an | postoji).3. KRITERIJI KONVERGENCIJE Primjer 4. Tada imamo sljede´i kriterij (Leibnic c zov): .20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Iz n2 n2 1 Teorema 4. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. konvergira za Pogledajmo sada ako je |x| = 1. n 1 n x n dakle je ρ = 1.3.). n Tada je 1 = lim n−→∞ n n 1 = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. 4. n2 1 n x n2 dakle je ρ = 1. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. dakle i apsolutno konvergira red (−1)n . tg n.20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Ako je x = 1 onda. onda iz Primjera 4. Po Teoremu 4.4. iz Primjera 4.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. to nije problem c c (jer konvergencija reda ovisi o ostatku reda).16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.8 imamo da konvergira i red (−1)n . dok za x = 1 red n 1 divergira. Po Teoremu 4.9 1 znamo da red (−1)n konvergira i suma mu je ln 2. Teorem 4. Neka je dan red potencija lim sup n 149 1 n x . c sin n. itd. ali smo u Primjeru 4.8 znamo 1 1 da red konvergira.20 red potencija |x| < 1. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. Ako je x = −1. a divergira za |x| > 1. (−1)n .16 1. konvergira za Pogledajmo sada ako je |x| = 1.20 red potencija |x| < 1. Neka je dan red potencija lim sup n 1 n x .

n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S.. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. onaj indeksiran c neparnim indeksima je padaju´i. Kako je po pretpostavci a2n+1 ≥ 0.21 Ako red POGLAVLJE 4. Nadalje.. imamo a2n+1 + a2n+2 ≥ 0. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. s c |Rn | = |S − Sn | ≤ |an+1 |. tj. Ako red poˇinje negativnim ˇlanom. iz Teorema 4. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . Ako red poˇinje pozitivnim ˇlanom. a a2n negativan za svaki n ∈ N. onda je podniz od Sn indeksiran parnim indeksima rastu´i. Zaista. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. c c ako je a1 ≥ 0. S2n+2 = S2n + a2n+1 + a2n+2 .. tj. dakle je S2n+2 ≥ S2n za svaki n ∈ N.150 Teorem 4. Kako smo pretpostavili da je a2n−1 pozitivan. i istog je predznaka kao taj ˇlan. S2n je omeden s a1 . Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N.. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . onda taj red konvergira. + (−a2n−2 − a2n−1 ) − a2n ]. onda imamo obratnu c c c situaciju. tj. Nadalje. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + .6 slijedi da su nizovi konvergentni. te kako vrijedi |an | ≥ |an+1 |. NIZOVI I REDOVI an alternira. koji je suma reda jer je S2n ≤ S ≤ S2n−1 . za svaki n ∈ N.♣ c . imamo da je S2n razlika od a1 i strogo pozitivnog broja. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. vrijedi S2n = a1 − (−a2 − a3 ) − .

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

.

manama. sklonosti prema z predmetu.1 5. kvaliteti nastavnih materijala. Element y iz Y pridruˇen elementu x iz X se zove vrijednost funkcije z f na elementu x. Definicija 5.1 Neka su dani neprazni skupovi X i Y . bruˇenju. Funkcija ili preslikavanje sa X u Y je pravilo f koje svakom elementu x iz X pridruˇuje jedan jedini element z iz Y . cijena dijamanta o njegovoj teˇini.1 Osnovni pojmovi Motivacija i definicija Mnoge su veliˇine u prirodi i u ˇivotu ovisne o drugim veliˇinama: opseg kruˇnice c z c z o njenom polumjeru. ˇisto´i. Kad se veliˇine c c koje promatramo daju dobro kvantificirati.Poglavlje 5 Funkcije 5. z c c s uspjeh na ispitu o uloˇenom trudu. 153 . To pridruˇivanje se z oznaˇuje c y = f (x). njihov odnos promatramo pomo´u rec alnih funkcija realne varijable. ili x −→ f (x). elementi iz X su argumenti funkcije f . ili f : x −→ y.1. Matematiˇki modeli takvih situacija temelje se na pojmu funkcije.

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

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

2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. no izvediv. graf funkcije f dobijemo z c c kad sve parove oblika (x.3 Graf funkcije Funkcije se zorno prikazuju grafovima. f (x)). y) za koje je y = c z c f (x). c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5. FUNKCIJE . x ∈ D(f )} ⊂ R2 . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . . graf funkcije f sadrˇi sve toˇke ravnine (x. i grafiˇki prikazuje ovisnost y ∈ R(f ) o x ∈ D(f ) zadanu funkcijom f . projekcija grafa na x-os je prirodna domena od f ) i R(f ) = Γy (f ) (tj. U nastavku ´emo se baviti ovim problec mom. tj. Drugim rijeˇima. c Napomena 5. 5. f (x)). prikaˇemo u koordinatnom sustavu.156 POGLAVLJE 5.Na kraju.1: Koordinate toˇaka na grafu funkcije.1.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x. z Definicija 5. projekcija grafa na y-os je slika od f ). x ∈ D(f ).

1. c kruˇnica u ravnini nije graf niti jedne funkcije.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. z s Iz Napomene 5. .2: Graf funkcije f i njegove projekcije na koordinatne osi. Napomena 5. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5.3: Primjer krivulje koja nije graf funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.5. Npr. c y x0 0 x Slika 5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. ˇto je suprotno s definicijom 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.

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

z c Primjer 5. c Dakle.1 1. i strogo je rastu´a na svakom intervalu c u R. c 2. 0]. tj. c 4.1. i strogo je monotona na svakom intervalu u R. Funkcija f (x) = x2 je strogo rastu´a na svakom c intervalu u [0. i slika su joj svi nenegativni realni brojevi. funkcija f (x) = −x je strogo padaju´a u svakoj toˇki c c iz R. c c strogo padaju´a u svakoj toˇki iz −∞. Analogno. . Funkcija f : R −→ R zadana formulom f (x) = x je definirana na cijelom R. pa i na c cijelom R. funkcija f (x) = x je strogo rastu´a u c svakoj toˇki iz R. tj.5. Funkcija f : R −→ R zadana formulom f (x) = 5 je definirana na cijelom R. pa i na cijelom R. i strogo je padaju´a na svakom intervalu u R. OSNOVNI POJMOVI 159 Funkcija raste (pada) u toˇki x0 ∈ R ako raste (pada) na nekom intervalu I koji c sadrˇi toˇku x0 . +∞ . R(f ) = {x ∈ R : x ≥ 0}. D(f ) = R. pa i na cijelom R.♠ c Svaki interval oblika x0 − ε. x0 + ε gdje je toˇka x0 ∈ R i ε ∈ R. dok u 0 nije ni rastu´a ni c c c padaju´a. tj. ako postoji z c ε > 0 takav da za x0 ∈ D(f ) vrijedi x0 − ε. 3. D(f ) = R. Posebno. c Ako za sve toˇke x iz neke okoline toˇke x0 ∈ D(f ) vrijedi c c f (x) ≤ f (x0 ). ε > 0. i strogo je monotona na svakom intervalu u R. D(f ) = R. funkcija f (x) = x2 je strogo rastu´a u svakoj toˇki iz 0. Funkcija f : R −→ R zadana formulom f (x) = x2 je definirana na cijelom R. kaˇemo da u toˇki x0 funkcija f ima lokalni maksimum. D(f ) = R. zovemo c okolina toˇke x0 . +∞ i strogo padaju´a na svakom intervalu u −∞. Uoˇimo da je funkcija f (x) = 5 i rastu´a i padaju´a (ali c c c ne strogo) na svakom intervalu u R. Funkcija f : R −→ R zadana formulom f (x) = −x je definirana na cijelom R. Posebno. tj. tj. funkcija f (x) = 5 je monotona u svakoj toˇki iz R. x0 + ε ⊆ D(f ) i ako je f (x) ≥ f (x0 ). Posebno. 0 .

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

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

tj.5 -1 -3 -2-2.162 POGLAVLJE 5. Npr.5 -10 Slika 5. tj. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0. Dakle imamo da vrijedi f (−x) = f (x) = −f (x). FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. 1] −→ R dana formulom f (x) = 1 − x2 . c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. Takav je rub c c regularna toˇka. c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.5 1 2 3 -5 -7. Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije. postoji i konaˇan je broj f (−1). Primjer 5.5: Primjer parne (lijevo) i neparne (desno) funkcije. tj.5 5 2. f (x) = 0 za svaki x ∈ R. jedan rub je konaˇan a drugi beskonaˇan).4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr. +∞ . neka c √ je funkcija f : [−1.

ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. 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 +∞. neka je funkcija f : [0. tj. Ako z je a ∈ R taj rub. +∞ ili −∞. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. i to brˇe od svakog pravca. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu).) c z . ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. (Npr. +∞ −→ R dana formulom f (x) = xx . neka je funkcija c 1 c f : 1. +∞ −→ R dana formulom f (x) = x−1 . ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. s c c c c 2.1. To znaˇi z c da.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. neka je z c funkcija f : 0.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. +∞ −→ R dana formulom f (x) = 2x . Tada oˇito f strogo raste u +∞.) 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 −∞.5. c c (Npr. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. (Npr. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub.

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

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

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

funkcija f : R −→ R dana c c formulom 1 . g(x) . c Za zadane dvije funkcije f. Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. dok je sama vrijednost funkcije f (0) = 0).zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). . c D(f g) = D(f ) ∩ D(g). vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima.11 Ako funkcija ima prekid u toˇki.produkt s (f g)(x) = f (x)g(x). tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali). . realnim brojevima. tj. onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule. 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. tj.kvocijent s f g (x) = f (x) .1. funkcija sign : R −→ R iz Primjera 5. pri ˇemu je x ∈ D(f ) ∩ D(g). tj. c c 5.1. g : R −→ R.5. x=0 x f (x) = 0. definiramo njihov .5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. OSNOVNI POJMOVI 167 Napomena 5. Npr. i z kako. c D(f ± g) = D(f ) ∩ D(g). pri ˇemu je x ∈ D(f ) ∩ D(g).

1. Dakle imamo definirano c c mnoˇenje funkcije skalarom. g : R −→ R. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. Uoˇimo da je D(g) = R. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0.5). Pogledajmo funkciju f + g u ovisnosti o c ∈ R. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. c Preciznije. dakle beskonaˇni skup {xn .. z c z Napomena 5. a g dana formulom g(x) = c. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5. . skup funkcija {1. x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. Tj. . pri ˇemu je f proizvoljna. x . a) Ako je c = 0. 1. x. c c Neka su f.168 POGLAVLJE 5. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). tj.12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1.3)..} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable. Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje.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. c c ∈ R. Npr. graf funkcije f + g je isti kao i graf funkcije f . b) Ako je c > 0. Beskonaˇno dimenzionalan je jer ne moˇemo na´i niti jednu konaˇnu bazu za taj prosc z c c 2 n tor. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. n = 0. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. . Napomena 5.. pa je D(f ± g) = D(f ). c) Ako je c < 0..

dok su druge vrijednosti po apsolutnoj vrijednosti umanjene c puta. onda je (f g)(x) = cf (x) za svaki x ∈ D(f ). 2. a) Ako je c = 0. vrijedi |(f g)(x)| ≤ |f (x)|. tj. Dakle. y 2 f(x) 0 f(x) x Slika 5. Graf funkcije f g je pravac y = 0 ili x os. onda je (f g)(x) = 0 za svaki x ∈ D(f ).5.1. funkcija f g ima iste nultoˇke kao i funkcija c c f .9: Graf funkcije f (x) + c za c > 0. samo je usporen pad i rast c funkcije f .10: Graf funkcije 2f (x). OSNOVNI POJMOVI 169 y f(x)+c c f(x) x 0 Slika 5. . Graf funkcije f g je sliˇan grafu funkcije f . Pogledajmo funkciju f g u ovisnosti o c ∈ R. pri ˇemu jednakost vrijedi samo u c nultoˇkama od f . b) Ako je 0 < c < 1.

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

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

Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. c h f A B g C Slika 5.5 Za dane funkcije f : A −→ B i g : B −→ C definiramo funkciju h : A −→ C koju zovemo kompozicija funkcija f i g (u oznaci g ◦f ) formulom (g ◦ f )(x) = g(f (x)). FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. . Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome.12: Kompozicija funkcija. onda su funkcije f ± g. dok su funkcije f g i f obje neparne. g : R −→ R funkcije. Ako su obje parne. onda je funkcija f ± g neparna. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija. 3. Matematiˇki se to formalizira pojmom kompozicija funkcija. Tim se postupkom mogu stvarati nove z funkcije. te funkcije f g i obje parne. Ako su obje neparne. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g). f g i f g f g sve parne. recimo g. 2.6 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. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}.1. Neka su f.172 POGLAVLJE 5. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. neparna a f parna. Definicija 5. Ako je jedna funkcija. g 5. Primjer 5.4).

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

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

175 a) Ako su funkcije f i g parne. c) Ako je funkcija f parna a g neparna. onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). ali to ´emo detaljnije razraditi kasnije. ako je funkcija f neprekidna u x0 . Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija.13: Kompozicija funkcija. d) Ako je funkcija f neparna a g parna. b) Ako su funkcije f i g neparne. c .5. onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). Parnost kompozicije u ovisnosti o parnosti komponenata. g f N N P P P P g f N P Slika 5. OSNOVNI POJMOVI 2.1. z 3. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x). onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). onda je i kompozicija g ◦ f neprekidna u x0 . a funkcija g definirana c i neprekidna u f (x0 ). Toˇnije.

.♠ z s Definicija 5.♠ Primjer 5.. To je za neke funkcije mogu´e. Dakle.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. FUNKCIJE 5. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. a za z c neke nije. 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. i joˇ 500 kn za dovoz i odvoz. 10 sati rada stroja koˇtati 2500 kn. tj. i obrnuto.. Drugim rijeˇima. Uspjeli smo rijeˇiti problem. Ne c c moˇemo rijeˇiti problem. 200x + 500 = 1300. . s s Jasno je da ´e nas npr. moˇe biti viˇe studenata koji su imali nula bodova.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. Primjer 5. Nas zanima x(y). x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). Dakle imamo. tj.. 2. Kaˇe se i da z c z f ne lijepi argumente.8 Troˇkovi rada stroja su 200 kn/h. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. b : studenti −→ {0. c s Pogledajmo sada obratni problem. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. 12}. 1.176 POGLAVLJE 5.6 Funkcija f : A −→ B je injekcija ako za svaki x1 .1.

Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c. f : D(f ) → R(f ) je uvijek surjekcija. Injektivnost. tj. OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. s c Primjer 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 .♠ Primjer 5. Napomena 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5. 1).11 U Primjeru 5. .5. Definicija 5. 1) i (1. je injekcija za neparan n. c c Definicija 5.10 Funkcija f (x) = xn . surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija. ali ne i za paran n. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi.8 Funkcija f je bijekcija ako je i injekcija i surjekcija.6 c ekvivalentan sljede´em: za x1 .8 izraˇunali smo da je x(1300) = 4. n ∈ N. x2 ∈ D(f ). jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1.1. 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.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). za bilo koji c ∈ R.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x). a injektivnost njegovu jedinstvenost.

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

12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. +∞ . Dakle vrijedi f ◦ g = g ◦ f = id.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija. Dakle. Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. OSNOVNI POJMOVI 179 Napomena 5. a strogo c c padaju´e funkcije strogo padaju´a. +∞ jesu. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. Teorem 5. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a. 0] i [0.0] √ i f |[0. To je oˇito inverzna funkcija od f . 0]. c Primijetimo da ako f nije strogo monotona nego samo monotona. a ona c c je strogo rastu´a funkcija. No f ◦ g = id. c c Dokaz: Neka je f : R −→ R strogo rastu´a. pa ima i inverznu funkciju.20 znamo da f c ima inverznu funkciju g.5. +∞ −→ [0. g1 (x) = − x.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a. jer je c f ◦ g = g ◦ f = id. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). g2 (x) = x. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana.1.20 Ako je funkcija f : R −→ R strogo monotona.+∞ su bijekcije s inverzima g1 : [0. Primjer 5.10). uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. f | −∞. onda je ona oˇito i bijekcija na svoju sliku. +∞ −→ −∞. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija.♣ z c .♠ Napomena 5. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a. i √ g2 : [0. Tada iz Napomene 5. no njezine restrikcije na −∞. kad govorimo o inverzima funkcija f : R −→ R. Dakle.

Pokuˇajmo sada. Tada je njena inverzna funkcija g : [0. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.2 ne moˇemo izre´i za parne funkcije. praktiˇno izraˇunati.♠ c Analogno kao u Primjeru 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0. Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x.12 slijedi da tvrdnju Teorema 5. +∞ . +∞ gdje je bijekcija.21 Primijetimo da iz uvjeta f ◦ f −1 = f −1 ◦ f = id slijedi da su graf funkcije f i graf njoj inverzne f −1 zrcalno simetriˇni s obzirom na pravac c y = id(x) = x. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R. Primjer 5. jer je f (x) c rastu´a. FUNKCIJE Teorem 5.180 POGLAVLJE 5.♣ Iz Primjera 5. 0] odnosno . +∞ −→ −∞. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x).13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4. ali nije bijekcija. z c Napomena 5. 0] ili [0. Dakle.2 Inverzna funkcija neparne funkcije je neparna. f −1 je neparna. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)).

ima inverznu funkciju. Restrikcija te funkcije na interval [−1. Primjer takve funkcije je c x f (x) = xe .2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku.5.16: Graf funkcije f (x) = xex . c . nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. c Osim elementarnih postoje i tzv.2. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. S c sc mnogima od njih smo se ve´ susreli tijekom dosadaˇnjeg obrazovanja pa u ovom c s odjeljku samo ukratko podsje´amo na njihova osnovna svojstva. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. +∞ −→ [0. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu. onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. 5. tj. specijalne funkcije kojima se ovdje ne´emo c baviti.4 1 2 Slika 5.8 0. +∞ je bijekcija.2 -0.6 0. Ako je n neparan. +∞ dana formulom − n x odnosno n x.2 -3 -2 -1 -0. ˇ Cak i za funkcije koje imaju inverze.4 0. 0.

Ciklometrijske .Hiperboliˇke c . mnoˇenih nekim koeficijentima.Racionalne funkcije .2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.2. Elementarne a) Algebarske .Logaritamske . xk = x · x · · · x . FUNKCIJE 5.Polinomi . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5. dolazimo do pojma z .Area 2.Ostale algebarske funkcije b) Transcendentne . k Po definiciji stavljamo x0 = 1.Eksponencijalne .2.1 Klasifikacija i podjela realnih funkcija 1. Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.182 POGLAVLJE 5. za svaki x ∈ R.Trigonometrijske .

5 -3 -2 -1 -2. . Polinom P : R −→ R takav da vrijedi P (x) = 0 za svaki x ∈ R zovemo nulpolinom. Koeficijent an je vode´i. a a0 je slobodni koeficijent. .11 Dva polinoma P i Q su jednaka.5 5 2.a1 . . c 10 7. PREGLED ELEMENTARNIH FUNKCIJA 183 polinoma. ako su jednaki kao funkcije.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 + .5. Stupanj polinoma je najviˇa potencija nezavisne varijable x u formuli za s Pn (x). P. Definicija 5.5 -5 50 40 30 20 10 -3 -2 -1 -10 1 2 3 4 1 2 3 -2 -200 -400 2 4 200 60 40 20 -2 -1 -20 -40 1 2 3 4 Slika 5. Ovdje podrazumijevamo da je an = 0. . . Dakle je svaki polinom definiran na cijelom skupu R. . P4 = (x−1)(x−3)(x+2)2 i P7 = (x+1)(x−1)3 (x−2)(x−3)2 . Definicija 5. P5 (x) = x(x−2)(x−4)2 (x+3) = x5 −7x4 + 2x3 +64x2 −96x. + a2 x2 + a1 x + a0 . .17: Na slici su prikazani redom grafovi (funkcija) polinoma P6 (x) = x2 (x2 −1)(x2 −4) = x6 −5x4 +4x2 . a0 su koeficijenti polinoma Pn (x). Q : R −→ R su jednaki ako je P (x) = Q(x) za svaki x ∈ R. Realne konstante an .2. Polinomi su konceptualno najjednostavije funkcije. Vrijednost polinoma P (x) moˇe se izraˇunati konaˇnim brojem operacija zbrajanja i mnoˇenja za svaki z c c z realan broj x. tj.

01 -0.14... n..♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5. c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma. tj. c Primjer 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.02 4 0. .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. za sve i = 0. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.4 Polinomi Pn (x) = i=0 ai x i Qm (x) = i=0 i bi xi su jednaki ako i samo ako je m = n i ai = bi .♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn . a ordinata je.18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda.. FUNKCIJE n Teorem 5.: n m Teorem 5. Apscisa nultoˇke je nuliˇte. c c . Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = . 1. = an = 0.01 1. a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka.02 3 2 0. c c c s naravno.♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0.11. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).5 3 Slika 5.5 2 2.. 0. Broj c k zove se red ili kratnost nultoˇke x0 .184 POGLAVLJE 5.

Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda. je polinom drugog stupnja ili kvadratna funkcija.8).ako raste u s c nekoj toˇki. tj. Za a = 0 imamo konstantnu funkciju p(x) = b. dok c u nultoˇkama parnog reda nema promjene predznaka. Otvor joj je okrenut prema gore ako je a > 0. za x ≥ 0. z c c Ponaˇanje linearne funkcije je isto na cijelom podruˇju definicije . c c c 1000 800 600 400 200 200 400 600 800 1000 Slika 5. kaˇemo da je linearna funkcija strogo rastu´a. a = 0. onda iz Teorema 6. a padaju´a ako je a ≤ 0. po Teoremu c 6. Ako je k neparan. Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. Tjeme . Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Ako je k paran. onda iz Teorema 6. odnosno strogo padaju´a.5. Ako su ove nejednakosti c c stroge. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .22 U nultoˇkama neparnog reda polinom mijenja predznak. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5.2. raste na cijelom R. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. a prema dolje ako je a < 0. dok za x > x0 vrijedi (x − x0 )k > 0. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x).3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 .19: Graf linearne funkcije f (x) = x + 75.

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

Ako je n paran broj. 0].♠ Dakle. c neparna je i ima nultoˇku u (0. c 2.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5. n − 1.2. graf c joj je zrcalno simetriˇan s obzirom na y os. P1 (x) strogo raste na R. tj.16 Pogledajmo funkciju (polinom) Pn (x) = xn .5. Nadalje. Pn (x) strogo raste na R. tj. c vrijedi D(Pn ) = R. i = 1. 1. R(Pn ) = [0. c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 3. dakle je bijekcija i ima nultoˇku u (0. +∞ . 0).. tj. +∞ i ima nultoˇku u (0. pravac y = x.. Primjer 5. Ako je n neparan broj.♠ c . jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x .21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. 0). strogo raste na [0. onda je P1 (x) = x linearna funkcija. tj. PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. onda je oˇito funkcija Pn (x) = xn neparna. Ako je n = 1. iz Primjera 5. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. Strogo pada na −∞.. . dakle je bijekcija. 0). onda je oˇito funkcija Pn (x) = xn parna. dakle nije injekcija. kao funkcija an xn . Oˇito je D(P1 ) = R(P1 ) = R.

188 POGLAVLJE 5. su koeficijenti polinoma Pnm (x). kvocijente dvaju polinoma nazivamo racionalnim funkcijama. dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. n > 1. sam sebi je asimptota. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).. dijeljenjem polinoma c izlazimo iz te klase funkcija. j = 1. . z n Nadalje. y) = i=0 j=0 aij xi y j . Naravno. umnoˇak i kompozicija polinoma ponovo polinom. kako se polinom Pn (x) = i=0 ai xi .12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. 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. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6.2. Po analogiji s racionalnim c brojevima.... razlika. Napomena 5.3 Racionalne funkcije Oˇito je zbroj. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija. u tom sluˇaju se situacija komplicira.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. n. Npr. tj. itd. z Definicija 5. problem s asimptotike je sloˇeniji. Realne konstante aij . sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. problem poniˇtavanja je vrlo kompliciran.. Za . .. FUNKCIJE Napomena 5. ali c z kvocijent dvaju polinoma op´enito nije polinom. 5.♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli. m. Dakle.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. i = 1.

s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Dakle. nije racionalna funkcija. Red pola je red odgovaraju´e nultoˇke nazivnika. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1.5. je racionalna funkcija.2. Funkcija f dana formulom f (x) = 2. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1. Funkcija hR dana formulom h(x) = 4. U polu racionalna funkcija c nije definirana. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. Qm (x) = 0}. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija. Naravno. Definicija 5. Dakle. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R.) Dakle. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. 5. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. tj. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. 3.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) .♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. 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. (Smatramo da je racionalna funkcija ve´ skra´ena. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija. c c . s c D(f ) = {x ∈ R. nultoˇkama nazivnika. 6. takve su definirane na cijelom R. c Primjer 5. tj. postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije.17 Pogledajmo sljede´e primjere: c 1. Funkcija j dana formulom j(x) = x−13 je polinom. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0.

2.26).♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Osim vertikalnih. i to na vanjskim rubovima prirodnog podruˇja definicije. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije). z c Dokaz: Red pola je red nultoˇke 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 1 80 60 40 20 -1 -0. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . kao i u toˇkama u c kojima se nazivnik poniˇtava. dok za polove neparnog z c reda. bi x i=0 i−m bi x i=0 i xm . FUNKCIJE 100 75 50 25 -1 -0. kad c argument ide u +∞ i −∞.190 POGLAVLJE 5. Dakle.5 1 x 1 Slika 5. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.graf racionalne funkcije moˇe imati asimptote: z 1. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. Sada tvrdnja izravno slijedi iz Napomene c 5.5 -25 -50 -75 -100 0. tj.22. (lijevo) i pola Napomena 5.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).26 Ako je pol parnog reda. 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 0.

tj. Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . onda racionalna funkcija ima horizontalnu asimptotu y = c. racionalna funkcija nema ni horizontalne ni kose asimptote. an c) Ako je n > m + 1. bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. d) Ako je n = m + 1. 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 . odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. Preciznije. bm x an a) Ako je n < m. Dakle. onda je n − m > 1. xm . gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. bn . odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. b) Ako je n = m. bm dok prvi pribrojnik. 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 . Racionalna funkcija ima horizontalnu c asimptotu y = 0. i=0 . se pribliˇava broju z bi x i−m am . tj. c xm ai xi−m i=0 m tj.2.5. onda je n − m = 1.

z Dakle pravci y = x i y = −x su kose asimptote funkcije f . kada argument ide u beskonaˇnost. 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).18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. +∞ vrijedi f (x) > x. bm jer i=0 bi xi−m ide u bm . 0] i za svaki x ∈ −∞. f je parna. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). R(f ) = [1. f strogo raste na [0. . +∞ . Dakle. Oˇito je D(f ) = R. 0 vrijedi f (x) > −x. Nadalje.♠ Iz Primjera 5. m i−m xm bi x i=0 m POGLAVLJE 5. f strogo pada na −∞. +∞ . z √ Primjer 5. +∞ i za svaki x ∈ 0. zrcalno simetriˇna obzirom c c na y os.18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5.192 xm (am+1 x) . racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm . z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. Napomena 5. 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.27 Analogno kao i kod vertikalnih asimptota. dakle nije injekcija. tj. Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1. f (x) = x + x (desno) i njihovih asimptota.27 ne mora vrijediti. ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞. Dakle.

Definirajmo polinom u dvije varijable s P (x.24: Primjer iracionalne funkcije f (x) = iz Primjera 5.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni.5. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. c Neka je sada f (x) = funkcija i algebarska.2.19 1. Tada je oˇito P (x. c . Dokaz: Neka je dan proizvoljni polinom Pn (x). y) = Pn (x) − y.29 Svaki polinom i racionalna funkcija su algebarske funkcije. y) = Qm (x)y −Pn (x).14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. f (x)) = 0. y) = x − y n oˇito je P (x. Napomena 5. √ x2 + 1 i njenih asimptota z Napomena 5. y) takav da vrijedi P (x. Pn (x)) = 0.2. Tada je oˇito P (x.18. 5. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. dakle je svaka racionalna c √ Primjer 5. Definicija 5. Definirajmo polinom u dvije varijable s P (x. f (x)) = 0. dakle je svaki polinom algebarska funkcija. f (x)) = 0. jer u suprotnom ne bi bila funkcija. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5.

28. u 1 (toˇka 5. tj. f strogo raste na R i neomedena je. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Neka je dana algebarska funkcija f formulom f (x) = 3 x. dok kosu asimptotu ne moˇe imati zbog Napomene 5. Dakle.1. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1. FUNKCIJE 1 2.13). koja je bijekcija sa R na R. je D(f ) = 1.1. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. 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. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. pravac y = 0 je horizontalna asimptota funkcije f . kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. c 1 3. c c tj. Funkcija f je inverzna funkcija funkcije g(x) = x3 . +∞ . +∞ .♠ 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 5.20 1. f (x)) = 0. dakle nema vertikalnu asimptotu. ima vertikalnu asimptotu x = 1. z 1 4.13).13).4). z √ 2. je D(f ) = R(f ) = R (Primjer 5. Nadalje.4). Nadalje.194 POGLAVLJE 5. Neka je dana algebarska funkcija f formulom f (x) = x. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c . Kada se argument sve viˇe pribliˇava c s z broju 1. z tj. tj. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. √ Primjer 5. +∞ i R(f ) = 0. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. +∞ (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . Neka je dana algebarska funkcija f formulom f (x) = √x−1 .13). y) = xy n − 1 oˇito je P (x. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. dakle nema niti vertikalnu niti horizontalnu asimptotu. Dakle. Dakle. 0 je regularna toˇka (toˇka 5. c c √ Nadalje.

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).

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

Prvo nam treba c c veza izmedu kuta i broja. Dakle. Ovo preslikavanje je z c c oˇito bijekcija. ctg α = tg(90o − α). a duljina luka koji odgovara kutu α moˇe se z z uzeti kao mjera tog kuta. 0). Tako punom kutu odgovara mjera 2π. 1 radijan je kut za koji je duljina luka jednaka polumjeru. Uzmimo koordinatni sustav na c pravcu (tj. Oˇito je kut α vezan s duljinom luka. Odatle je cos α = Nadalje. tj. z π a pravom 2 . ”Jedinica” u kojoj je ta mjera izraˇena zovemo radijan. Tako npr. onda on sijeˇe kruˇnicu u jednoj c z toˇki T . pravi kut ima z π radijana. 0) paralelan s osi y. a tg α = = b 1 − sin2 α. = cos α = sin(90o − α).2.31 Predmetak ko u kosinus i kotangens dolazi zbog komplementarnosti kuta. Dakle. Trigonometrijske funkcije prvotno su bile definirane za ˇiljaste kutove. tj. Neka je K kruˇnica polumjera r u ravnini sa srediˇtem u ishodiˇtu.5. Svaka od njih se moˇe izraziti preko bilo z koje od preostalih. imamo preslikavanje koje svakom kutu c pridruˇuje jedinstvenu duljinu luka s poˇetkom u toˇki (r. c z c Za r = 1. cos α cos α ctg α = . Ako sada povuˇemo polupravac (zraku) s poˇetkom u ishodiˇtu c c s koji zatvara s pozitivnim djelom x osi kut α. opseg kruˇnice je 2π. umjesto kuta moˇemo gledati odgovaraju´u duljinu luka. PREGLED ELEMENTARNIH FUNKCIJA 203 Vrijednosti ovih funkcija nisu nezavisne. Neka je dan z s s proizvoljni kut α. 2 Neka je sada dana jediniˇna kruˇnica u ravnini sa srediˇtem u ishodiˇtu i c z s s pravac koji prolazi toˇkom (1. ispruˇenom π. sin α Napomena 5. Odgos varaju´om konstrukcijom mogu se poop´iti i na realne brojeve. 0) (presjek kruˇnice c z c z i pozitivnog dijela x osi) i T (gledan u smjeru suprotnom od kazaljke na satu). identificirajmo ga sa skupom R) tako da mu ishodiˇte padne u toˇku s c . a c b c sin α . Primjerice. Pogledajmo dio kruˇnice (luk) izmedu toˇaka (r. iz Pitagorinog pouˇka slijedi c sin2 α + cos2 α = 1.

Ako je t ∈ [ 2 . Analogno se sinus i kosinus s proˇire s [0. Naravno. Dakle za t ∈ [ 3π . yt ) na kruˇnici. 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). Nakon ˇto z s s namotamo komad duljine 2π. onda 2 t nije ˇiljast. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. 2π]. Kaˇemo da su sin c z i cos periodiˇke funkcije. cos(t + 2kπ) = cos t . Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. π]. 2 ] (tj. π ] na [− π . situacija se poˇinje ponavljati. z (1. 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). 0] odnosno na [−2π. Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. s [0. 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). Dakle za t ∈ [π. FUNKCIJE sin x 0 cos x x 1 Slika 5.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. Dakle vrijedi c sin(t + 2kπ) = sin t. Dakle za t ∈ [ π . 0). yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . Ako je t ∈ [ π . 3π ]. na kutove iz [0. onda vrijedi xt = x2π−t i yt = −y2π−t . 2 ]. ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . tj. a polupravac na kojem su smjeˇteni negativni s brojevi namatamo na kruˇnicu u skladu s gibanjem kazaljke na satu. sada moˇemo sinus i kosinus analogno proˇirivati na R. Sliˇno. c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t .204 1 POGLAVLJE 5. ako je t ∈ [π. z c z π Jasno je da za t ∈ [0. 2π]. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt .

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

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

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

π ]. 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5. k ∈ Z}. kosinus na 2 2 π π [0. c dakle niti bijekcije. jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. a isto vrijedi s / i za ostale trigonometrijske funkcije.2. π .33 . 2 i kotangens na 0. c c Dakle. dakle nisu bijekcije. π x 2 2 i Ctg x = ctg| 0. tangens na − 2 . na svoju sliku.π x su bijekcije s tih intervala na R. π]. ni tangens ni kotangens nisu injekcije. Npr.8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. 1]. njihove restrikcije Tg x = tg| − π . Tada prema Napomeni 5. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. restringirajmo sinus na [− π . π . 2 . Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno).208 POGLAVLJE 5. a kotangens strogo padaju´a na 0.34 Zbog periodiˇnosti. 5. a c c s nema rjeˇenja za c ∈ [−1. FUNKCIJE za svaki t ∈ R \ {kπ. Napomena 5. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Dakle sinus nema inverznu funkciju. Dakle.

1.π] . . s z 2 2 s z Kako je tg| − π . π]. Dakle.5 0.5 1 0. koje zovemo arkus funkcije. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije.5 -1 -0. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. π π R(arcsin) = [− . rjeˇenje jednadˇbe postoji i jedinstveno je. Nadalje. π ] . π]. 1]. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π . Iz Teorema 5. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1. 1] −→ [− . 1] −→ [0.5 -1 -0. a c 2 2 2 2 cos |[0. oˇito je c c D(arcsin) = D(arccos) = [−1. 2 2 . 1]. π ] i tg| − π .5 3 2. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe. a arccos c strogo padaju´a na [−1. ]. z π π Za x ∈ [−1. π bijekcija. π jednadˇbe tg t = x .5 1 -1 -1.34 znamo da su funkcije sin |[− π . π ] bijekcija.5. 2 2 R(arccos) = [0. 2 2 koja je inverzna funkciji sin |[− π . Dakle. ]. rjeˇenje jednadˇbe postoji i jedinstveno je.π] i ctg| 0. inverznu funkciji cos |[0. π strogo rastu´e.π strogo padaju´e. 2 ] jednadˇbe sin t = s z s z x.33 slijedi da je arcsin strogo rastu´a.5 1 Slika 5.2. 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1. Kako je sin |[− π .5 2 1.5 1 0. dakle su i bijekcije. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 .5 0.5 -0.1 i Napomene 5.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno).

5 1 0. -4 2 1.5 -4 -2 2 4 Slika 5. Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije. funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. npr.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.1 i Napomene 5. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . Dakle. c . Nadalje. . π . c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije. 1]. oˇito je c c π π D(arctg) = D(arcctg) = R. Napomena 5.5 2 1. π ]. z s z sin x = t. π . 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. Iz Teorema 5. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. FUNKCIJE arcctg : R −→ 0.5 -2 2 4 4 3. Npr.34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.5 -2 -0.35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale. π .5 1 0. pri traˇenju rjeˇenja t jednadˇbe.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).210 koja je inverzna funkciji tg| − π . inverznu funkciji ctg| 0. 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 .5 3 2. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije.5 -1 -1. R(arctg) = − . 2 odnosno ctg| 0. R(arcctg) = 0. tako da bi smo dobili arkus funkcije definirane na tim intervalima.π .

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

preciznije areakosc inus hiperboliˇki ili Arch.5 1 0. Dakle cth ima i dvije horizontalne asimptote. Kako th strogo raste na R. Zbog neparnosti od th i cth je neparna.37: Grafovi funkcija f (x) = th x (lijevo) i f (x) = cth x (desno). Ako ch. kako je |th x | < 1 . areatanges hiperc c boliˇki ili Arth i areakotanges hiperboliˇki ili Arcth. imamo da je |cth 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. Svojstva area funkcija lagano slijede iz svojstava hiperbolnih. Nadalje. 1.5 -4 -2 -0. restringiramo na −∞. tj. Sve hiperboliˇke funkcije su bijekcije sa svoje prirodne domene na svoju sliku. to mora i cth x . z y = −1 i y = 1. i R(cth) = R \ [−1. zbog parnosti. c c Kako su formule za hiperboliˇke funkcije dane u terminima eksponencijalne. za svaki x ∈ R\{0}.5 2 4 -4 -2 -2 -4 4 2 2 4 Slika 5. imamo: . 1]. +∞ . 4. Kako se th x pribliˇava pravcu y = 1 kada x teˇi u +∞ i y = −1 kada x z z teˇi u −∞. Funkcije inverzne hiperboliˇkima zovu se area funkcije. za svaki x ∈ R.212 6 4 2 -4 -2 -2 -4 -6 2 4 POGLAVLJE 5. FUNKCIJE 6 5 4 3 2 1 -4 -2 2 4 Slika 5. cth strogo pada na R \ {0}. areasinus hiperboliˇki ili Arsh.36: Grafovi funkcija f (x) = sh x (lijevo) i f (x) = ch x (desno). forc mule za area funkcije mogu se izraziti u terminima logaritamske funkcije. 0] ili [0. c osim funkcije ch.5 -1 -1. ch postaje bijekcija na svoju sliku.

39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno).1 slijedi da Arth strogo raste. c 3. Iz Teorema 5. Oˇito je D(Arth) = −1.1 zakljuˇujemo da Arch strogo raste. .5 -1 -2 -3 0. pravci x = −1 i x = 1. pravci x = −1 i x = 1. PREGLED ELEMENTARNIH FUNKCIJA 213 1. +∞ i R(Arch) = [0. 3 2 1 -1 -0.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.2.1 c slijedi da Arcth strogo pada. +∞ . tj.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. vertikalne asimptote od Arth.5 2 1. a x = 0 vertikalna asimptota od cth. 1].5 1 1. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch. Kako su y = −1. vertikalne asimptote od Arth. y = 1 horizontalne.5 3 Slika 5. R(Arth) = R i iz Teorema 5. tj.5 1 0. onda su rubovi −1 i 1. +∞).38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno). Kako su y = −1 i y = 1 horizontalne asimptote od th. onda su rubovi −1 i 1. 1 . 4.5. Ako smo ch restringirali na [0. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2.5 2 2. onda je D(Arch) = [1. Oˇito je D(Arsh) = R(Arsh) = R. c 2. R(Arth) = R \ {0} i iz Teorema 5.5 0. a pravac y = 0 horizontalna asimptota. Oˇito je D(Arcth) = R \ [−1. iz Teorema 5.

.

05h = 0. m = 20 i m = 30. (Masa m je izraˇena u gramima.1 6.5 + 0.05∆m).1.1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke.05(m − 20). a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.1. a visina poˇtarine c u z s kunama). Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2.05h (∆c = ˇ 0. Dakle imamo c(m) = 2.8. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . 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. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0. 0 ≤ m ≤ 20 3.8 kn.5 + 0. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. onda je 215 .1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.05(m2 − m1 ). Naime. m > 20.Poglavlje 6 Uvod u diferencijalni raˇun c 6. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0.05(m − 20) kn. Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije. Graf te funkcije prikazan je na slici 6.

1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). odnosno da graf funkcije ima prekid u toj toˇki.7 kn. .1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ). Definicija 6. S druge strane. UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6. s s 20M ≥ (m2 − m1 )). Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I.♠ c Definicija 6. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.216 ˇ POGLAVLJE 6. c c Napomena 6.

Prema tome za svaki ε > 0 ako postoji jedan δ > 0. Primjer 6.2 nam daje ideju za sljede´u definiciju: c Definicija 6. s c c Napomena 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6.1. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.2 Funkcija c(m) iz Primjera 6. S druge strane. No.1 Neka su funkcije f. ako je m > 20 i m blizu 20.2 Iz Definicije 6.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε).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 . ipak m(c) nije blizu m(20).1.2 Svojstva neprekidnih funkcija Teorem 6.1. postoji δ > 0 za koji vrijedi Definicija 6.ˇ 6. koji c je manji od nekog fiksnog strogo pozitivnog broja. 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 .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). 6. Analogno. ali je ona c neprekidna s lijeva u toj toˇki. ako je m lijevo od 20 i dovoljno blizu 20. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6.1. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 ima prekid u toˇki c = 20. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. Tada su u toˇki x0 neprekidne i funkije: c .♠ Primjer 6.

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

♣ 6.3 slijedi da je uvjet neprekidnosti iz Teorema 6.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu. 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.1. ali oˇito je neomedena. M ∈ R takvi da je m ≤ f (x) ≤ M.1.3 Neprekidnost elementarnih funkcija Primjer 6.♣ Teorem 6. Npr. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije. slika otvorenog intervala − π . za svaki x ∈ I (Definicija 5. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a.5 ne vrijedi za otvorene intervale. onda je ta funkcija i neprekidna.4 Funkcije f. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6.6 ne vrijedi za otvorene intervale. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R. Teorem 6. b]. Npr. Nadalje.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m. . funkcija f (x) = neprekidna na 0. Pitanje je sad. π funkcijom tg je R.♣ c Tvrdnja Teorema 6.4 nuˇan. g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R.ˇ 6. c 1 x je Teorem 6. π .4) Teorem 6. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment. Tvrdnja z Teorema 6. Tada je funkcija f neprekidna na intervalu I.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.

7 imamo da su neprekidne i funkcije arctg i arcctg. 1.8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. Nadalje. i = 0.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. Na kraju. logaritamske. Na isti naˇin se zakljuˇi da su xi . Zbog neprekidnosti konstantne funkcije na R (Primjer 6.1.220 ˇ POGLAVLJE 6... na R su neprekidne i funkcije ai xi . slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. hiperboliˇkih (osim kosinusa hiperbolnog). π monotone c 2 2 bijekcije na R. arkus.4) i Teorema 6. . jer je svaka racionalna funkcija kvocijent dvaju polinoma. z 2. logaritamskih. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije. Iz Teorema 6. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.. n. i = 0. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. UVOD U DIFERENCIJALNI RACUN 1.1.. polinom Pn (x) neprekidan na R.1 direktno imamo: n Teorem 6. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. z c Uzmimo proizvoljni ε > 0..7. n.1. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. jer su njihove restrikcije npr.1. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.. trigonometrijske. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6. Teorem 6. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). c Dokaz: U Primjeru 6. Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.4 dokazali smo da je funkcija f (x) = x neprekidna na R.7 c i periodiˇnosti. Budu´i da je f (x) − f (x0 ) = c − c = 0. zakljuˇujemo c da je i suma od ai xi .♣ Napomena 6.♠ z Iz Primjera 6. takoder iz Teorema 7.. i = 0. n. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.. tj. z c Uzmimo proizvoljni ε > 0. 1. .1 sada slijedi da je na R neprekidna i funkcija x2 . π odnosno 0. c c neprekidne na R. na intervale − π .9 Eksponencijalne. slijedi da c moˇemo uzeti δ = ε. dakle iz Teorema 6. Dokaz: Neprekidnost eksponencijalnih..7 su neprekidne. . 1.4 i Teorema 6. . takoder iz Teorema 6.

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

vidimo da su one c c c blizu vrijednosti −1.4 Graniˇna vrijednost (limes) funkcije c 1. dodemo li s x dovoljno blizu c toˇki 1. S druge strane. vrijednosti c funkcije su malo ve´e od −1. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. vrijednosti funkcije c su malo manje od −1. Ako uzmemo s c toˇku x dovoljno malu.222 ˇ POGLAVLJE 6. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. funkcija nije definirana u toˇki 0. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. ako uzmemo toˇku c x dovoljno malu. tj. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. za vrijednosti od x koje su malo ve´e od 1. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1. ali negativnu.5 nije definirana u toˇki x = 1. Raˇunaju´i te vrijednosti. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. UVOD U DIFERENCIJALNI RACUN Time smo pokazali da su sve elementarne funkcije neprekidne gdje god su definirane. Dakle. dovoljno blizu c nule. Pogledajmo c kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. c 3. vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. za x malo manji od 1. tj. tj. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. 4. c c 2.1. ali pozitivnu. 6. funkcija nije definirana u toˇki 0. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. zakljuˇujemo. Za funkciju f : R −→ R danu formulom f (x) = arctg x .

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).2.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. tj. moˇda u samoj toˇki c. . Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.5). onda piˇemo c s L = lim f (x). Ako funkcija ima limes L u toˇki c. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Neka je dana funkcija f : R −→ R formulom f (x) = xx . pravac y = π je horizontalna asimptota.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije.ˇ 6. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0.♠ Situacije iz Primjera 6. ako c ˇelimo promatrati ponaˇanje oko nule. Dakle. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Za funkciju f : R −→ R danu formulom f (x) = sin x znamo da se vrijednosti funkcije ne pribliˇavaju niti jednoj odredenoj realnoj z vrijednosti za velike vrijednosti argumenta. 2 2 5. moˇda u samoj toˇki c. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5.2. osim. |f (x) − M | < ε). 6. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c.1. Definicija 6. osim.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . moramo se ograniˇiti samo na pozz s c itivne vrijednosti.

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). Ali. 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 ). . takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. ˇto ne moˇe biti. +∞. postoji δ > 0. Pri tome uzimamo da je svaki otvoreni interval oblika (M.2) jako sliˇna definiciji neprekidnosti (Definicija 6. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). i svaki interval oblika (−∞. Dakle imamo |M − L| < |M − L|.4 Uoˇimo da je definicija limesa (Definicija 6.224 Tada je L = M . 2 po pretpostavci.♣ s z c c Napomena 6. Analogno. da je M = L. UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. |f (x) − M | < ε). z c c Uz malu zloporabu notacije moˇemo Definiciju 6.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). Uzmimo sada ε = 1 |M − L|. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki. Tada za taj ε. naravno ne zaboravljamo. |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. pri ˇemu.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. Dakle je M = L. ali postoji bitna razlika. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞.6 i Napomz ena 4. M ) je okolina od −∞. ˇ POGLAVLJE 6. tj. −∞ ∈ R. +∞) okolina od +∞.

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

♠ 6. x−→1 x−1 1 = +∞. ako postoje limesi s lijeva i s desna i oni su jednaki L. Nadalje je oˇito da je c x−→0+ lim sign x = 1 . ne postoji lim sin x. x−→+∞ 2 5. c osim.5 znamo da funkcija   −1.6 Opiˇimo sada pomo´u limesa Primjer 6. x = 0   1. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . Dokaz: Ako funkcija f ima limes L u toˇki c. x−→+∞ 6. lim 3. x−→0 x2 lim 1 1 = +∞ i lim = −∞.5. UVOD U DIFERENCIJALNI RACUN Teorem 6. x > 0 ima prekid u nuli. Dakle je x−→0+ lim sign x = sign 0 .226 ˇ POGLAVLJE 6.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x−→0+ lim xx = 1. x −→0 − lim sign x = −1 . moˇda u samoj toˇki c. x−→0 x π 4. onda je jasno iz Definicije 6.7 Iz Primjera 5. lim 2. x2 − 3x + 2 = −1. tj.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. x < 0  sign x = 0.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. s c 1. Funkcija f ima limes L (L moˇe biti i +∞ i −∞) z c z u c ako i samo ako ima limes s lijeva i limes s desna i oni su jednaki L. ♣ c Primjer 6.5 Neprekidnost i limes Primjer 6.1. onda iz Definicije 6. lim arctg x = . Obrnuto.

♠ x−→2 Primjeri 6. Dokaz: Izravno iz Definicije 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki. onda limes i funkcija z c ”komutiraju” tj.1 i Primjer 6. x−→c+ Dokaz: Izravno iz Definicije 6.1. x−→c Napomena 6. Nadalje.4) i da limes mora postojati. tj. Zaista imamo: c c Teorem 6.1 i 6.12 kaˇe da ako je funkcija neprekidna u toˇki c. konaˇan je broj. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.♣ .12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6. Tada je c x−→c lim g(f (x)) = g( lim f (x)).3.7 i 6.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).♣ Teorem 6.5 U Teoremu 6. c c Sada direktno iz Napomene 6. i neka postoji limes funkcije f u toˇki c.♣ x−→c Analogno kao Teorem 6.♠ Primjer 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.12 imamo: Teorem 6. imamo x−→c lim f (x) = f (c) = f ( lim x).2 i definicije jednostranog limesa.4).13 Neka je funkcija g : R −→ R neprekidna. oˇito vrijedi c f (2) = lim f (x).ˇ 6.

(+∞) · a = +∞. c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.1.14. (−∞) · a = 10. (−∞) + (−∞) = −∞. 6. a ∈ R proizvoljan. (+∞) + (+∞) = +∞. To se posebno odnosi na veliˇine +∞ i −∞. 4. Kako one nisu realni brojevi.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). a < 0. 5. (−∞) · (−∞) = +∞. 8.11.♣ 6. 9.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti.12 i 6. +∞ ± a = +∞. a +∞ = 0. a ∈ R proizvoljan. (+∞) · (−∞) = −∞. 3. 2. UVOD U DIFERENCIJALNI RACUN Teorem 6. x−→c+ Dokaz: Izravno iz Teorema 6. no moˇe se desiti da dobijemo izraz koji nije z z definiran. 6. −∞ ± a = −∞.228 ˇ POGLAVLJE 6. a < 0. a > 0 +∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. . a ∈ R proizvoljan. (+∞) · (+∞) = +∞. a > 0 −∞. jer operacije nisu definirane i operandi nisu realni brojevi. 7. −∞.

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

+∞. lim x−n = −∞. 5. lim x−n = +∞. 0 < a < 1. x−→+∞ x−→+∞ 2. 0. −∞.7 Raˇunanje limesa c Neki temeljni limesi 1. a>1 +∞. x−→0− 4. n ∈ N proizvoljan. α>0 +∞. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. α < 0. x−→−∞ lim ax = 10. UVOD U DIFERENCIJALNI RACUN 6. n ∈ N neparan +∞. 8. n ∈ N paran. 0 < a < 1. α < 0. lim xn = +∞. n ∈ N paran. a>1 −∞.230 ˇ POGLAVLJE 6. +∞. 6. x−→0+ x−→0− 7. a>1 0. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. 0 < a < 1. x−→+∞ lim ax = 9. +∞. a>1 +∞. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→+∞ lim loga x = 11. −∞. 3. n ∈ N proizvoljan. x−→0+ lim xα = 0. 0 < a < 1. α > 0 0. . n ∈ N neparan. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0.1.

1. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). 0) u ravnini. +∞) i da joj c c je slika cijeli R. sin x). x−→+∞ x sin x = 1. Dakle. jasno je da je dovoljno x x promatrati x ∈ (0.ˇ 6.4). π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. c c eksponencijalnih i logaritamskih funkcija. za a > 1. c Osim ovih limesa. π ).9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. Oznaˇimo s A = z c c (cos x. neparnost i sliˇno. .6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. i zbog parnosti od sin x . presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice).9.1. 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. koriste´i definicije limesa i jednostranih limesa (toˇka 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. i s B = (1. Kako gledamo c limes funkcije sin x kada x −→ 0. njihov rast. Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ). parnost.♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. koji se nalazi unutar trokuta OBB . ortogonalnu projekcija toˇke A na x os. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . svojstva potencija. tg x ). Kada s pravca uzmemo x ∈ (0. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). pad. a ∈ R.16 lim i 1 lim (1 + )x . tj.2. To znaˇi da je c x−→+∞ lim loga x = +∞. Iz toˇke 5. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.

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

NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6. x−→0 x Iz Teorema 6. x Oznaˇimo sada ex − 1 sa t.2.17 x−→+∞ 233 lim 1+ 1 x x = e. Dakle imamo ax − 1 ex ln a − 1 = lim .1.ˇ 6.10 ex − 1 = 1. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. x−→0 x lim a > 0. x−→0 x−→0 x x lim Sada uz zamjenu varijable t = ex ln a − 1 imamo da t −→ 0 kad x −→ 0 i x = imamo ea ln x − 1 t lim = lim ln(t+1) = ln a. a ∈ R.12 i Teorema 6. Dakle . c Zbog toga je ex − 1 t lim = lim = 1. Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . i da je x = ln(t + 1).♠ x−→0 t−→0 x ln a ln(t+1) ln a . ♣ Primjer 6.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a . x−→0 x lim i ax − 1 = ln a. Tada je jasno da t −→ 0 kada x −→ 0.17 slijedi x−→0 lim ln(1 + x) x = ln( lim (1 + x) x ) = ln e = 1. x−→0 t−→0 ln(t + 1) x Iz toˇke 5.

x−→c c 3.18 i temeljni limesi iz toˇke 6. 6.2 6.17. 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. 6. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. 6.2. x−→c x−→c 2.1 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. Tada 1.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. x−→c x−→c 4. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x).16. ♣ x−→c Teoremi 6. . funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).13.234 ˇ POGLAVLJE 6.1.7 su nam dovoljni za c raˇunanje gotovo svih limesa. c 6. g : R −→ R. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x).

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

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

4: Sekante i tangenta. tj.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. c mjeri brzinu promjene veliˇine c Definicija 6.2.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x .11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x. c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6. 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. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 .2.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 .♠ 6. Ako postoji z c f (x0 + ∆x) − f (x0 ) . x0 ∈ I. f : I −→ R.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 . c Primjer 6.

Dakle je c f (x) = lim f (x + ∆x) − f (x) . .6 Uoˇimo bitnu razliku. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x). 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. ∆x−→0 ∆x Napomena 6. za proizvoljne k. c c koji se oznaˇava sa f (x0 ). c z Primjer 6.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.238 ˇ POGLAVLJE 6.15 Pogledajmo sljede´e primjere: c 1. Dakle brzina promjene linearne funkcije je konstanta. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). UVOD U DIFERENCIJALNI RACUN Primjer 6.2.♠ ∆x−→0 ∆x 6. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija. l ∈ R. Derivacija funkcije f u toˇki x0 je broj. Derivacija funkcije f (x) = kx + l je f (x) = k. 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.

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

.240 ˇ POGLAVLJE 6. M= ∆x−→0− lim . c c 6. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. ne postoji f (0). problem razliˇitih vrijednosti s lijeva i zdesna. tangenta je paralelna s osi x. tj.17 1. Tu funkcija niti raste c niti pada. funkcija pada c c na tom intervalu. To su npr. problem rubova domene. problem konaˇnosti c c limesa. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . U toˇkama gdje je f (x) = 0. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. Takve toˇke zovemo stacionarne toˇke. problem postoc janja limesa.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. ako je f (x) < 0 na nekom intervalu. odnosno da je tangenta pravac koji raste. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan.2. Primjer 6. onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). Sliˇno. ∆x Lagano se vidi da je M = 1 i L = −1.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6.4) ustvari limes funkcije f (x + ∆x) − f (x) . Dakle iz Teorema 6.

∆x ∆x−→0 . ∆x−→0 dakle ne postoji f (0).19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I. DERIVACIJA FUNKCIJE 2. dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . ∆x ∆x−→0 dakle ne postoji f (0).2. √ 3 241 x nije derivabilna u x0 = 0. Pogledajmo sljede´i limes: c 3 (x0 + ∆x)2 − f (x0 + ∆x) − f (x0 ) lim = lim ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x2 1 lim = lim √ .1.7 imamo da je c lim √ 3 1 ∆x2 = +∞. Tada je f i neprekidna u x0 .7 imamo da je c lim √ 3 1 = +∞.♠ Teorem 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 . Funkcija f : R −→ R dana formulom f (x) = x0 = 0. c x0 ∈ I ⊆ D(f ). lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6. 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. 3.6. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ).1.

UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) . g 2 (x) Dokaz: 1.12 zakljuˇujemo da je funkcija g neprekidna u x0 . (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x).12 imamo da je f neprekidna u x0 . ali vidjeli smo da nisu derivabilne. Iz Teorema 6. razlike. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.20 Neka su funkcije f. ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6.♣ Obrat Teorema 6. ∆x−→0 ∆x ∆x . za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ).242 ˇ POGLAVLJE 6. Sve tri funkcije iz Primjera 6. Nadalje. ∆x = 0 . g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). ∆x f (x0 ). f (x) g(x) = f (x)g(x)−f (x)g (x) . za one x ∈ I za koje je g(x) = 0). Tada su na I derivabilne i funkcije f ± g. Sada imamo ∆x−→0 ∆x−→0 lim f (x0 + ∆x) = lim (g(x0 + ∆x)∆x + f (x0 )) = ∆x−→0 ∆x−→0 ∆x−→0 lim g(x0 + ∆x) lim ∆x + lim f (x0 ) = g(x0 ) · 0 + f (x0 ) = f (x0 ).19 op´enito ne vrijedi. (f (x) ± g(x)) = f (x) ± g (x) 2. i vrijedi 1. produkta i kvocijenta funkcija Teorem 6. f · g i f g (tamo gdje je definirana. I ⊆ D(g). tj.17 su c neprekidne u nuli. Derivacija zbroja.

(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).19 imamo ∆x−→0 lim g(x + ∆x) = g(x). odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). derivabilna na I i vrijedi (λf ) (x) = λf (x). Kako je g(x) · 1 g(x) = 1. 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) . za svaki x ∈ I.♣ g 2 (x) Napomena 6. gdje je λ ∈ R proizvoljan. c dakle je po Teoremu 6. Izraˇunajmo prvo c 1 g(x) .20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x). po pravilu deriviranja produkta imamo = 1 f (x) g(x) + f (x) 1 g(x) = f (x) g(x) − = f (x)g (x) g 2 (x) .6. Oˇito je D(g) = R. g 2 (x) f (x) g(x) = 1 f (x) g(x) . tj.♣ . 3. DERIVACIJA FUNKCIJE 2. Dakle 1 g(x) = 0. imamo g(x) · = 0.2.7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ). f (x) g(x) f (x)g(x) − f (x)g (x) . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. tj. ∆x−→0 ∆x−→0 Sada iz Teorema 6. za svaki x ∈ I. Tada je funkcija λf .

Primjera 6. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.244 ˇ POGLAVLJE 6. moˇe provesti samo ako je f (x) = 0. gdje je g(x) = x2 . f (x) = sin x.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f .♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . g = f . f (x) ♣ . Izraˇunajmo joˇ i (f ◦ g) . z Teorem 6.21. Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . Sada primjenom Teorema 6. c Primjer 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. f (x) Ovo se. Dakle imamo f −1 (f (x)) = x. ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . Dakle.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. naravno.15 i Primjera 6. iz Teorema 6. c −1 tj. f (x) ∈ J ⊆ D(g). i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J. f (x) = 0 na I i neka postoji f −1 . odnosno (f −1 ) (f (x)) = 1 . x ∈ I ⊆ D(f ).21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1.22 Neka je funkcija f : R −→ R derivabilna na intervalu I.

i vrijedi (f ◦ g)(x) = x.19 Pogledajmo sljede´e primjere: c 1 1. Osnovne derivacije dajemo u sljede´oj tablici.20. c Napomena 6.21 i 6.22 i derivacijama iz donje tablice.21 i 6.2. x 1 √ .♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.10 imamo da je f (x) = lim e∆x − 1 = 1. Iz Teorema 6. Dakle imamo ex+∆x − ex e∆x − 1 = ex lim . odnosno 1 g (x) = √ . ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. ∆x−→0 ∆x lim dakle je f (x) = ex . 6. 2 x x je g (x) = Iz Primjera 6.22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.20. 6.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. Derivacija funkcije g(x) = ln x je g (x) = x . DERIVACIJA FUNKCIJE Primjer 6. .8 Studentima se preporuˇuje da provjere donje formule samostalno. Derivacija funkcije g(x) = √ 1 . Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. Kako je (f ◦ g)(x) = x iz Teorema 6.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x.6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex . odnosno g (x) = 2.

c tj. f (x0 )) biti dosta mala. 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. odnosno ∆f = tg α∆x . Iz formule c ∆f = tg α∆x vidimo da ´e za male vrijednosti od ∆x i pogreˇka c s ∆f − (f (x0 + ∆x) − f (x0 )) uˇinjena zamjenom krivulje y = f (x) tangentom kroz (x0 . Jasno je da je ∆x = tg α. Umjesto te vrijednosti lakˇe je izraˇunati s c s c razliku ∆f izmedu f (x0 ) i toˇke na tangenti funkcije f kroz toˇku (x0 .1: Derivacije elementarnih funkcija 6. vrijednost ∆f ´e biti to bliˇa vrijednosti f (x0 + ∆x) − f (x0 ) ˇto je manji c z s . gdje je α kut izmedu tangente funkcije f u toˇki (x0 . f (x0 )) i osi x. f (x0 )) s c c ∆f apscisom x0 + ∆x. no to je ponekad teˇko izraˇunati.2. Toˇan c c iznos promjene vrijednosti funkcije je f (x0 + ∆x) − f (x0 ).246 f (x) c xα ex ax ln x loga x sin x cos x tg x ctg x arcsin x ˇ POGLAVLJE 6.5 Diferencijal funkcije i lokalna linearizacija Pretpostavimo da nas za danu funkciju f : I −→ R zanima kako se promijeni vrijednost funkcije u toˇki x0 ∈ I kada se argument promijeni za ∆x.

jednadˇba tangente u c z toˇki (x0 . Prijedemo li sada sa konaˇnog prirasta ∆x funkcije f na beskonaˇno mali c c prirast dx. Ako f ima derivaciju u svakoj c toˇki nekog otvorenog intervala I. Tada od svih polinoma stupnja najviˇe jedan. f (x0 )). Dakle.23 Neka je f : I −→ R derivabilna u toˇki x0 ∈ I i c g(x) = f (x0 ) + f (x0 )(x − x0 ).1.2. DERIVACIJA FUNKCIJE 247 ∆x. odnosno s y = f (x0 ) + f (x0 )(x − x0 ) (toˇka 2.♣ c .6. y f(x) α 0 x0 x 0+ ∆ x x Slika 6.5). f (x0 )) na graf funkcije f je dana s c y − f (x0 ) = f (x0 )(x − x0 ). Rekli smo da je derivacija funkcije f u toˇki x0 ∈ I ustvari koeficijent smjera c tangente na graf funkcije f u toˇki (x0 . onda je s c df (x) = f (x)dx definiran diferencijal funkcije f na intervalu I. polinom g najbolje aproksimira s funkciju f u neposrednoj okolini toˇke x0 . c Teorem 6.5: Diferencijal funkcije. veliˇinu c df (x0 ) = f (x0 )dx zovemo diferencijal funkcije f u toˇki x0 .

♠ s s c . Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . dakle je f (0) = cos 0 = 1.5 -1 0.248 ˇ POGLAVLJE 6.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. Dakle.5 1 1.23). Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator.16 znamo da je f (x) = cos x. odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Iz Primjera 6. c Primjer 6. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.5 2 Slika 6. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ).6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. 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”.

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

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

b−a f (b) − f (a) (x − a). b−a onda Teorem 6.26 kaˇe da za svaku sekantu kroz toˇke (a. tj. b u kojoj je tangenta paralelna s tom sekantom. f (a)) i (b.13 Primijetimo: 1. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ). Napomena 6. a < b. postoji x ∈ a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a). f (b)). proizvoljne. c . tj.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. Neka je L pravac kroz toˇke (a. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a.♣ f (b) − f (a) .2. b za koju je F (x ) = 0.25. b−a y f(x) 0 a x0 b x Slika 6. f (b)) z c postoji toˇka x ∈ a.6. f (a)) i (b. b ∈ I.

Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). . Ako je dana funkcija f : R −→ R formulom 3x. f neprekidna na R. b−a ali ne postoji x ∈ 0. UVOD U DIFERENCIJALNI RACUN 2. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. 2 za koji je f (x ) = 1.258 ˇ POGLAVLJE 6. pa je. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Uvjet f ∈ C 1 (I) iz Teorema 6.12.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a. x ≤ 1 f (x) = 3 x > 1. x za koji je f (x) − f (a) = f (x ). Kako je f (x) = 3.26 je bitan. x ≤ 1 . 0 x>1 oˇito f ima prekid u x = 1. z Iz Teorema 6. y f(x) 0 a b x Slika 6. oˇito je c x−→1 lim f (x) = 3 = f (1). po Teoremu 6.

imamo toˇan izraz.6.♣ 2! n! (n + 1)! f (x0 )+f (x0 )(x−x0 )+ Izraz n f (x) = i=0 f (i) (x0 ) f (n+1) (cx ) (x − x0 )i + (x − x0 )n+1 i! (n + 1)! se zove Taylorova formula.2.26.+ (x−x0 )n + (x−x0 )n+1 .27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. Napomena 6. iz Teorema 6. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju. .. c Usporedimo to s lokalnom linearizacijom (toˇka 6. tj. poznavaju´i vric c jednosti viˇih derivacija u x0 . moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6. tj. imamo c pribliˇni izraz. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .14 Za n = 0 Teorem 6. S druge strane. i ne znamo ga toˇno. f (x)).5).2.26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ). Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). no u nekoj toˇki sigurno je.27 je baˇ Lagrangeov teorem srednje s vrijednosti. Teorem 6. tj.. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. f (a)) i (x. 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 . ali ne znamo za koji x . Koliko je ta aproksimcija dobra? Odnosno. tj. 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 +.

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

8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. 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). n! ∞ sin x = n=0 (−1)n x2n+1 . DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . (2n + 1)! ∞ cos x = n=0 (−1)n x2n .1).28 Neka je f ∈ C 1 (I) za neki interval I.. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f .. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . (2n)! Napomena 6.. . odnosno konvergirati nekoj z (x drugoj funkciji.. da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn . Moˇe se pokazati da su funkcije ex .3.6. tj. 6. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .2.15 Taylorovi redovi obiˇno sporo konvergiraju. dakle nisu jako c dobri za numeriku. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0. sin x. Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + .2.

25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0. Ovaj smjer se dokazuje analogno kao u Teoremu 6.24 smo vidjeli da. to je i lijeva strana takva. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Medutim. Obratno. Dokaz ide na sliˇan naˇin. 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. Funkcija f pada 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. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). UVOD U DIFERENCIJALNI RACUN 1.262 ˇ POGLAVLJE 6. Dakle ne vrijedi f (x) > 0 na R. x−→0 U Teoremu 6.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. jer se c s c medu njima nalaze potencijalni ekstremi. lim x2 = 0). onda je f (x0 ) = 0. ∆x za svaki x ∈ I. po Teoremu 6. pa je f (x) = lim za svaki x ∈ I. Iz Napomene 6. onda funkcija strogo raste (pada) na I.11 imamo da obrat ne vrijedi.28 primjenom Teorema 6.♠ Iz Primjera 6. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0. Dokaz: c 1. za svaki x ∈ I. Tada. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x. ∆x Primjer 6. Jedan smjer bismo mogli dokazati. . pa je f (x + ∆x) − f (x) ≥ 0. 2. za svaki x ∈ I. 2. Kako je desna strana gornje jednadˇbe nenegativna. dakle z funkcija f raste na I. Limes nenegativne funkcije mora i sam biti nenegativan.25 zakljuˇujemo da u Teoremu 6.26 postoji x ∈ (x. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. obratna tvrdnja ne mora vrijediti.

inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 . Teorem 6. Teorema 6.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. Teorema 6. . c Kao ˇto smo rekli. x2 ∈ I.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 . ali i ne mora. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. da je barem f ∈ C 2 (I)). x2 ∈ I.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. u stacionarnoj toˇki funkcija moˇe. kaˇemo da je f konkavna na I. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke).28. a s druge pada (raste)). onda u x0 funkcija f ima lokalni minimum. u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x. c Dakle.♣ c Konveksnost.24. onda u x0 funkcija f ima lokalni maksimum. imati s c z lokalni ekstrem.1.4.6. Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . DERIVACIJA FUNKCIJE 263 Definicija 6.2. konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . Definicija 6. ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . Dokaz: Izravno iz toˇke 5. jer konveksnost i konkavnost ovise o predznaku druge derivacije. z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. Ako derivacija s c ne mijenja predznak. 2 za sve x1 .

2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum. Ako je f (x0 ) < 0. jer c c se nalazi izmedu x0 i x. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. 2. Dakle je f (cx ) > 0.31. Dokaz ide na sliˇan naˇin. za svaki x ∈ I. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . c c Dakle. Primijenimo li Teorem 6.27 za sluˇaj c n = 1.27 biti iz te okoline. c 2.264 ˇ POGLAVLJE 6. funkcija f ima u x0 ∈ I lokalni minimum. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). Teorem 6. Npr. za svaki x ∈ I. Onda ´e i toˇka cx iz Teorema 6.♣ Teorem 6.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. Dokaz: 1. c . ali je f (0) = 0. Zbog neprekidnosti druge c derivacije. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . Ako je f (x0 ) > 0. f (x2 )). 1. Uzmimo x proizvoljan iz te okoline. c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). c 1. a konkavna ako je za sve x1 .30 Neka je f : I −→ R klase C 2 (I). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. iz Teorema 6. f (x1 )) i (x2 . funkcija f ima u x0 ∈ I lokalni maksimum.3).6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . izmedu x1 . x2 ∈ I graf konveksne funkcije je ispod. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. 2. UVOD U DIFERENCIJALNI RACUN Definicija 6. konveksnost i konkavnost su odredene predznakom druge derivacije.

c strogo konveksna i na c.30 imamo da funkcija f raste 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 . u x0 ∈ I. Ako je g (x) = 0 za svaki x = x0 . x ∈ I. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. Tada iz Teorema 6. c Dokaz: Izravno iz Definicije 6. c Teorem 6.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c. c + δ strogo konveksna. c + δ strogo konkavna ili je na c − δ. pa je po Teoremu 6. moˇda. x ∈ I. Neka postoji δ > 0 takav da je funkcija f na c − δ.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . DERIVACIJA FUNKCIJE 265 Definicija 6. c strogo konkavna i na c. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . z s c c Teorem 6. pa x = 0 ne moˇe biti z toˇka infleksije.L’Hospitalovo pravilo c Teorem 6. z Neka je lim f (x) = lim g(x) = 0. za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. Dakle je konveksna na −∞.2. Onda je c toˇka infleksije od f . ∞ .34 Neka su f i g derivabilne funkcije na I osim. Ako je c ∈ I toˇka infleksije od f . g (x) onda je i x−→x0 lim f (x) = L. neka je f na c − δ. c strogo konveksna i na c. c + δ strogo c konkavna za neki δ > 0.♣ Raˇunanje limesa . onda je c f (c) = 0. c) i pada na (c.♣ Uvjet f (c) = 0 iz Teorema 6.7 Neka je f : I −→ R i c ∈ I. Dokaz: Bez smanjenja op´enitosti. ali je f (x) > 0 za x ∈ −∞. 0 i f (x) > 0 za x ∈ 0. Dakle.32 Neka je f ∈ C 2 (I).32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. f ima lokalni maksimum u c.7. c c Kaˇe se joˇ da je toˇka (c. Npr. 0 i 0.24 f (c) = 0.6. Iz Teorema 6. f (c)) toˇka infleksije grafa funkcije f . ∞ . c + δ).

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) .27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . c Dakle. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6. g ∈ C n+1 (I) i neka vrijedi f (x0 ) = 0.16 Neka su funkcije f. f (x0 ) = 0. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 .34. tg α2 = f2 (x0 ). . Znamo da je c tg α1 = f1 (x0 ). po g (x0 ) = 0. f (n) (x0 ) = 0. analogno kao u dokazu Teorema 6. Tada. Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . g(x) g (x0 ) + r2 (x − x0 ) Puˇtaju´i x −→ x0 iz gornje jednadˇbe i jer je r1 (0) = r2 (0) = 0 dobivamo s c z x−→x0 lim f (x) f (x0 ) = . g (n) (x0 ) = 0. g(x0 ) = 0. .34 moˇemo gledati i kao na teorem o proˇirenju funkcije z s neprekidnosti u toˇki x0 (Teorem 6. kut izmedu f1 i f2 u toˇki x0 je c α = α2 − α1 . gdje su r1 i r2 neprekidne u 0 i r1 (0) = r2 (0) = 0. iz Teorema 6. . UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ).12).266 i ˇ POGLAVLJE 6. g (n+1) (x0 ) = 0. c Napomena 6. . . α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.♣ g (x) f g Na Teorem 6. .12) i iz Teorema 6. . g(x) x−→x0 g (x) Kut izmedu krivulja Kut izmedu dviju krivulja odnosno grafova funkcija f1 i f2 u toˇki njihovog c presjeka definira se kao kut izmedu njihovih tangenti u toj toˇki.

z c c Primjer 6.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . x a + x2 = f2 (x). tj. DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) .2. Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x). onda je i tg α = 0 . To znaˇi da u c toˇki (x0 . ako i samo ako je f1 (x0 )f2 (x0 ) = −1. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu. a > 0. c c pa moˇemo re´i da se diraju u toj toˇki.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a.14: Kut izmedu dviju krivulja.2.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . odnosno ako i samo ako je tg α = ∞. dakle je f1 (x0 ) = f2 (x0 ). . Iz toˇke 2. Ako je α = 0.6. 1 + f1 (x0 )f2 (x0 ) Napomena 6.

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

samokorigiraju´i. Prona´i intervale konveksnosti. 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 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. Nadalje je V (x) = (a − 2x)(a − 6x). konkavnosti i toˇke infleksije.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena. c Primjer 6. Postupak je. to upu´uje na pogreˇku u raˇunu. Prona´i stacionarne toˇke. neparnost. c c z 8.6. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. periodiˇnost.2. Sloˇiti sve dobivene podatke u graf funkcije. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. Postupak: 1. s 5. 7. . u izvjesnom smislu. 3. c c 4. Odrediti intervale monotonosti i lokalne ekstreme. Ispitati ponaˇanje na rubovima domene (asimptote). Ispitati parnost. c c 2. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. Odrediti domenu funkcije (prirodno podruˇje definicije). Oznaˇimo c li tu duljinu s x. c c 6.

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

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

.

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

a onda pogledajmo kada postoje i koja su im svojstva. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. UVOD U INTEGRALNI RACUN deriviranja operator. vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0.1 Neka je f neprekidna funkcija na I ⊆ R. Stoviˇe. Tada je i F +C primitivna funkcija funkcije f na I za svaki C ∈ R i sve primitivne funkcije od f na I su oblika F + C.2. jer je derivacija svake konstante jednaka nuli. da je x primitivna funkcija funkcije x.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. c Primjerice. . Definicija 7. ako postoji. Uvedimo prvo ime za takve funkcije. linearan operator koji mu je inverzan.274 ˇ POGLAVLJE 7. Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I. Iz Teorema 6. Teorem 7.20 i Napomene 6. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Zanima nas. itd. C ∈ R. Odatle slijedi vaˇno svojstvo primitivnih funkcija.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. iz (sin x) = cos x slijedi da je za f (x) = cos x funkcija sin x ona koju treba derivirati da bi se dobilo f (x).1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x).7 izravno slijedi da je operator deriviranja linearan. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x.

ˇalje c s u f. H je konstantna funkcija. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.4). Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . Piˇemo s f (x)dx = F (x) + C. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0.2.1.♣ 7.7. Ostale raˇunamo koriste´i svojstva c c c .26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). tj.1 beskonaˇan. s To nije toˇno inverz od derivacije. c F (x) je primitivna funkcija funkcije f (x). Za c c njihovu razliku H(x) = F (x) − G(x) i proizvoljni x0 ∈ I iz Teorema 6. a to je upravo druga tvrdnja teorema. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu.1. gdje je c neka toˇka izmedu x i x0 .2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x). koji je po Teoremu 7. Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. C ∈ R je konstanta integracije. dolazi od S kao suma. jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . dx pokazuje po ˇemu se integrira. Interpretirajmo elemente ove formule: je znak integrala. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. 275 Dakle imamo prvu tvrdnju. slijedi H(x) = H(x0 ) za svaki x ∈ I. f (x) je integrand.

2 f (x)dx = f (x).276 ˇ POGLAVLJE 7. Neka je F primitivna funkcija funkcije f i G primitivna funkcija funkcije g.♣ . Dakle je (f (x) ± g(x))dx = F (x) ± G(x) + C = f (x)dx ± g(x)dx. 2. Teorem 7.1 Iz Teorema 7. c zbog linearnosti derivacije. Osnovna svojstva slijede iz svojstva linearnosti deriviranja (Teorem 6. z Teorem 7.20 i Napomena 6. Oˇito je. Dakle je cf (x)dx = cF (x) + C = c f (x)dx. Neka je F primitivna funkcija funkcije f .♣ Napomena 7. UVOD U INTEGRALNI RACUN neodredenog integrala.3 Vrijedi: 1. Dokaz: 1. zbog linearnosti derivacije.7). F ± G primitivna funkcija funkcije f ± g. Dokaz: Neka je F primitivna funkcija funkcije f . = (F (x) + C) = F (x) = f (x). Oˇito je. f (x)dx. Za ostale operacije nema jednostavnih pravila. cF c primitivna funkcija funkcije cf . 2. (f (x) ± g(x))dx = cf (x)dx = c f (x)dx ± g(x)dx. Kako je imamo f (x)dx f (x)dx = F (x) + C. Odnose se na operacije zbrajanja funkcija i mnoˇenja funkcija skalarom.1 slijedi da je za f ∈ C 1 (I) f (x)dx = f (x) + C.

c c koriste´i pravila i tablicu derivacija (toˇka 6.1.3.1. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati.1 Pogledajmo sljede´e primjere: c .2) i svojstva iz Teoc c rema 7. izraˇunati derivaciju bilo koje c c c elementarne funkcije. tabliˇne integrale.1. tzv. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. Ako se i moˇe integrirati.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.7.4). S druge strane. c 7. Tako moˇemo integrirati polinome i jednostavnije racionalne.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale. Primjer 7. Najpoznatiji primjer je e−x dx.3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7. eksponencijalne i z trigonometrijske funkcije. c c z z to obiˇno nije lako.2. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.

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

♠ 2 .2. a to znamo da je u2 2 sin x d(sin x). op´enito. tj.2 Odredimo integral funkcije f (x) = sin x cos x. Dakle je sin x cos x dx = 1 2 sin x + C. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija. deriviranjem sloˇenih funkcija. To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. Ipak. ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). ima jedan sluˇaj kad se c produkt funkcija lako integrira. gornji se integral svodi na u du. ne mogu integrirati produkti funkcija (osim c za polinome. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. z Primjer 7.1. ovo moˇemo pisati kao c c z sin x d(sin x).7. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx. Koriste´i izraz za diferencijal (toˇka 6. NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. + C.5).3 i tabliˇne integrale.

onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C. d(u(x)) = u (x)dx. Ako je G(u) primitivna funkcija od g(u). Zamjenom varijabli kao u Primjeru 7.3 Odredimo integral funkcije f (x) = sin5 x cos x. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga.280 ˇ POGLAVLJE 7.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du. a to je diferencijal od z u6 + C. Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C.♠ 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. moˇemo podintegralnu funkciju pisati kao z g(u)du. tj. Primjer 7.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom.

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

6 Pogledajmo sljede´e primjere: c 1. Napomena 7. v du. Integriraju´i obje strane gornje jednakosti dobivamo c uv = To moˇemo pisati z u dv = uv − ili. v du + u dv. du = u dx. tj. Tada vrijedi u(x)v (x)dx = u(x)v(x) − u (x)v(x)dx. Polazimo od formule za derivaciju produkta funkcija.3 Pravilo parcijalne integracije se najˇeˇ´e zapisuje i pamti kao c sc u dv = uv − Primjer 7. u(x)v (x)dx = u(x)v(x) − Moˇemo to iskazati u obliku teorema: z Teorem 7. a drugi se deriviranjen pojednostavnjuje. Piˇu´i to kao diferencijal imamo s c d(uv) = (uv) dx = u v dx + v u dx = v du + u dv. Koji od njih treba odabrati kao v? v du. (uv) = u v + v u. Odredimo integral funkcije f (x) = x cos x.4 Neka su u i v neprekidno diferencijabilne funkcije na intervalu I. Imamo produkt u kojem oba faktora znamo lako integrirati. UVOD U INTEGRALNI RACUN Parcijalna integracija Parcijalnu integraciju primjenjujemo kad je podintegralna funkcija produkt dvaju faktora od kojih se jedan ”lako” integrira.♣ u (x)v(x)dx. zbog dv = v dx.282 ˇ POGLAVLJE 7. . klase C 1 (I).

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

2+1 x 2 Imamo arctg x dx = x arctg x − 1 ln(x 2 + 1 ) + C . UVOD U INTEGRALNI RACUN 1. ˇto daje du = u dx = s Dobivamo ln x dx = x ln x − x dx = x ln x − x + C.8 Oznaˇimo c I= Sada imamo I= sin2 x dx = sin x sin x dx. i u = sin x. ˇto daje du = u dx = s cos x dx i v = − cos x. Odredimo integral funkcije f (x) = ln x. 1. tj. x2 + 1 dx 1+x2 i Joˇ jedna mogu´nost primjene parcijalne integracije ilustrirana je sljede´im prims c c jerima: Primjer 7. v = 1.5 imamo x dx 1 = ln(x2 + 1) + C. tj. Dobivamo arctg x dx = x arctg x − Sada analogno kao i u Primjeru 7. i u = ln x. 2. Dobivamo I= sin2 x dx = sin x sin x dx = − sin x cos x + cos2 x dx = . x dx x i v = x. ˇto daje du = u dx = s v = x. Stavimo dv = dx. v = sin x. Odredimo integral funkcije f (x) = arctg x . Stavimo dv = sin x dx. tj.284 ˇ POGLAVLJE 7.♠ 2 x dx . sin2 x dx. Odredimo integral funkcije f (x) = sin2 x. i u = arctg x . v = 1. Stavimo dv = dx.

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

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

Dakle imamo Pn (x) = (x − x0 )Qn−1 + C.) Dokaz: 1. i ostatak r(x) koji je polinom stupnja 0. Ako je x0 ∈ R. . polinom (x − x0 ) dijeli s c c z polinom Pn (x). Uvrstimo u integral. Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka.♠ 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. tj. r(x) = C ∈ R. c Metoda se temelji na sljede´im svojstvima polinoma. a u brojnicima konstante ili linearni polinomi. ako je x0 ∈ C nultoˇka od Pn (x). 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. Odredimo integral funkcije f (x) = 1 . konstanta. onda je to i x0 . x−3 287 Uvedimo supstituciju u = x − 3. c c 3. b ∈ R. pa je du = dx. ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). ako je x0 ∈ C nultoˇka od Pn (x). NEODREDENI INTEGRAL 3. Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. c Napomena 7. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 . 2. Tada vrijedi: 1.7. onda polinom (x − x0 ) dijeli Pn (x). Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. ako je x0 ∈ C oblika a + bi. c Neka je x0 ∈ C \ R. imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. c 2. Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. onda je x0 = a − bi. tj. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0. tj. onda je x0 = x0 . Qn−1 (x). gdje c su a. pa tvrdnja oˇito vrijedi.1. onda je to i x0 .

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

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

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

7.♠ 3 3 . Rjeˇenje je A = 3. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 . x(x−2)(x+1) x+2 A B D = + + . To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C.♠ x−1 Ako su nuliˇta nazivnika jednostruka. Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1.11 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). NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. D = −1. Dakle je s 2x2 − 3x + 3 dx = 3 x3 − 2x2 + x 3 ln |x| − dx +2 x dx − (x − 1)2 dx = x−1 2 − ln |x − 1| + C.1. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7. B = 2. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .

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

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

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

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

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

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

c Dokaz: Ako f raste na [a. z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. a . tj. f (x) = nije integrabilna.298 ˇ POGLAVLJE 7.♣ Napomena 7.8 Dirichletova funkcija ima prekid u svakoj toˇki. Analogno se dokaˇe sluˇaj kada f pada na c z c [a. Koje joˇ? s Teorem 7. b].♣ Teorem 7.13 vidimo da nisu sve funkcije na segmentu [a. c Iz Primjera 7. c i = 1. x ∈ R \ Q. dakle je f ograniˇena funkcija na [a.5 Svaka monotona funkcija na [a.14 1. b]. b]. x∈Q 0.♠ Napomena 7. nisu integrabilne. Koje jesu? Neprekidne sigurno jesu.. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0). b]. b]. n.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. za svaki x ∈ [a. z c tj. Dirichletova funkcija nije integrabilna. b] z kaˇemo da je f integrabilna na [a.. b] je integrabilna. b] je integrabilna. . b] integrabilne. 1 dx. Izraˇunajmo iz definicije c b 1.. onda je ona i c ograniˇena. Primjer 7. UVOD U INTEGRALNI RACUN Definicija 7. Uoˇimo da za svaku podjelu r segmenta [a. onda je f (a) ≤ f (x) ≤ f (b).13 Dirichletova funkcija. b]. b]. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a.♣ Primjer 7.9 Uoˇimo da ako je f monotona funkcija na [a. b] imamo mi = 0 i Mi = 1.6 Svaka neprekidna funkcija na [a.

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

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

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

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

. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5.} se c nalazi u nekoj bazi od R(I).3). Mi = 0. b]).2 i Teorema 6.♣ b b 5. 1. dakle i integrabilna... a 4.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a. . . x. b] toˇka c pada u toˇno jedan c c [xj−1 . pa je mi = 0. b] (skup R(I) nije prazan. 6.7. a cf (x)dx = c a f (x)dx..18. n.♣ c Napomena 7. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I).13).. n. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx. M = f (c) i za svaku podjelu r segmenta [a. jer npr. Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7... xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Oˇito je z c c tada m = 0. . Dakle je s(r) = 0 i S(r) = Mj ∆xj . Dakle beskonaˇni skup {xn : n = 0. . i = 1. onda je c b f (x)dx = 0.2 i Teorema 6.. b] i da je f (c) > 0. i = 1. gdje je c ∈ R proizvoljan. skup c {1. a (f (x) ± g(x))dx = a ili aditivnost integrala. xj ].. i Mj = f (c).18. b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka. j − 1. x2 . Beskonaˇnodimenzionalan je. unutra se sigurno nalaze sve neprekidne funkcije na [a.. i svaka funkcija iz tog skupa je neprekidna na I.. j + 1. a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a. .. onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. . Stoviˇe.2.. Ako je funkcija f : [a.. Nadalje.

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

b] tada iz Teorema 6.2. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a. Ako je f neprekidna i nenegativna funkcija na [a. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ. ODREDENI INTEGRAL 305 8. b] oko toˇke c takav da je f (x) > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. onda je b f (x)dx > 0. Iz pozitivnosti funkcije f na [a. Dakle. b] onda vrijedi stroga nejednakost. b] iz Teorema 6. Kako je funkcija F = g − f neprekidna na [a. tj. onda je F (c) = g(c) − f (c) > 0. Ako je f (c) < g(c) za bar jedno c ∈ [a. Ovo svojstvo se zove svojstvo monotonosti integrala. Odatle slijedi da je F (b) ≥ F (a) = 0. Neka su f i g neprekidne funkcije na [a. x2 ] imamo x2 f (x)dx > 0. b].3 slijedi da postoji interval I ⊂ [a.28 F raste na [a. c F (x) = g(x) − f (x) ≥ 0. b]. b] odnosno stroge pozitivnosti na [x1 .7.8 je dobro definirana funkcija F ∈ C 1 [a. Dokaz: Po Teoremu 7. Ako je f (c) < g(c) za bar jedno c ∈ [a.♣ 9. b] i ako je f (c) > 0 za neki c ∈ [a. Dakle postoje x1 . x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. za svaki x ∈ I . b]. Tada je b b f (x)dx ≤ a a g(x)dx. po Teoremu 6. x2 ∈ I takve c da je x1 < c < x2 .3 slijedi da postoji interval . i oˇito ima pozitivnu derivaciju. b].

iz svojstva 9. iz neprekidnosti funkcije f na [a. b]. b] −→ R.28 c F strogo raste na I . za svaki x ∈ [a. tj.♣ 10. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). b] oko toˇke c takav da je F (x) > 0.6.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a).7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. b]. iz svojstva 9. Nadalje iz Teorema 6. Nadalje. imamo da je F (b) > F (a) = 0. Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). odnosno imamo strogu nejednakost. UVOD U INTEGRALNI RACUN I ⊂ [a. Dakle postoje x1 . Neka je f : [a. tj. a Dokaz: Po Teoremu 6. Teorem 7. pa postoji barem jedan c ∈ [a. b] za koji je b f (x)dx = f (c)(b − a). a b b f (x)dx ≤ a |f (x)|dx. b]. i Primjera 7. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx.306 ˇ POGLAVLJE 7. b] takva da je c b f (x)dx = f (c)(b − a). za svaki c x ∈ [a. b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a. 11.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M . za svaki x ∈ I . odnosno po Teoremu 6. b]. m ≤ f (x) ≤ M . Ako f nije konstanta na [a. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|. b]. Tada postoji toˇka c ∈ [a.♣ a Izraz 1 b−a b f (x)dx a .

. a Teorem 7. Odatle ime teoremu. 1] za koju je f (c) = 0. Oˇito je da funkcija f ima prekid u x0 = 0.7 ne mora vrijediti: Primjer 7. . x ≥ 0 −1.. n Za funkcije koje nisu neprekidne Teorem 7.2. a2 . −1 medutim ne postoji toˇka c ∈ [−1.7.9: Teorem srednje vrijednosti za odredeni integral.7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7. b].+an dine (aritmetiˇka sredina od a1 ..15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.. Povrˇina ispod s grafa neprekidne funkcije f nad [a.♠ c . x < 0..12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +. an ∈ R je a = c ). b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. c Napomena 7. Nadalje. kako je f neparna c funkcija. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta. imamo da je 1 f (x)dx = 0. se zove srednja vrijednost funkcije f na segmentu [a. iz svojstva 7.

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

Dokaz: Raˇunamo derivaciju od F po definiciji: c x+∆x x x+∆x 309 ∆F = F (x + ∆x) − F (x) = a f (ζ)dζ − a f (ζ)dζ = x f (ζ)dζ. b].LEIBNIZOVA FORMULA je derivabilna na [a. ∆F ≤ M = f (ζ2 ).7. x+∆x]. ∆x−→0 ∆x Funkcija f je neprekidna na [a. Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. pa onda i na svakom podsegmentu [x. lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. b] i vrijedi F (x) = f (x). NEWTON .6).3.11: Funkcija F (x). ∆x odnosno f (ζ1 ) = m ≤ . Ho´emo gledati c ∆F . Po Teoremu 7.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.

mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. do kojeg dolazimo preko limesa niza integralnih suma. F (x) = f (x). no dokaz je bitno sloˇeniji.♣ Newton . Odatle slijedi c f (x) ≤ lim tj.12). ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x.8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f .310 ˇ POGLAVLJE 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. Dakle je F (x) derivabilna funkcija na cijelom [a. iz toˇke 7. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). do kojeg smo doˇli pokuˇavaju´i invertirati s s c . Sliˇno i za ζ2 −→ x.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize.♣ x ∆x−→0 ∆F ≤ f (x). zbog neprekidnosti funkcije f na [a. b]. tj. Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti. pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). i neodredeni. Odatle je a f (x)dx = F (b) − F (a). f (x) ≤ F (x) ≤ f (x). UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. a Dokaz: Prema Teoremu 7. onda. U njoj se povezuju odredeni integral.2. b] i F (x) = f (x).9 (Newton . z Teorem 7.8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a. toˇke ζ1 i ζ2 moraju teˇiti prema x. ∆x Teorem 7. b F (b) = a f (ζ)dζ.

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

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

. a Ako promatrani limes ne postoji. x a Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti L ∈ R z c c b kada x −→ b−. c c Primjer 7. c y f(x) 0 a x b Slika 7. NEPRAVI INTEGRAL 313 Znamo da za svaki x ∈ [a. Znamo da je √ = arcsin ζ x 0 1 je nepravi integral.7. te za sluˇajeve c c c kad funkcija nije ograniˇena u donjoj granici integracije. jer x 0 √ 1 1−x2 dζ 1 − ζ2 = arcsin x. Sliˇno se radi u sluˇajevima kad f (x) −→ −∞ za x −→ b−. kaˇemo da nepravi integral z konvergira i piˇemo s b x a f (ζ)dζ ima vrijednost ili da f (ζ)dζ = lim a x−→b− f (ζ)dζ = L. tj. u toˇki a. kaˇemo da integral divergira ili da nema z znaˇenja. b postoji integral te funkcije u granicama od a do x. Integral dx 1 − x2 0 −→ +∞ kada x −→ 1 − .12: Nepravi integral funkcije koja nije ograniˇena na podruˇju intec c gracije.18 1.4. tj. postoji x f (ζ)dζ.

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

inaˇe c Primjer 7. NEPRAVI INTEGRAL 315 Ako se toˇka u kojoj funkcija nije definirana nalazi u segmentu integracije. c b c−ε1 b f (x)dx = lim a ε1 −→0 f (x)dx + lim a ε2 −→0 b f (x)dx. 1 a f (x)dx konvergira. Analogno. tj. tn Ako je n < 0. . iz ϕ(t) = b dobijemo t2 = 0. onda divergira. 1−n Ako je n = 0 imamo 0 a−b dt = tn 0 dt = t a−b 0 a−b = b − a.19 1. x2 Funkcija f (x) = imamo 1 −1 nije definirana u toˇki x0 = 0 segmenta [−1.7.4. Sada oˇito funkcija ϕ : [a − c b. 1]. tj. Dakle c dx + lim x2 ε2 −→0 1 ε2 dx = lim ε1 −→0 x2 −ε1 −1 dx 1 = lim (− 2 ε1 −→0 x x −ε1 −1 )+ lim (− ε2 −→0 1 x 1 ε2 )= 1 1 − 1 − 1 + lim = +∞. Izraˇunajmo c −1 1 x2 dx . (x − b)n Stavimo ϕ(t) = t + b. 0] −→ R zadovoljava uvjete Teorema 7. c+ε2 Ako oba limesa na desnoj strani postoje. t + b = a imamo t1 = a − b. Iz ϕ(t) = a.10. ε2 −→0 ε2 ε1 −→0 ε1 lim 1 Dakle −1 dx divergira. c taj interval se rastavi u dva intervala s tom toˇkom kao granicom. Izraˇunajmo c a dx . x2 b 2. onda je −n > 0 pa imamo 0 a−b dt t−n+1 = tn −n + 1 0 a−b =− (a − b)1−n . dakle imamo b a dx = (x − b)n 0 a−b dt .

2) npr. Primjer 7. −n + 1 −n + 1 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. onda funkcija f (x) = (x−b)n nije definirana u desnom rubu segmenta [a. Dakle tn b a dx (x − b)n konvergira za n < 1. divergira za n ≥ 1.2. za n = 1 i t a−b dζ ζ −n+1 = ζn −n + 1 t a−b = (a − b)−n+1 t−n+1 − . +∞ . odnosno funkcija g(t) = t1 nije definirana u desnom rubu n segmenta [a − b. Znamo da je t a−b −→ −∞ za dζ = ln |ζ| ζn t a−b = ln |t| − ln(b − a). jer t1 −→ +∞ za paran n i n neparan n kada t −→ 0 − . Neka je funkcija f neprekidna na [a.♠ Problem konvergencije nepravih integrala moˇe se rjeˇavati sliˇnim metodama z s c kao problem konvergencije redova. 0]. b]. Uz svojstvo monotonosti integrala (svojstvo 9. situaciju kad podruˇje c c integracije nije ograniˇeno. Kako je t−→0− lim (ln |t| − ln(b − a)) = −∞ i za paran n i t−n+1 (b − a)−n+1 − = +∞. UVOD U INTEGRALNI RACUN 1 Ako je n ≥ 1.19 moˇe posluˇiti pri usporedivanju. tj. Znamo c . iz toˇke 7.316 ˇ POGLAVLJE 7. Integral 0 a−b dt tn 1 tn je nepravi integral za n ≥ 1. c z z Promatrajmo sada drugi mogu´i izvor problema. integral dx divergira za n ≥ 1.

c c da za svaki x ∈ [a.4.13: Nepravi integral po neograniˇenom podruˇju integracije. kaˇemo da integral divergira. z Sliˇno postupamo i za sluˇaj c c b f (x)dx. .20 1. a x Ako funkcija a f (ζ)dζ teˇi prema nekoj konaˇnoj graniˇnoj vrijednosti kada z c c +∞ x −→ +∞. tj.7. +∞ postoji integral te funkcije u granicama od a do x. −∞ pa i za sluˇaj c +∞ f (x)dx. postoji x f (ζ)dζ. a Ako promatrani limes ne postoji. −∞ Primjer 7. kaˇemo da nepravi integral z vergira i piˇemo s +∞ a f (ζ)dζ ima vrijednost ili da kon- x f (x)dx = lim a x−→+∞ f (ζ)dζ. NEPRAVI INTEGRAL 317 y f(x) 0 a x Slika 7. Izraˇunajmo c +∞ 0 e−x dx.

x−→+∞ x−→+∞ ζ 1 Dakle vidimo da ovaj nepravi integral divergira.318 Imamo +∞ 0 ˇ POGLAVLJE 7. 2 x−→+∞ x−→+∞ x ζ ζ 1 +∞ −∞ 4. Moˇe se pokazati da z nepravi integral +∞ dx xp 1 konvergira za svaki p > 1 i divergira za 0 < p ≤ 1. x−→+∞ 0 x−→+∞ x Dakle gornji nepravi integral konvergira. UVOD U INTEGRALNI RACUN e−x dx = lim x 0 x−→+∞ e−ζ dζ = lim (−e−ζ ) = 1− lim e−x = 1. Izraˇunajmo c 1 +∞ dx . 2. x Imamo +∞ 1 dx = lim x−→+∞ x x 1 x dζ = lim (ln ζ ) = lim ln x = +∞.♠ c . Izraˇunajmo c dx . 1 + x2 Zbog neparnosti funkcije arctg imamo +∞ −∞ dx = lim 1 + x2 x−→+∞ x −x dζ = lim (arctg ζ 1 + ζ 2 x−→+∞ x−→+∞ x −x )= x−→+∞ lim (arctg x − arctg (−x)) = 2 lim arctg x = π. Izraˇunajmo 1 +∞ dx . c 3. x2 Imamo +∞ 1 dx = lim x−→+∞ x2 x 1 dζ 1 x 1 = lim (− ) = − lim + 1 = 1. Zanimljivo je da neomedena povrˇina ispod grafa racionalne funkcije ima s transcendentnu konaˇnu vrijednost π.

jednaka je c b P = P1 + P2 = a f (x)dx − c f (x)dx. pravcem x = a i s pravcem x = b.ˇ 7. s s b f (x)dx = P1 − P2 . PRIMJENE INTEGRALNOG RACUNA 319 7.5 7.1 smo rekli da za neprekidnu i pozitivnu funkciju f : [a. c]) s s i ploˇtine povrˇine P2 iznad grafa negativnog dijela funkcije f (nad [c. pravcem x = a s s i pravcem x = b. ako je f : [a. za neki c ∈ a. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). osi x. ali negativnog predznaka. c] i negativna na [c. Ako je funkcija f neprekidna i negativna na [a. b . b] −→ R broj c f (x)dx a predstavlja ploˇtinu lika omedenog grafom funkcije f . b] −→ R neprekidna takva da je pozitivna na [a.5. a . dana s b (f1 (x) − f2 (x))dx. za svaki x ∈ [a. osi x. pravca x = a i pravca x = b. onda b f (x)dx a je razlika ploˇtine povrˇine P1 ispod grafa pozitivnog dijela funkcije f (nad [a. b]. Iz gornjih razmatranja imamo da je ploˇtina povrˇine izmedu grafova fukcija f1 s s i f2 omedena pravcima x = a i x = b.5. b]).2. broj P1 + P2 . f2 : [a. a Ploˇtina povrˇine izmedu grafa funkcije f . Nadalje. onda broj b f (x)dx a predstavlja ploˇtinu povrˇine omedene grafom funkcije f . tj. gdje su f1 . s s tj. b]. osi x.1 Primjene integralnog raˇuna c Povrˇina lika u ravnini s b U toˇki 7. b].

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

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

S druge strane. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. 0). Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. No taj popreˇni presjek c c 2 je krug. a njegova povrˇina za zadani x je jednaka f (x)π. i=0 Prijedemo na limes. 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. ako taj limes postoji kad n −→ ∞. Primjer 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T . tj. Iz Primjera 7.322 y ˇ POGLAVLJE 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. kad max ∆xi+1 −→ 0. oznaˇimo s P (xi ). 0.♠ 2 .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .

Dakle.ˇ 7. . onda je volumen dijela prostora koji nastaje rotacijom dijela ravnine izmedu grafova funkcija f1 i f2 omedenog pravcima x = a i x = b dan s b V =π a 2 2 (f1 (x) − f2 (x))dx.22 Izraˇunajmo volumen stoˇca visine H i polumjera osnovice R. z z Po gornjoj formuli. ako su f1 . za svaki x ∈ [a.♠ 3 Pomo´u ove formule moˇemo raˇunati i volumene tijela koja nastaju rotacijom c z c zatvorenih krivulja oko x osi. koriste´i ˇinjenicu da takav stoˇac nastaje rotacijom grafa c c z funkcije R y= x H oko osi x. f2 : [a.18: Volumen stoˇca nastalog rotacijom duˇine oko osi x. b] −→ R neprekidne i takve da je f1 (x) ≥ f2 (x). PRIMJENE INTEGRALNOG RACUNA 323 Vidimo da je volumen tijela T jednak integralu po njegovoj visini funkcije povrˇine s popreˇnog presjeka P na odredenoj visini. c Primjer 7. c z y R 0 Η x Slika 7.5. b]. imamo H Vx = π 0 R2 2 R2 π x dx = 2 H2 H H 0 R 2 π x3 x dx = 2 H 3 2 H 0 1 = R2 πH.

y R r 0 x −R Slika 7. .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . R > r. Primjer 7. f2 (x) = R − √ r 2 − x2 .23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 .19: Volumen tijela nastalog rotacijom podruˇja omedenog grafovima c dviju funkcija oko osi x. UVOD U INTEGRALNI RACUN f 1 (x) f 2 (x) 0 a b x Slika 7.324 y ˇ POGLAVLJE 7.

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

UVOD U INTEGRALNI RACUN y 0 a b x Slika 7.) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . (Teˇiˇte je toˇka u kojoj. zs zs c ako podupremo tijelo.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0. ono ostaje u ravnoteˇi. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. Zelimo odrediti teˇiˇte izrezanog lika. c s c . da mu je gusto´a c ˇ svuda ista.326 ˇ POGLAVLJE 7.5. tj.♠ 5 7. yi ). segmentom [a. Primjer 7. Promatramo lik omeden pravcima x = a. dobijemo tanko tijelo. b] na osi x i grafom funkcije f nad [a. b]. Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . Uzmemo li ˇkare i izreˇemo taj lik. x = b. b]. 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π .21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x.

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

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

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

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

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

mjereno od osnovice. 4 Zbog M = µV = 14 3 R π. tj.24: Teˇiˇte homogenog stoˇca.♠ z Primjer 7. 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 . 4 3 Zbog M = µV = 1 R2 πH. 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. Primjer 7. dobivamo xT = 4 H.28 Odredimo teˇiˇte polukugle koja nastaje rotacijom polukruˇnice zs z √ z s s f (x) = R2 − x2 (polukruˇnica sa srediˇtem u ishodiˇtu polumjera R) oko osi y.332 ˇ POGLAVLJE 7. Kako je f −1 (y) = R R2 − y 2 za x ∈ [0. 23 dobivamo xT = Mx M . 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 . za µ = 1. R] imamo y(f −1 (y))2 dy = π 0 R Mx = µπ 0 y(R2 − y 2 )dy = = 3 R. teˇiˇte se nalazi na ˇetvrtini zs c 3 visine stoˇca.27 Odredimo apscisu teˇiˇta stoˇca visine H i polumjera osnovice R zs s R kojeg dobijemo rotacijom pravca f (x) = H x za µ = 1.♠ 8 π 4 R . zs z Imamo H My = µπ 0 R2 xf (x)dx = π 2 H 2 H 0 1 x3 dx = R2 πH 2 .

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

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

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

xi ]. i zbroje se momenti inercije malih valjaka polumjera f (si ). i = 1. gdje je si ∈ [xi−1 . dakle je 1 I0 = Ix + Iy = M r2 . . b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx..♠ 2 Kombinacijom razmatranja iz toˇke 7. c Primjer 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. Formula se dobije tako da se prvo izvede formula za moment inercije valjka visine h i polumjera osnovice r 1 1 Ix = M r2 = µπr4 h. Analogno iz ϕ(t) = r imamo t2 = 0.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a.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. Prijelazom na limes dobijemo gornju formulu. n. UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t..336 ˇ POGLAVLJE 7. 2 2 a onda se interval [a. Oˇito funkcija ϕ : [0. i visine ∆xi = xi − xi−1 . 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 .10. π] −→ R zadovoljava Teorem 7. 5 . Sada iz Primjera 7.5. Iz ϕ(t) = −r imamo t1 = π. b] podijeli na male podsegmente [xi−1 . pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. xi ]. moment inercije cijelog kruga obzirom na y os je Iy = Ix .

i = 1. f (a)) do toˇke c c B = (b. b] na podsegmente [xi−1 . . n.. .5.♠ 15 5 7.5. i gdje je ∆xi = xi − xi−1 . f (xi )). b] zadana kao graf funkcije f ∈ C 1 [a. Takoder je jasno da je zbog simetriˇnosti svejedno koji pravac kroz srediˇte uzmemo kao os vrtnje. Duljina luka od toˇke A = (a.26: Duljina luka zadanog kao graf funkcije f (x). f (xi−1 )) i (xi . jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆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.. Podijelimo segment [a. c po Pitagorinu pouˇku. 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. i = 1.ˇ 7.. .5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a.. n. b] eksplicitnom formulom y = f (x). 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 . f (b)) bit ´e aproksimirana duljinom izlomljene crte koja se sastoji od c spojnica toˇaka (xi−1 . pa uzmimo c s os x.. Duljina svakog takvog komada je. xi ].

mase µ.. n.27: Ploˇtina plaˇta rotacijskog tijela.. i = 1. 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.5.26). UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 . b] na podsegmente [xi−1 .338 ˇ POGLAVLJE 7. . xi ]... a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx . i = 1. . i . Dijeljenjem segmenta [a. n. b] rotira oko osi x. polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). xi ]. 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 )). Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. s yT = b a f (x) √ 1+[f (x)]2 dx . Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. s s plaˇta krnjeg stoˇca polumjera donje osnovice R.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a. s 7.. Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e..

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.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. 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 . tj. ako znamo poloˇaj tijela u trenutku t1 = 0.. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .ˇ 7.5. xi ]. Primjer 7. ploˇtinu sfere polumjera r..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. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.5. Ovdje smo s ds oznaˇili diferencijal luka.26). . c ds = 1 + [f (x)]2 dx. . n. Teorem 7.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem. gdje je si ∈ [xi−1 . i = 1.31 Izraˇunajmo oploˇje kugle.♣ s zs 7. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . To u limesu daje formulu za povrˇinu rotacijske plohe s P = 2π b a f (x) 1 + [f (x)]2 dx = 2π b a f (x)ds. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 .. Toˇnije.

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

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

UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7. a debljina sloja je dx metara). ˇirina c s 2(1 − x) m. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 .30: Jarak iz Primjera 7. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. duljina jarka je 10 m. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. Integriraju´i doprinose svih dubina c od 0 do h = 1 m.33. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. .29: Jarak iz Primjera 7.83 J. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x). pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. s x 0 y h Slika 7. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h.33.342 ˇ POGLAVLJE 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.

34 Koliki je rad potreban uloˇiti da se tijelo (npr. 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 = . upravo teˇina z K tijela. No ta sila je. z z Primjer 7. 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. a teˇiˇnica se ovdje zs c zs zs podudara sa simetralom i visinom) a njena teˇina je 98066 N . 2 x R+h Uoˇimo da gornji raˇun ne bi bio valjan za raketu ˇija se masa mijenja. sila P kojom teku´ina specifiˇne teˇine µ djeluje na c c z povrˇinu S na dubini h dana je formulom P = µhS. c c c smanjenje zbog utroˇka goriva. s z Primjer 7.5.♠ s Hidrostatiˇki tlak c Po Pascalovom zakonu. tj. mp masa projektila i G univerzalna gravitacijska konstanta). To se postiˇe integriranjem po dubini sile na z mali element povrˇine. Dakle je K = P R2 i F (x) = PxR . Po Newtonovom zakonu znamo da je s c sila kojom Zemlja djeluje na tjelo mase mp na udaljenosti x od srediˇta zemlje s mz mp jednaka F (x) = G x2 . Za x = R imamo teˇinu tijela na povrˇini Zemlje. mz i G konstante. gdje smo s c K oznaˇili K = Gmz mp . 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 . Uzimaju´i da su mp .35 Kanal polukruˇnog presjeka polumjera 1 m zatvoren je zasunom. (Ovdje je mz masa Zemlje.♠ c Veliˇinu g(x) moˇemo smatrati konstantnom ako je razlika visina dovoljno c z mala. imamo F (x) = x2 . Primjer situacije u kojoj to ne smijemo pretpostaviti nalazimo u balistici. To moˇemo uˇiniti z z c jer se iznos g(x) ne mijenja znaˇajno s promjenom x. 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.ˇ 7. Kolikom silom djeluje voda na zasun ako je s jedne strane zasuna kanal pun a s druge prazan? . po definiciji.

1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral. UVOD U INTEGRALNI RACUN 0 1 Slika 7.♠ s c .35.31: Kanal iz Primjera 7.344 ˇ POGLAVLJE 7.

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

Sign up to vote on this title
UsefulNot useful