P. 1
MAT1

MAT1

|Views: 12,611|Likes:
Published by Deki Denik

More info:

Published by: Deki Denik on May 07, 2011
Copyright:Attribution Non-commercial

Availability:

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

08/04/2013

pdf

text

original

Sections

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

Tomislav Doˇli´ s c Nikola Sandri´ c

MATEMATIKA 1

Gradevinski fakultet Sveuˇiliˇte u Zagrebu c s

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

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

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

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

. . . . . . . . .

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

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

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

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

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

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

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

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

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

iii

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

2.4

2.5

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

. . . . . . .2 Svojstva neprekidnih funkcija . . . . . . .2 Derivacija funkcije . . . . . . . . . .2. . c 6. .1. . . . . . . . . . . . . . . 7. . . . .4 Raˇunanje derivacija . . .2. . . . . . . . . . . . . .5. . . . . . . . . .3 Teˇiˇte . . . . 7. . . . . . .6 Povrˇina rotacijske plohe . . . . 7. . . . . . . . . . . . . . c 6. . . . . . . . . .3 Newton . . . . . . . . .2. . . . . . . . . . . . . . . . . . .3 Neprekidnost elementarnih funkcija . . . . .2. . . . . . . . . . . . . . . . . . . .5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . c 6. .1. . . . . .2 Derivacija funkcije u toˇki . . . . . . . . . .5 Diferencijal funkcije i lokalna linearizacija 6. . . . . . . . . . . . 7. . . . .5. . . . . . . . . . . . . . . . . . . . . . 7. . . . . 7. . . . . . . . . . . 7. . . . . . .5. . .5. . . . . . . . . . . . . . . . c 6. . . . . . zs 7.5. . . . . . . . . . . . .4 Nepravi integral . . . . . .4 Moment ustrajnosti (inercije) . s 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 .7 Primjene u fizici . . . . c 7. . .vi 6 Uvod u diferencijalni raˇun c 6.3 Metode integriranja .5 Duljina i teˇiˇte luka ravne krivulje . . . .2. . s 7. .2 Odredeni integral . . . .problem povrˇine (ploˇtine) s s 7. . . . . . . . . . . . . . . . . . . . . . . . . .7 Raˇunanje limesa .5. . . . . . . . .4 Graniˇna vrijednost (limes) funkcije . . . .2. .Leibnizova formula .1. . . . . 6. . . . . . . . . . . . . . . .1. . . . . . . . . . . . .2 Volumen rotacijskog tijela . .1 Motivacija . . 6. . . . . . . . . . . . . . . . . . . . . . . .1. . . . . . .1. . .1. . .1 Povrˇina lika u ravnini . . . . .2. . 6. . . . . . . . . . . . s 7.6 Neodredeni oblici . . . . . . . .1 Neprekidnost i graniˇne vrijednosti . . . . 7. .2 Neodredeni integral . . . . .2. . .1 Primitivna funkcija . . . . . zs 7. . . . . . . . . . . 6. . . . . . . . . c 6. . . 7. . . .5 Primjene integralnog raˇuna . . . . . . . . . . . . . . . . . . . . .1 Neprekidnost funkcije . . . . . . . . . .5 Neprekidnost i limes . . . . . . . . . . . . . . . . . . .6 Derivacije viˇeg reda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2. . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . 6.2 Svojstva odredenog integrala . . . . . . . . .8 Primjene derivacija . . .1. . . . . . . . . . . . . . . . . . . c 6. . . . . . . .3 Derivacija funkcije . . . . . . . . . . . . . . . . . . . . . . . . .1 Motivacija . . . . . . . . . . . .1 Neodredeni integral . . . . .1. . . . . . .7 Osnovni teoremi diferencijalnog raˇuna . . 7. . . . . . . . . . .1. 6. . . . . . . . . . . . .2. 7 Uvod u integralni raˇun c 7. . . . . . . . . . 6. .

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

troˇkovi proizvodnje. u oba sluˇaja jedna veliˇina (cijena) ovisi o drugoj c c (minute. Nadalje. s c s dakle. kilometri) tako da se iznos druge mnoˇi konstantnim faktorom (cijena z po minuti. vidimo da oba naˇa s problema imaju istu strukturu. porez. 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. problem koji c c s c ´e opisivati sve ostale probleme tog tipa. gotovo karikirani. dakle. Takav nam okvir daje matematika. Vrijedno je. dakle. kvantitativni aspekti. Unatoˇ tome. arhetipski. c Matematika je. Takve c prikaze zovemo matematiˇkim modelima. 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. uloˇiti trud u razumijevanje svojstava linearne z . i da sposobnost c rjeˇavanja jednog od njih znaˇi i sposobnost rjeˇavanja ostalih. udaljenosti. niti grad u koji se putuje.2 to ista tvrtka kod koje treba iznajmiti vozilo za odlazak po poslovnog partnera na aerodrom udaljen 20 km? Na gornja ´e pitanja odgovoriti svatko tko je svladao ˇetiri raˇunske operacije. c c c jer odgovor ne zahtijeva niˇta viˇe od nekoliko zbrajanja i mnoˇenja. z c c Prvo. Bitne su cijene. Jasno je da z s razumijevanje jednoga od njih znaˇi i razumijevanje svih ostalih. po kilometru) i da se tome dodaje konstantan iznos (pretplata. u naˇem primjeru. startna cijena). to je 800 km. skup znanja i umije´a pomo´u kojih se realni objekti i c c njihovi odnosi prikazuju pomo´u apstraktnih objekata i njihovih odnosa. jednom kad zanemarimo mobitele i automobile i probleme svedemo na kvantitativne aspekte. Uz neˇto malo truda mogu´e je sjetiti se i drugih problema s takvom s c strukturom: cijena voˇnje taksijem. 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. Nije bitan tip mobitela. dakle. trajanje. Treba nam. njihovom c analizom moˇemo do´i do odgovora na neka od pitanja s poˇetka ovog poglavlja. niti marka automobila. 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. Bitni su. uoˇimo da je zajedniˇka karakteristika obaju problema to ˇto ovise samo c c s o stvarima koje se dobro opisuju brojevima. okvir u kojem ´emo mo´i formulirati i rijeˇiti op´i.

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

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

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

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

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

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

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

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

1.4 Vektori − i b su kolinearni ako leˇe na istom pravcu ili na a z paralelnim pravcima. Oˇito je | 0 | = 0. B ∈ E takve da je OA = − i AB = b . P = Q. → Napomena 1. Sada samo izaberemo orijentaciju koja nam treba. zvat ´emo nul vektor i c c − → oznaˇavati s 0 . → c . Vektor kod kojeg su poˇetak i kraj jednaki. poˇinje u P a z c zavrˇava u Q. Pogledajmo sada neka svojstva nul vektora: c − → 1.1. Za vektor P Q kaˇemo da je orijentiran od P prema Q. postoji jedna jedina toˇka Q ∈ E takva da vrijedi P Q = a c → → − Definicija 1. → → → − − → − Zbroj vektora − i b definiramo kao vektor → = − + b koji dobijemo tako a c a − → − → da poˇetak vektora b translatiramo na kraj vektora → i vektorom − zovemo c a c − → − vektor koji ima poˇetak u poˇetku od → a kraj u kraju od b . Napomena 1. uzmemo c c a − → − → → → − proizvoljni O ∈ E i uzmemo A. Iz a Napomene 1. Nul vektor nema smjer jer ga moˇemo translatirati na svaki pravac (tj.2 Ako uzmemo proizvoljnu toˇku P ∈ E i zadani vektor − .3). VEKTORI I OSNOVNE OPERACIJE S NJIMA − → 2. jasno nam je da imamo samo dva vektora te duljine i tog smjera (u smislu Definicije 1. onda c a − → − →. Pravac koji prolazi kroz P i Q zovemo nositelj ili smjer vektora P Q. tj. Tada je c − − → − = OB. 3.2 znamo da takve toˇke A i B postoje i da su jedinstvene. s Provjerimo jesu li nam ova tri uvjeta nuˇna i dovoljna (u smislu Definicije 1.3). tj.1 O istoj ili suprotnoj orijentaciji ima smisla govoriti ako i samo ako vektori imaju isti smjer. z kolinearan je sa svakim vektorom). Jednako je orijentiran kao i svaki vektor pa nema ni orijentaciju. z Ako za neki ne-nul vektor znamo njegovu duljinu i smjer. Preciznije. 11 − → 3. c 2.

♣ B b a+b a b 0 A a+b a b Slika 1.12 ˇ POGLAVLJE 1. . Za svaki vektor − postoji vektor a takav da vrijedi − + a = a + − = a a a − → − → − . c Teorem 1. − → − → − → Napomena 1.3: Motivacija za definiciju zbrajanja vektora. Vektor a zovemo suprotni vektor vektora a c − → −. i oznaˇavamo ga s → 0 .3 Za bilo koje tri toˇke P.4: Pravilo trokuta i pravilo paralelograma. − + 0 = 0 + − = − (nul vektor je neutralni element u odnosu na zbrajanje vektora). → a =−a → − → → → − a a 4.1 (Svojstva zbrajanja vektora) Za sve vektore vrijede sljede´e tvrdc nje: − − → → → → → − 1. a c a c → − → → → − → a a a 2. O. (− + b ) + − = → + ( b + − ) (asocijativnost). − → → − → → → → − 3. Q ∈ E vrijedi P Q = P O + OQ. VEKTORSKI RACUN R a G Slika 1. − + b = b + − (komutativnost).

z → Za λ ∈ R.1. → BA. itd. s → − − a c Napomena 1. λ > 0 B’ 0 λa. VEKTORI I OSNOVNE OPERACIJE S NJIMA 13 Teorem 1. Time je motivirana sljede´a op´a definicija mnoˇenja vektora → i 0· a 0 c c z skalarom. Sliˇno 2− + − = 3→. ali je suprotne orijentacije. a a → Za sluˇaj → + − piˇemo 2− (tj. λa . c a − 2. realnim brojem. a . Dakle ako je − istu duˇinu i isti smjer kao i vektor a z → → − = − onda je −− = − → AB. ˇija je duljina jednaka |λ||− |. vektor koji je istog smjera i iste orijentacije c − → s a a a → → → − ali dvostruke duljine od vektora − ).λ<0 a A B Slika 1. tj. koji ima isti smjer kao →.6: Mnoˇenje vektora skalarom.1 nam kaˇe da zbrajanje vektora ima ista svojstva kao obiˇno zbrajanje z c realnih brojeva. Joˇ dodatno definiramo 1 · − = − → → → → → imamo induktivno n a a a s a a − − = →.1.4 Vektor a = −→ iz Teorema 1.1 ima sljede´a svojstva: ima →. Za n ∈ N a c a a a − = (n − 1)− + − .5: Pravilo mnogokuta za zbrajanje viˇe vektora. definiramo λ− kao vektor: a → 1. d c a + b+ c+ d a b Slika 1.

operacije zbrajanja i mnoˇenja sa skalarom zadovoljavaju svojstva iz Teoz rema 1. Neka je dan polupravac (zraka) s poˇetkom u O.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 : 1.1 i Teorema 1. Primjetimo da se u Definiciji 1. 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.14 ˇ POGLAVLJE 1. a suprotnu orijentaciju a − za λ < 0.4 i pokuˇajmo definirati kolinearnost u drugim s terminima.2. a a a − → 3. − → → → → − Ako su vektori − i b kolinearni. a a → → → 2. onda. b ∈ V je a + b ∈ V . VEKTORSKI RACUN → 3. uz pretpostavku − = 0 . c Vratimo se sada Definiciji 1. λ(→ + b ) = λ− + λ b (distributivnost obzirom na zbrajanje vektora).♣ a a Definicija 1. Elemente od skupa V zovemo vektori. i neka je A = O c toˇka koja leˇi na tom polupravcu. 3. Tada kaˇemo da je skup V (realni) vektorski prostor (realni jer su skalari realni z brojevi). koji ima istu orijentaciju kao vektor − za λ > 0. postoji pravac a a . λ(µ→) = (λµ)− (homogenost). (λ + µ)− = λ− + µ− (distributivnost obzirom na zbrajanje skalara). Iz c nje vidimo da pojam vektora nije ograniˇen na geometrijske objekte. za svaki a ∈ V i svaki λ ∈ R je λ · a ∈ V .2 (Svojstva mnoˇenja vektora skalarom) Za sve vektore i sve skalare z vrijedi: → → − − − → 1. → od vektora a Teorem 1. a a → − 4. 1 · − = → (postojanje jedinice). za sve a.5 nigdje ne govori o geometrijskim veliˇinama.

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

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

c − → − Napomena 1.♣ → a s Jednostavna posljedica Teorema 1. → → − → Teorem 1. onda su ti vektori linearno zavisni. → ∈ XO (E) jednak nul veka1 a2 an toru. b ∈ XO (E). b bilo koja dva linearno nezavisna vektora iz XO (M ). jer se nalazimo na pravcu.5 izravno slijedi da su svaka ˇetiri vektora iz XO (E) linearno zavisna. − i → vektori iz XO (E) koji ne leˇe u istoj ravnini.4 ja da su svaka tri vektora iz XO (M ) linearno zavisna.5 Ako su − . onda su oni linearno zavisni ako i samo ako su kolinearni. .♣ . ♣ Tvrdnja Teorema 1. →.7. Ako je barem jedan od vektora − . → ∈ XO linearno zavisni. Stoviˇe. e1 e2 e3 z Tada su oni linearno nezavisni. Ako su − . on se ne moˇe izraziti kao njihova linearna konbinacija... a → onda je svaki vektor − ∈ XO (M ) mogu´e rastaviti u linearnu kombinaciju od c c → ˇ − − i b . takav rastav je jedinstven. a na pravcu su bilo koja dva vektora kolinearna pa tvrdnja Teorema 1. − i − .1. Dokaz: → − → z Linearna kombinacija bilo koja dva vektora od − .3 slijedi iz Napomene 1..8 Neka su →. z → − − 3.3 je jasna..2. →. . Stoviˇe.. → i − leˇi u ravnini u e1 e2 e3 kojoj leˇe i ta dva vektora.3 Bilo koja dva vektora iz XO (p) su linearno zavisna. onda a c − → je svaki vektor d ∈ XO (E) mogu´e rastaviti kao linearnu kombinaciju vektora c − . pa z z slijedi da su oni linearno nezavisni. jer uz nul vektor moˇemo staviti z proizvoljan skalar razliˇit od nule.4 Ako su − . b i − tri linearno nezavisna vektora iz XO (E). c − → → a 4. Ako imamo dva vektora − .. taj rastav je jedinstven. VEKTORSKI PROSTOR XO (E). → → − Teorem 1. LINEARNA KOMBINACIJA VEKTORA17 → − − 2.♣ → → → ˇ s a b c Iz Teorema 1. Kako tre´i vektor po pretpostavci ne leˇi u ravnini u z c z kojoj leˇe druga dva. Teorem 1. onda barem jedan od njih a1 a2 an moˇemo prikazati kao linearnu kombinaciju drugih.

Analogno. Tada znamo da vrijedi − = a a − → − → → − ax i + ay j + az k i koordinate (ax . − ∈ XO (E). Ey = (0. az ) su jednoznaˇno odredene. Konstruirajmo jednu takvu bazu na sljede´i naˇin: c c Uzmimo toˇku O kao ishodiˇte Kartezijevog koodinatnog sustava. →. Zanimaju nas takve trojke (baze) u kojoj ´e komponente svakog vektora c iz XO (E) biti jednostavne ili lake za odrediti. j .5).9 Primijetimo da je baza vektorskog prostora XO (p) svaki nenul vektor iz XO (p). − . 0. 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 . 1). VEKTORSKI RACUN 1. 0) i Ez = (0. z c → → Neka je sada − proizvoljan vektor iz XO (E). zakljuˇujemo da nam je dovoljno znati tri skalara kao informaciju da c bismo znali neki vektor u XO (E). a2 i a3 zovemo komponente ili → − → − koordinate vektora − u bazi (→. Kako vektori i . Skalare a1 . pa ˇine bazu. →). c →. →) bilo koja baza vektorskog prostora XO (E) i − bilo koji e1 e2 e3 a → = a1 − +a2 − +a3 − . Stoviˇe. prema Napomeni 1. − → − → Neka je (→. ay . Kako su ti skalari jednoznaˇno → jednoznaˇno odredeni vektorom a c c odredeni. e1 e2 Napomena 1. Iz svojstava zbrajanja vektora i mnoˇenja vektora skalarom (Teorem 1. pri ˇemu su skalari a1 .18 ˇ POGLAVLJE 1. k ne leˇe u istoj ravnini.7 Uredena trojka (− . →) linearno nezavisnih vektora iz XO (M ) je baza vektorskog prostora XO (M ). → → a b i j k . uredeni par → − (− . a e1 e2 e3 Jasno je da uredenih trojki linearno nezavisnih vektora u XO (E) ima beskonaˇno c mnogo. Definirajmo i = OEx .1 i Teorem z 1.2) imamo → − → − + − = (ax + bx )→ + (ay + by )− + (az + bz )− . − ) triju linearno nezavisnih vektora iz e1 e2 e3 XO (E) zove se baza vektorskog prostora XO (E). a2 i a3 − → → → vektor iz XO (E). te toˇke Ex = c s c −→ − − → −→ − → − (1. Koordinatni sustav → − → Definicija 1. duljine su im 1 i leˇe na okomitim c s z pravcima.8 z ˇ oni su linearno nezavisni.3 Baza vektorskog prostora XO (E). 0). − . Tada je a e1 e2 e3 c − (Teorem 1. 1. 0. pa kaˇemo da ˇine ortonormiranu bazu vektorskog prostora XO (E).

ay . −→ − Znamo da je |P P | = d(P. j . pa slijedi da je duljina proizvoljnog vektora jednaka → |− | = a a2 + a2 + a2 . c c −→ − − → − → → − Napomena 1. P ) = (x − x)2 + (y − y)2 + (z − z)2 . Zakljuˇujemo da se zbrajanje vektora svodi na zbrajanje njihovih odgovaraju´ih c c koordinata. mogu´e prikazati P P kao c −→ − − → − → − → P P = (x − x) i + (y − y) j + (z − z) k . cy = ay + by . tj. y. j . c a → → − − = cx − + cy → + cz − . x y z 1.4 Vektorski prostor Rn → − → − → − − Neka je ( i . c −→ − − − − − → −→ − → −→ −→ − → Sada je. z ) znamo da je OP = x i + y j + z k . ay . tj. y .4.3) nam daju pravila za takve operacije nad uredenim c trojkama: . j . cz = az + bz . az ). k ) bilo koja baza od XO (E). a − − − → → → Uzmimo sada bazu ( i . az ∈ R takvi da je a i j → Ako sada identificiramo − ∈ XO (E) s uredenom trojkom njegovih koordinata. Tada znamo da za proizvoljni → ∈ a → → → − = ax − +ay − +az − . −→ − − → − → → − Za toˇku P s koordinatama (x . komponente (koordinate) vektora P P se dobivaju kao razlika koordinata njegove krajnje i poˇetne toˇke. vrijedi c → − − → − → − → OP = x i + y j + z k . Zbog jednoznaˇnosti koeficijenata imamo da je → c i j k c cx = ax + bx . k ) i toˇku P s koordinatama (x. z). k ). Analogno.10 Vidjeli smo da je P P = (x − x) i + (y − y) j + (z − z) k . −→ − Dakle. a − = (ax .1. imamo − → → − − → − λ→ = (λax ) i + (λay ) j + (λaz ) k . → k XO (E) postoje i jedinstveni su ax . Tada je c − → jasno da su koordinate vektora OP vezane uz koordinate toˇke P . zbog P P = P O + OP = −OP + OP = OP − OP (pravilo trokuta −→ − za zbrajanje vektora). VEKTORSKI PROSTOR RN 19 → − − − → → → → → − S druge strane vektor − = − + b takoder ima razvoj u bazi ( i . pravila za zbrajanje vektora i mnoˇenje vektora sa skalarom → a z (koja su opisana u toˇki 1.

λx2 . .. xn ) + (y1 . az ) + (bx . .. ay + by . 1.. yn ) = (x1 + y1 . 0) ˇija je i-ta z e c n koordinata 1 a sve ostale su nula. (y1 .. 0.1 i Teorema 1.. U toˇki 1.2.. z z Znamo da je rad sile F na putu s dan formulom W = F · s (odnosno − → → ˇ W = | F ||− |).. Dakle Rn = {(x1 .. x2 . ay ... xn ) gdje su xi ∈ R za i = 1. xn ) = (λx1 . Moˇe se pokazati da skup od n vektora −i = (0.. y2 . Zelimo uvesti i mnoˇenje vektora. x2 + y2 . bz ) = (ax + bx . To svojstvo baze od X0 (E) zovemo potpunost. i = 1... z 1. λ(ax . . λay ... Skup svih takvih n-torki oznaˇavat ´emo sa Rn . . n}. n.... . kaˇemo da je R n-dimenzionalni realni vektorski prostor. xn ). by ... λ(x1 . . 0. . (ax . n. x2 . ˇini bazu u R . Sada zaboravimo geometriju (jer ne moˇemo lako predoˇiti takve skupove) i z c za proizvoljni n ∈ N definirajmo takve operacije nad uredenim n-torkama realnih brojeva (x1 .. x2 .20 ˇ POGLAVLJE 1.... y2 .. VEKTORSKI RACUN 1. ay . x2 . az ) = (λax . ako su sila i put kolinearni.. Do sada smo vidjeli kako moˇemo vektore z ˇ zbrajati i mnoˇiti skalarom. 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). . λaz ). c c Za (x1 . .. Kako ta baza ima c n n vektora.... .. . . xn + yn ).. Sada c n moˇemo definirati bazu u R kao potpun i linearno nezavisan skup vektora iz z n → R ..... 2. x2 .. az + bz ). . Odatle slijedi da je Rn vektorski prostor za proizvoljni n ∈ N. .... Lako je provjeriti da zbrajanje uredenih n-torki i njihovo mnoˇenje skalarom zadoz voljavaju svojstva analogna svojstvima iz Teorema 1. λxn ). U tu svrhu moramo na odgovaraju´i naˇin definirati c c . Zelimo imati sliˇan izraz i za sluˇaj s c c − → → − kad F i s nisu kolinearni.3 smo vidjeli da se svaki vektor iz X0 (E) moˇe prikazati kao linearna c z kombinacija vektora iz svake baze od X0 (E).. Linearna nezavisnost baze jamˇi jedinstvenost takvog prikaza.. xn ) : xi ∈ R za i = 1.5 Skalarni produkt ˇ Vektori su generalizacija brojeva. Kao motivacija z z moˇe nam posluˇiti pojam rada sile na nekom putu. yn ) ∈ Rn i λ ∈ R definiramo: (x1 .

→ → → − − − → Zakljuˇujemo da iz − · b = 0 (tj. − ) za koje vrijede relacije kao gore ˇine ortonormiranu bazu u XO (E). j . odnosno manji od a → → − − − − a a dvaju kutova izmedu vektora → i b . nisu iz XO (E))? c a c s → → − → − = − i − = − iz XO (E). ( k . pa kaˇemo da je ( i . iz |→|| b | cos(ϕ) = 0) slijedi da su ili − i c a a a − → π b okomiti (tj. Skalarni produkt vektora − .8 Neka su − = 0 i b = 0 . a b ϕ a ab> 0 b ϕ a ab= 0 b ϕ a ab< 0 Slika 1. Kako je rad skalarna veliˇina. j . s − → → − → → − − → → Definicija 1. j . a c c . SKALARNI PRODUKT 21 produkt dvaju vektora. − → → − a b a b − − → gdje je ϕ kut izmedu vektora → i b . Primijetimo da ( i . kut ϕ medu njima je 2 ) ili je barem jedan od njih nul vektor. k ) baze pravokutnog koordic − − − → → → natnog sustava (iz toˇke 1. Iz Tablice 1. onda je → · b = 0. j .1.5. Svaka tri vektora − → → → (− . j . b ∈ a a → → − XO (E) je skalar koji oznaˇavamo s − · b i definiramo formulom c a → · − = |− ||→| cos(ϕ). novodefinirani produkt se za sluˇaj kolinearnosti F c → i − mora svoditi na gornju formulu za rad. k ) c z − − − → → → ortonormirana baza vektorskog prostora XO (E).1 vidimo da su vektori i . (Uzimamo 0 ≤ ϕ ≤ π. − − − → → → Pogledajmo sada jediniˇne vektore ( i . k ) − − − → → → nije jedina takva baza (npr. pa imamo → Uzmimo njima jednake vektore a OA b OB definiran skalarni produkt za svaka dva vektora. rezultat produkta vektora c − → mora biti skalar. → − − ˇ Sto uˇiniti ako → i b nemaju zajedniˇko hvatiˇte (tj.3).) Ako je barem jedan od vektora → i b → − − nul vektor. i ) je druga takva baza). Osim toga. k c − → − → − → medusobno okomiti (ortogonalni) i jediniˇni (normirani). b .8: Uz definiciju skalarnog produkta.

a −b b ϕ a Slika 1.1: Skalarno mnoˇenje vektora baze pravokutnog koordinatnog susz tava Sada si postavimo pitanje.22 · → − i → − j → − k ˇ POGLAVLJE 1. VEKTORSKI RACUN − − → → i j 1 0 0 1 0 0 − → k 0 0 1 Tablica 1.9: Raˇunanje skalarnog produkta. Tada je a → − → → − → = (ax − bx )→ + (ay − by )− + (az − bz )− . a a a Kako je − · − = |− ||− | cos(ϕ) → → → → a b a b . kako izraˇunati skalarni produkt? c − − → → − → − → − → − → − → → Neka su − = ax i + ay j + az k i b = bx i + by j + bz k . − − a b i j k odnosno − − → |→ − b | = a (ax − bx )2 + (ay − by )2 + (az − bz )2 ). c Sada iz kosinusovog pouˇka za trokut OAB imamo c − → − → − → → → − |→ − b |2 = |− |2 + | b |2 − 2|− || b | cos(ϕ).

− → a b Napomena 1. tj..5.11 Primijetimo da skalarni produkt moˇemo generalizirati na vekz tore prostora proizvoljne dimenzije. y2 . (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 − . Za preslikavanje (funkciju) sa V u W ..6 (Svojstva skalarnog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → → → − → → − − − 1. µ ∈ R. + xn yn .. Uvrˇtavaju´i b = − u definiciju skalarnog produkta dobijemo − · − = s c a a a →||− |. (− + b ) · − = − · → + b · → (aditivnost).. − → |a a √ → − → a a |− | = − · → = a2 + a2 + a2 .♣ − → → → → 1. a a → − → → − − a a c 3. → → Neka su − = (x1 .1. a x y z Ova se formula za duˇinu vektora. . → · b = b · − (simetriˇnost). . → → x y Teorem 1. tj. xn ). z z → → − → − → − → → 2. SKALARNI PRODUKT to imamo 23 → → − (ax − bx )2 + (ay − by )2 + (az − bz )2 = a2 + a2 + a2 + b2 + b2 + b2 − 2− · b . x2 . − = (y1 . yn ) ∈ Rn . a c a c c → → → − → − 2.. slaˇe s Napomenom 1. a x y z x y z Odatle sredivanjem dobijemo → · − = ax bx + ay by + az bz . Tada skalarni produkt x y vektora x i y definiramo kao − · − = x1 y1 + x2 y2 + . 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 ...10. Posebno.9 Neka su V i W realni vektorski prostori. ako je vektorski prostor W = R. Definicija 1. . a onda f zovemo linearni funkcional. →→ ax +a2 +a2 b2 +by +bz y z x | a || b | Time smo dobili korisnu formulu za kut izmedu dva vektora. b ∈ V i sve λ..

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

a0 a0 . Nadalje. a0 − Mnoˇe´i gornju jednadˇbu s → dobivamo z c z a0 − · − = λ− 2 = λ. → → → a0 d a0 − −→ − −→ − − →→ → → −→ → jer su − i D D okomiti. Uzmimo −→ − → − proizvoljan pravac p kroz O i neka je OD ortogonalna projekcija vektora d na → → p.1. Dakle imamo OD = ( d · − )− jer je OD = λ− . Moˇemo promatrati i op´enitiji problem: z c Kako projicirati zadani vektor na proizvoljni pravac? − → − → −→ − Neka je d ∈ XO (E). jediniˇni vektor. → |a| ay cos β = − . a0 a0 a0 a0 − → −→ − Ako sada uvedemo oznaku d za OD . imamo − → → →→ − d = ( d · − )− . Tada imamo c − − − − → −→ − → → −→ d = OD + D D = λ− + D D. Tada postoji D ∈ E takva da je d = OD. → |a| az cos γ = → .5. SKALARNI PRODUKT → Dakle su kosinusi smjera vektora − definirani s a ax cos α = − . − |a| 25 Iz definicije skalarnog produkta i gornjih razmatranja slijedi da su koordinate vektora jednake duljini njegovih projekcija na koordinatne osi. neka je − ∈ XO (E) proizvoljan vektor koji leˇi na p i − njegov a z a0 D d 0 a0 D’ a Slika 1.10: Projekcija vektora na pravac.

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

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

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

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

j . k : z − → − → − → − → i = a1 i + a2 j + a3 k . ako su S i S dva proizvoljna sustava (ne nuˇno pravokutna). − → − → → − − → j = b1 i + b2 j + b3 k . j . j . ako je D < 0. i . k ) dva pravokutna koordinatna → − → − → − − → − → − → sustava. Prikaˇimo i . onda nisu. j . → → a b i j k .30 ˇ POGLAVLJE 1. − → − → − → − → k = c1 i + c2 j + c3 k . k ) pravokutni normirani c c → → − desni koordinatni sustav.4 da postoje n-dimenzionalni vektorski prostori za svako n ∈ N c a u Napomeni 1. 1. c1 c2 c3 Ako je D > 0. onda su S i S (odnosno njihove baze) jednako orijentirani.10 vidjeli smo da moˇemo definirati skalarni produkt na nz dimenzionalnom vektorskom prostoru Rn ). VEKTORSKI RACUN orijentirana ili nisu? − − − → → → → − → − → − Neka su S = (O. Definicija 1. onda se z orijentiranost od S i S ispituje analogno.8 Vektorski produkt Vektorski produkt definira se samo za vektore trodimenzionalnog prostora (vidjeli smo u toˇki 1. i . Izraˇunajmo c D= a1 a2 a3 b1 b2 b3 .13 Za svaka dva sustava S i S (ne nuˇno pravokutna) je D = 0. j . i .10 Orijentirani prostor je prostor u kojem se zna koji su koordinatni sustavi desni (pozitivno orijentirani) a koji lijevi (negativno orijentirani). pomo´u determinante pripadaju´e c c matrice. Vektorski produkt vektora − i b je vektor a → → → − × − = (ay bz − az by )− + (az bx − ax bz )− + (ax by − ay bx )− . k ) i S = (O . k preko i . − − − → → → Neka je O ˇvrsta toˇka u prostoru E i (O. z Napomena 1. Dakle. tj.

6. a a a Napomena 1. → × b = −( b × − ) a a (antikomutativnost). Tada je |→ × − | = 0.1. b nul vektor. Kako je − · b = |→|| b | cos ϕ. Tada je |− × b | = 0. Zbog − · − = |→||− | cos ϕ. a c a a c − + − ) × − = → × − + − × → (distributivnost prema zbrajanju). neka je − × b = 0 . c c z Teorem 1. (λ− ) × b = (− ) × (λ b ) = λ(− × b ) a a a (homogenost). pa je cos2 ϕ = 1. imamo 0 = |− |2 | b |2 (1 − a a a a a → − − cos2 ϕ). tj. → → → − → → − (a b c a c b c − − → → − → 3. a c → i → kolinearni. ϕ = 0 ili ϕ = π. tvrdnja slijedi lagano iz formule za duljinu a → − − vektora → × b . kao saˇeti zapis. c Dokaz: − → → Ako je barem jedan od vektora − . Dakle a − → − i b su kolinearni.♣ → a . To ukljuˇuje i sluˇaj kad je jedan od njih (ili c c ˇak oba) nul vektor. a → − → → → → − → − → − Obratno. → × ( b + − ) = − × b + − × − . − → − → |a a sc a b → − → → − pa i − × b = 0 . − → → → − → − → → 2.7 (Svojstva vektorskog produkta) Za sve vektore iz X0 (E) i sve skalare iz R vrijedi: → − − → → → → → − 1. imamo (− · − )2 = − − → → − → → → Neka su a b a b a b a b − 2 → − → →|2 | b | ·1.7 slijede izravno iz svojstava determinante koja smo vidjeli u toˇki 1. pa desna strana formule za duljinu vektora − × b iˇˇezava. jer je nul vektor kolinearan sa svakim vektorom.14 Vektorski produkt dvaju vektora jednak je nul vektoru ako i samo ako su ti vektori kolinearni. VEKTORSKI PRODUKT odnosno − ×− = → → a b → → − − − → i j k ax ay az .♣ Primijetimo da tvrdnje Teorema 1. Po pretpostavci je |→| = 0 i | b | = 0. bx by bz 31 Determinantu u ovoj formuli shva´amo ˇisto formalno. Neka su sada oba vektora razliˇita od nul vektora.8. i ϕ = 0 ili ϕ = π. c → → − Duljina vektora − × b je dana formulom a → − → → − → → → − |− × b |2 = |− |2 | b |2 − (− · b )2 . pa iz formule za duljinu |− × b | a a a − → → → → − → → − → − − − → − imamo 0 = |→|2 | b |2 − (− · b )2 .

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

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

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

c → · (− × →) = 0 i ako je barem jedan od njih jednak nul vektoru.ˇ 1. − komplanarni po Napomeni 1. − ∈ XO (E) kaˇemo da su komplanarni a c z ako leˇe u istoj ravnini. − ∈ XO (E) vrijedi − · ( b × − ) = 0 ako a c a c →.9.6. → ∈ XO (E) su komplanarni ako i samo ako su linearno zavisni. MJESOVITI PRODUKT 35 bx c a c b Slika 1. pa tvrdnja slijedi a c iz svojstava determinante 3. |→ · b | je duljina projekcije od − na b za jediniˇni vektor b .17 Za vektore − .♣. → komplanarni. gdje je |→| baza. b . b = 0 i → = 0 . onda − → − Obratno. b .11 Za vektore − . b . a a − → → − → − − → − 2.14: Mjeˇoviti produkt triju vektora. jer je a a c → − − → |→ · b | = |− || cos ϕ|. → − → − → → → → Napomena 1. Pretpostavimo zato da su − = 0 . zakljuˇujemo z a c c − → → da on leˇi u ravnini u kojoj leˇe i b i − . pa kako je − okomit na b × − . s → → − → Definicija 1. a | b | sin ϕ visina paralelograma. ako je a b c → − → − → → − → − − tvrdnja lagano slijedi. z → − − − a c Napomena 1. Tada. No znamo da je vektor → − a c a − − → → → − − → − → → → b × c okomit na ravninu u kojoj leˇe b i c .4 i 5 iz toˇke 1. − . jer je |− × b | = a s a a → − → − − − |→|| b | sin ϕ. Tada je: → → → a b c → − → − → − − → 1. a a .16 oni su linearno zavisni. kako je a c → − − → → − − → − · ( b × c ) = 0. z z c Dokaz: Do sada smo spomenuli skalarno mnoˇenje. b . − . |→ × b | je povrˇina paralelograma razapetog s → i b . zakljuˇujemo da su vektori → i b × c okomiti. Kako pamtiti ove operacije (geometrijska interpretacija)? Neka su − . − → − i samo ako su a b c − → → → Ako su − . − ∈ XO (E). vektorsko mnoˇenje i mjeˇoviti z z s produkt.16 Vektori →.

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

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

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

y0 ) rjeˇenje jednadˇbe Ax + By + C = 0 ako i samo ako je (x0 . − n → 3. onda je pravac os y. n n 2.1. ako postoji t ∈ R takav da je A = tA. onda je pravac paralelan s osi y. 0) rjeˇenje jednadˇbe s z → − je oblika − = A− . B = tB i C = tC. Oˇito je (x0 . Ako su A i B razliˇiti od 0 to moˇemo pisati kao c z −C y x + C = 1.1. Ako je C = 0. Ako je A = 0. z → 2. PRAVAC U RAVNINI Dokaz: 39 Ako jednadˇbe Ax + By + C = 0 i A x + B y + C = 0 odreduju isti pravac. onda su oˇito c → → → → → − = A− + B − i − = A − + B − kolinearni. 0) rjeˇenje jednadˇbe s z → − − − By = 0 i vektor → je oblika → = b j . Ako je B = 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. Dobijemo z B A x + −C y = 1. postoji t ∈ R takav da je n = t− .2. jer je (0.♣ s z Pogledajmo sada neke posebne sluˇajeve jednadˇbe pravca (tzv. jer je toˇka (0. 0) rjeˇenje s c s jednadˇbe Ax + By = 0. jer je tada vektor − oblika n − → →=Ai. → → Ax = 0 i vektor n n i 5. y0 ) c c s z rjeˇenje jednadˇbe A x + B y + C = 0. Dakle → → r i j n i j n i j → − − → − i n kolinearni. onda pravac prolazi kroz ishodiˇte. pa imamo tvrdnju. nepotpune obc z like): 1. pa je dovoljno provjeriti da pravci p (pravac → n i j n i j odreden s Ax + By + C = 0) i p (pravac odreden s A x + B y + C = 0) prolaze kroz istu toˇku. znaˇi z c da prolaze kroz istu toˇku (x0 . Ako je A = C = 0. Odatle je A = tA i → → su vektori n n B = tB.2 Segmentni oblik Polazimo od potpunog oblika jednadˇbe pravca Ax+By+C = 0. y) tog pravca vektor c c → → → − − → → − = (x − x0 )− + (y − y0 )− okomit na − = A→ + B → i na − = A − + B − . tj. jer je tada vektor − oblika n − → →=Bj. Pretpostavimo z da je C = 0 i podijelimo jednadˇbu Ax + By + C = 0 s −C. onda je pravac paralelan s osi x. − n 4. y0 ) i da je za svaku drugu toˇku (x. c Obratno. C −A −B . onda je pravac os x. jer je (0. Ako je B = C = 0.

a ako je y = 0.1.3: Kanonski oblik jednadˇbe pravca. onda je y = b. 0).2: Segmentni oblik jednadˇbe pravca. Dakle je geometrijsko znaˇenje veliˇina c c c a i b dano toˇkama u kojima pravac sijeˇe koordinatne osi.3 Kanonski oblik Jasno je da je pravac jedinstveno odreden toˇkom kojom prolazi i vektorom smjera c (vektor na kojem leˇi). c c tj. c c y b a 0 x Slika 2. Ovakav oblik jednadˇbe pravca zovemo segmentni oblik jednadˇbe pravca.y 1 ) Slika 2.40 ˇ POGLAVLJE 2. b) i (a. ANALITICKA GEOMETRIJA C Uvedemo li oznake a = − C i b = − B . z p s=mi+nj P1 = (x 1. z 2. imamo A x a + y b = 1. z . onda je x = a. pravac prolazi kroz toˇke (0. z z Uoˇimo sljede´e: ako je x = 0.

tj. 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→. z p Q = (x2 . PRAVAC U RAVNINI 41 Sada ˇelimo na´i jednadˇbu pravca p ako znamo toˇku P1 = (x1 . s s 2. iz kanonske jednadˇbe c z . y1 ) i Q = (x2 . bez komponente u smjeru j . Nadimo jednadˇbu tog pravca. z u smislu da jedan od njih moˇe biti jednak nuli (ali ne oba).2. ako postoji λ ∈ R takav da je r s y − y1 = λn eliminiranjem konstante proporcionalnosti λ dobijemo x−x1 m = y−y1 n . jer brojevi m i n nam z samo daju informaciju o vektoru smjera i ne predstavljaju djelitelje u operaciji dijeljenja brojeva.2 Parametri m i n u nazivnicima kanonske jednadˇbe su formalni.4 Pravac kroz dvije toˇke c Ako uzmemo dvije razliˇite toˇke P = (x1 . y2 ) u ravnini M .1. ˇto se vidi i iz vektora smjera → = m i + 0 j . Toˇka P = (x.y 1 ) Slika 2. x − x1 y − y1 = m 0 znaˇi da je 0(x−x1 ) = m(y−y1 ). Dakle imamo pravac paralelan s osi c → − → − − → − x.4: Pravac kroz dvije toˇke. a kako p po pretpostavci prolazi toˇkom P . y1 ) kroz z c z c → → → = m− + n− . Iz uvjeta x − x1 = λm i − − kolinearni. Npr. z z Napomena 2.y 2 ) P = (x 1.1. Ovaj oblik jednadˇbe pravca zovemo kanonski oblik jednadˇbe pravca. c − → − → − → Uoˇimo da je vektor P Q = (x2 − x1 ) i + (y2 − y1 ) j u stvari vektor smjera c pravca p. onda c c je jasno da njima prolazi jedinstveni pravac p. y = y1 . tj.

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

imamo k = tg ϕ.6 Normirani oblik (normalni oblik) Neka je dan pravac p u ravnini (cijelo vrijeme radimo s pravokutnim desnim koodinatnim sustavom Oxy). 2. Oznaˇimo s P0 toˇku presjeka i s d njenu udaljenost od ishodiˇta |OP0 |.3 Za x = 0 imamo y = l tj. odnosno z → → r n x cos ψ + y sin ψ = d . n Kako je tg ϕ = m .1. l). φ ∈ [0. y) leˇi na pravcu p ako i samo ako je z − · − = d. Povucimo sada kroz O pravac q okomit na p. → → r n Jednadˇbu − · − = d. z Jasno je da su a. n c y q n θ P0 x r P p 0 Slika 2.2. tj. y) leˇi na pravcu p ako i samo ako projekcija vektora OP = − c z r na pravac q ima duljinu d. tj. Sto to znaˇi? c Znamo da su m i n komponente vektora smjera pravca p. n − → → Toˇka P = (x.1. c c s − → − → → d = |OP0 |.6: Normirani oblik jednadˇbe pravca. P = (x. Neka je − = a i + b j jediniˇni vektor na pravcu q. c 43 n ˇ Uzeli smo da je k = m . π] takvi da je a = cos ψ − i b = cos φ. c − → − → → pa imamo − = cos ψ i + sin ψ j . 1]. PRAVAC U RAVNINI Napomena 2. pa tada postoje ψ. a2 + b2 = 1. b ∈ [−1. s vektorom i ). Ovdje su cos ψ i cos φ kosinusi smjera vektora → odnosno pravca p n π (toˇka 1. Neka je ϕ kut koji − → vektor smjera pravca p zatvara s pozitivnim smjerom x osi (tj. Zbog komplementarnosti kutova ψ i φ (φ = 2 −ψ) je cos φ = sin ψ. tj. pravac prolazi toˇkom (0.5).

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

ako i samo ako postoji λ ∈ R takav da je n n odnosno ako i samo ako je A1 B1 = .ˇ 2. −1 → Neka je ϕ kut izmedu → i −2 .4 Pravci p1 i p2 su paralelni ako i samo ako su −1 i −2 −1 = λ−2 . Dakle kosinus kuta izmedu p1 i p2 je dan formulom: cos ϕ = √ A1 A2 +B1 B2 √ .5 Pravci p1 i p2 su okomiti ako i samo ako je −1 · −2 = 0 n n tj. 2 2 A2 +B1 A2 +B2 1 2 → → n n Napomena 2. A2 B2 → → Napomena 2. ako i samo ako je A1 A2 + B1 B2 = 0. → n i j 45 Definicija 2. Vektori koji su okomiti na p1 odnosno p2 su dani s − → → = A1 → + B1 − −1 n i j odnosno s → → −2 = A2 − + B2 − . . tj. Tada imamo n n → · −2 −1 → n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 2 A2 + B1 1 2 A 2 + B2 2 .2 Kut izmedu pravaca p1 i p2 zadanih u op´em obliku definic → → n n ramo kao kut izmedu −1 i −2 . ODNOSI TOCAKA I PRAVACA U RAVNINI a) Op´i oblik: c Neka su p1 i p2 zadani s A1 x + B1 y + C1 = 0 odnosno A2 x + B2 y + C2 = 0. → → kolinearni.2.

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

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

sa suprotne strane od ishodiˇta) jer je tada n s . ANALITICKA GEOMETRIJA Napomena 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 . 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.10 Udaljenost toˇke P0 od pravca p moˇemo definirati i na drugi c z naˇin koji je ekvivalentan s Definicijom 2. tj. 2 ako i samo ako je tg ϕ = ∞. Udaljenost toˇke P0 od pravca p je c c udaljenost od P0 do njene ortogonalne projekcije na p. Neka je pravac p dan u c c normiranom obliku.9 Pravci p1 i p2 su okomiti ako i samo ako je ϕ = π . Zanima nas udaljenost c toˇke P0 od pravca p. ako i samo ako je ϕ1 = ϕ2 .2 Udaljenost toˇke od pravca c Neka su dani toˇka P0 = (x0 . p) = x0 cos ψ + y0 sin ψ − d. tj.8 Pravci p1 i p2 su paralelni ako i samo ako je ϕ = 0.1.2. Izraˇunajmo sada udaljenost toˇke P0 od pravca p.7). odnosno ako i samo ako je k1 = k2 . y0 ) i pravac p u ravnini. x cos ψ + y sin ψ = d. tj. odnosno ako i samo ako je 1 + k1 k2 = 0.48 ˇ POGLAVLJE 2. c Definicija 2. Napomena 2.5 Udaljenost toˇke P0 od pravca p je udaljenost toˇke P0 do presc c jeciˇta pravca p s pravcem kroz P0 okomitim na p. − → − → → i neka je − = cos ψ i + sin ψ j (kao u toˇki 2. k2 2.5. s Napomena 2. Definirajmo sada broj koji n c ´emo zvati otklon s c δ(P0 . To je ekvivalentno s 1 k1 = − .

kanonski. p) < 0. a2 +b2 x y + = 1. a b . a negativnoj udaljenosti ako je P0 s iste strane pravca p na kojoj je i ishodiˇte jer je tada δ(P0 . y0 ) od pravca p je c d(P0 . udaljenost toˇke P0 = (x0 . y0 ) od pravca p je c d(P0 . p) = |Ax0 +By0 +C| √ . −sign C A2 + B 2 Koriste´i gornju formulu za udaljenost toˇke od pravca ˇija je jednadˇba c c c z zadana u op´em obliku. p) = |x0 cos ψ + y0 sin ψ − d|.1 c z c (segmentni.2.1.6 znamo da njegova jednadˇba u normiranom obliku glasi c z Ax + By + C √ = 0. ODNOSI TOCAKA I PRAVACA U RAVNINI 49 δ(P0 . Dakle je udaljenost toˇke P0 od pravca p s c d(P0 . odnosno bx + ay − ab = 0. A2 +B 2 Ax0 + By0 + C √ . 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. p) = |bx0 +ay0 −ab| √ . eksplicitni).ˇ 2. onda iz toˇke 2. p) = odnosno d(P0 . c Ukoliko je jednadˇba pravca p zadana: z a) u segmentnom obliku. tj. Ako je pravac p u ravnini zadan svojom implicitnom (op´om) jednadˇbom c z Ax + By + C = 0. pravac kroz dvije toˇke. −sign C A2 + B 2 Dakle udaljenost toˇke P0 = (x0 .

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

identiˇni su.6 c B1 C1 B2 C2 A1 B1 A2 B2 = 0. poklapaju se. c z U sluˇaju da se sijeku u jednoj toˇki. ODNOSI TOCAKA I PRAVACA U RAVNINI 51 2. koordinate toˇke c c c S dobiju se kao rjeˇenja sustava dviju linearnih jednadˇbi s dvjema nepoznanis z cama. Tada su njihovi mogu´i poloˇaji u ravnini c z slijede´i: c 1. zovimo je S = (xs . c 2. ako se pravci p1 i p2 sijeku u jednoj toˇki S = (xs . tj. ys ).ˇ 2.3 Presjeciˇte dvaju pravaca s Neka su dana dva pravca u ravnini. sijeku se u jednoj toˇki. 3. paralelni su.8: Mogu´i poloˇaji pravaca u ravnini.2. ys ) i dani su u op´em c c obliku: A1 x + B1 y + C1 = 0 A2 x + B2 y + C2 = 0 i ako je A 1 B1 A 2 B2 onda je prema toˇki 1. Npr. c p 2 p 1 p 1 p 2 p = p 1 2 Slika 2.2. xs = .

ako su p1 i p2 paralelni. ANALITICKA GEOMETRIJA ys = C1 A1 C2 A2 A1 B1 A2 B2 . p) = x0 cos ψ + y0 sin ψ − d. p)|. otklon nam (kroz svoj predznak) daje i drugu informaciju: → δ(P0 .2.2 definirali smo otklon toˇke P0 od pravca p koji je dan u normiranom c c obliku x cos ψ + y sin ψ = d formulom δ(P0 . onda su p1 i p2 paralelni. p) i δ(B.4 Uvjet presijecanja pravca i segmenta (duˇine) z U toˇki 2. Pokazali smo da je udaljenost toˇke P0 od pravca p jednaka c |δ(P0 . Osim udaljenosti. Vrijedi i obrat. Uoˇimo sljede´u ˇinjenicu koja lagano slijedi iz uvjeta paralelnosti pravaca (Napomc c c ena 2. p) suprotnog predznaka. Odatle imamo sljede´i zakljuˇak: pravac p presijeca duˇinu AB ako su brojevi c c z δ(A. p) je pozitivno ako je P0 na onoj strani od p na koju pokazuje − = n − → − → cos ψ i + sin ψ j . .2.4).52 i ˇ POGLAVLJE 2. Napomena 2.11 Ako je A 1 B1 A 2 B2 = 0. onda je A 1 B1 A 2 B2 = 0. 2.

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

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

z) ∈ E njezin radij vektor − je c r − → → → = x− + y − + z →.3 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. y0 + tb. y0 . PRAVAC U PROSTORU 55 2.3.9: Pravac u prostoru. → → → a i + b j + c k . Tada imamo P0 P = − − − . c c z c s −→ − → Toˇka P ∈ E leˇi na pravcu p ako i samo ako je P0 P = t− za neki t ∈ R. kako je → → → → = x0 − + y0 − + z0 − − k r0 i j → i za proizvoljnu toˇku P = (x. z0 ) zadan vektorom smjera → = c s − → − → − → − = − + t− . Tada znamo da je jednadˇba pravca dana s r z r0 s Sada.2). y.2. 2. Zelimo na´i jednadˇbu pravca p kroz toˇku P0 sa smjerom − . Neka c z s −→ → → − − radij-vektor toˇke P . z) = (x0 + ta.3. − r i j k imamo: P leˇi na pravcu p ako i samo ako je z (x. odnosno jednadˇba → je r c r r0 z → je dana s − pravca kroz toˇku P0 s vektorom smjera s c − = → + t− .1 Pravac u prostoru Pravac kroz jednu toˇku sa zadanim smjerom c → − Neka su dani vektor − i toˇka P0 u prostoru i neka je → njezin radij-vektor s c r0 → ˇ (toˇka 1. . z0 + tc). y.3.

y0 . z Napomena 2. z s Napomena 2. j i k dobivamo kanonske jednadˇbe pravca.12 Ako je pravac p u prostoru odreden toˇkom P0 i vektorom c −→ − − → → smjera − . .3. y = y0 + tb.56 Jednadˇbe z ˇ POGLAVLJE 2. → To su kanonske jednadˇbe pravca kroz P0 u smjeru − . c su koeficijenti smjera pravca p.3 Kanonske jednadˇbe pravca z Neka je dan pravac p u prostoru s parametarskim jednadˇbama kroz P0 u smjeru z − . b. z = z0 + tc → zovemo parametarske jednadˇbe pravca kroz toˇku P0 sa smjerom − . Izjednaˇavaju´i s nulom koeficijente c c − → − → − → uz i . z0 ) i 2. z c s 2. vektor smjera pravca p je dan s (a. c) odnosno a. pravac p prolazi toˇkom (x0 . Kako su vektori baze linearno nezavisni.14 to je ekvivalentno s −→ → − − → P0 P × − = 0 . ANALITICKA GEOMETRIJA x = x0 + ta. Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo → s z x−x0 a = y−y0 b = z−z0 c . Prema s z Napomeni 1. njihova linearna kombinacija je jednaka nuli samo ako su svi koeficijenti jednaki nuli. b. s Raspisano po koordinatama to glasi − → − − → − → → ((y−y0 )c−(z−z0 )b) i +((z−z0 )a−(x−x0 )c) j +((x−x0 )b−(y−y0 )a) k = 0 . onda P ∈ E leˇi na p ako i samo ako su P0 P i s kolinearni.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 s → Iz toˇke 1.6). i njihov omjer daje koeficijent smjera (toˇka 2. Odredimo njegovu jednadˇbu. c c Tada kroz njh prolazi jedinstveni pravac p. istog smjera i orijentacije kao i →. → s → − Oznaˇimo s − radij vektor proizvoljne toˇke P ∈ E. −| |s Dakle koeficijenti smjera a. Sada imamo da je → = P1 P2 = → − →. β. π] takvi da je a cos α = − . c) je dana s x y z = = .3. b. →| |s b cos β = − . s 2.3. Uzmimo sada npr. onda znamo da je vektor → s a b c 1 → s0 = − − = − . pa iz toˇke − − s r2 c s r2 r1 c 2. b. odnosno postoje c s0 α. z2 ) u prostoru. a b c Ako je dan pravac u prostoru s toˇkom kroz koju prolazi i vektorom smjera i c ako je taj vektor smjera jediniˇni. − → z definirajmo s P c s − je vektor smjera pravca p.3. → − → → r r1 r2 r1 .3.1.5 znamo da postoje kosinusi smjera vektora − . jedan kosinus smjera prelazi u sinus. b.1 da je pravac jedinstveno odreden toˇkom kojom prolazi c c i vektorom smjera. kanonska jednadˇba pravca kroz ishodiˇte sa vektorom smjera − = z s s (a. Kako p prolazi i toˇkom P2 jasno je da − leˇi na p.5 i toˇka 2. γ ∈ [0. − →| s →| |→| |→| |s |s s s − jediniˇni. y1 .1.4 Pravac kroz dvije toˇke c Neka su dane dvije razliˇite toˇke P1 = (x1 . z1 ) i P2 = (x2 . c su razmjerni s kosinusima smjera i koeficijent razmjernosti je √ − |→| = a2 + b2 + c2 . z Znamo iz toˇke 2. c c Ako je pravac u prostoru zadan toˇkom kroz koju prolazi i vektorom smjera c − = (a.2. onda ima dva kosinusa smjera. y2 . Zbog komplec mentarnosti. →| |s c cos γ = → . − . s → radij vektor toˇke P1 i c r c r1 c −→ − − − → radij vektor toˇke P2 . tj.1 imamo: toˇka P leˇi na pravcu p ako i samo ako P zadovoljava jednadˇbu c z z − = → + t(− − − ). toˇku P1 kao toˇku kojom prolazi p i c c − → → = −1 P2 . PRAVAC U PROSTORU 57 → Posebno. c). pa odreduje isti pravac.

c) c s zadan svojom kanonskom jednadˇbom z x − x0 y − y0 z − z0 = = .3. Analogno. iz jednakosti drugog i tre´eg omjera imamo c b b b y = y0 + (z − z0 ) = z + y0 − z0 . z = z1 + t(z2 − z1 ) koje zovemo parametarske jedadˇbe pravca kroz dvije toˇke. c Taj izraz zovemo jednadˇba pravca kroz dvije toˇke. a b c Iz jednakosti prvog i tre´eg omjera dobivamo c a a a x = x0 + (z − z0 ) = z + x0 − z0 . c x = mz + m1 . y0 . z0 ) s vektorom smjera − = (a. uz oznake m = a c i m1 = − a z0 .58 ˇ POGLAVLJE 2. y = y1 + t(y2 − y1 ). b. z c y2 −y1 2 −z 2. c c c odnosno. z c Eliminacijom parametra t iz parametarskih jednadˇbi dobijemo jednadˇbu x2 −x11 = z z x−x y−y1 = zz−z11 koju zovemo kanonska jednadˇba pravca kroz dvije toˇke. ANALITICKA GEOMETRIJA P2 P1 r1 0 r2 p r Slika 2. c c c .10: Pravac kroz dvije toˇke u prostoru.5 Pravac zadan dvjema projekcijama → Neka je pravac p kroz toˇku P0 = (x0 . z c − = − + t(− − − ) raspiˇemo koordinatno dobijemo jednadˇbe → → → → Ako sada r r1 r2 r1 s z x = x1 + t(x2 − x1 ).

11: Pravac zadan dvjema projekcijama. + n2 + 1 cos γ = √ m2 1 .14 Iz toˇke 2.3.3.2. c ∈ R koji nisu svi jednaki nuli c x−x0 z jednadˇbe a = y−y0 = z−z0 opisuju neki pravac iz tog sveˇnja.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 . z0 ) je skup svih pravaca koji z s c prolaze kroz tu toˇku. Dakle. Tada za svaki izbor a.n ) 1 1 Slika 2. PRAVAC U PROSTORU odnosno. + n2 + 1 2. vrijedi x−m1 m = y−n1 n = z.3. Napomena 2. b. y0 . z b c . z y=nz+n 1 x =mz+m 1 y 0 x (m . uz oznake n = b c b i n1 = − c z0 . 59 y = nz + n1 .6 Sveˇanj pravaca z Sveˇanj pravaca sa srediˇtem u toˇki T0 = (x0 .

15 Ako je m = n dobivamo koordinate poloviˇta duˇine AB. − → → ρ r1 r2 2 odnosno x1 + x2 y 1 + y 2 z 1 + z 2 C= . → r1 r2 (− − − ) = r2 r1 m+n m+n m+n Dakle koordinate toˇke C su c ( mx1 +nx2 . m ∈ N. . Neka toˇka C c c n dijeli duˇinu AB u omjeru m za n. m+n m+n m+n Napomena 2. y1 . my1 +ny2 . tj. z2 ) u prostoru. onda je radij vektor − toˇke C dan s c ρ → − =→+− → − AC. z → c radij vektor toˇke B.7 Dijeljenje duˇine u zadanom omjeru z Neka su dane toˇke A = (x1 .3. z1 ) i B = (x2 . ANALITICKA GEOMETRIJA 2. . mz1 +nz2 ). 2 2 2 . ρ r1 Kako je i imamo − → AC = n − → AB m+n − → → → AB = − − − . AC : CB = m : n. y2 . r2 r1 →=− + − → ρ r1 n m → → → − + n −.60 ˇ POGLAVLJE 2.12: Dijeljenje duˇine u zadanom omjeru. 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. s z Imamo → = 1 (− + − ).

y. s vektorima baze −0 ˇto ih n s − − − → → → i .2. γ kutovi c → zatvara s pozitivnim smjerovima osi x. → n Posebno. β.4 2.1 Ravnina u prostoru Normalni oblik jednadˇbe ravnine z Neka je Π ravnina u prostoru E koja ne prolazi kroz ishodiˇte (tj. → → r n .13: Normalni oblik jednadˇbe ravnine. → → radij-vektora r n c P . jediniˇni vektor istog smjera i orijentacije kao i OP0 ) i neka su α. toˇku O) i s c koja sijeˇe sve tri koordinatne osi. Povucimo okomicu iz toˇke O na ravninu Π. z redom (tj. toˇku O).4. a vektor z −0 zovemo normala ravnine Π. − → r n Taj izraz zovemo normalni (ili Hesseov) oblik jednadˇbe ravnine. ako Π prolazi kroz ishodiˇte (tj. j . pa je s c normalna jednadˇba ravnine oblika z − · −0 = 0. P0 d r π n0 0 M Slika 2. Neka je −0 = OP0 c c n p −→ − (tj. onda je p = 0. k iz toˇke 1. 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. c c −→ − −→ − → Neka ta okomica sijeˇe Π u toˇki P0 i neka je |OP0 | = p. RAVNINA U PROSTORU 61 2.3 ).4. To znaˇi da je c c → → → −0 = cos α− + cos β − + cos γ − . → 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.

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

z 2.4. cos β = .14: Segmentni oblik jednadˇbe ravnine. Odatle. C razliˇit od nule (ili ekvivalentno A2 + B 2 + c c A C 2 > 0). c cos γ = p. a cos α = p. c C C Tada postoji toˇka (x0 . p p p cos α = . z = − C x − B y − D .4. b cos β = p.3 Op´i oblik jednadˇbe ravnine c z Promatramo izraz oblika Ax + By + Cz + D = 0 : pri ´emu je barem jedan od A. neka je C = 0. cos γ = .2. . z0 ) za koju je Ax0 + By0 + Cz0 + D = 0 (jer za c A proizvoljne x0 i y0 je z0 = − C x0 − B y0 − D ). Bez smanjenja op´enitosti. RAVNINA U PROSTORU z C 63 c b a A x 0 B y Slika 2. y0 . B. tj. 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. 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. z Dakle.

y. y0 . imamo da izraz → − n r A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 vrijedi za sve toˇke na toj ravnini. z) toˇka u takvoj ravnini. → n Zaista. ne vrijedi z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0. ako je toˇka P = (x. Dakle. c −→ → − S druge strane. y0 . z0 ) koja je okomita na vektor z c − = (A.18 Iz op´e jednadˇbe ravnine lagano se prelazi na normalni di√ jeljenjem s R = ± A2 + B 2 + C 2 . 0 r P n π 0 Slika 2. Izraz → n Ax + By + Cz + D = 0 zovemo op´i oblik jednadˇbe ravnine. ako P ∈ E ne leˇi u ravnini.15: Op´i oblik jednadˇbe ravnine. onda je jasno da i c c − − = −0→ leˇi u toj ravnini. c z c z Napomena 2.64 ˇ POGLAVLJE 2. jednadˇba z A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 je jednadˇba ravnine kroz toˇku P0 = (x0 . odnosno. C). 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 . B. z0 ) i okomita na vektor c − = (A. B. C). pri ˇemu se uzima predznak suprotan od c . kako je → → → vektor r PP z n r − · → = A(x − x0 ) + B(y − y0 ) + C(z − z0 ). ANALITICKA GEOMETRIJA P . tj. onda oˇito − = P0 P i − nisu z c → r n −→ − okomiti (jer P0 P ne leˇi u ravnini). Onda je − · − = 0.

pa imamo cos γ = 0.1).17. RAVNINA U PROSTORU predznaka od D. Ako je C = 0. Stoga ´emo i vektor − zvati vektor normale. B. C C C A z Oznaˇimo a1 = − C . onda normala − = (A. R cos β = B . onda je oˇito da O = (0. Dakle imamo jednadˇbu c C C z = a1 x + b1 y + c1 koju zovemo eksplicitni oblik jednadˇbe ravnine. z1 ) ∈ E. nepotpune obc z like): c c z 1. 0.4. po c Napomeni 2. tj. B. c .2. Dakle imamo cos α = 65 A . B. Veliˇina |D| √ je udaljenost od ishodiˇta (toˇka 2. onda su koordinate A. R → → Vektor normale −0 je normirani vektor − = (A. Tada je jasno da je ravnina paralelna s osi z i da sijeˇe koordinatnu ravninu Oxy u pravcu Ax + By + D = 0. b1 = − B i c1 = − D . k ). s c A2 +B 2 +C 2 Napomena 2. z Pogledajmo sada specijalne sluˇajeve jednadˇbe ravnine (tzv. c onda je A B D z =− x− y− . Π) = |Ax1 +By1 +Cz1 +D| √ . udaljenost toˇke M od ravnine Ax + By + Cz + D = 0 dana s c d(M. Ako je D = 0. A2 +B 2 +C 2 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + D = 0 i ako je C = 0. C). s → 2. ravnina prolazi kroz ishodiˇte. C vektora normale − razmjerne s kosinusima n √ c smjera (Napomena 2. Tada je. 0) zadovoljava op´u jednadˇbu ravnine Ax + By + Cz = 0. y1 . 0) nema komponentu u smjeru n − → osi z (tj. R cos γ = C . tj.18) i koeficijent razmjernosti je A2 + B 2 + C 2 . istog su smjera n n → c n i orijentacije. Napomena 2.20 Neka je dana toˇka M = (x1 .19 Ako je ravnina Π dana u op´em obliku Ax + By + Cz + c → D = 0. pa odreduju istu ravninu.4.

Toˇka P ∈ E leˇi u ravnini Π ako i samo ako vrijedi c z −→ − → − P0 P = u− + v →. ANALITICKA GEOMETRIJA z z z 0 x a y x 0 y x 0 y x 0 y b c d Slika 2. Dakle zakljuˇujemo da je ravnina Ax = 0 koordinatna ravnina Oyz. Ako je B = C = 0. ravnina je paralelna s koordinatnom ravninom Oyz. Ako je B = C = D = 0. Varijable u i v zovemo parametri. onda normala − = (A. → − → → r r0 s1 s2 koju zovemo parametarska jednadˇba ravnine. onda prema 1. − i − su komplanarni). s1 s2 −→ → → − (Za P ∈ E takvu da je P ∈ Π vektori P0 P .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. zbog → → Ako oznaˇimo s r c c r0 c −→ → → − P0 P = − − − gornja jednadˇba prelazi u jednadˇbu r r0 z z − = → + u− + v − .16: Ravnine u posebnim poloˇajima. C i D. jer jedan parametar c moˇemo eliminirati dijele´i onim od A. Imamo Ax + D = 0. ravnina prolazi kroz ishodiˇte s a prema 3. z c c 2.4. odnosno x = − D . ravnina je paralelna A s koordinatnom ravninom Oyz. 0.66 z ˇ POGLAVLJE 2. imamo samo tri nezavisna. z → − a vektore − i → vektori smjera. c Od ˇetiri parametra. C koji je razliˇit od nule. B. s1 s2 − radij-vektor toˇke P ∈ E a s − radij vektor toˇke P0 . 0) ima komponentu samo u n smjeru osi x. B. z → 3. A. 4. s1 s2 .

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

P3 u obliku z c x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 = 0.1 Odnosi ravnina i pravaca u prostoru Kut dviju ravnina Neka su Π1 i Π2 dvije ravnine dane jednadˇbama z A1 x + B1 y + C1 z + D1 = 0 .68 ˇ POGLAVLJE 2. P2 = (x2 .16 to je evivalentno s −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = 0. z1 ). Po Napomeni 1.5 2. z3 ) u c prostoru takve da ne leˇe na istom pravcu. 2. Kako toˇke P1 . Kao i u toˇki 2. moˇemo uzeti da su P1 P2 i P1 P3 vektori z smjera ravnine kroz tri toˇke P1 . Dakle.5. P2 . Zanima nas jednadˇba ravnine koju z z c c z odreduju te tri toˇke. onda su −→ −→ − − −→ −→ − − vektori P1 P2 i P1 P3 nekolinearni. Po Napomeni 1. P3 = (x3 . y1 .4. vektori s1 s2 −→ → − − − → P0 P . y2 . z2 ). s1 . − . toˇku P1 kao fiksnu toˇku c c c kroz koju ravnina prolazi). P3 (uzmemo npr. toˇka P ∈ E leˇi u ravnini ako c c z −→ − → − → − − − i samo ako su vektori P1 P . P1 P2 . P2 . 2.5 Jednadˇba ravnine kroz tri toˇke z c Neka su dane tri toˇke P1 = (x1 . → komplanarni. P1 P3 komplanarni. ANALITICKA GEOMETRIJA −→ → − − odnosno. Kako je −→ − → − → − − − P1 P · (P1 P2 × P1 P3 ) = x − x1 y − y1 z − z1 x2 − x1 y2 − y1 z2 − z1 x3 − x1 y3 − y1 z3 − z1 to dobivamo jednadˇbu ravnine kroz tri toˇke P1 .4. y3 . 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. P2 . P3 ne leˇe na istom pravcu.16. ako i samo ako su P0 P .4.

♣ . 2. Tada vrijedi jedna (i samo jedna) od sljede´ih triju tvrdnji: c 1.2. 69 −1 Definicija 2. n → → Kako je kosinus kuta izmedu −1 i −2 dan s n n −1 · → → −2 n n cos ϕ = − − = |→||→| n1 n2 A1 A2 + B1 B2 + C1 C2 2 2 A2 + B1 + C1 1 2 2 A2 + B2 + C2 2 . imamo da je kosinus kuta izmedu Π1 i Π2 dan s cos ϕ = √ A1 A2 +B1√ +C1 C2 B2 .6 Kut izmedu Π1 i Π2 je kut izmedu njihovih normala → = (A1 . C2 ). odnosno ako i samo ako vrijedi n n A1 A2 + B1 B2 + C1 C2 = 0.1 Promatrajmo dvije ravnine zadane jednadˇbama A1 x+B1 y+C1 z+ z D1 = 0 i A2 x + B2 y + C2 z + D2 = 0.24 Ravnine Π1 i Π2 ´e biti okomite ako i samo ako su → i −2 c n n → → okomiti. tj. 3. Ravnine se sijeku u jednom i samo jednom pravcu. B2 . B1 . Sada moˇemo saˇeto iskazati tvrdnju o svim mogu´im poloˇajima dviju ravnina z z c z u prostoru. ako i samo ako postoji λ ∈ R takav da je n n i samo ako vrijedi A2 : A1 = B2 : B1 = C2 : C1 . −1 → Napomena 2. Ravnine se podudaraju. ako i samo ako je −1 · −2 = 0. C1 ) n → i −2 = (A2 . 2 2 2 2 A2 +B1 +C1 A2 +B2 +C2 1 2 −1 → Napomena 2.23 Ravnine Π1 i Π2 ´e biti paralelne ako i samo ako su → i −2 c n n −2 = λ−1 .5. Ravnine se ne sijeku. tj. odnosno ako → → kolinearni. ODNOSI RAVNINA I PRAVACA U PROSTORU i A2 x + B2 y + C2 z + D2 = 0. Teorem 2.

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

c) c s i ravnina Π svojom jednadˇbom Ax + By + Cz + D = 0. onda je presjeciˇte jedinstveno (tj. A3 B3 −D3 ∆= ∆x = ∆y = ∆z = Ako je ∆ = 0 (sada su x. paralelne su).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). b. c c c Koji su sluˇajevi joˇ mogu´i? c s c Mogu´e je da nema rjeˇenja (bilo koje dvije ravnine se ne sijeku. ∆. B. b. 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. ∆ . Uvedimo slijede´e oznake za determinante c A1 B1 C1 A2 B2 C2 .5. s jedna toˇka. Znaˇi dobili smo uvjet da se tri ravnine sijeku u toˇki i koordinate te toˇke. −D3 B3 C3 A1 B1 −D1 A2 B2 −D2 . z nepoznanice).7 Kut izmedu pravca p i ravnine Π je komplement kuta izmedu − = (a. A3 B3 C3 A1 −D1 C1 A2 −D2 C2 . toˇka 2.2. C).3 Kut pravca i ravnine → Neka je dan pravac p u prostoru kroz toˇku P0 s vektorom smjera − = (a.5. A3 −D3 C3 −D1 B1 C1 −D2 B2 C2 . y.4. tj. z Definicija 2. c) i − = (A. 2. ODNOSI RAVNINA I PRAVACA U PROSTORU 71 Znaˇi. → → s n . sve toˇke prostora koje se nalaze u presjeciˇtu Π1 .

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

imamo uvjet paralelnosti pravca i ravnine Aa + Bb + Cc = 0.2. tj.5.5 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. y0 . z1 − c Ax1Aa+Bb+Cc+D . Aa + Bb + Cc Napomena 2. dobivamo joˇ jedan uvjet c s s paralelnosti Am + Bn + C = 0. Ako je pravac p zadan parametarski jednadˇbom z x = x1 + at.27 Ako je nazivnik u Am1 + Bn1 + D Am + Bn + C 73 jednak nuli. Prva jednadˇba izraˇava ˇinjenicu da toˇka (x0 . ako nema konaˇnog z koji je rjeˇenje. 2. onda uvrˇtavanje u op´u jednadˇbu ravnine daje jednadˇbu za vrijednost parames c z z tra t koja odgovara presjeciˇtu s t=− Koordinate presjeka su +By1 +Cz1 +By1 +Cz1 +By1 +Cz1 x1 − a Ax1Aa+Bb+Cc+D . z z . Ax1 + By1 + Cz1 + D . z = z1 + ct. a druga je uvjet paralelnosti pravca i ravnine. z0 ) (kojom prolazi pravac) z z c c leˇi u danoj ravnini. z Sada moˇemo saˇeto iskazati tvrdnju o medusobnom odnosu pravca i ravnine. ODNOSI RAVNINA I PRAVACA U PROSTORU Napomena 2. y = y1 + bt.28 Ako ne postoji takav t koji je konaˇan. tj.5. y1 − b Ax1Aa+Bb+Cc+D . ako je nazivnik od c Ax1 + By1 + Cz1 + D Aa + Bb + Cc jednak nuli.

Pravac i ravnina se ne sijeku. c c Ako joˇ imaju i zajedniˇku toˇku (Ax0 + By0 + Cz0 + D = 0). → → s1 s2 p 2 p 1 Slika 2. c 2.8 Kut izmedu pravaca p1 i p2 je kut izmedu njihovih vektora smjera − i −. z2 ) s vektorima smjera − = (a1 . s1 s2 redom. ANALITICKA GEOMETRIJA Teorem 2. Pravac je sadrˇan u ravnini. c2 ). Tada vrijedi jedna (i samo jedna) od sljede´ih triju c tvrdnji: 1. c1 ) odnosno − = (a2 . → → 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 . Definicija 2. 3. b1 .18: Mimosmjerni pravci. Pravac i ravnina se sijeku u samo jednoj toˇki. b2 .6 Kut dvaju pravaca Neka su dani pravci u prostoru p1 i p2 kroz toˇke P1 = (x1 .♣ z U prvom i tre´em sluˇaju pravac je paralelan s ravninom (Aa + Bb + Cc = 0). y2 . . Drugi sluˇaj je karakteriziran s Aa + Bb + Cc = 0. z1 ) odnosno c → → P2 = (x2 . c c c 2.5.2 Neka su ravnina i pravac zadani jednadˇbama Ax+By +Cz +D = z y−y0 x−x0 z−z0 0 i a = b = c . y1 . onda pravac leˇi s c c z u ravnini (tre´i sluˇaj).74 ˇ POGLAVLJE 2.

5. c c z → s1 Napomena 2. tj. → Napomena 2. To ´emo uˇiniti tako da projiciramo p1 na ravninu paralelnu sa p1 koja sadrˇi p2 . tj. z= 1 m−m n−n . a2 +b2 +c2 a2 +b2 +c2 1 1 2 2 1 2 75 ˇ Sto ako se pravci ne sijeku.29 Pravci p1 i p2 u prostoru su paralelni ako i samo ako su − i − kolinearni. s z Dajemo prvo odgovor za posebni sluˇaj kad su pravci zadani dvjema projekcijama.7 Presjeciˇte dvaju pravaca s Problem postojanja presjeciˇta dvaju pravaca u prostoru je sloˇeniji nego u ravnini. tj. mimoilaze se? Tada je ideja da ih usporednim (paralelnim) pomakom dovedemo do presijecanja. 2. odnosno → → − s2 s1 s2 ako i samo ako je b1 c1 a1 = = . c Izjednaˇavanjem izraza za x i za y dobijemo da je tre´a koordinata toˇke presjeka c c c dana s n − n1 m − m1 = 1 .3.5). ODNOSI RAVNINA I PRAVACA U PROSTORU pa je kosinus kuta izmedu p1 i p2 jednak cos ϕ = √ a1 a2 +b1√+c1 c2 b2 . a2 b2 c2 To joˇ oznaˇavamo s s c a1 : b1 : c1 = a2 : b2 : c2 . ako i samo ako postoji λ ∈ R takav da je − = λ→. ako i samo ako je → · − = 0.30 Pravci p1 i p2 u prostoru su okomiti ako i samo ako su − i s1 − okomiti.5. odnosno ako i samo ako je → − → s2 s1 s2 a1 a2 + b1 b2 + c1 c2 = 0.2. c Neka su pravci p1 i p2 dani jednadˇbama z x = mz + m1 i x = m z + m1 y = n z + n1 y = nz + n1 (toˇka 2.

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

Ako su sva tri redka proporcionalna. Time smo dobili uvjet da pravci p1 i p2 leˇe u istoj ravnini. z 2. c =0 . Pravci leˇe u istoj ravnini i ne sijeku se. 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 .29. Prema Napomeni 2. pa nema presjeciˇta. Pravci se podudaraju. no prvi se redak moˇe izraziti kao njihova linearna komz pozicija. i 6. ˇetvrti sluˇaj. Pozabavimo se sluˇajem mimosmjernih pravaca. U drugom c c sluˇaju su drugi i tre´i redak determinante proporcionalni (paralelnost pravaca) c c ali nisu proporcionalni prvom.♣ Prvi sluˇaj odgovara situaciji u kojoj je determinanta razliˇita od nule. Pravci su mimosmjerni. z c 4. Teorem 2. U tre´em sluˇaju drugi i tre´i redak nisu proporcionalni c c c c c (pravci nisu paralelni).6 na gornju determinantu (tj. Pravci leˇe u istoj ravnini i sijeku se u jednoj toˇki.2. iz toˇke 1. z 3.3 Za dva pravca u prostoru vrijedi jedna (i samo jedna) od sljede´ih c tvrdnji: 1. Pomo´u gornje determinante moˇemo karakterizirati sva ˇetiri mogu´a poloˇaja c z c c z dvaju pravaca u prostoru. z Moˇe se desiti da su oni paralelni. ODNOSI RAVNINA I PRAVACA U PROSTORU 77 Primjenom pravila 5.5. ne leˇe u istoj ravnini. tj. 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. imamo isti pravac.

z1 ) → odnosno P2 = (x2 . b1 .5. c2 ). z1 ) i paralelna je sa − = (a1 . c1 ) i − = (a2 . b1 . a2 b2 c2 a2 b2 c2 . b2 . y1 . a2 b2 c2 Definicija 2. Tada je duljina z z zajedniˇke okomice jednaka udaljenosti bilo koje toˇke na p2 do Π (jer su p2 i Π c c paralelni).9 Udaljenost pravca p1 od pravca p2 je duljina zajedniˇke okomice c na ta dva pravca. Iz gornje jednadˇbe vidimo da je normala od Π dana s z − = → n a1 b1 c1 a1 b1 c1 . y2 . 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 = = .8 Udaljenost dvaju pravaca u prostoru Neka su dani neparalelni pravci p1 i p2 u prostoru koji prolaze kroz P1 = (x1 . kako p1 leˇi u Π i Π je paralelna sa p2 . Izraˇunajmo duljinu zajedniˇke okomice: c c Poloˇimo kroz p1 ravninu Π paralelnu s p2 (tj. imamo da Π prolazi z → → kroz P1 = (x1 . . Iz s1 s2 Napomene 2. ANALITICKA GEOMETRIJA 2. Dakle. y1 . . c1 ) c s1 − = (a2 . p1 leˇi u ravnini). = 0. jednadˇba ravnine Π je dana s z x − x1 y − y1 z − z1 a1 b1 c1 a2 b2 c2 Razvojem po prvom redku dobivamo (x − x1 ) b1 c1 b2 c2 + (y − y1 ) c1 a1 c2 a2 + (z − z1 ) a1 b1 a2 b2 = 0.22. z2 ) s pripadaju´im vektorima smjera − = (a1 . b2 .78 ˇ POGLAVLJE 2. c2 ).

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

.

z z Npr. y. za gornji sustav bismo imali    A=  1 0 1 2  0 −1 2 2 1 1   . z i c z u. 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.1 3.1. To je sustav od ˇetiri linearne algebarske jednadˇbe s nepoznanicama x.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. Ako bismo uspjeli razviti raˇun takvih objekata.Poglavlje 3 Matrice i linearni sustavi 3. 1 −1 0  1 1 1 81 . U primjeru iz toˇke 1. z i u) kao jedinstveni objekt (matricu). y.

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

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

tj.  .  . a22 . pri ˇemu je z z c δij = 1. Kvadratna matrica A je dijagonalna ako  a11 0   0 a22 A= .. 0 0 je aij = 0 za i = j. tj.  In =  .  . Ako je kvadratna. . . 0 0 ··· 1 moˇemo saˇeto pisati In = [δij ].♠ . c tr A = a11 + a22 + · · · + ann . MATRICE I LINEARNI SUSTAVI kaˇemo da je kvadratna. a11 . .. i = j Simbol δij zovemo Kroneckerova delta. onda je tipa m × n.84 POGLAVLJE 3.  0 0   0 0 0 0 matrice su nul matrice i to reda 3. . 0. . . ann ˇine glavnu dijagonalu. tipa 2 × 4 i tipa 2 × 1.. Zbroj svih elemenata glavne dijagonale kvadratne mac trice zovemo tragom te matrice i oznaˇavamo tr A. . Matrica ˇiji su svi elementi jednaki nuli zove se nul matrica.  ··· 0  ··· 0  . a11 = a22 = . c Primjer 3.2 Sljede´e c redom. .  . i = j . Takvu matricu c c   1 0 ··· 0    0 1 ··· 0   .. = ann = a. . z U kvadratnoj matrici elementi s jednakim indeksima. c onda je reda n. Oznaˇavamo ju s 0mn . tj. .  0  0 .  · · · ann Ako su u dijagonalnoj matrici svi elementi na glavnoj dijagonali jednaki. ..  . . matrica je skalarna.. ako nije. i to n-tog reda.. Skalarna matrica s jedinicama na glavnoj dijagonali se zove jediniˇna i oznaˇava sa In . .  . . 0 0 0 0 0 0 0 0 0 0 0 ..

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

. C =A+B = .4 Za matricu A = [aij ] ∈ Mmn i skalar λ ∈ R definiramo matricu λA = [bij ] ∈ Mmn s elementima bij = λaij za sve i = 1. . m. n.  .2 Jednakost matrica se definira samo za matrice istog tipa. .3 odnosno Definicije 3.  . am1     λa11 · · · λa1n · · · a1n . Pogledajmo sada neka svojstva zbrajanja i mnoˇenja matrica skalarom koja izravno z slijede iz Definicije 3. j = 1.. Uvedimo sada pojam ”biti c jednak” u skup Mmn koji ´e biti generalizacija jednakosti realnih brojeva. am1 · · · amn bm1 · · · bmn   a11 + b11 · · · a1n + b1n   .  .. tj. Piˇemo A = B.86 POGLAVLJE 3... j = 1. ..   . = . MATRICE I LINEARNI SUSTAVI 3. . m. a na R znamo ˇto znaˇi s c ”biti jednak”. a11  .. . . j = 1.3 Linearna kombinacija matrica Oznaˇimo skup svih matrica tipa m × n s Mmn ..   . . . + .. n.4.. = . . .1. Definicija 3. s Napomena 3. λA = λ  . z Definicija 3. am1 + bm1 · · · amn + bmn Napomena 3. . ... . Primc jetimo da je za m = n = 1 skup M11 u stvari skup R. m. Definirajmo sada mnoˇenje matrice skalarom. .. . .. . . ..3 Zbroj matrica A = [aij ] ∈ Mmn i B = [bij ] ∈ Mmn je matrica C = [cij ] ∈ Mmn s elementima cij = aij + bij za i = 1. n. ... ..3 Zbroj matrica se definira samo za matrice istog tipa. .. .2 Matrice A ∈ Mmn i B ∈ Mmn su jednake ako je aij = bij za sve i = 1. Definicija 3. tj. λam1 · · · λamn · · · amn  a11  .    · · · a1n b11 · · · b1n .

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

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

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

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

takvu podmatricu zovemo blok.. 3. x gdje je A ∈ Mmn matrica koeficijenata (dobijemo je tako da redom koeficijente uz nepoznanice svake linearne jednadˇbe upisujemo u redke od A.3. OSNOVE MATRICNOG RACUNA Dokaz: Tvrdnje izravno slijede iz Definicija 3.. 3. b = [b1 . c drugi i tre´i. bm ]T poznata matrica desnih strana i z x = [x1 .. Sloˇimo li ih u (r ×s) matricu.6.5 Podmatrice i blok matrice Neka je A ∈ Mmn .6 Neka je  2 3 4 1   A =  −1 2 1 3  . xn ]T nepoznata matrica. c . Na presjecima ovih redaka i stupaca leˇe ˇetiri elementa od A i to c z c su 3. 3. 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).4. prvi i tre´i. Matricu ˇiji su elementi blokovi (matrice) zovemo blok matrica. Izaberimo dva redka. . dobivamo podmatricu z matrice A. dobijemo podmatricu z 3 4 0 3 matrice A. 4.. 0.. ..1. ♣ 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 ).ˇ ˇ 3. 3.1. Sloˇimo li ih u (2 × 2) matricu. i dva stupca npr. Primjer 3. 1 0 3 0  Neka je r = s = 2. npr.♠ Ako su izabrani redci i stupci uzastopni.

A12 = a13 a14 a15 a23 a24 a25 a33 a34 a35 a43 a44 a45 . Sada se lagano provjeri da vrijedi − → − → − → − → A · B = A · [ b1 . b p ] = [A · b1 .7 Neka je POGLAVLJE 3.7 matricu B moˇemo zapisati z kao blok matricu stupaca..... Naka je A ∈ Mmn i B ∈ Mnp ... matrica A prelazi → u blok matricu ˇiji su blokovi stupci od A.. druga dva redka i prva dva stupca.. onda je blok matrica A oblika → → A = [− .♠ Napomena 3.. A21 = . . − → − → B = [ b1 . . tj....7 Neka je A ∈ Mmn .. A · b p ]. . Ako izaberemo svih m redaka i prvi stupac. . A11 A12 A21 A22 . te druga dva redka i zadnja tri stupca. . svih m redaka i drugi stupac. 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.. zatim prva dva redka i zadnja tri stupca. .. n. b p ].. A22 = . svih m redaka i n-ti stupac. − n ] a1 a i zovemo je blok matrica stupaca. Prema Napomeni 3. Sada matricu A moˇemo prikazati u obliku z A= dakle A postaje blok matrica..92 Primjer 3. Tada redom dobijemo blokove matrice A A11 = a11 a12 a21 a22 a31 a32 a41 a42 .. Analogno se konstruira blok matrica redaka. Ako stupce od A oznaˇimo sa −i c c a i = 1..

b.1. U skupu R vrijedi: ako je a · b = 0. onda je barem jedan od a ili b jednak nuli. Dakle postoje ne nul matrice ˇiji je produkt nul matrica. U Mn to ne vrijedi: z 0 1 0 0 · a b c d = c d 0 0 = 1 0 0 1 . neka je dana matrica c 0 1 1 0 . d koji bi pomnoˇen s matricom z 0 1 0 0 davao jediniˇnu matricu. U skupu R vrijedi da svaki a = 0 ima multiplikativni inverz. Teorema 3. Konstruirajmo sada matricu takvu da ako ju pomnoˇimo s z 0 1 1 0 . tj. c 2.4 smo vidjeli da je mnoˇenje kvadratnih matrica op´enito nekomutac z c tivno. Inverzna matrica Ograniˇimo se samo na kvadratne matrice n-tog reda. 1. Postoje i druga svojstva kojima se mnoˇenje matrica razlikuje od mnoˇenja z z brojeva.1. tj. Npr. U toˇki 3.6 Regularne matrice. na skup Mnn kojeg c ´emo kra´e oznaˇavati s Mn .3 znamo da za proizvoljnu A ∈ Mn vrijedi A · In = In · A = A. dakle ne postoji izbor brojeva a.8 Za neke kvadratne matrice postoji matrica koja pomnoˇena s z njom daje jediniˇnu. U skupu Mn to ne vrijedi: 0 1 0 0 · 0 1 0 0 = 0 0 0 0 . postoji broj koji pomnoˇen s a daje 1. c. c Napomena 3.ˇ ˇ 3. Npr. OSNOVE MATRICNOG RACUNA 93 3. c c c Iz svojstva 5.1.

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

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

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

.8 Vrijedi: − → 1. − − definiramo kao maksimalni broj linearno nezavisnih vektora iz skupa { a1 an − .. a1 an Vratimo se na konkretan vektorski prostor. − razapinju L(− . . . Neka je In ∈ Mn . n). →)) ≤ n..14 Uz gornje oznake iz Teorema 3.6 Matrica A ∈ Mn je regularna ako i samo ako je r(A) = n.12 Neka su − .12 Prisjetimo se da je dimenzija vektorskog prostora broj vektora u bazi tog vektorskog prostora.... Neka je L(− ... . .. Neka je A ∈ Mmn .. 2. .ˇ ˇ 3.. Neka je R(A) podprostor od Rm razapet stupcima matrice A.♣ Primjer 3.. OSNOVE MATRICNOG RACUNA 97 → → → → Definicija 3. − ) podprostor a1 an a1 an m − . − ) → → → → od R razapet sa a1 an a1 an →. − ). Iskaˇimo sada jedan koristan rezultat za ispitivanje regularnosti matrice iz Mn .. Napomena 3.13 imamo da je r(A) ≤ min(m. Mmn . Napomena 3. Tada je r(0) = 0. Neka je 0 ∈ Mmn nul matrica. →}. → → Oznaˇavamo je s dim(L( a1 c an Napomena 3. ..... z Teorem 3. − .. Dimenziju vektorskog prostora L(− . c . jer je skup { 0 } uvijek linearno zavisan.5 izravno slijedi r(A) = dim(R(A)) = dim(R (A)).. .... .. → → → → Napomena 3. Tada je oˇito r(In ) = n. Stoga vrijedi s − − dim(L(→.15 Iz Napomene 3.1. i R (A) podprostor Rn razapet redcima od matrice A..13 Kako vektori − ... znamo da je u a1 an a1 an bazi najviˇe n vektora. − ∈ Rm . .. − )).

.. Nadalje. Zamjena dvaju redaka (stupaca). Stoga imamo da je maksimalan broj linearno nezavisnih redaka 3. iz Teorema 3. tj..♠ Iz Primjera 3. Dakle.8 vidimo da je lagano izraˇunati rang jediniˇne matrice (za In ∈ Mn .. kako to uˇiniti? c Sljede´e operacije s matricama zovemo elementarnim transformacijama: c 1. m ima nule a ostale pozicije su proizvoljne (rang takve matrice iz Mmn je k). k.  . n) ima jedinice. ima nule.. bilo bi dobro svesti op´u matricu A na In (ako je kvadratna) ili na neˇto c s tipa B. MATRICE I LINEARNI SUSTAVI 3.98 POGLAVLJE 3. akk za k ≤ min(m. Neka je dana B ∈ M5. Mnoˇenje redka (stupca) skalarom λ = 0..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     . Dodavanje redku (stupcu) matrice linearne kombinacije ostalih redaka (stupaca) matrice. Dakle. z 3. na aij za j < i ima nule. j = 2. Sliˇno vrijedi c c i za komponentu na mjestu a22 i a33 .. komponentu 1 na mjestu a11 u prvom redku ne moˇemo z dobiti ni u kakvoj linearnoj kombinaciji drugog i tre´eg redka.. na aij za i = k + 1. .. na aij za i < j.. c c r(In ) = n) i matrice koja izgleda kao i matrica B. Pitanje je. jer svaki skup koji sadrˇi nul vektor je linearno z zavisan. Primjer 3. 2. na pozicijama a11 . .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    .    Jasno je da ˇetvrti i peti redak matrice B ne mogu sudjelovati u skupu c linearno nezavisnih redaka.5 imamo da je r(B) = 3.

Neka je A ∈ Mmn . tj. . Primjenom elementarnih transformacija u konaˇno c mnogo koraka dolazimo do njoj ekvivalentne matrice H ∈ Mmn koja je oblika H= Ir 01 02 03 . ve´ samo njegovu duljinu. Matrica H je Hermiteova forma matrice A.ˇ ˇ 3. jer mnoˇenje skalarom ne mijenja poloˇaj tog vekz z tora u odnosu na ostale.13 Matrice A. → → a a Napomena 3... − n ). . Kako je r(A) = r(H) = r. ako pomnoˇimo redak (stupac) skalarom λ = 0 ne´e se promijeniti z c rang po redcima (stupcima).♠ c Definicija 3.1..n−r (01 . Dakle dobijemo matricu H.n−r .. − n ).r i 03 ∈ Mm−r. − n ˇine stupce matrice A) i traˇi se r = r(A) linearno nezavisnih stupaca → → c a a z od A. Dakle.. c c Napomena 3.. n). OSNOVE MATRICNOG RACUNA 99 Zamjenom prvog i drugog redka te tre´eg i ˇetvrtog. B ∈ Mmn su ekvivalentne ako se jedna dobiva iz druge pomo´u konaˇno mnogo elementarnih transformacija... ..17 Ako imamo n vektora − 1 . − n ] (vektori a a a a − 1 . 02 . Ir ∈ Mr .. c Takoder je jasno ako redku (stupcu) matrice dodamo linearne kombinacije ostalih redaka (stupaca) matrice rang po redcima (stupcima) ostaje isti.. a a . matrica M prelazi u jec c diniˇnu. gdje je r ≤ min(m. Isto tako.. u bazu podprostora razapetog redcima odnosno stupcima od A.16 Geometrijskim se zakljuˇivanjem moˇemo uvjeriti da elemenc z tarne transformacije ne mijenjaju rang matrice. primjenom elementarnih transformacija nad proizvoljnom matricom ne mijenja se njen rang. 02 ∈ Mm−r. − n iz Rm i ako treba odred→ → → → iti bazu prostora L(− 1 .. Sada primjenom elementarnih transformacija → → obrnutim redom nad matricom H dolazimo do baze od L(− 1 . ekvivalentne matrice imaju isti rang.. jer to odgovara zamjeni mjesta dvaju vektora u nekom skupu. prvih r redaka i prvih r stupaca matrice H prelaze u r linearno nezavisnih redaka i stupaca matrice A. sastavi se matrica A = [− 1 . 01 ∈ Mr. .. . A = 0. ovim smo dobili postupak (algoritam) za raˇunanje c ranga matrice A. Primijenimo li na H elementarne transformacije obrnutim redom. Zamjenom dvaju redaka (stupaca) ne mijenja se rang po redcima (stupcima). 03 su nul matrice). tj.

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

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

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

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

. MATRICE I LINEARNI SUSTAVI Teorem 3. onda rang proˇirene matrice ne moˇe biti ve´i od n (jer iz s z c Teorema 3. Neka su sada λ1 .6). − n su vektor stupci od A).8 homogeni sustav je uvijek c rjeˇiv.. To je rjeˇenje dano s x s b Dokaz: (Dokazujemo samo tvrdnju III.. tj. . (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.. Dokaz: . tj.. sustav A− = b ima jedinstveno rjeˇenje ako i samo ako x s − − = A−1 →. odnosno λ1 = . s − → → II. = λn = 0. Dakle stupci od A su linearno x x nezavisni. → − x 0 → → − Napomena 3. neka je m = n i sustav A− = b ima jedinstveno rjeˇenje − . onda ih ima beskonaˇno x s c mnogo. Ako je n = m.6 imamo da je r(A) = n)...104 POGLAVLJE 3. → → − III. mnoˇe´i s lijeva s A−1 vidimo da je − = A−1 b . → je A regularna. jer je A(A b ) = b .. A je regularna.. = λn = 0 a a a c (tj. + a − → → → → λn − n = 0 (− 1 . Iz − → → − b = (λ1 + x1 )− 1 + .21 Ako sustav A− = b ima dva rjeˇenja. tj. λ = 0 .) Ako je n = m i A regularna. da su stupci od A linearno nezavisni. s − → − → −1 → −1 − Uvrˇtavaju´i vektor A b u sustav vidimo da je taj vektor rjeˇenje. bilo kojih r z linearno nezavisnih redaka u A. ♣ − → − Napomena 3.8 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I. dakle ima bar jedno rjeˇenje. To znaˇi da je x s x c − → − b linearna kombinacija stupaca od A. Ho´emo pokazati da je λ1 = .18 znamo da je jedno rjeˇenje homogenog sustava sigurno s s − = →. pa je sustav konzistentan. s x → → − → Obrnuto.20 Primijetimo da ako imamo homogeni sustav A→ = 0 onda x oˇito vrijedi da je r(A) = r(A0 ). Ako je r = r(A) = r(Ab ). Iz pretpostavke jedinstvenosti slijedi da x s x − → − → − − → → je λ + → = − tj..... λn ∈ R takvi da je λ1 →1 + . tj. s c s → − → → − → − → Ako je A− = b . + (λn + xn )→n a a → → − − → → slijedi da je vektor λ + − rjeˇenje od A− = b . Iz Napomene 3.. da je A−1 b i jedino x z c x − → → rjeˇenje od A− = b . onda je sustav A− = b ekvivalentan sustavu x koji se dobije uzimanjem bilo kojih r nezavisnih jednadˇbi. po Teoremu 3. . odnosno da je r(A) = n pa tvrdnju imamo iz Teorema 3.

u v u v − → dakle → + − ∈ N (A).2.3 Homogeni sustavi → Iz Napomene 3. gdje je λ ∈ R proizvoljan.3. c s x − → → → N (A) = {− ∈ Rn : A− = 0 }. tj. Tada imamo z u v − → − → − → − − → A→ = λA→ + (1 − λ)A− = λ b + (1 − λ) b = b . x x − → Oˇito je 0 ∈ N (A).18 znamo da homogeni sustav uvijek ima trivijalno rjeˇenje − = s x − → − → → 0 . → ∈ 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). dakle dokaˇimo da za proizvoljne c z − . c 3. jednoˇlan (A je kvadratna i regularna) ili z c beskonaˇan.♣ . u v − = − imamo → → Kako je A u 0 → → → − Aλ− = λA− = 0 . LINEARNI SUSTAVI 105 − → → → → → − → − → − Neka su − i − dva razliˇita rjeˇenja sustava A→ = b .♣ s c z s x → Iz Teorema 3.2 su oˇito zadovoljena.1 i Teorema 1. Dokaz: Oˇito je N (A) ⊆ Rn . skup svih rjeˇenja homogenog s n sustava je vektorski podprostor od R . Treba provjeriti da N (A) ima svojstva iz Definicije 1. c Napomena 3. u u Dakle je N (A) vektorski podprostor od Rn .8 i Napomene 3. A− = b i A− = b . c Svojstva iz Teorema 1. u v c s x u v → → → Stavimo − = λ− + (1 − λ)− .2. u → − → − Kako je A− = A→ = 0 imamo u v → − − → → − A(→ + − ) = A− + A→ = 0 . Tada je. tj.20 izravno slijedi: skup svih rjeˇenja sustava A− = s x − → b moˇe biti prazan (r(A) = r(Ab )). Oznaˇimo skup svih rjeˇenja homogenog sustava A− = 0 s N (A). z u v → − − − ˇto znaˇi da je i → rjeˇenje od A→ = b .5.22 N (A) je podprostor od Rn .

→ → → → Ax a y y 2. Ako je − 0 ∈ Rn bilo koje rjeˇenje (nehomogenog) sustava A− = b . y y c y → − → − − Dakle rjeˇenje od A→ = 0 je samo 0 . . tj.♣ Napomena 3.8 je matrica A regularna. ili pripadaju´i homogeni z s c sustav s istim brojem jednadˇbi i nepoznanica ima netrivijalno rjeˇenje. → → → → u u y y − → → II. iz jedinstvenosti zakljuˇujemo da je − = 0 . onda je i njihova linearna kombinacija rjeˇenje tog sustava.. gdje je − ∈ N (A). z s . onda su sva rjeˇenja od x s → − − = b dana s − 0 + − . kaˇe: ili nehomogeni sustav s istim brojem jedz nadˇbi i nepoznanica ima jedinstveno rjeˇenje. Neka (nehomogeni) sustav A− = b ima isti broj jednadˇbi i nepoznanica x z − = − ima samo trivijalno → → (n = m). Po Teoremu 3. Tvrdnja Teorema 3.9 I. Onda. svako rjeˇenje od A− = b dano s s s x → → → − − → −1 − → → A b + − za − ∈ N (A). ut rjeˇenja homogenog sustava c s − = − . onda po Teoremu 3. ako A− = 0 ima samo trivijalno rjeˇenje i ako je − 0 neko rjeˇenje sustava x s u s − → − → → → A− = b . Kako je iz Teorema 3. → → − onda je skup svih rjeˇenja tog (nehomogenog) sustava A− = b dan s s x − 0 + N (A) = {− 0 + − : − ∈ N (A)}.23 Primijetimo: → 1.8 sustav A→ = b ima x x → − − → → jedinstveno rjeˇenje A−1 b .9 II. tj. Tada pripadni homogeni sustav A x 0 rjeˇenje ako i samo ako je matrica A tog sustava regularna.22 zakljuˇujemo da ako su u1 .9 Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: − → → → u s x I. rjeˇenje je x s u s jedinstveno. 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))..106 POGLAVLJE 3.9 I.9. Tvrdnja Teorema 3.. prema Teoremu 3.) − → → − → − Ako je matrica A sustava A− = b regularna. Teorem 3. MATRICE I LINEARNI SUSTAVI Iz Napomene 3. s x → − → → Obrnuto. → → Ax 0 s Dimenzija podprostora N (A) zove se defekt matrice A. N (A) = { 0 }. s Dokaz: (Dokazujemo samo tvrdnju II. svako rjeˇenje je oblika − 0 + 0 .

pa ovaj sustav ima jedinstveno rjeˇenje s → →0 = A−1 − (c) − x 0 β .. . uzmemo r nezavisnih redaka i r nezavisnih stupaca matrice sustava A (tj. . Ako su rangovi jednaki (r(A) = r(Ab ) = r). − → Prvo treba odrediti rangove matrica A i Ab .. elemente na njihovim presjecima) i prenumeriramo tako da to bude prvih r redaka i prvih r stupaca matrice A. prebacimo ˇlanove s nepoznanicama xr+1 .. . cn proizvoljni realni parametri. . + a1r xr + a1r+1 xr+1 + .. .. ..... kao βi (c) = bi − air+1 cr+1 − . − ain cn za i = 1.. . slijedi da moˇemo ispustiti preostalih m − r redaka matrice A z (tj. Iz Teorema 3. + arr xr + arr+1 xr+1 + .. r.. . − arn xn . pri ˇemu je A0 podmatrica od matrice A koja se sastoji od presjeka prvih r redaka c i prvih r stupaca. . ar1 x1 + ..8 II. + a1r xr = b1 − a1r+1 xr+1 − . + a1n xn = b1 . c Dakle.. iz Teorema 3. b nije linearna kombinacija stupaca od A i sustav je nekonzistentan (Teorem 3. + arr xr = br − arr+1 xr+1 − . .8)..6 imamo da je A0 regularna.....3.2.... Nadalje. m − r jednadˇbi) i dobiti sustav ekvivalentan polaznomu: z a11 x1 + . . Kako je r(A0 ) = r.2.. . − a1n xn . pri ˇemu su cr+1 . . Ako oni nisu jednaki.... imamo sustav − → − x A0 →0 = β (c). − → Uvedimo novi vektor desnih strana β (c). + arn xn = br . xn na desnu stranu i doc bijemo: a11 x1 + ..4 Rjeˇavanje linearnog sustava s → → − Opiˇimo sada postupak rjeˇavanja linearnog sustava A− = b od m jednadˇbi s s x z s n nepoznanica. LINEARNI SUSTAVI 107 3. ar1 x1 + .

. cn su slobodni prametri. cr ovise o njima i → − − → o matricama A (kroz A0 ) i b (kroz β (c)) (jer za fiksne cr+1 .. − n ) bilo koja baza prostora N (A) (dimN (A) = u u − → → − n − r) matrice A ∈ Mmn i − 0 bilo koje rjeˇenje sustava A→ = b . r(A) = dimR(A) = n.. − − → u u u pri ˇemu su µr+1 .. . cr koji su dani s A−1 β (c) = [c1 .108 koje je oblika POGLAVLJE 3. .. MATRICE I LINEARNI SUSTAVI − 0 = [c1 . dimR(A) + dimN (A) = n. ... i obratno. c . izravno slijedi da ako znamo rang od A ∈ Mmn onda znamo i defekt koji je jednak n − r(A).. Kako je (− r+1 . ... .. cr . .....8 II.....♣ Iz Teorema 3.. − n ) baza s x u u u − → − = b oblika → od N (A). .. .2...10 (O rangu i defektu) Za sve matrice A ∈ Mmn i b ∈ Mm1 vrijedi: I.. cr ]T ).. → → − II. . − u u u pri ˇemu su µr+1 . Brojevi cr+1 .♣ c Napomena 3. .9. tj... cr ]T . iz Teorema 3. dok brojevi c1 .10 I.. → x → → Dakle.. cr+1 .. µn proizvoljni parametri.. Konzistentan sustav A− = b ima jedinstveno rjeˇenje ako i samo ako je x s rang matrice sustava jednak broju nepoznanica.. a broj dimN (A) defekt od A. .24 Tvrdnja Teorema 3..11 Ako je (− r+1 .... + µn − n . → → Teorem 3.. − = [c1 .11 izravno slijedi iz Teorema 3.. cn postoje → − jedinstveni c1 . .. onda je svako rjeˇenje od A x s → − →0 + µr+1 →r+1 + . 0 U toˇki 3. onda je op´e u s x c − = → dano s → − rjeˇenje sustava A x s b →0 + µr+1 →r+1 + . Broj dimR(A) smo zvali rang od A.. cn ]T je rjeˇenje sustava A− = c s x − → b. Teorem 3.7 odnosno toˇki 3. + µn − n . jer je − → − − → → skup svih rjeˇenja od A→ = b dan s →0 + N (A).1.3 vidjeli smo da su za prozvoljnu matricu c c A ∈ Mmn skupovi R(A) odnosno N (A) vektorski prostori. µn proizvoljni parametri.

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

. odnosno n det A = k=1 (−1)k−1 a1k det A1k .. k = 1. Ako je A ∈ M2 oblika A= onda znamo da je det A = a1 b2 − a2 b1 .110 POGLAVLJE 3.25 Uvedimo oznaku M1 za kvadratne matrice prvog reda (primijetimo da je M1 . Tada za A ∈ M1 oblika A = [a] definiramo det A = a. c1 c2 a1 a2 b1 b2 . u stvari skup R). .. + (−1)n−1 a1n det A1n . Tada se det A definira sa det A = a11 det A11 − a12 det A12 + .. n. oznaˇimo s A1k .6 smo vidjeli kako se definiraju determinante matrica drugog i tre´eg c c reda. Determinanta matrice reda n > 3 se definira induktivno.. c1 c2 c3  onda razvojem po prvom redku znamo da je det A = a1 b2 b3 c2 c3 − a2 b1 b3 c1 c3 + a3 b1 b2 . Ako je A ∈ M3 zadana s  a1 a2 a3   A =  b1 b2 b3  . Za A ∈ Mn . Napomena 3. MATRICE I LINEARNI SUSTAVI U toˇki 1. n > 3. Sada oˇito gornja formula za determinantu matrice reda n > 3 vrijedi i za matrice c reda n ≥ 2. matricu koja se iz A dobije ispuˇtanjem prvog c s redka i k-tog stupca..

determinanta mijenja predznak. Ako je A ∈ Mn trokutasta (gornja ili donja). onda je det A = 0. onda sc je det A = 0. Ako dva stupca ili dva redka u matrici A ∈ Mn zamijene mjesta. c 4. n ≥ 2.7. Svojstva determinante su: 1. det(Qij A) = − det A. 2. je razvoj determinante po prvom redku.1. n ≥ 2. Ako su dva redka ili dva stupca matrice A ∈ Mn jednaka. Matrica Qij ∈ Mn je elementarna matrica koja odgovara elementarnoj transformaciji zamjene dvaju redaka ili stupaca (toˇka 3. . 3.3. Ako svi elementi nekog redka ili stupca matrice A ∈ Mn iˇˇezavaju. Neka je A ∈ Mn dijagonalna matrica. Navedimo sada neka svojstva determinante koja se dokazuju matematiˇkom c indukcijom i koja uvelike olakˇavaju raˇunanje determinante proizvoljne matrice s c A ∈ Mn . onda je det A = a11 a22 · · · ann .2. Tada lagano iz formule n det A = k=1 (−1)k−1 a1k det A1k zakljuˇujemo da je det A jednaka produktu elemenata dijagonale. LINEARNI SUSTAVI Formula det A = k=1 n 111 (−1)k−1 a1k det A1k za determinatu matrice A ∈ Mn . pravilo za c raˇunanje inverza matrice). Posebno je c det In = 1.

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

i+1 = 0). B ∈ Mn vrijedi det(AB) = det A · det B. c −1 −1 −1 det A = 0 i vrijedi det A = (det A) . Teorem 3. Teorem 3. Teorem 3. Radimo sve analogno sve do zadnjeg elementa na dijagonali.12 imamo det(AA−1 ) = (det A)(det A−1 ) = 1. u c ostalih n − i redaka i n − i stupaca su sve nule onda smo gotovi.14 izravno slijedi da determinantu moˇemo definirati i preko razvoja z po elementima stupca. vode´i raˇuna o predznaku c c c determinante) i nastavljamo postupak kao i prije. ♣ . Dokaz: Iz Teorema 3. z Vaˇno svojstvo determinante je njena uskladenost s mnoˇenjem matrica. z Teorem 3.15 (Laplaceov razvoj po elementima i-tog stupca) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aki det Aki . onda je det A = 0.13 tvrdi da determinantu moˇemo razviti z po proizvoljnom redku.i+1 (naravno. ♣ Napomena 3. Ako to nije mogu´e. Ako se desi da je neki element na dijagonali nakon i-tog koraka nula (tj.3. itd.13 (Laplaceov razvoj po elementima i-tog redka) Za proizvoljnu matricu A ∈ Mn vrijedi n det A = k=1 (−1)i+k aik det Aik . Dakle oˇito je det A = 0.♣ Teorem 3.14 Za proizvoljnu matricu A ∈ Mn vrijedi det A = det AT .13 je s Aik oznaˇena matrica iz Mn−1 dobivena iz A ispuˇtanjem c s i-tog redka i k-tog stupca. tj.2. ai+1.26 Ako je A ∈ Mn regularna. ♣ Iz Teorema 3. LINEARNI SUSTAVI 113 ispod njega. det A−1 = 0 i vrijedi det A−1 = (det A)−1 . 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. ♣ U Teoremu 3.

MATRICE I LINEARNI SUSTAVI (−1)i+k det Aik zovemo kofaktor elementa aik . k) stoji kofaktor elementa aki matrice A. det A Dakle A je regularna i A−1 = kof (A) det A .28 U Napomeni 3.♣ Iz Napomene 3. c Napomena 3. a ako je i = j c onda zbroj n (−1)j+k aik det Ajk k=1 predstavlja determinantu matrice kojoj su i-ti i j-ti redak jednaki.16 imamo da je 1 kof (A) · A = In . Po ˇetvrtom svojstvu c determinante znamo da je to jednako nula.13 prethodni zbroj jednak det A. det A Dokaz: Ako je det A = 0.26 smo vidjeli da ako je A ∈ Mn regularna. Promatramo zbroj n (−1)j+k aik det Ajk . Definicija 3. ako je i = j. onda je det A = 0. Analogno ide dokaz za stupce.16 Za svaku matricu A ∈ Mn vrijedi A · kof (A) = kof (A) · A = (det A) · In . (−1)k+i det Aki .27 Ako se elementi redka (stupca) matrice A ∈ Mn pomnoˇe z kofaktorima drugog redka (stupca) i rezultati zbroje. onda je po Teoremu 3. Vrijedi i obrat. tj. dobiva se 0 ako je uzet redak (stupac) razliˇit od polaznog.114 Veliˇinu c POGLAVLJE 3. Inaˇe je zbroj det A. ako je det A = 0 onda je A regularna i A−1 je dana formulom A−1 = kof (A) .15 Kofaktor ili adjunkta matrice A ∈ Mn je matrica iz Mn kojoj na mjestu (i. k=1 Oˇito. onda iz Teorema 3.♣ . tj.27 izravno slijedi: Teorem 3. c c Dokaz: Neka su uzeti i-ti i j-ti redak. ♣ Napomena 3. Kofaktor matrice A oznaˇavamo s kof (A).

28 imamo dobru karakterizaciju regularnosti matrice A ∈ Mn . Definicija 3.8 znamo da je rjeˇenje linearnog sustava A− = b od n s x jednadˇbi s n nepoznanica jedinstveno ako i samo ako je matrica koeficijenata A z − → → regularna. D D pri ˇemu je D = det A. .3. .. A je regularna ako i samo ako je det A = 0. k = 1.. iz svojstava matriˇnog mnoˇenja slijedi da je s c z − + µ− ) = λA− + µA− .3 3. µ ∈ R i sve − . xn = .3. onda takav linearni x y operator zovemo linearnim funkcionalom. je determinanta matrice koja se c − → → dobiva iz A zamjenom k-tog stupca − k stupcem desnih strana b . .1 Problem svojstvenih vrijednosti Matrice kao linearni operatori − Neka je A ∈ Mmn proizvoljna matrica. Ako je m = 1. a Dk . → x Teorem 3. 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 . Takvu x x funkciju zovemo linearni operator.♣ a 3. n. Ako je matrica A regularna.3. Stoviˇe. → ∈ Rn . PROBLEM SVOJSTVENIH VRIJEDNOSTI 115 Iz Napomene 3. Rjeˇenje je dano s − = A−1 b . . . − → → Iz Teorema 3. Dakle → → → → → − A(λ x y x y x y → − funkcija − −→ A→ prevodi linearnu kombinaciju u linearnu kombinaciju.. → ∈ Rn .16 Funkcija F : Rn −→ Rm zove se linearni operator ako vrijedi → → − − F (λ− + µ− ) = λF (→) + µF (→) x y x y → − za sve λ.26 i Napomene 3. . Rm = R. D x2 = D2 Dn . za sve λ.17 (Cramer) Neka je A matrica koeficijenata linearnog sustava A− = − → b od n jednadˇbi s n nepoznanica. µ ∈ R i sve − . 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 .

MATRICE I LINEARNI SUSTAVI Napomena 3.29 Funkcije medu vektorskim prostorima uobiˇajeno je zvati opc eratorima.1 i Teorema 1. − ∈ Rn .5. z Neka su F : Rn −→ Rm i G : Rn −→ Rm linarni operatori. Tvrdnja lagano slijedi iz linearnosti od F i ˇinjenice da je x y c → − → → (νF )(λ− + µ→) = νF (λ− + µ− ).16 slijedi da svaka matrica A ∈ Mmn definira jedan linearni operator A : Rn −→ Rm formulom − = A− . tj. 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. → → y x Neka su F : Rn −→ Rm i G : Rn −→ Rm operatori.116 POGLAVLJE 3. 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 (− ). Oˇito je da z c prethodno definirano zbrajanje linearnih operatora i mnoˇenje linearnog operatora s skalarom z zadovoljavaju svojstva iz Teorema 1.30 Skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Funkcije s vektorskog prostora u vektorski prostor R zovemo funkcionalima. Iz Definicije 3.♣ . Definiramo zbrajanje operatora na sljede´i naˇin c c → → → (F + G)(− ) = F (− ) + G(− ). dakle zadovoljavaju tre´e svojstvo Definic cije 1. Dokaˇimo da vrijede i prva dva. µ ∈ R i sve →.5. Dokaˇimo da je i F + G linearni z operator.2. x x Napomena 3. x y x y Dakle skup svih linearnih operatora sa Rn u Rm je vektorski prostor. Dokaˇimo sada da za proizvoljni linearni operator F : Rn −→ Rm i proizvoljni ν ∈ R z vrijedi → → − → (νF )(λ− + µ− ) = λ(νF )→ + µ(νF )− x y x y − → za sve λ. − ∈ Rn . Dokaz: Dokaˇimo da skup svih linearnih operatora zadovoljava svojstva Definicije 1. µ ∈ R i sve →. tvrdnja slijedi. da vrijedi → → → → (F + G)(λ− + µ− ) = λ(F + G)(− ) + µ(F + G)(− ) x y x y − → za sve λ.

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

2. Oˇito je rang od p2 jednak dva (jer je slika xy ravnina). Operator F vektoru iz Rn pridruˇuje vektor iz Rn . z) = x. a defekt jedan. Napomena 3. odnosno dimN (F ) = dimN (F ). y. y). tj. Dakle dimenziju slike linearnog s operatora takoder zovemo rang.118 POGLAVLJE 3. a defekt dva. Operator p2 svaki vektor iz prostora ortogonalno projicira na xy ravninu.31 Neka su F : Rn −→ Rp i G : Rp −→ Rm linearni operatori. − → → → Nadalje. z) = (x. Sada nas zanima kada su ti vektori kolinearni. vrijedi N (F ) = N (F ) = {→ ∈ Rn : F (− ) = 0 }.10 Pogledajmo sljede´e primjere: c 1. c H =GF . Lako se moˇe dokazati da je skup F (Rn ) koji zovemo slika od F vektorski potprosz n ˇ tor prostora R . Stoviˇe vrijedi da je r(F ) = dim(F (Rn )). Njegova je matrica dana s 1 0 0 . vrijedi dimN (F ) + dimR(F ) = n.2 Svojstvene vrijednosti i svojstveni vektori Neke je F : Rn −→ Rn linearni operator (tj. Primjer 3.3. Neka je dan operator projekcije p2 : R3 −→ R2 formulom p2 (x. y. c 2. MATRICE I LINEARNI SUSTAVI Napomena 3. Neka je dan operator projekcije p1 : R3 −→ R1 formulom p1 (x. Njegova je matrica dana s 1 0 0 0 1 0 .32 Neka je F : Rn −→ Rm proizvoljan linearni operator i F ∈ Mmn njegova matrica. Tada je po Teoremu 3.3 znamo da je N (F ) = {− ∈ Rn : F − = 0 } vektorski potprostor c x x prostora Rn i dimN (F ) zovemo defekt matrice F . Neka je F : Rn −→ Rm proizvoljan linearni operator. Oˇito je rang od p1 jednak jedan (jer je slika x-os). Operator p1 svaki vektor iz prostora ortogonalno projicira na x-os. x x Dakle broj dimN (F ) zovemo defekt linearnog operatora F . Kako su F i F ustvari isti linearni oper− → − → atori.32 i Teorema 3.♠ c 3.18 njihova kompozicija H = G ◦ F : Rn −→ Rm linearni operator i matrica tog operatora se raˇuna kao produkt matrica od G i F . F ∈ Mn ).10 izravno slijedi teorem o rangu i defektu za linearni operator. z . Iz Napomene 3. iz toˇke 3. tj.

Dokaz: Oˇito je S(λ0 ) podskup od Rn . x y x y x y . vektor µ− 0 je takoder svojstveni vektor od A koji pripada x svojstvenoj vrijednosti λ0 . 2.2 oˇito zadovoljava. µ = 0. − ∈ S(λ0 ). c x y tj. Ako je λ0 svojstvena vrijednost od A ∈ Mn onda njoj pripada beskonaˇno c mnogo svojstvenih vektora. y y → → Dokaˇimo da je − + − ∈ S(λ0 ).1 i Teorema 1. Realni broj λ0 zove se svojstvena (karakteristiˇna) vrijednost matrice (linearnog operatora) A ako postoji takav ne-nul c → vektor − 0 ∈ Rn da vrijedi x − → A →0 = λ 0 − 0 . Tada vrijedi → λ0 x → − → → A(µ− 0 ) = µA→0 = µλ0 − 0 = λ0 (µ− 0 ). vrijedi → − → → A− = λ 0 → x x i A− = λ0 − . A− 0 = x x − 0 . → → Svojstva iz Teorema 1. Dokaˇimo joˇ da je S(λ0 ) vektorski prostor. tj. da c z s zadovoljava uvjete Definicije 1. Nadalje. PROBLEM SVOJSTVENIH VRIJEDNOSTI 119 Definicija 3. ♣ Napomena 3.5.17 Neka je A ∈ Mn . − 0 = 0 je svojstveni (karakteristiˇni) vektor matrice A koji x x c pripada svojstvenoj vrijednosti λ0 . x x → → Vektor − 0 ∈ Rn . Imamo z x y → → → → − → A(− + − ) = λ0 − + λ0 − = λ0 (→ + − ). tj. x x x x → Dakle za svaki µ ∈ R. Neka je − 0 = 0 svojstveni vektor koji pripada svojstvenoj vrijednosti λ0 .3.33 Primijetimo: → 1. Izravno iz Definicije 3. Ako je − 0 = 0 svojstveni vektor matrice A ∈ Mn onda on pripada samo x jednoj svojstvenoj vrijednosti. Napomena 3. neka je µ ∈ R µ = 0 proizvoljan.3. Dokaz: 1. → → 2.34 Skup S(λ0 ) svih svojstvenih vektora koji pripadaju istoj svojstvenoj vrijednosti λ0 od A ∈ Mn dodavanjem nul vektora postaje vektorski podprostor od Rn .17. Nadalje neka su − .

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

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

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

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

λn od KA (λ) zovemo algebarska kratnost od λ0 .. c Napomena 3... .24 Neka je A ∈ Mn i neka je λ0 njena svojstvena vrijednost.21 Neka je A ∈ Mn simetriˇna. λ−1 .. Ipak. z pokazuje se da je svaku simetriˇnu matricu mogu´e dijagonalizirati.35 Matrica A ∈ Mn je u stvari linearni operator A : Rn −→ Rn .23 Neka je A ∈ Mn regularna matrica ˇije su svojstvene vrijedc nosti jednake λ1 . Dimenziju dim(S(λ0 )) zovemo geometrijska kratnost od λ0 . . Obratno... λn od KA (λ) pojavljuje barem jednom. Rekli smo da je λ0 svojstvena vrijednost od A ∈ Mn ako i samo ako je λ0 nultoˇka od KA (λ). Sada.124 POGLAVLJE 3. MATRICE I LINEARNI SUSTAVI Iz Primjera 3. ♣ Teorem 3.5) znamo da z z KA (λ) ima n nultoˇaka λ1 . tj.. medu kojima moˇe biti istih i koje ne moraju sve (moˇda c niti jedna) biti realni brojevi. Dakle 0 nije svojstvena vrijednost. Tada su svojstvene vrijednosti matrice A−1 dane s λ−1 .34 znamo da je skup S(λ0 ) potprostor od Rn .♣ Napomena 3. ako je λ0 svojstvena vrijednost od A ∈ Mn . λn .36 Uoˇimo da je dim(S(λ0 )) u stvari defekt matrice A − λ0 In .. Broj pojavljivanja svojstvene vrijedc nosti λ0 u nizu nultoˇaka λ1 .. λn . . ako 0 nije svojstvena vrijednost od A onda je det(A − 0λ) = det A = 0. Tada je algebarska kratnost od λ0 uvijek ve´a ili jednaka od njene geometrijske kratnosti. Dakle smo za dani operator A naˇli bazu u kojoj je njegova matrica posebno jednostavna. iz osnovnog teorema algebre (Teorem 5. . nultoˇka od KA (λ). Tada postoji ortonormirana baza od c Rn takva da je svaki vektor te baze svojstveni vektor matrice A.21 znamo da postoji ortonormirana s c n baza od R takva da je svaki vektor te baze svojstveni vektor matrice A.. c c Teorem 3. ona se u nizu c nultoˇaka λ1 . . c Kako je KA (λ) polinom n-tog stupnja.♣ c . tj. dijagonalna. Ako je A joˇ simetriˇna onda iz Teorema 3... Ako pogledamo prikaz matrice A kao linearnog operatora u toj bazi (primijetimo da je ovdje par baza jedna te ista baza) vidimo da je dobivena matrica dijagonalna i da su joj na dijagonali svojstvene vrijednosti od A.12 vidimo da ne moˇemo svaku matricu dijagonalizirati. s Teorem 3.♣ c 1 n Neka je A ∈ Mn i neka je λ0 jedna njena svojstvena vrijednost.. c Teorem 3... A je regularna. a odgovaraju´i se svojstveni vektori podudaraju. Dokaz: Ako je A regularna onda znamo da je det(A − 0λ) = det A = 0. Tada iz Napomene 3.22 Matrica A ∈ Mn je regularna ako i samo ako nula nije svojstvena vrijednost od A.

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

c s c c c tj.4 Neka su (an ) i (bn ) konvergentni nizovi. lim (an bn ) = lim an lim bn . c c c Npr. ako ne i nemogu´e. n−→∞ n−→∞ 3.3 Neka je (an ) niz s pozitivnim ˇlanovima. n−→∞ n−→∞ n−→∞ 4. pa dokazati da (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − L| < ε). Ako je r ∈ R. Tada c an −→ 0 ⇔ 1 −→ ∞. te c ∈ R proizvoljan. .♣ n−→∞ bn lim bn lim n−→∞ Napomena 4. konvergira li.132 POGLAVLJE 4. lim (an ± bn ) = lim an ± lim bn . ako je bn = 0 i n−→∞ lim bn = 0. Onda vrijedi n−→∞ lim |an | = n−→∞ lim an . Tada vrijedi: 1. onda je lim an an = n−→∞ .5 Neka je (an ) konvergentan niz.1. n−→∞ n−→∞ n−→∞ 2. prema kojoj vrijednosti. proizvoljan i an ≥ 0 za svaki n ∈ N. lim (can ) = c lim an . i ako da. c Teorem 4.3 Raˇunanje s graniˇnim vrijednostima c c Raˇunanje graniˇnih vrijednosti izravno iz definicije je nespretno. Mi ´emo pokuˇati izbje´i ovakav naˇin raˇunanja limesa direktno iz definicije.♣ an Teorem 4. r = 0. NIZOVI I REDOVI 4. niz (an ) zadan formulom an = 3n4 − 5n2 + 7n − 1 ? 2n4 − 7n3 + 3n + 2 Prvo bi trebalo pogoditi limes L. izgradit ´emo repertoar osnovnih limesa i pravila pomo´u kojih se sloˇeniji c c z sluˇajevi svode na jednostavnije. onda vrijedi n−→∞ lim √ r an = r n−→∞ lim an .

ili q alternira po predznaku (za q < −1) i raste u beskonaˇnost po apsolutnoj vrijednosti. c c . Tada je n 1 |q| < 1. niz (an ) s konvergentan. izvan proizvoljno s male okoline oko G imamo konaˇno mnogo ˇlanova. dakle divergentan. 1 |q n | Neka je sada |q| > 1. q 2 . jer je log |q| < 0. vrijedi lim inf an = lim sup an ∈ R. znamo da neˇto postoji.4 dovoljno je promatrati niz s a1 = 1.1. i ako npr. Onda je po Napomeni 4. ˇto ne moˇe biti jer je G gomiliˇte.♣ c z s Napomena 4. c Dokaz: Neka je (an ) monoton i ograniˇen.2 niz (an ) ima barem jedno c gomiliˇte. . za koje je n > c n−→∞ log ε log |q| padaju u interval (−ε. dakle ili q −→ ∞. Ako je pak q = −1 imamo alterniraju´i niz an = a1 (−1)n−1 . postoji okolina oko G u kojoj c c je samo konaˇno mnogo ˇlanova. ili u ˇirem smislu. Pogledajmo prvo sluˇaj |q| < 1. q 3 . Teorem 4.. To je ekvivalentno s |q| < ε. pa prema prethodnom niz n n −→ 0. ε). log |q| Dakle svi ˇlanovi niza 1. ograniˇen niz je konvergentan.6 je tipiˇni teorem egzistencije. Uzmimo proizvoljan ε > 0 i pogledajmo nejednadˇbu |q n −0| = c z n n |q | < ε.. (an ) raste.5 Beskonaˇni geometrijski niz (an ) s kvocijentom q je konvergentan c za |q| < 1 a divergentan za |q| > 1. U suprotnom. tj.6 Monoton. niz 1. ako s z s s (an ) ima barem dva gomiliˇta G i G . tj.4. pa je lim an = 0.1.1 znamo da je op´i ˇlan geometrijskog niza dan formulom an = a1 q n−1 . Tada po Teoremu 4. q 2 . Za |q| < 1 je lim an = 0..3 imamo |q | −→ ∞. q 3 . za svaki n ∈ N. q.♣ Teorem 4. po Teoremu 4. G > G . izraˇunati. c c c Prema Teoremu 4. n−→∞ Dokaz: Iz toˇke 4. Dakle imamo samo c c s z s jedno gomiliˇte.7 Jasno je da beskonaˇni aritmetiˇki niz (an ) s razlikom d konc c vergira ako i samo ako je d = 0. q. no ne c s znamo koliko je i kako to na´i. Logaritmiranjem se dobije n log |q| < log ε... dakle divergira ili u uˇem. Imamo log ε n> . Sada. c Napomena 4. odrediti. . Kako je (an ) monoton. Tj. on moˇe imati najviˇe jedno gomiliˇte.4.6 Beskonaˇni geometrijski niz (an ) s kvocijentom q = 1 je konc vergentan niz za koji vrijedi an = a1 . tj. NIZOVI REALNIH BROJEVA 133 Teorem 4.

ako je 0 < λ < 1.134 POGLAVLJE 4. . Tada vrijedi ∞.♣ Teorem 4. Neka je niz (an ) dan formulom an = n λ. ako je λ = 0. λ = 1. n−→∞ n−→∞ n 4. tj. gdje je λ > 0 proizvoljan.1. ako je λ > 0  lim an = 1. Tada vrijedi lim an = 1. Neka je niz (an ) dan formulom an = nλ . Tada n! vrijedi lim an = 0. Tada vrijedi   ∞. Daje nuˇne i dovoljne uvjete konvergencije niza i u c z njemu figuriraju samo ˇlanovi niza. ako je λ < 0 √ 5. n−→∞   0. ∀r ∈ N). teˇe k nuli. c z 4. gdje je λ ∈ R proizvoljan. c On u stvari kaˇe da niz (an ) konvergira ako i samo ako razlike medu po volji z udaljenim ˇlanovima niza postaju po volji male. Neka je niz (an ) dan formulom an = 1 + n−→∞ Tada vrijedi lim an = e. proizvoljan. gdje je λ ∈ R proizvoljan. Neka je niz (an ) dan formulom an = λn . Neka je niz (an ) dan formulom an = |λ| .4 Osnovni limesi Pogledajmo sada neke osnovne limese: 1.7 (Nuˇan i dovoljan uvjet konvergencije niza) Niz (an ) konverz gira ako i samo ako (∀ε > 0)(∃n0 ∈ N) takav da (∀n > n0 ) ⇒ (|an − an+r | < ε.7 je najop´enitiji. NIZOVI I REDOVI Teorem 4. Neka je niz (an ) dan formulom an = n n. √ 3. n 6. Tada vrijedi n−→∞ lim an = 1. ako je λ > 1 lim an = n−→∞ 0. 1 n . gdje je λ > 0. 2.

No. REDOVI REALNIH BROJEVA 135 4.. c Definicija 4. tj. n=1 Ako niz parcijalnih suma (Sn ) divergira.. + an = k=1 ak = Sn . .2. ∞ an je oznaka za n=1 Primjer 4. a konaˇna suma postaje red. gdje je (Sn ) niz parcijalnih suma niza (an ). Red dobiven od niza (an ) oznaˇavamo s c an . Red koji dobijemo od niza (an ) je uredeni par nizova ((an ). Ako je S = lim Sn < ∞. a3 . an je oznaka za red. a oznaka an divergira. c c ˇ se zbiva ako zbrojimo ”sve” ˇlanove niza (an )? Sto c n ∞ Izraz k=1 ak prelazi u k=1 ak . zareze zamijenimo plusevima c dobijemo beskonaˇni red.2 4. a1 .8 Pogledajmo sljede´e primjere: c . zaˇto bi to netko ˇelio napraviti? c s z Ako ˇlanovi niza predstavljaju doprinose. n-ta parcijalna suma.4. kaˇemo da i red z Napomena 4.. nizu (an ) smo pridruˇili niz parcijalnih suma (Sn ). Za svaki konaˇan n z c veliˇina Sn je dobro definirana. Konvergencija reda Ako u beskonaˇnom nizu (an ). Dakle. (Sn ))..1 Redovi realnih brojeva Pojam reda. kaˇemo da je suma reda jednaka S i z n−→∞ piˇemo s ∞ an = S. a2 .9 Red an konvergira ako konvergira njegov niz parcijalnih suma (Sn ). tj. Definicija 4.8 Neka je (an ) niz.2.8 Oznaka sumu reda an . ˇto je kumulativni efekt prvih n ˇlanova c s c niza? To je n a1 + a2 + . konaˇna suma.

. Dakle. Red 1 n divergira jer se moˇe pokazati da za svaki n ∈ N vrijedi z S2n > n + 1.. n(n + 1) n n+1 Dakle imamo Sn = 1 − za svaki n ∈ N. Red 1 n! konvergira i suma mu je ∞ n=1 1 = e − 1. NIZOVI I REDOVI n divergira jer za svaki n ∈ N je Sn = 1 + 2 + . n+1 lim Sn = 1.136 1. n(n + 1) 5. 2 lim Sn = ∞. n! 4. za x = 1 2 imamo Sn = 1− 1 2n+1 1 2 −1=1− 1 . Kako je n−→∞ 1 . 2. Red 1 n(n+1) konvergira jer za svaki n ∈ N vrijedi 1 1 1 = − . 2n . imamo da red 1 n(n+1) konvergira i suma mu je jednaka ∞ n=1 1 = 1. + n = odnosno n−→∞ n(n + 1) . Red 1 2n konvergira jer za svaki n ∈ N i svaki x ∈ R vrijedi (1 + x + x2 + .. Red POGLAVLJE 4. 2 3.. + xn )(1 − x) = 1 − xn+1 .

♠ 2n n−→∞ ∞ Napomena 4. Primjer 4.♣ c Uoˇimo da iz Primjera 4.2. S = lim Sn = n−→∞ n=1 an .8.4.9 Ako red Dokaz: Neka je S suma reda an konvergira onda je lim an = 0.8 Ako red apsolutno konvergira. n 1 (−1)n−1 n uvjetno konvergentan.10 Iz Primjera 4. Dakle zakljuˇujemo da obrat tvrdnje iz Napomene 4.8 znamo da red = divergira i da je lim n n−→∞ n 0. Ako red an konvergira. tj.♣ 1 1 Napomena 4.8).9 Red 1 (−1)n−1 n konvergira i suma mu je ∞ (−1)n−1 n=1 1 = ln 2. tj. REDOVI REALNIH BROJEVA za svaki n ∈ N. Dakle je red Teorem 4. Nadalje. an . c c ako op´i ˇlan niza (an ) konvergira u nulu. oˇito vrijedi c Sn+1 = Sn + an+1 . kaˇemo da red z an konvergira uvjetno.9 ne slijedi obrat Teorema 4. Definicija 4. Kako je n−→∞ 137 lim Sn = 1 imamo da red 1 2n konvergira i suma mu je jednaka ∞ n=1 1 = 1. a red |an | ne konvergira.10 Red an apsolutno konvergira ako konvergira red |an |. n−→∞ odnosno n−→∞ lim an+1 = 0. Puˇtaju´i limes po n u beskonaˇnost u gornjoj jednakosti dobivamo s c c S = S + lim an+1 . c . onda op´enito red c c c an ne mora konvergirati.9 op´enito ne vrijedi. onda on konvergira i obiˇno.♠ dok red 1 n divergira (Primjer 4.

1−q Dokaz: Ako je a1 = 0 onda red a1 q n−1 oˇito konvergira i suma mu je nula.. vrijedi Sn = a1 za svaki n ∈ N. Nadalje. onda je oˇito an = a1 . 1−q n−→∞ Dakle limes niza parcijalnih suma je konaˇan. a1 q n−1 = 1−q n=1 Obrnuto. da geometrijski red a1 q konvergira i da je |q| ≥ 1. q ∈ R proizvoljni...138 POGLAVLJE 4. = a1 q n−1 .. Nadalje kako je c n−→∞ lim an = 0 . gdje su a1 .9 Geometrijski red a1 q n−1 je konvergentan ako i samo ako je |q| < 1. Iz Teorema 4. Ako je q = 1. pa je Sn = na1 . a to divergira za svaki a1 = 0. onda je oˇito an = a1 (−1)n−1 .2. c Ako je 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 + .. + a1 q n−1 . pretpostavimo da geometrijski red a1 q n−1 konvergira i dokaˇimo da je onda z n−1 |q| < 1.. n−→∞ 1 − q 1−q 1 − qn . Pretpostavimo suprotno. imamo Sn − qSn = a1 (1 − q n ). tj. + a1 q n . tj. pa geometrijski red za |q| < 1 konvergira i suma c mu je jednaka ∞ a1 . Pogledajmo n-tu parcijalnu sumu. zovemo geometrijski red s kvocijentom q. Teorem 4. Sn = a1 + a1 q + a1 q 2 + . NIZOVI I REDOVI 4.5 imamo da je lim Sn = a1 lim a1 1 − qn = . c Pretpostavimo da je a1 = 0 i |q| < 1. tj. Za |q| < 1 njegova je suma jednaka ∞ a1 q n−1 = n=1 a1 .

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.♣

17 Ako red potencija 0 n vergira apsolutno i red an x za sve x ∈ R za koje je |x| < |x0 |. zovemo red potencija. . za svaki n ∈ N. Za x = 0 imamo sljede´i c c rezultat: an xn konvergira za neki x0 ∈ R. Dakle imamo an0 +1 ≤ λan0 . Ako red n an x0 divergira. an0 +2 ≤ λan0 +1 ≤ λ2 an0 . i n0 ∈ N takav da je an+1 ≤ λ. c Teorem 4. Dakle. onda konTeorem 4.18 Neka je 0 < λ < 1. divergira i red an xn za sve x ∈ R za koje je |x| > |x0 |. red an0 + an0 +1 + . Tada iz Teorema 4. an za svaki n ≥ n0 . Ako postoji λ ∈ R. an0 +3 ≤ λan0 +2 ≤ λ3 an0 .♠ 1 xn−1 (n−1)! 4. . i suma mu je 1−x ..2 D’Alembertov kriterij an red s pozitivnim ˇlanovima.146 POGLAVLJE 4.♣ Primjer 4. gdje je x ∈ R proizvoljan.9 znamo da red potencija xn−1 konvergira za svaki x ∈ R takav da je 1 |x| < 1. an0 +m ≤ λm an0 . onda red an konvergira. za svaki m ∈ N. Red oblika an xn . . za svaki n ∈ N.3. Oˇito je za x = 0 svaki red potencija konvergentan.. NIZOVI I REDOVI Neka je (an ) proizvoljan niz. 1 2. Neka je an = 1. 0 < λ < 1. . i n0 ∈ N takvi da vrijedi an+1 ≤ λ. . Neka je an = n! . Tada red potencija konvergira za svaki x ∈ R i suma mu je ex .13 1. an za svaki n ≥ n0 . Dokaz: Neka su λ ∈ R.

♣ .8 znamo da on = 1.17 rekli da ne moˇemo odluˇiti s z c o konvergenciji reda za l = 1. imamo da red c an konvergira.3. an konvergira.14 1. c 0 < λ < 1.3. i n0 ∈ N takav da je √ n za svaki n ≥ n0 . 1 n+1 lim n−→∞ 1 n 2.19 Neka je an red s pozitivnim ˇlanovima.18 u c sc kojem se zahtijeva da niz kvocijenata susjednih ˇlanova reda konvergira (ima c limes): Neka je an red s pozitivnim ˇlanovima.♣ Napomena 4. Neka je dan red vrijedi 1 . ali vrijedi 1 . Sada iz Napomene 4. ali 1 (n+1)2 lim 1 n−→∞ n2 = 1.17 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. KRITERIJI KONVERGENCIJE 147 je majoriran geometrijskim redom an0 λn−1 s kvocijentom λ < 1 koji po Teoremu 4.9 konvergira. n−→∞ an lim onda red an konvergira za l < 1. Kako se dodavanjem konaˇno mnogo ˇlanova konvergentnom redu konvergencija c c ne´e promijeniti.. 4. a ne moˇemo niˇta z s zakljuˇiti za l = 1.♠ Iz ovog primjera vidimo zaˇto smo u Napomeni 4.3 Cauchyev kriterij Teorem 4. n Tada iz Primjera 4. n2 Tada iz Primjera 4.. Neka je dan red divergira. Ako postoji λ ∈ R. Ako postoji limes c an+1 = l. divergira za l > 1.8 znamo da on konvergira. konvergira. c Primjer 4.16 imamo da i red an0 + an0 +1 + .4. onda red an ≤ λ.

a ne moˇemo niˇta z s zakljuˇiti za l = 1.15 Analogno kao i u Primjeru 4.4 znamo da je c 1 n2 n−→∞ lim n 1 = lim n n−→∞ n 1 = 1.19 u c sc √ kojem se zahtijeva da niz n an konvergira (ima limes): Neka je an red s pozitivnim ˇlanovima. postoje situacije u kojima on moˇe a D’Alembertov c z kriterij ne moˇe odluˇiti. . onda za ρ= 1 lim sup n |an | vrijedi: red potencija an xn konvergira apsolutno za svaki x ∈ R za koji je |x| < ρ.♠ c s Cauchyev kriterij je jaˇi. Ako postoji lim sup n |an | i lim sup n |an | = 0. c 1 Primjer 4. tj. divergira za l > 1. onda red an konvergira za l < 1. c Teorem 4. a iz toˇke 4.20 zovemo radijus konvergencije reda potencija a n xn . Ako postoji limes c n−→∞ lim √ n an = l.1. NIZOVI I REDOVI Napomena 4.♣ Broj (ako postoji) ρ= 1√ lim sup n |an | iz Teorema 4. a divergira za sve x ∈ R za koje je |x| > ρ.20 Neka je an xn red potencija.148 POGLAVLJE 4. (an ) niz u R i x ∈ R prozvoljan. n2 Dakle sluˇaj l = 1 nam ne govori niˇta o konvergenciji reda.18 U primjenama se ˇeˇ´e koristi slabiji oblik Teorema 4. z c Neˇto sliˇno Cauchyevom kriteriju pojavljuje se kod odredivanja radijusa kons c vergencije redova potencija (podruˇja na kojem red potencija konvergira).14 za red odnosno red n znamo da divergira odnosno konvergira.

8 imamo da konvergira i red (−1)n . Neka je dan red potencija lim sup n 149 1 n x .4. Dakle red potencija n2 1 n x konvergira za |x| ≤ 1. iz Primjera 4.8 znamo 1 1 da red konvergira. to nije problem c c (jer konvergencija reda ovisi o ostatku reda). KRITERIJI KONVERGENCIJE Primjer 4. a divergira za |x| > ρ (ako lim sup n |an | postoji). n 1 n x n dakle je ρ = 1. dok za x = 1 red n 1 divergira. Neka je dan red potencija lim sup n 1 n x . Ako je x = −1. n2 1 n x n2 dakle je ρ = 1.). n 2. ali smo u Primjeru 4. Po Teoremu 4.3.♠ n2 Teoremu 4. a divergira za |x| > 1. 4.3. konvergira za Pogledajmo sada ako je |x| = 1. onda iz Primjera 4. Ako je x = 1 onda.9 1 znamo da red (−1)n konvergira i suma mu je ln 2.16 vidjeli da red potencija an xn moˇe konvergirati i divergirati za x ∈ R takve da je |x| = ρ.20 red potencija |x| < 1. itd. Dakle za z |x| = ρ moramo posebno provjeriti konvergenciju reda potencija. konvergira za Pogledajmo sada ako je |x| = 1. Teorem 4. a divergira za |x| > 1. Iz n2 n2 1 Teorema 4.20 red potencija |x| < 1.4 Leibnizov kriterij Ako red ima konaˇan broj ˇlanova s negativnim predznakom. n2 Tada je n 1 = lim n−→∞ n2 1 = 1. dakle i apsolutno konvergira red (−1)n .20 niˇta ne govori s za x ∈ R takve da je |x| = ρ. Tada imamo sljede´i kriterij (Leibnic c zov): . (−1)n . Po Teoremu 4. tg n.20 smo vidjeli da red potencija an xn konvergira za |x| < ρ. Specijalni sluˇaj je c kad ˇlanovi reda alterniraju po predznaku. c sin n.16 1. n Tada je 1 = lim n−→∞ n n 1 = 1. problem se pojavljuje ako ih je beskonaˇno mnogo (npr.

iz Teorema 4. imamo a2n+1 + a2n+2 ≥ 0.6 slijedi da su nizovi konvergentni. Ako red poˇinje negativnim ˇlanom. onda imamo obratnu c c c situaciju. Kako smo pretpostavili da je a2n−1 pozitivan. s c |Rn | = |S − Sn | ≤ |an+1 |. tj. koji je suma reda jer je S2n ≤ S ≤ S2n−1 .. imamo da je pogreˇka aproksimacije sume c s S reda an sa Sn manja od apsolutne vrijednosti prvog ispuˇtenog ˇlana. za svaki n ∈ N. Nadalje. Ako red poˇinje pozitivnim ˇlanom. a a2n negativan za svaki n ∈ N.. Zaista. vrijedi S2n = a1 − (−a2 − a3 ) − . imamo da je S2n razlika od a1 i strogo pozitivnog broja. ako je |an | ≥ |an+1 | i ako je n−→∞ lim an = 0. onda je podniz od Sn indeksiran parnim indeksima rastu´i. dakle je S2n+2 ≥ S2n za svaki n ∈ N. n−→∞ dakle nizovi S2n i S2n−1 konvergiraju istom limesu S. vrijedi c c n−→∞ lim |S2n+1 − S2n | = lim |a2n+1 | = 0. S2n je omeden s a1 .♣ c . onaj indeksiran c neparnim indeksima je padaju´i. a2n+2 ≤ 0 i |a2n+1 | ≥ |a2n+2 |. Dokaz: Pogledajmo niz parcijalnih suma Sn reda an . S2n+2 = S2n + a2n+1 + a2n+2 .. Kako je niz S2n odnosno S2n−1 z rastu´i odnosno padaju´i.. + (−a2n−2 − a2n−1 ) − a2n ]. tj. tj. onda taj red konvergira. Kako je po pretpostavci a2n+1 ≥ 0. te kako vrijedi |an | ≥ |an+1 |. Analogno se dokaˇe da je S2n−1 takoder omeden sa a1 . c c ako je a1 ≥ 0. Kako je niz (an ) alterniraju´i i vrijedi |an | ≥ |an+1 |. Analogno se dokaˇe da je z S2n−1 ≥ S2n+1 za svaki n ∈ N. − (−a2n−2 − a2n−1 ) + a2n = a1 − [(−a2 − a3 ) + . i istog je predznaka kao taj ˇlan.21 Ako red POGLAVLJE 4. Nadalje.150 Teorem 4. NIZOVI I REDOVI an alternira.

KRITERIJI KONVERGENCIJE Primjer 4.4.21 izravno slijedi da red (−1)n 1 n 151 s kojim smo se sreli u prijaˇnjim primjerima konvergira.17 Iz Teorema 4.3.♠ s .

.

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

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

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

z Definicija 5. Drugim rijeˇima.1.2 Graf realne funkcije f realne varijable f : D(f ) → R(f ) je skup Γ(f ) = {(x.3 Graf funkcije Funkcije se zorno prikazuju grafovima. graf funkcije f sadrˇi sve toˇke ravnine (x. projekcija grafa na y-os je slika od f ). f (x)). U nastavku ´emo se baviti ovim problec mom. tj. FUNKCIJE . 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. no izvediv. c Napomena 5.156 POGLAVLJE 5.1: Koordinate toˇaka na grafu funkcije. 5.2 Uoˇimo da vrijedi: c D(f ) = Γx (f ) (tj. x ∈ D(f )} ⊂ R2 . problem odredivanja grafa funkcije na osnovi njene formule je netrivijalan postupak. graf funkcije f dobijemo z c c kad sve parove oblika (x. . prikaˇemo u koordinatnom sustavu. y) za koje je y = c z c f (x). c y f(x) f(x2) 0 f(x1) x1 x2 x Slika 5.Na kraju. Graf funkcije f je krivulja u ravnini koja sadrˇi toˇke ˇije su koordinate vezane funkcijom f . x ∈ D(f ). f (x)).

ˇto je suprotno s definicijom funkcije. Napomena 5. Npr. c kruˇnica u ravnini nije graf niti jedne 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.2: Graf funkcije f i njegove projekcije na koordinatne osi. OSNOVNI POJMOVI y 157 Γ(f) 0 x Slika 5. a to znaˇi da se jednom realnom broju c z c c pridruˇuju dvije vrijednosti funkcije. jer postoji pravac paralelan s y z osi koji sijeˇe kruˇnicu u dvije toˇke.3 Uoˇimo da nije svaka krivulja u ravnini graf neke funkcije. c y x0 0 x Slika 5.1.5.3: Primjer krivulje koja nije graf funkcije. z s Iz Napomene 5. .

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. onda su nultoˇke od f presjeciˇta grafa funkcije c s i x osi. 0) ∈ Γ(f ).158 POGLAVLJE 5. kao ˇto smo rekli. toˇke oblika (x0 . FUNKCIJE Nuliˇte funkcije f je vrijednost argumenta za koju je vrijednost funkcije s jednaka nuli. f (x) = cos x. toˇke u kojima s z c funkcija postiˇe lokalni ili globalni maksimum ili minimum. pa ovu toˇku ne smijemo pobrkati s c nultoˇkama. c Osim podruˇja definicije. x0 ∈ D(f ) je nuliˇte funkcije f ako je f (x0 ) = 0.1. bliskost argumenata i sliˇno. Tada kaˇemo da funkcija f raste na intervalu I ako za svake dvije z vrijednosti x1 . Gledamo li graf funkcije f . iz c c c s grafa funkcije joˇ moˇemo vidjeti lokalne i globalne ekstreme (tj. b ⊆ R sadrˇan u podruˇju definicije funkcije f . c s c Napomena 5. podruˇja gdje funkcija raste ili pada). za x = 0 je f (0) = 1). tj. Pokazuje se da najve´i broj funkcija koje se pojavljuju u primjenama c ima i neka dodatna svojstva. ako postoje). realne funkcije realne varijable). x2 ∈ I za koje je x1 < x2 vrijedi f (x1 ) ≤ f (x2 ). intervale z monotosti (tj. x2 ∈ I vrijedi f (x1 ) ≥ f (x2 ). kaˇemo da je f (strogo) monotona na intervalu I. s 5. kaˇemo da je funkcija f strogo raste. Ti su pojmovi vezani c uz usporedbe vrijednosti. Ako funkcija f ne mijenja ponaˇanje na intervalu I (tj. Ako za takve dvije vrijednosti x1 . podruˇja vrijednosti i nultoˇaka. odnosno strogo pada na I. kaˇemo da funkcija f pada z z na I.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. nuliˇta funkcije f se nalaze rjeˇavanjem jednadˇbe f (x) = 0 u skupu s s z D(f ). tj. c Neka je interval I = a. To. c z . tj. toˇke prekida i asimptotsko c c ponaˇanje. z c I ⊆ D(f ). s Dakle. Ako su nejednakosti izmedu f (x1 ) i f (x2 ) stroge. ekstremne vrijednosti. f je (strogo) padaju´a s c ili (strogo) rastu´a na I). dakako. Nuliˇte je apscisa nultoˇke.4 Presjek grafa funkcije f s osi y (ako postoji) je (najviˇe jedna) s toˇka s apscisom 0 i ordinatom f (0). ne mora biti nultoˇka funkcije c c (npr.

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

dok je svaki globalni ekstrem i lokalni. c oˇito je da je 0 strogi lokalni maksimum za svaku okolinu oko 0.160 POGLAVLJE 5. Funkcija f : R −→ R zadana formulom f (x) = x je strogo rastu´a na c svakom intervalu u R. 0]. Globalne maksimume i minimume jednim imenom zovemo globalni ekstremi. c dakle je i strogi globalni minimum. Dakle u toˇkama iz R \ {0} f nema lokalnih ekstrema. Dakle f nema lokalnih pa ni globalnih ekstrema.5 Uoˇimo. 2. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni miniz mum. ako je x0 ∈ D(f ) lokalni ekstrem funkcije f . Ako su nejednakosti stroge. dakle je i c strogi globalni maksimum. govorimo o strogom globalnom maksimumu odnosno minimumu. Primjer 5. x0 + ε . 4. 3. onda kaˇemo da funkcija f ima u x0 ∈ D(f ) globalni makz simum. +∞ a strogo rastu´a na svakom intervalu u c −∞. c Nadalje. Analogno. onda kaˇemo da funkcija f u toˇki x0 ima lokalni z c minimum. Lokalne maksimume i minimume jednim imenom zovemo lokalni ekstremi. +∞ i strogo padaju´a na svakom interc c valu u −∞. Funkcija f : R −→ R zadana formulom f (x) = −x2 je strogo padaju´a c na svakom intervalu u [0.♠ c Napomena 5. dakle svaki x ∈ R je lokalni maksimum i minimum. Nadalje. oˇito je da je 0 strogi lokalni minimum za svaku okolinu oko 0. pa i na cijelom R. Ako vrijedi f (x) ≤ f (x0 ) za sve x ∈ D(f ). onda on ne mora biti i globalni. FUNKCIJE za svaki x ∈ x0 − ε. govorimo o strogom lokalnom maksimumu odnosno minimumu. ako su nejednakosti stroge. Funkcija f : R −→ R zadana formulom f (x) = x2 je strogo rastu´a na svakom intervalu u [0. u toˇkama iz R \ {0} f nema lokalnih ekstrema. Funkcija f : R −→ R zadana formulom f (x) = 5 je i rastu´a i padaju´a na c c svakom intervalu u R. pa i globalni maksimum i minimum. ako je f (x) ≥ f (x0 ) za sve x ∈ D(f ). . 0].2 1. Dakle.

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

c c b) Funkcija nije definirana u rubu prirodnog podruˇja definicije ali ima svojstvo da kad se argumenti iz prirodnog podruˇja definicije proizvoljno c . neka c √ je funkcija f : [−1. Jasno je da rubovi prirodnog podruˇja s c definicije mogu biti konaˇni i beskonaˇni (npr.♠ c Ponaˇanje funkcije u blizini rubova prirodnog podruˇja definicije zovemo s c njenim asimptotskim ponaˇanjem. postoji i konaˇan je broj f (−1). Primjer 5. za funkciju definiranu formulom c c √ f (x) = x je D(f ) = [0.5 -10 Slika 5. FUNKCIJE 5 4 3 2 -2 -1 1 2 10 7. Funkcija iz naˇeg primjera ima i u drugom rubu x = 1 regularnu s toˇku. tj.4 Neka je funkcija f : R −→ R takva da ima svojstvo da je i parna i neparna.5 5 2. +∞ .162 POGLAVLJE 5. Rub prirodnog podruˇja definicije funkcije je konaˇan: c c a) Funkcija je definirana u rubu prirodnog podruˇja definicije.5 -1 -3 -2-2. 1] −→ R dana formulom f (x) = 1 − x2 . Dakle imamo da vrijedi f (−x) = f (x) = −f (x). tj. Npr. f (x) = 0 za svaki x ∈ R.5: Primjer parne (lijevo) i neparne (desno) funkcije. Zakljuˇujemo da je jedina funkcija s tim svojstvom-nul funkcija.5 1 2 3 -5 -7. Takav je rub c c regularna toˇka. tj. c c Imamo sljede´e mogu´e sluˇajeve ponaˇanja funkcije u blizini rubova prirodnog c c c s podruˇja definicije funkcije: c 1. jedan rub je konaˇan a drugi beskonaˇan). Tada je oˇito f definirana u konaˇnom rubu prirodnog poc c c druˇja definicije.

i to brˇe od svakog pravca. ali taj rast c c ili pad je ”brˇi” od rasta ili pada svakog pravca u ravnini. ne postoji pravac kojem se graf funkcije po volji blizu pribliˇava z kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. c c (Npr.5.6: Ponaˇanje funkcije u konaˇnom rubu podruˇja definicije. Graf funkcije f se po volji blizu pribliˇava pravcu x = 1. neka je z c funkcija f : 0. +∞ −→ R dana formulom f (x) = xx . +∞ ili −∞. ali ga nikada ne´e sje´i ili dotaknuti (jer c c funkcija uop´e nije definirana u tom rubu). Ako z je a ∈ R taj rub.) 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 −∞. s c c c c 2.1. Tada oˇito f strogo raste u +∞. Tada oˇito c f nije definirana u konaˇnom rubu prirodnog podruˇja definicije. (Npr. Rub prirodnog podruˇja definicije funkcije je beskonaˇan. ali c c ako se argumenti proizvoljno pribliˇavaju toˇki 0 vrijednost funkcije z c se pribliˇava (ali ne doseˇe) vrijednost 1. tj. onda se graf funkcije proizvoljno blizu pribliˇava z vertikalnom pravcu x = a.) z y y y −1 0 1 x 0 x 0 1 x Slika 5. +∞ −→ R dana formulom f (x) = 2x . (Npr. +∞ −→ R dana formulom f (x) = x−1 . neka je funkcija c 1 c f : 1.) c z . 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 +∞. OSNOVNI POJMOVI 163 pribliˇavaju rubu vrijednosti funkcije ostaju konaˇne. neka je funkcija f : [0. a) Vrijednost funkcije raste ili pada u +∞ ili −∞ kada argumenti prirodnog podruˇja definicije idu u beskonaˇni rub. To znaˇi z c da.

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

onda ona moˇe imati najviˇe jednu z s asimptotu u jednom rubu. b −→ R neprekidna u x0 ∈ I ako z za proizvoljnu okolinu oko vrijednosti f (x0 ) postoji okolina oko x0 koja se cijela preslika u okolinu oko f (x0 ). c 1 Uzmimo ε = 2 . Funkcija je neprekidna na intervalu I ako je neprekidna u svakoj toˇki intervala c I.1.5. je neprekidna u toˇki x0 ∈ I ako c (∀ε > 0)(∃δ > 0) takav da (|x − x0 | < δ) ⇒ (|f (x) − f (x0 )| < ε). Kad bi imala dvije asimptote u jednom rubu. Intuitivno. x = 0   −1 x < 0 Funkcija f ima prekid u 0. x0 + δ ) ⊆ f (x0 ) − ε. . Definicija 5. Zbog linearnosti asimptota imamo da je to jedna te ista asimptota (tj. pravac).3 kaˇe da je funkcija f : I = a. funkcija je neprekidna ako se njezin graf moˇe nacrtati bez podizanja olovke s papira. ako (∀ε > 0)(∃δ > 0) takav da je f ( x0 − δ.7 Ako funkcija ima asimptotu. c 165 Napomena 5. x > 0  sign x = 0.3 Realna funkcija realne varijable f : I = a. f (x0 ) + ε . slijedilo bi da se i asimptote (odnosno pravci) proizvoljno blizu pribliˇavaju z jedna drugoj. Definirajmo sada pojam neprekidnosti funkcije. dok je u svim drugim toˇkama neprekidna. b −→ R. Odnosno. 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 . gdje je I ⊆ D(f ). Dakle nula je toˇka prekida od f . zbog svojstva asimptote da se graf funkcije proizvoljno blizu pribliˇava svakoj od asimpz tota. Funkcija je neprekidna ako male promjene u argumentu rezultiraju malim promjenama u vrijednosti funkcije. z Definicija 5.5 Neka je dana funkcija sign : R −→ R formulom   1. Primjer 5. OSNOVNI POJMOVI samo u beskonaˇno dalekom rubu domene.

4 stavimo M = max{|m|. b −→ R neprekidna u toˇki c x0 ∈ I. za svaki x ∈ I. gdje je I ⊆ D(f ). funkcija je neprekidna u x0 . takav da je c |f (x)| ≤ M . Analogo se dokaˇe za x0 < 0. FUNKCIJE y 1 0 x −1 Slika 5.8 Ako u Definiciji 5. onda za proizvoljni ε > 0 i za δ = |x0 | imamo da za sve x ∈ R za koje je |x − x0 | < δ vrijedi |f (x) − f (x0 | = |1 − 1| = 0 < ε. je ograniˇena ili omedena na I ako postoje realni brojevi m.4 Realna funkcija realne varijable f : I = a. onda je funkcija f ograniˇena na nekoj okolini oko x0 .9 Iz Definicije 5. Napomena 5. za svaki x ∈ I. M ∈ R c takvi da je m ≤ f (x) ≤ M. b −→ R. tj. gdje je I ⊆ D(f ). |M |} dobijemo ekvivalentnu definiciju: Realna funkcija realne varijable f : I = a. b −→ R. M > 0.166 POGLAVLJE 5. za svaki x ∈ I. c .4. Ako je x0 > 0.10 Ako je funkcija f : I = a. slijedi da je graf ograniˇene funkcije sadrˇan u horizontalnoj traci izmedu pravaca c z y = m i y = M. je ograniˇena na I ako postoji realan broj M ∈ R.8: Funkcija sign(x). iz uvjeta m ≤ f (x) ≤ M.♠ z Definicija 5. Napomena 5. tj. Napomena 5.

pri ˇemu je x ∈ D(f ) ∩ D(g). definiramo njihov . tj. c Za zadane dvije funkcije f. c D(f ± g) = D(f ) ∩ D(g). pri ˇemu je x ∈ D(f ) ∩ D(g). g : R −→ R. realnim brojevima. funkcija f : R −→ R dana c c formulom 1 .1. Npr. tako da smo operacije s funkcijama definirali dosta prirodno (onako kako smo i oˇekivali).1. vrˇiti raˇunske operacije s njima? s c Elementarne raˇunske operacije s funkcijama definiraju se preko operacija nad c njihovim vrijednostima.kvocijent s f g (x) = f (x) . funkcija sign : R −→ R iz Primjera 5.zbroj ili razliku s (f ± g)(x) = f (x) ± g(x). tj. c c 5.5 za koju znamo da ima prekid u nuli je oˇito ograniˇena na svakoj okolini oko nule.produkt s (f g)(x) = f (x)g(x).11 Ako funkcija ima prekid u toˇki. tj. c c S druge strane. . onda ona moˇe ali i ne mora c z biti ograniˇena na nekoj okolini toˇke prekida. c D(f g) = D(f ) ∩ D(g). Oˇito je funkcija f neograniˇena na svakoj okolini oko nule. i z kako. OSNOVNI POJMOVI 167 Napomena 5.5 Osnovne raˇunske operacije s funkcijama c Za dane dvije realne funkcije realne varijable postavlja se pitanje moˇemo li. x=0 x f (x) = 0.5. g(x) . x = 0 ima prekid u nuli (jer kada se argument pribliˇava prema nuli vrijednost funkcije z raste odnosno pada prema +∞ odnosno −∞. dok je sama vrijednost funkcije f (0) = 0). .

Graf funkcije f + g je ustvari graf funkcije f translatiran za −c u smjeru y osi prema dolje. c Preciznije. onda je (f + g)(x) = f (x) − c za svaki x ∈ D(f ).3). Funkciju h oznaˇavamo sa λf i oˇito je D(λf ) = D(f ). pri ˇemu je f proizvoljna. c c Neka su f. z c z Napomena 5. skup funkcija {1. Pogledajmo funkciju f + g u ovisnosti o c ∈ R. . Dakle imamo definirano c c mnoˇenje funkcije skalarom. . c) Ako je c < 0. c c ∈ R. 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. gdje je g konstantna funkcija g(x) = λ za svaki x ∈ R. a) Ako je c = 0. Uoˇimo da je D(g) = R. pa je D(f ± g) = D(f ). g : R −→ R. n = 0.13 Uz ve´ definirano zbrajanje funkcija i mnoˇenja funkcija skalarom (Napomena 5.168 POGLAVLJE 5. onda je (f + g)(x) = f (x) za svaki x ∈ D(f ).5). 1. c D f g = (D(f ) ∩ D(g)) \ {x ∈ D(g) : g(x) = 0}. a g dana formulom g(x) = c. Graf funkcije f + g je ustvari graf funkcije f translatiran za c u smjeru y osi prema gore. Tj. D(f g) = D(f ) i c g D f = {x ∈ D(f ) : f (x) = 0}. tj. skup svih realnih funkcija realne varijable je beskonaˇno dimenzionalan vektorski c prostor. onda je (f + g)(x) = f (x) + c za svaki x ∈ D(f ). graf funkcije f + g je isti kao i graf funkcije f ..12) oˇito je da je skup svih funkcija f : R −→ R vektorski prostor (Definicija 1... x } je linearno nezavisan skup za svaki n ∈ N (linearna nezavisnost proizlazi iz Teorema 5. x. Pogledajmo sada neke specijalne sluˇajeve raˇunskih operacija s funkcijama. 1. dakle beskonaˇni skup {xn . .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. Npr. FUNKCIJE pri ˇemu je x ∈ D(f ) ∩ D(g) ali takav da je g(x) = 0. Napomena 5. x ..} je sadrˇan u c z nekoj bazi od vektorskog prostora realnih funkcija realne varijable.

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

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

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

dok su funkcije f g i f obje neparne. za svaki x ∈ D(f ) takav da je f (x) ∈ D(g).4). f g i f g f g sve parne. Matematiˇki se to formalizira pojmom kompozicija funkcija. onda su funkcije f ± g. neparna a f parna. Kao ˇto ˇesto izlaz jednog stroja sluˇi kao ulaz drugome. Neka su f. recimo g.12: Kompozicija funkcija. g : R −→ R funkcije. Ako su obje neparne.172 POGLAVLJE 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)). Definicija 5. Primjer 5. Ako su obje parne.1. Tada izravno iz definicije parnosti sc i neparnosti imamo: 1. Ako je jedna funkcija. 2. onda funkcija f ± g nije ni parna ni neparna (osim ako jedna od f ili g nije nul funkcija.6 Kompozicija funkcija Ponekad je o funkcijama korisno razmiˇljati kao o strojevima koji uzimaju odredenu s sirovinu (argument) na ulazu i daju gotovi proizvod (vrijednost) na izlazu. te funkcije f g i obje parne. Tim se postupkom mogu stvarati nove z funkcije. . FUNKCIJE Pogledajmo joˇ kako se elementarne operacije slaˇu s parnoˇ´u odnosno s z sc neparnoˇ´u. g 5. onda je funkcija f ± g neparna. Dakle D(g ◦ f ) = {x ∈ D(f ) : f (x) ∈ D(g)}. 3. tako ˇesto i vrijednost s c z c jedne funkcije sluˇi kao argument druge. c h f A B g C Slika 5.

za tu funkciju vrijedi g ◦ f = f ◦ g = g. za svaku funkciju g : R −→ R.♠ x+1 x+1 173 2x . 1 . Napomena 5. 3x + 1 3x + 1 2x 6x = . U takvom sluˇaju piˇemo f 2 = f ◦ f . jer je D(id ◦ f ) = D(f ◦ id) = D(f ).15 Ako vrijednosti funkcije f moˇemo padaju u njenu domenu. Naime.6 vidimo da operacija kompozicije funkcija nije komutativna. da je. OSNOVNI POJMOVI Primjer 5.7 Neka je dana funkcija f (x) formulom f (x) = x . c Napomena 5. g ◦ f = f ◦ g.6 Odredimo kompozicije g◦f i f ◦g funkcija f (x) = 3x i g(x) = 2 · 3x 6x = . tj. c s Ovdje treba biti oprezan i ne pobrkati ovo s operacijom kvadriranja vrijednosti funkcije f . tj. op´enito. Funkciju f (x) = x zovemo identiteta i oznaˇavamo je s i(x) ili c id(x).16 Primijetimo da kompozicija f ◦ id = id ◦ f = f uvijek postoji za svaku funkciju f . za proizvoljnu funkciju f . 1 Primjer 5.5. moˇemo gledati funkciju f ◦ f . z funkciju f komponirati samu sa sobom. .1. x+1 (g ◦ f )(x) = g(3x) = (f ◦ g)(x) = f 2x x+1 =3· Iz Primjera 5. Tada je oˇito c D(f ) = R(f ). Tako imamo z (f ◦ f )(x) = ˇto je oˇito razliˇito od vrijednosti s c c (f (x))2 = 1 1 x = x.♠ x2 Funkcija f : R −→ R dana formulom f (x) = x ima s obzirom na operaciju kompozicije funkcija sliˇnu ulogu kao i broj 1 s obzirom na operaciju mnoˇenja c z realnih brojeva. Dakle imamo f ◦ id = id ◦ f = f.

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 ). onda za x1 . 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 ). a) Ako su funkcije f i g rastu´e. Monotonost kompozicije u ovisnosti o monotonosti komponenata. c c b) Ako su funkcije f i g padaju´e. njihova kompozicija je padaju´a. tj. c . 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 ). njihova kompozicija je rastu´a. tj.174 POGLAVLJE 5. c d) Ako je funkcija f padaju´a a g rastu´a. onda za x1 . onda za x1 . s 1. njihova kompozicija je rastu´a. tj. tj. njihova kompozicija je padaju´a. 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 . c c) Ako je funkcija f rastu´a a g padaju´a.

Parnost kompozicije u ovisnosti o parnosti komponenata. ako je funkcija f neprekidna u x0 . onda je kompozicija g ◦ f neparna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = −g(f (x)) = −(g ◦ f )(x). onda je i kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). Vaˇno je da se svojstvo neprekidnosti dobro nasljeduje pri kompoziciji funkcija. g f N N P P P P g f N P Slika 5.1. c . c) Ako je funkcija f parna a g neparna. d) Ako je funkcija f neparna a g parna.5. b) Ako su funkcije f i g neparne. z 3. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(f (x)) = (g ◦ f )(x). OSNOVNI POJMOVI 2. onda je i kompozicija g ◦ f neprekidna u x0 . 175 a) Ako su funkcije f i g parne. Toˇnije. a funkcija g definirana c i neprekidna u f (x0 ).13: Kompozicija funkcija. ali to ´emo detaljnije razraditi kasnije. onda je kompozicija g ◦ f parna jer vrijedi (g ◦ f )(−x) = g(f (−x)) = g(−f (x)) = g(f (x)) = (g ◦ f )(x).

i obrnuto.9 Neka je dana funkcija b koja svakom studentu pridruˇuje broj bodova z na teorijskom dijelu kolokvija.176 POGLAVLJE 5. Dakle imamo.. Rjeˇavaju´i tu jednadˇbu po x dobijemo x = 4 h. a za z c neke nije. Kaˇe se i da z c z f ne lijepi argumente. tj. 200x + 500 = 1300. 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.6 Funkcija f : A −→ B je injekcija ako za svaki x1 .8 Troˇkovi rada stroja su 200 kn/h. Uspjeli smo rijeˇiti problem. Sada se postavlja pitanje: koji je student imao nula bodova na teorijskom dijelu kolokvija? Na ˇalost. FUNKCIJE 5. 10 sati rada stroja koˇtati 2500 kn. 1. moˇe biti viˇe studenata koji su imali nula bodova. . s s Jasno je da ´e nas npr. tj. b : studenti −→ {0. Tada je oˇito iznos c c novca u ovisnosti o vremenu rada stroja dan s y(x) = 200x + 500. Drugim rijeˇima. . Primjer 5. za svaki iznos novaca postoji jedinstveno vrijeme rada (unajmljivanja) stroja. i joˇ 500 kn za dovoz i odvoz.1. c s Pogledajmo sada obratni problem. 2. Nas zanima x(y). 12}.. x2 ∈ D(f ) uvjet x1 = x2 povlaˇi f (x1 ) = f (x2 ). To je za neke funkcije mogu´e.. Dakle. zaz z s kljuˇujemo da ne postoji jedinstveni argument funkcije b ˇija je vrijednost 0.♠ z s Definicija 5. s c z s za svako vrijeme rada (unajmljivanja) stroja postoji jedinstvena cijena. Ne c c moˇemo rijeˇiti problem.♠ Primjer 5.7 Inverzna funkcija ˇ Cesto se javlja potreba da se iz poznate vrijednost funkcije odredi vrijednost argumenta za koju se ta vrijednost postiˇe. injekcija razliˇitim c c c vrijednostima argumenta pridruˇuje razliˇite funkcijske vrijednosti.

za bilo koji c ∈ R. jer pravac y = 1 sijeˇe graf funkcije f (x) = xn za parno n u toˇkama c c (−1. Ako sada c umjesto y = 1300 uzmemo bilo koji c ∈ R i rijeˇimo jednadˇbu s z 200x + 500 = c.11 U Primjeru 5. s Injektivnost se na grafu realne funkcije manifestira ˇinjenicom da se presjek grafa c i pravca y = c sastoji od najviˇe jedne toˇke.8 izraˇunali smo da je x(1300) = 4. surjektivnost i bijektivnost su vaˇna svojstva realnih funkcija.14: Graf injekcije (lijevo) i funkcije koja nije injekcija (desno). n ∈ N. .17 Uoˇimo da je uvjet injektivnosti funkcije f iz Definicije 5.7 Funkcija f : A −→ B je surjekcija ako za svaki y ∈ R(f ) postoji x ∈ D(f ) takav da je y = f (x).10 Funkcija f (x) = xn . 1). s c Primjer 5.1. 1) i (1. a injektivnost njegovu jedinstvenost. Napomena 5. f (x1 ) = f (x2 ) povlaˇi x1 = x2 . je injekcija za neparan n. c c Definicija 5. Definicija 5.18 Primijetimo da je svaka funkcija f : A −→ B uvijek surjekcija na svoju sliku. x2 ∈ D(f ). OSNOVNI POJMOVI y y 177 0 x 0 x Slika 5. Surjektivnost osigurava c sc c s z postojanje rjeˇenja.♠ Primjer 5.6 c ekvivalentan sljede´em: za x1 . f : D(f ) → R(f ) je uvijek surjekcija. Napomena 5. ali ne i za paran n.8 Funkcija f je bijekcija ako je i injekcija i surjekcija. tj.5. S z njima se najˇeˇ´e susre´emo kod rjeˇavanja jednadˇbi. Injektivnost.

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

Problem odredivanja bijektivnosti moˇemo svesti na problem odredivanja injekz tivnosti jer je svaka funkcija surjekcija na svoju sliku. g1 (x) = − x. kad govorimo o inverzima funkcija f : R −→ R. c Primijetimo da ako f nije strogo monotona nego samo monotona. 0]. Neka je f : D(f ) −→ R(f ) i za x ∈ D(f ) neka je y = f (x) ∈ R(f ). Dakle. Kad g ne bi bila strogo rastu´a funkcija onda niti f ◦ g ne bi bila strogo rastu´a.12 Funkcija f : R −→ R(f ) dana formulom f (x) = x2 nije injekcija (Primjer 5. onda je ona oˇito i bijekcija na svoju sliku. Tada iz Napomene 5. +∞ jesu. c c Dokaz: Neka je f : R −→ R strogo rastu´a. +∞ −→ [0.0] √ i f |[0. Teorem 5.20 Ako je funkcija f : R −→ R strogo monotona.10). a strogo c c padaju´e funkcije strogo padaju´a. a ona c c je strogo rastu´a funkcija. +∞ .♣ z c .♠ Napomena 5. Dakle vrijedi f ◦ g = g ◦ f = id.+∞ su bijekcije s inverzima g1 : [0. +∞ −→ −∞. jer je c f ◦ g = g ◦ f = id.1. 0] i [0. c Analogno se dokaˇe tvrdnja ako je f strogo padaju´a.1 Inverzna funkcija strogo rastu´e funkcije je strogo rastu´a.5. Tada je dobro definirana funkcija g : R(f ) −→ D(f ) formulom g(y) = g(f (x)) = x. Dakle.20 znamo da f c ima inverznu funkciju g. no njezine restrikcije na −∞. Tada je funkcija koja vrijednostima slike od f pridruˇuje argumente z od f dobro definirana. i √ g2 : [0. Primjer 5. onda ona ne mora imati inverznu funkciju jer ne mora biti injekcija. g2 (x) = x. uvijek mislimo na inverze njihovih restrikcija na intervale na kojima su injektivne. OSNOVNI POJMOVI 179 Napomena 5. f | −∞. To je oˇito inverzna funkcija od f . pa ima i inverznu funkciju. No f ◦ g = id.19 Funkcija f : A −→ B ima inverznu funkciju ako i samo ako je bijekcija.

2 Inverzna funkcija neparne funkcije je neparna. Kako za inverznu funkciju vrijedi f (f −1 (x)) = x. praktiˇno izraˇunati.12 slijedi da tvrdnju Teorema 5. +∞ gdje je bijekcija. +∞ −→ −∞. Rjeˇavaju´i jednadˇbu f (f −1 (x)) = x po f −1 (x) dobivamo s c z f −1 (x) = √ x + 4.♣ Iz Primjera 5. 0] ili [0.2 ne moˇemo izre´i za parne funkcije. Dakle. Ako ˇelimo prona´i inz c verznu funkciju od f moramo f restringirati na −∞. jer je f (x) c rastu´a.180 POGLAVLJE 5. zakljuˇujemo da se odredivanje funkcije f −1 svodi na rjeˇavanje jednadˇbe f (f −1 (x)) = c s z x po nepoznanici f −1 (x). Tada je njena inverzna funkcija g : [0. f −1 je neparna. Primjer 5.13 funkcija f (x) = xn za paran n je definirana na cijelom R i slika joj je [0.21 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. z c Napomena 5. Tada imamo f −1 (−f (x)) = f −1 (f (−x)) = −x = −f −1 (f (x)). FUNKCIJE Teorem 5. 0] odnosno . Dokaz: Neka je funkcija f neparna bijekcija i neka je f −1 njena inverzna funkcija.13 Odredimo inverznu funkciju za funkciju f : R+ −→ R(f ) danu 0 2 formulom f (x) = x − 4. Predznak + odabrali smo kako bi f −1 (x) bila rastu´a funkcija.♠ c Analogno kao u Primjeru 5. ali nije bijekcija. +∞ . Pokuˇajmo sada. inverznu funkciju proizvoljne bijekcije s c c f : R −→ R.

onda je f bijekcija sa R u R i inverzna funkcija joj je √ g : R −→ R dana formulom g(x) = n x. c Osim elementarnih postoje i tzv. Pojam funkcije je vrlo op´enit i obuhva´a i tipove ovisnosti koji nemaju veliku c c praktiˇnu primjenu.2 -3 -2 -1 -0. specijalne funkcije kojima se ovdje ne´emo c baviti. 0. Restrikcija te funkcije na interval [−1.5. Primjer takve funkcije je c x f (x) = xe . 5.8 0. no ona se ne moˇe izraziti kao konaˇna kombinacija elementarnih z c funkcija. +∞ −→ [0. nije uvijek mogu´e te inverzne funkcije c eksplicitno zapisati pomo´u elementarnih funkcija. Najˇeˇ´e i najjednostavnije zovemo elementarnim funkcijama. PREGLED ELEMENTARNIH FUNKCIJA 181 √ √ g : [0. ima inverznu funkciju.4 0. tj.2 Pregled elementarnih funkcija Funkcije koje se u primjeni najˇeˇ´e pojavljuju dobile su tijekom povijesti posebna c sc imena i oznaku. 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. Ako je n neparan. ˇ Cak i za funkcije koje imaju inverze.2. c .4 1 2 Slika 5.16: Graf funkcije f (x) = xex . +∞ je bijekcija. +∞ dana formulom − n x odnosno n x.2 -0.6 0.

Trigonometrijske . mnoˇenih nekim koeficijentima.2.182 POGLAVLJE 5.Area 2.2 Polinomi Za svaki realan broj x mogu´e je izraˇunati svaku njegovu potenciju s nenegac c tivnim cjelobrojnim eksponentom k ≥ 0.Polinomi .2. k Po definiciji stavljamo x0 = 1. Elementarne a) Algebarske . FUNKCIJE 5. za svaki x ∈ R.Ciklometrijske . dolazimo do pojma z . xk = x · x · · · x .1 Klasifikacija i podjela realnih funkcija 1.Racionalne funkcije . Specijalne a) Gama b) Besselove c) erf d) Ortogonalni polinomi e) Hipergeometrijske f) Ostale 5.Logaritamske . Zbrajaju´i konaˇno mnogo takvih c c potencija istog broja x ∈ R.Hiperboliˇke c .Ostale algebarske funkcije b) Transcendentne .Eksponencijalne .

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

a toˇka u kojoj graf c s c polinoma sijeˇe os x da je nultoˇka. Broj c k zove se red ili kratnost nultoˇke x0 . .02 3 2 0.14. FUNKCIJE n Teorem 5.3 moˇemo sada dati drugu karakterizaciju jednakosti z polinoma iz Definicije 5.♣ i=0 ai xi jest nulpoli- Kao posljedicu Teorema 5.184 POGLAVLJE 5. Polinom f (x) = (x−2)3 c c ima u x = 2 nultoˇku tre´eg reda. tj. Apscisa nultoˇke je nuliˇte.5 3 Slika 5.. c c c s naravno.11. n. Kaˇemo da je x0 nultoˇka k-tog reda polinoma Pn ako je z c Pn (x) = (x − x0 )k Qn−k (x).. pri ˇemu je Qn−k (x) polinom stupnja n − k u varijabli x i Qn−k (x0 ) = 0.3 (Teorem o nulpolinomu) Polinom Pn (x) = nom ako i samo ako je a0 = a1 = .01 -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 .: n m Teorem 5. 0.5 2 2. Polinom c f (x) = (x−1)2 ima u toˇki x = 1 nultoˇku drugog reda...♠ c c 2 1 -2 -1 -1 -2 -1 1 2 1 1 2 3 -0. c Primjer 5. 1. c c . c Pravilnije bi bilo re´i da je takav broj nuliˇte polinoma.♣ Broj x0 ∈ R za koji je Pn (x0 ) = 0 je realna nultoˇka polinoma Pn .14 Polinom f (x) = x ima u x = 0 nultoˇku prvog reda. za sve i = 0. = an = 0.01 1..18: Primjeri nultoˇaka razliˇite kratnosti iz Primjera 5.02 4 0. a ordinata je.

a padaju´a ako je a ≤ 0. Ako je k neparan.19: Graf linearne funkcije f (x) = x + 75. onda znamo da Pn (x) moˇemo zapisati kao Pn (x) = (x − x0 )k Qn−k (x).ako raste u s c nekoj toˇki.5. Dakle Pn (x) mijenja predznak u nultoˇki c x0 neparnog reda.22 U nultoˇkama neparnog reda polinom mijenja predznak. c b Oˇito za a = 0 linearna funkcija ima toˇno jednu nultoˇku − a .2. po Teoremu c 6. c Dokaz: Svaki polinom je neprekidna funkcija na R (Teorem 6. Ako je x0 ∈ R nultoˇka reda k c od Pn (x). Funkcija p : R −→ R dana formulom p(x) = ax2 + bx + c. odnosno strogo padaju´a. Linearna funkcija p(x) = ax + b je rastu´a ako je a ≥ 0. Ako su ove nejednakosti c c stroge.3 imamo da na nekoj okolini oko x0 za x < x0 vrijedi (x − x0 )k < 0.3 Qn−k (x) = 0 na nekoj oklini oko x0 . onda iz Teorema 6. tj.3 imamo da na nekoj okolini oko x0 za x < x0 i za x > x0 vrijedi (x − x0 )k > 0.8). kaˇemo da je linearna funkcija strogo rastu´a. dok c u nultoˇkama parnog reda nema promjene predznaka. a = 0. dok za x > x0 vrijedi (x − x0 )k > 0. Graf kvadratne funkcije je parabola koja ima os simetrije paralelnu s osi y. Graf linearne funkcije je pravac s koeficijentom smjera a i odsjeˇkom na osi y jednakim c b. gdje je k z red nultoˇke x0 i Qn−k (x) polinom stupnja n − k takav da je Qn−k (x0 ) = 0. 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. onda iz Teorema 6. a prema dolje ako je a < 0. je polinom drugog stupnja ili kvadratna funkcija. Dakle Pn (x) ne mijenja predznak u nultoˇki x0 parnog reda. Tjeme . PREGLED ELEMENTARNIH FUNKCIJA 185 Napomena 5. za x ≥ 0. Za a = 0 imamo konstantnu funkciju p(x) = b. raste na cijelom R. ♣ c Polinom prvog stupnja p(x) = ax + b zovemo linearna funkcija. Otvor joj je okrenut prema gore ako je a > 0. Ako je k paran.

Nultoˇke kvadratne funkcije dane su formulom c x1.♣ c Iz Teorema 5.2 = √ −b± D . P7 (x) = (x − 4)7 ) svodi se na numeriˇke c metode. mora postojati broj c x0 ∈ R koji ´e biti nultoˇka od Pn (x).20: Graf kvadratne funkcije f (x) = x2 + 3x − 4. 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. Zbog neprekidnosti c polinoma na R (Teorem 6. dok za polinome stupnja viˇeg od ˇetiri takve c c s c formule ne postoje.23 Polinom neparnog stupnja mora imati barem jednu nultoˇku. gdje je D diskriminanta kvadratne funkcije D = b2 − 4ac. 2a i realne su ako je D ≥ 0.8) graf polinoma mora negdje sje´i x os.5 (Osnovni teorem algebre) Svaki polinom n-tog stupnja ima toˇno c n kompleksnih nultoˇaka. Traˇenje nultoˇaka polinoma stupnja viˇeg od ˇetiri (ako z c s c polinom nema neki posebni oblik. inaˇe velike pozitivne). −D/4a). parabole ima koordinate (−b/2a. npr. Za polinome tre´eg i ˇetvrtog stupnja takoder postoje formule c c za raˇunanje njihovih nultoˇaka.5 direktno slijedi da svaki polinom n-tog stupnja moˇe imati najviˇe z s n realnih nultoˇaka. inaˇe velike negativne vrijednosti). Vidimo da je pronalaˇenje nultoˇaka polinoma prvog i drugog stupnja relaz c tivno lagano. Teorem 5.186 6 4 2 -5 -4 -3 -2 -1 -2 -4 -6 POGLAVLJE 5. tj.♣ c c . c Napomena 5. FUNKCIJE 1 2 Slika 5.

c graf joj je centralno simetriˇan s obzirom na ishodiˇte. 0). tj. jer za velike apsolutne s c c vrijednosti argumenta x broj xn je po apsolutnoj vrijednosti puno ve´i od broja c i x .♠ c . c n Za velike apsolutne vrijednosti argumenta polinom Pn (x) = i=0 ai xi se ponaˇa kao njegov vode´i ˇlan. 0). Primjer 5. c vrijedi D(Pn ) = R. onda je oˇito funkcija Pn (x) = xn parna. i = 1.15 Kvadratna funkcija p(x) = x2 + 1 nema realne nultoˇke jer je c D < 0.. iz Primjera 5. dakle nije injekcija.2. onda je oˇito funkcija Pn (x) = xn neparna. Nadalje. +∞ . 3.21: Grafovi funkcije f (x) = xn za neparne (lijevo) i parne (desno) n. tj. Nadalje vrijedi c s D(Pn ) = R(Pn ) = R. dakle je bijekcija i ima nultoˇku u (0.5. Pn (x) strogo raste na R. c neparna je i ima nultoˇku u (0. Oˇito je D(P1 ) = R(P1 ) = R.15 zakljuˇujemo da polinom parnog stupnja moˇe i ne mora c z imati realne nultoˇke. tj. kao funkcija an xn . strogo raste na [0. c 2. c 4 2 12 10 8 6 -4 -2 -2 -4 2 4 4 2 -3 -2 -1 1 2 3 Slika 5.♠ Dakle.. Ako je n paran broj.16 Pogledajmo funkciju (polinom) Pn (x) = xn . 0). PREGLED ELEMENTARNIH FUNKCIJA 187 Primjer 5. . P1 (x) strogo raste na R. 1. n − 1. +∞ i ima nultoˇku u (0. dakle je bijekcija. onda je P1 (x) = x linearna funkcija.. 0]. tj. Strogo pada na −∞. R(Pn ) = [0. Ako je n neparan broj. graf c joj je zrcalno simetriˇan s obzirom na y os. pravac y = x. Ako je n = 1.

Po analogiji s racionalnim c brojevima.24 Uoˇimo da za polinom prvog stupnja (linearnu funkciju) nema c smisla govoriti o asimptotama. dijeljenjem polinoma c izlazimo iz te klase funkcija. problem s asimptotike je sloˇeniji.. i = 1.188 POGLAVLJE 5.25 Polinom proizvoljnog stupnja n > 1 nema asimptotu. Npr.. problem poniˇtavanja je vrlo kompliciran. sam sebi je asimptota...2. 5. z n Nadalje. m. j = 1. 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. Vertikalnu ne moˇe imati jer je svaki polinom neprekidna funkcija.3 Racionalne funkcije Oˇito je zbroj. n. y) = i=0 j=0 aij xi y j . . FUNKCIJE Napomena 5.12 Polinom (n + m)-tog stupnja u dvije varijable x i y je funkcija zadana formulom n m Pnm (x. z Definicija 5. u tom sluˇaju se situacija komplicira. umnoˇak i kompozicija polinoma ponovo polinom. Za .♣ z Osim promatranih polinoma jedne varijable moˇemo promatrati i polinome z viˇe varijabli.8) zakljuˇujemo da polinom stupnja c n > 1 ne moˇe imati vertikalnu asimptotu. razlika.. Dokaz: Zbog neprekidnosti svakog polinoma na R (Teorem 6. Dakle. kako se polinom Pn (x) = i=0 ai xi . Naravno. ne moˇemo s c z govoriti o monotonosti takvih funkcija jer ne znamo usporedivati uredene p-torke (ako polinom ima p varijabli).. itd. sliˇno kao ˇto dijeljenjem prirodnih (ili cijelih) broc s jeva dobivamo brojeve koji (op´enito) nisu prirodni. tj. . n > 1. su koeficijenti polinoma Pnm (x). kvocijente dvaju polinoma nazivamo racionalnim funkcijama. Napomena 5. Realne konstante aij . dok za kosu z ili horizontalnu nema smisla govoriti jer je polinom prvog stupnja ustvari pravac. ali c z kvocijent dvaju polinoma op´enito nije polinom.

Naravno. nultoˇkama nazivnika. 6. PREGLED ELEMENTARNIH FUNKCIJA 189 razliku od polinoma. U polu racionalna funkcija c nije definirana. Qm (x) = 0}. (Smatramo da je racionalna funkcija ve´ skra´ena. Definicija 5. nije racionalna funkcija. tj. Dakle. s c D(f ) = {x ∈ R. c c . c Primjer 5. 5.17 Pogledajmo sljede´e primjere: c 1. Polinomi su specijalni sluˇaj racionals c nih funkcija kojima je polinom u nazivniku jednak 1. racionalna funkcija nije definirana u c najviˇe konaˇno mnogo toˇaka iz R. tj. Funkcija hR dana formulom h(x) = 4. 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. 3.5. Funkcija f dana formulom f (x) = 2.) Dakle. Funkcija g dana formulom g(x) = x+2 x2 −3 x sin x x−1 je racionalna funkcija.2. Funkcija j dana formulom j(x) = x−13 je polinom. Funkcija k dana formulom k(x) = 2 2−3x je racionalna funkcija. je racionalna funkcija. da ne postoji x0 ∈ R koji c c je nultoˇka i brojnika i nazivnika. Qm (x) Nultoˇke nazivnika se zovu polovi racionalne funkcije. ali i racionalna funkcija kod koje je nazivnik polinom Q1 (x) = 1.♠ Pn Racionalna funkcija f (x) = Qm(x) je definirana u svim realnim brojevima osim u (x) onima za koje se nazivnik poniˇtava. s c c Nultoˇke racionalne funkcije su nultoˇke njenog brojnika. Qm (x) pri ˇemu su Pn (x) i Qm (x) polinomi u x. takve su definirane na cijelom R. Funkcija i dana formulom i(x) = x7 −5 2−3x−x3 2x+1 √ x nije racionalna funkcija.13 Funkcija f : R → R je racionalna ako je oblika f (x) = Pn (x) . postoje i racionalne funkcije kojima se nazivnik nigdje ne s poniˇtava. f (x) = c c Pn (x) = 0 ako i samo ako je Pn (x) = 0. Red pola je red odgovaraju´e nultoˇke nazivnika. Dakle.

kad c argument ide u +∞ i −∞.26). 2. U okolini polova vrijednosti racionalne c funkcije postaju po volji velike (idu u +∞) ili po volji male (idu u −∞) s jedne i s druge strane (Napomena 5. (lijevo) i pola Napomena 5.26 Ako je pol parnog reda.22: Primjer pola neparnog reda funkcije f (x) = 1 parnog reda funkcije f (x) = x2 (desno).graf racionalne funkcije moˇe imati asimptote: z 1. racionalne funkcije mogu imati joˇ i horizontalne i kose s asimptote. Dakle. kao i u toˇkama u c kojima se nazivnik poniˇtava. i to na vanjskim rubovima prirodnog podruˇja definicije. vrijednosti funkcije s lijeve i desne strane pola teˇe u suprotne beskonaˇnosti. FUNKCIJE 100 75 50 25 -1 -0.♣ Za odredenu kombinaciju stupnjeva brojnika i nazivnika. Racionalna funkcija u polu ima vertikalnu asimptotu (jer je pol rub prirodnog podruˇja definicije racionalne funkcije).22.190 POGLAVLJE 5. z c Dokaz: Red pola je red nultoˇke nazivnika. Osim vertikalnih.5 1 x 1 Slika 5. bi x i=0 i−m bi x i=0 i xm . dok za polove neparnog z c reda. onda vrijednosti racionalne funkcije s njegove lijeve i desne strane teˇe u istu beskonaˇnost.5 0.5 -25 -50 -75 -100 0. racionalna funkcija pokazuje ponaˇanje koje nismo s s nalazili kod polinoma . tj. 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. Sada tvrdnja izravno slijedi iz Napomene c 5.

odnosno racionalna fukcija se an u beskonaˇnosti ponaˇa kao bm x. Dakle. tj. onda racionalna funkcija ima horizontalnu asimptotu y = c. b) Ako je n = m.5.2. c xm ai xi−m i=0 m tj. Racionalna funkcija ima horizontalnu c asimptotu y = 0. Preciznije. racionalna funkcija nema ni horizontalne ni kose asimptote. se pribliˇava broju z bi x i−m am . bi xi−m i=0 xm i=0 m bi xi−m xm Sada kad pustimo da argument ide u beskonaˇnost drugi pribrojnik. d) Ako je n = m + 1. odnosno racionalna funkcija (koja se za z an velike vrijednosti argumenta ponaˇa kao bm xn−m ) raste ili pada brˇe s z od pravca. onda je n − m > 1. bm x an a) Ako je n < m. bn . Dakle za velike x racionalna funkcija f se ponaˇa s kao an n−m . bm dok prvi pribrojnik. onda je n − m = 1. 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 . imamo c s m+1 m f (x) = Pm+1 (x) = Qm (x) ai xi i=0 m = b i xi am+1 x m m+1 ai xi + i=0 m = b i xi b i xi i=0 m i=0 i=0 x (am+1 x) m m x + m i=0 m ai xi−m . tj. gdje je c jednak kvocijentu vode´ih koeficijenata polinoma u c an brojniku i nazivniku. onda izraz bm xn−m postaje po volji blizu nuli kada argument ide u beskonaˇnost. xm . i=0 . an c) Ako je n > m + 1.

. 0] i za svaki x ∈ −∞.27 Analogno kao i kod vertikalnih asimptota. f strogo raste na [0. racionalne funkcije imaju svojstvo da im je isti pravac horizontalna (ili kosa) asimptota na obje strane. z √ Primjer 5.18 Neka je dana funkcija f : R −→ R formulom f (x) = x2 + 1. Nadalje. Napomena 5. m i−m xm bi x i=0 m POGLAVLJE 5. f (x) = x + x (desno) i njihovih asimptota. +∞ vrijedi f (x) > x. z onda je isti pravac horizontalna asimptota i kad x teˇi u −∞. dakle nije injekcija. zrcalno simetriˇna obzirom c c na y os. bm jer i=0 bi xi−m ide u bm . Primjetimo da pravci y = x i y = −x nisu kose asimptote funkcije f na obje strane jer slika funkcije f je [1.27 ne mora vrijediti. kada argument ide u beskonaˇnost. FUNKCIJE ide u am+1 x. z Dakle pravci y = x i y = −x su kose asimptote funkcije f . tj.♠ Iz Primjera 5. +∞ . 4 2 -1 -2 -4 1 2 3 -6 -4 -2 4 2 2 -2 -4 4 1 1 Slika 5. Oˇito je D(f ) = R. Dakle. f strogo pada na −∞. Dakle. 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). racionalna funkcija se pribliˇava pravcu c z (kosoj asimptoti) am+1 bm x + am bm .192 xm (am+1 x) .18 zakljuˇujemo da za funkcije koje nisu racionalne (joˇ kaˇemo c s z da su iracionalne) svojstvo iz Napomene 5. +∞ . +∞ i za svaki x ∈ 0. 0 vrijedi f (x) > −x. R(f ) = [1. f je parna.23: Primjer racionalnih funkcija f (x) = 1 − x−1 (lijevo). ako racionalna funkcija ima asimptotu y = c kad x teˇi u +∞.

y) = Pn (x) − y. √ x2 + 1 i njenih asimptota z Napomena 5. 5. c Neka je sada f (x) = funkcija i algebarska. y) = x − y n oˇito je P (x.4 Algebarske funkcije Funkcija je algebarska ako se u formuli kojom je zadana pojavljuju samo cjelobrojne potencije i korijeni. Definirajmo polinom u dvije varijable s P (x.18.29 Svaki polinom i racionalna funkcija su algebarske funkcije. jer u suprotnom ne bi bila funkcija. y) takav da vrijedi P (x. f (x)) = 0. c .2. Dokaz: Neka je dan proizvoljni polinom Pn (x). Tada je oˇito P (x.2. Definicija 5. f (x)) = 0. Tada je oˇito P (x.14 Funkcija f : R −→ R je algebarska ako postoji polinom od dvije varijable P (x. Funkcija f dana formulom f (x) = n x je algebarska za svaki n ∈ N jer za polinom P (x.19 1. PREGLED ELEMENTARNIH FUNKCIJA 3 2 1 -4 -2 -1 -2 -3 2 4 193 Slika 5. Definirajmo polinom u dvije varijable s P (x. Pn (x)) = 0.24: Primjer iracionalne funkcije f (x) = iz Primjera 5. y) = Qm (x)y −Pn (x). f (x)) = 0. ♣ Pn (x) Qm (x) proizvoljna racionalna funkcija. dakle je svaka racionalna c √ Primjer 5.5.28 Funkcija ne moˇe na istu stranu imati i horizontalnu i kosu asimptotu. dakle je svaki polinom algebarska funkcija. Napomena 5.

194 POGLAVLJE 5. za z velike argumente vrijednosti funkcije se proizvoljno blizu pribliˇavaju nuli. c 1 3. y) = xy n − 1 oˇito je P (x. Funkcija 4 √ f je definirana svugdje osim u toˇkama u kojima je 4 x = 0 i x < 0 c .20 1. Funkcija f je inverzna funkcija restrikcije funkcije g(x) = x2 na [0. Kada se argument sve viˇe pribliˇava c s z broju 1. tj. Horizontalnu ne c moˇe imati zbog strogog rasta i neomedenosti. Funkcija f je √ definirana svugdje osim u toˇkama u kojima je x − 1 = 0 i x − 1 < 0 c (Primjer 5. Neka je dana algebarska funkcija f formulom f (x) = x. f strogo raste na domeni i f je definirana u konaˇnom rubu prirodnog podruˇja definicije. z tj. koja je bijekcija sa R na R. ima vertikalnu asimptotu x = 1. FUNKCIJE 1 2.4).13). c c √ Nadalje. z √ 2. Dakle. Neka je dana algebarska funkcija f formulom f (x) = 3 x. pravac y = 0 je horizontalna asimptota funkcije f . √ Primjer 5. je D(f ) = 1. f strogo pada na domeni i f nije definirana u konaˇnom rubu prirodnog podruˇja c c definicije. u 1 (toˇka 5. +∞ .13). Funkcija f je inverzna funkcija funkcije g(x) = x3 . Neka je dana algebarska funkcija f formulom f (x) = √x−1 . dok kosu asimptotu ne moˇe imati zbog Napomene 5.1. Dakle.♠ 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. kako za velike argumente vrijednost x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. +∞ (Primjer 5. c c tj.1. Nadalje. Dakle. je D(f ) = R(f ) = [0. Funkcija f dana formulom f (x) = √x je algebarska za svaki n ∈ N jer za n polinom P (x. f (x)) = 0. +∞ . z 1 4. Neka je dana algebarska funkcija f formulom f (x) = 1 + √x . 0 je regularna toˇka (toˇka 5.13). Nadalje. f strogo raste na R i neomedena je. tj. je D(f ) = R(f ) = R (Primjer 5. dakle nema vertikalnu asimptotu.28. +∞ i R(f ) = 0. kako √ za velike argumente vrijednost 3 x puno sporije raste od bilo kojeg pravca zakljuˇujemo da f nema kosu asimptotu. vrijednost funkcije raste u +∞ i njen se graf prozvoljno blizu pribliˇava pravcu x = 1.13). dakle nema niti vertikalnu niti horizontalnu asimptotu.4).

5.2. PREGLED ELEMENTARNIH FUNKCIJA

195

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

196

POGLAVLJE 5. FUNKCIJE

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

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

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

197

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

5.2.5

Eksponencijalne funkcije

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

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

198
20 15 10 5

POGLAVLJE 5. FUNKCIJE
20 15 10 5

-3

-2

-1

1

2

3

-3

-2

-1

1

2

3

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

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

199

= ax−y ;

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

=

ax ; bx

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

5.2.6

Logaritamske funkcije

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

.

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

200

POGLAVLJE 5. FUNKCIJE

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

-4

-2 -1 -2 -3 -4

2

4

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

5.2. PREGLED ELEMENTARNIH FUNKCIJA

201

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

= loga x − loga y;

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

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

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

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

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

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

onda vrijedi xt = x2π−t i yt = −y2π−t . yt i hipotenuzom 1 slijedi da je xt = cos t i yt = sin t. cos(t + 2kπ) = cos t . 2 ] moˇemo c z 2 2 3π 3π 3π definirati cos t = − cos( 2 − t) i sin t = − sin( 2 − t). 0). Sliˇno. s [0. Analogno se sinus i kosinus s proˇire s [0. Time svakom z realnom broju t s pravca pridruˇili smo jedinstvenu toˇku T = (xt . 0] (pri ˇemu je namatanje u smjeru s c 2 2 kazaljke na satu). c 2 3π onda je oˇito xt = −x 3π −t i yt = −y 3π −t . ali oˇito vrijedi xt = −xπ−t i yt = yπ−t . z (1.204 1 POGLAVLJE 5. 2 ] (tj. 2π]. yt ) na kruˇnici. Ako je t ∈ [ π . Nakon ˇto z s s namotamo komad duljine 2π. 3π ]. π]. Ako je t ∈ [ 2 . z c z π Jasno je da za t ∈ [0. π] moˇemo s c z 2 definirati cos t = − cos(π − t) i sin t = sin(π − t). 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. 0] odnosno na [−2π. onda 2 t nije ˇiljast. tj. Dakle vrijedi c sin(t + 2kπ) = sin t. 2 ]. situacija se poˇinje ponavljati. t je ˇiljasti kut) pravokutnosti trokuta sa katetama s xt . Proˇirili smo funkcije sinus i kosinus s π sa ˇiljastih kutova. Dakle za t ∈ [ π . Dakle za t ∈ [ 3π . Naravno. Pri c z tome polupravac na kojem su smjeˇteni pozitivni brojevi namatamo na kruˇnicu s z suprotno gibanju kazaljke na satu. ako je t ∈ [π. na kutove iz [0. Dakle za t ∈ [π. 2π] moˇemo definirati z 2 cos t = cos(2π − t) i sin t = − sin(2π − t). Definirajmo sada preslikavanje koje ´e namatati pravac na kruˇnicu. FUNKCIJE sin x 0 cos x x 1 Slika 5.30: Trigonometrijska kruˇnica i vrijednosti sinusa i kosinusa kuta x. 2π]. Kaˇemo da su sin c z i cos periodiˇke funkcije. π ] na [− π .

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

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

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

k ∈ Z}. Dakle. π x 2 2 i Ctg x = ctg| 0. 2 . tangens na − 2 . FUNKCIJE za svaki t ∈ R \ {kπ. Iz konstrukcije proˇirenja lagano se vidi da s π π je tangens strogo rastu´a na − 2 .34 Zbog periodiˇnosti. na svoju sliku. a c c s nema rjeˇenja za c ∈ [−1. Tada prema Napomeni 5. dakle nisu bijekcije.2. Zato se kod trigonometrijskih funkcija ograniˇimo na maksimalne intervale na c kojima su one bijekcije. Dakle sinus nema inverznu funkciju. Napomena 5. π].8 Ciklometrijske (arkus) funkcije Trigonometrijske funkcije su periodiˇne. π . ni tangens ni kotangens nisu injekcije. kosinus na 2 2 π π [0. 2 i kotangens na 0. a isto vrijedi s / i za ostale trigonometrijske funkcije. 1]. π ]. Funkcija kotangens je periodiˇna s temeljnim c periodom π i vrijedi R(ctg) = R. Npr. njihove restrikcije Tg x = tg| − π .33: Grafovi funkcija f (x) = tg x (lijevo) i f (x) = ctg x (desno). jednadˇba c z sin x = c zbog periodiˇnosti sinusa ima beskonaˇno mnogo rjeˇenja za −1 ≤ c ≤ 1. c c Dakle. c dakle niti bijekcije.208 POGLAVLJE 5. 5.π x su bijekcije s tih intervala na R. a kotangens strogo padaju´a na 0. π .33 . restringirajmo sinus na [− π . 4 2 -10 -5 -2 -4 5 10 -10 -5 4 2 5 -2 -4 10 Slika 5.

5 -0. Dakle. i rubne toˇke −1 i 1 prirodnog podruˇja definicije su regularne za arcsin i za c c arccos.33 slijedi da je arcsin strogo rastu´a. PREGLED ELEMENTARNIH FUNKCIJA 209 i Napomeni 5. 2 2 dobro je definirana funkcija arkus tangens π π arctg : R −→ − . π ] bijekcija.π] .5 0. a arccos c strogo padaju´a na [−1. dakle su i bijekcije.π] i ctg| 0. Za x ∈ R definiramo arctg x kao rjeˇenje t ∈ − π .2. c Tako restringirane trigonometrijske funkcije imaju inverzne funkcije. π strogo rastu´e.1 i Napomene 5. π].5 0. 1. π ] i tg| − π . . 2 2 . rjeˇenje jednadˇbe postoji i jedinstveno je. inverznu funkciji cos |[0.5 3 2. π ] . Dakle. 2 2 R(arccos) = [0. One zadanoj vrijednosti trigonometrijske funkcije pridruˇuju z vrijednost kuta (duljine luka) za koju se ta vrijednost funkcije postiˇe.5 -1 -0. rjeˇenje jednadˇbe postoji i jedinstveno je. Kako je sin |[− π . a c 2 2 2 2 cos |[0. π π R(arcsin) = [− . koje zovemo arkus funkcije.34 znamo da su funkcije sin |[− π . ]. 2 2 koja je inverzna funkciji sin |[− π .5 1 Slika 5.5. π jednadˇbe tg t = x . Iz Teorema 5. z π π Za x ∈ [−1.34: Grafovi funkcija f (x) = arcsin x (lijevo) i f (x) = arccos x (desno). 1].5 -1 -0. ]. π]. 2 ] jednadˇbe sin t = s z s z x. s z 2 2 s z Kako je tg| − π . π bijekcija. 1] definiramo arcsin x kao rjeˇenje t ∈ [− 2 . oˇito je c c D(arcsin) = D(arccos) = [−1. 2 2 dobro je definirana funkcija arkus sinus π π arcsin : [−1.5 1 0. Nadalje.5 2 1. 1]. 1] −→ [− . 2 2 Analogno definiramo funkciju arkus kosinus arccos : [−1.5 1 0. 1] −→ [0.5 1 -1 -1.π strogo padaju´e.

π .5 -2 2 4 4 3.5 -1 -1. c Sljede´a stvar na koju treba takoder paziti je podruˇje definicije trigonometrijske c i arkus funkcije.35: Grafovi funkcija f (x) = arctg x (lijevo) i f (x) = arcctg x (desno).35 Pri konstrukciji arkus funkcija restringirali smo trigonometrijske funkcije na odgovaraju´e intervale.5 1 0.5 1 0. π . -4 2 1. 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 .34 slijedi da je arctg strogo rastu´a a arcctg strogo c padaju´a na R.210 koja je inverzna funkciji tg| − π . funkcija sin ◦ arcsin je definirana i jednaka je funkciji id na intervalu [−1. c . Dakle ne moˇemo re´i da je sin ◦ arcsin = arcsin ◦ sin jer 2 2 nemaju isto podruˇje definicije.5 -4 -2 2 4 Slika 5.5 3 2. Zbog periodiˇnosti smo mogli odabrati c c i neke druge intervale restrikcije. Nadalje.π imamo da su pravci y = − π i y = π 2 2 odnosno pravci y = 0 i y = π horizontalne asimptote od arctg odnosno arcctg. dok funkcija arcsin ◦ sin je definirana i jednaka je funkciji id z c na intervalu [− π . FUNKCIJE arcctg : R −→ 0. 2 odnosno ctg| 0. Iz Teorema 5.5 -2 -0. z s z sin x = t. R(arctg) = − .1 i Napomene 5.5 2 1. pri traˇenju rjeˇenja t jednadˇbe. Dakle. tako da bi smo dobili arkus funkcije definirane na tim intervalima. Napomena 5. Npr. 1]. 2 2 Analogno definiramo funkciju arkus kotangens POGLAVLJE 5. π . npr.π . oˇito je c c π π D(arctg) = D(arcctg) = R. treba voditi raˇuna u kojem se intervalu periodiˇnosti trigonometrijske funkcije c c nalazi broj x. . R(arcctg) = 0.

+∞ . i R(th) = −1. neograniˇena c je pa je R(sh) = R i nema asimptote. PREGLED ELEMENTARNIH FUNKCIJA 211 5. 2. dakle nije injekcija. iako se definiraju u terc minima eksponencijalne funkcije. strogo pada na −∞. +∞ i nema asimptote. za svaki x ∈ R. za svaki x ∈ R. 2 sh x e x − e −x th x = = x . Kako je sh takoder zadan u terminima eksponencijalne funkcije imamo D(sh) = R. Hiperboliˇke (ili hiperbolne) funkcije su po c c c nekim svojstvima sliˇne trigonometrijskim funkcijama.9 Hiperboliˇke i area funkcije c Hiperboliˇke funkcije definiramo sljede´im formulama: c c e x + e −x . neograniˇena je. kada argument teˇi u s z +∞ th x se sve viˇe pribliˇava pravcu y = 1. Kako je ch zadan u terminima eksponencijalne funkcije zakljuˇujemo da je c D(ch) = R. cth x = th x i zovemo ih redom kosinus hiperboliˇki. Primjerice. Dakle th ima dvije horizonzalne s z asimptote. 3. Dakle je R(ch) = [1. a kad argument teˇi u −∞ s z z th x se sve viˇe pribliˇava pravcu y = −1. . parna je. z z Pogledajmo sada neka svojstva hiperbolnih funkcija: 1. ch x e + e −x 1 . Lagano se vidi da je ch x > 0 .2. Zbog neparnosti c c od sh i parnosti od ch.36 Iz jednakosti ch2 x − sh2 x = 1 dolazi ime hiperboliˇke. jer c 2 2 je jednadˇba x − y = 1 jednadˇba hiperbole u ravnini. Kako ch nema nultoˇke zakljuˇujemo da je D(th) = R. y = −1 i y = 1. 2 e x − e −x sh x = . 0] i c strogo raste na [0. vrijedi ch x = ch2 x − sh2 x = 1 . Stoviˇe. Strogo raste na R. Napomena 5.5. Lako se vidi da je neparna. Nadalje. za svaki x ∈ R. Iz formule lagano ˇ slijedi da je |th x | < 1 . tanges hiperc c boliˇki i kotanges hiperboliˇki.2. sinus hiperboliˇki. strogo raste na R. th je neparna. 1 .

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

Oˇito je D(Arcth) = R \ [−1.5 1 0.5 2 2.5. pravci x = −1 i x = 1. 1].5 2 1. Iz Teorema 5. Kako su y = −1. Oˇito je D(Arsh) = R(Arsh) = R. R(Arth) = R i iz Teorema 5. +∞). onda su rubovi −1 i 1. R(Arth) = R \ {0} i iz Teorema 5. 1 joj je regc ularna toˇka i nema asimptote jer ih nema niti ch.2.1 c slijedi da Arcth strogo pada. tj. 3 2 1 -4 -2 -1 -2 -3 2 4 3 2. iz Teorema 5. c 3.5 3 Slika 5. Kako su y = −1 i y = 1 horizontalne asimptote od th.1 slijedi da Arth strogo raste. a pravac y = 0 horizontalna asimptota.38: Grafovi funkcija f (x) = Arsh x (lijevo) i f (x) = Arch x (desno).5 -1 -2 -3 0.1 slijedi da Arsh strogo c raste i nema asimptote jer ih nema niti sh. Ako smo ch restringirali na [0. c 2. y = 1 horizontalne. 4. 3 2 1 -1 -0.1 zakljuˇujemo da Arch strogo raste.39: Grafovi funkcija f (x) = Arth x (lijevo) i f (x) = Arcth x (desno). onda su rubovi −1 i 1.5 1 1. 1 . PREGLED ELEMENTARNIH FUNKCIJA 213 1. +∞ i R(Arch) = [0. a x = 0 vertikalna asimptota od cth. tj. vertikalne asimptote od Arth. onda je D(Arch) = [1. +∞ .5 0. . pravci x = −1 i x = 1. vertikalne asimptote od Arth. Oˇito je D(Arth) = −1.5 1 -4 -2 -1 -2 -3 3 2 1 2 4 Slika 5.

.

m = 20 i m = 30. Neka je visina poˇtarine za pisma mase do (ukljuˇivo) 20 g jednaka s s c 2. a visina poˇtarine c u z s kunama).5 + 0.1.05(m2 − m1 ). Vidimo da je c ponaˇanje u okolini toˇke m = 20 kvalitativno drugaˇije od ponaˇanja u okolini s c c s drugih dviju toˇaka.05(m − 20) kn.8 kn. (Masa m je izraˇena u gramima. Promatrajmo ponaˇanje vrijednosti s funkcije c(m) u okolini toˇaka m = 10. 0 ≤ m ≤ 20 3.1 6. Zelimo li promjenu vrijednosti funkcije odrˇati manjom od z nekog unaprijed zadanog broja M . Naime.5 + 0. Dakle imamo c(m) = 2.Poglavlje 6 Uvod u diferencijalni raˇun c 6.05(m − 20). Graf te funkcije prikazan je na slici 6. m > 20. a za toˇke m > 20 promjena argumenta za neku malu c vrijednost h = ∆m rezultira promjenom funkcije za vrijednost 0. Za toˇke m < 20 nema nikakve promjene u c vrijednosti funkcije.05∆m). 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. onda je 215 .1 Promatrajmo funkciju koja opisuje visinu poˇtarine u ovisnosti o s masi poˇiljke. moramo se pobrinuti da promjena argumenta bude manja od 20M (ako je M ≥ c(m2 ) − c(m1 ) = 0.1 Neprekidnost i graniˇne vrijednosti c Neprekidnost funkcije Primjer 6.8.05h (∆c = ˇ 0. a za pisma mase preko 20 g neka je poˇtarina dana formulom c(m) = s 3.05h = 0.1.

proizvoljno mala promjena argumenta od vrijednosti 20 na 20 + ∆m ´e rezultirati skokom vrijednosti funkcije c za barem c 0. Funkcija je neprekidna na skupu I ⊆ R ako je neprekidna u svakoj toˇki skupa c I. S druge strane. Neformalna geometrijska interpretacija neprekidnosti funkcije u toˇki je da pri c crtanju grafa funkcije u toj toˇki ne moramo podi´i olovku s papira. Definicija 6. s s 20M ≥ (m2 − m1 )). . UVOD U DIFERENCIJALNI RACUN 5 4 3 2 1 10 20 30 40 50 Slika 6.216 ˇ POGLAVLJE 6. Vizualnom inspekcijom grafa vidimo da u toˇki m = 20 c funkcija c(m) ima skok.1 onda za svako ε > ε pogotovo vrijedi (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε ).1 je samo tehniˇka formalizacija zahtjeva da mali pomaci u arguc mentu rezultiraju malim pomacima u vrijednosti funkcije.1 Funkcija f je neprekidna (ili neprekinuta) u toˇki x0 ∈ D(f ) c ako za svaki ε > 0 postoji δ > 0 takav da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).♠ c Definicija 6.1: Graf visine poˇtarine u ovisnosti o masi poˇiljke. i ne postoji dovoljno mali ∆m koji bi rezultirao manjom promjenom vrijednosti funkcije c.1 Ako za dano ε > 0 i neko δ > 0 vrijedi Definicija 6. Funkcija je neprekidna ako se promjene vrijednosti funkcije mogu kontrolirati promjenama vrijednosti argumenata. c c Napomena 6.7 kn. odnosno da graf funkcije ima prekid u toj toˇki.

S druge strane.2 Funkcija f je neprekidna s lijeva u toˇki x0 ∈ D(f ) ako za c svaki ε > 0 postoji δ > 0 takav da (x ≤ x0 . No. s c c Napomena 6. Odnosno c(m) aproksimira c(20) s toˇnoˇ´u do c c sc ε. 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. Drugim rijeˇima treba paˇnju obratiti na malene ε > 0.1. onda postoji i beskonaˇno c mnogo takvih δ > 0 da vrijedi Definicija 6. koji c je manji od nekog fiksnog strogo pozitivnog broja.1. Tada su u toˇki x0 neprekidne i funkije: c . |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).2 nam daje ideju za sljede´u definiciju: c Definicija 6. Prema tome za svaki ε > 0 ako postoji jedan δ > 0.2 Iz Definicije 6. ali je ona c neprekidna s lijeva u toj toˇki.ˇ 6.1 slijedi da funkcija f ima prekid u toˇki x0 ∈ D(f ) ako postoji ε > 0 takav da za svaki δ > 0 postoji xδ ∈ D(f ) takav da (|xδ − x0 | < δ) i (|f (xδ ) − f (x0 )| > ε).2 Svojstva neprekidnih funkcija Teorem 6. ako je m > 20 i m blizu 20. c z Ako za dani ε > 0 i neki δ > 0 vrijedi Definicija 6. nama je dovoljno samo jedan takav δ > 0 ˇto je i naznaˇeno u Definiciji 6. ako je m lijevo od 20 i dovoljno blizu 20.1.♠ Primjer 6. 6. ipak m(c) nije blizu m(20).1.1 onda za svaki 0 < δ < δ pogotovo vrijedi (|x − x0 | < δ ) =⇒ (|f (x) − f (x0 )| < ε). g : R −→ R definirane i neprekidne u toˇki c x0 ∈ R.2 Funkcija c(m) iz Primjera 6.1 Neka su funkcije f. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 217 Zato je za neprekidnost funkcije f u toˇki x0 dovoljno da za svaki ε > 0. Analogno. |x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε).1 ima prekid u toˇki c = 20. postoji δ > 0 za koji vrijedi Definicija 6. Primjer 6.

♠ . Ako pogledamo funkciju f restringiranu na segment [−1. i x0 ∈ D(f ) i f (x0 ) ∈ D(g). Tada postoji δ > 0 takav da je f (x) > 0 (f (x) < 0) za sve x ∈ c − δ. f ima prekid u toˇki c. onda njezin graf mora negdje sjeˇi x os. onda je funkcija g ◦ f neprekidna u x0 . x = 0 svugdje neprekidna osim u nuli. f + g. da je f (c) > 0 i za svaki δ > 0 postoji xδ ∈ (c − δ. mora imati nultoˇku. b takav da je f (x0 ) = 0. ˇto je suprotno pretpostavci.11 znamo da je funkcija f : R −→ R dana formulom 1 . c s Analogno se dokaˇe sluˇaj f (c) < 0. Tada je |f (xδ ) − f (c)| > f (c) = ε. Ako je funkcija f neprekidna u x0 . b]. tj. postoji xδ ∈ (c − δ. Tada za svaki δ > 0. 1] (jer je nema na cijelom R).3 Iz Napomene 5. i neka je f (c) > 0 (f (c) < 0). Dakle.♣ Teorem 6. 1] −→ R. UVOD U DIFERENCIJALNI RACUN ako je g(x0 ) = 0. Dokaz: Pretpostavimo suprotno. Tada postoji x0 ∈ a. f . f · g. g : R −→ R takve da je definirano (g ◦ f )(x0 ).3 Neka je f : I −→ R neprekidna u toˇki c ∈ I. tj.218 1.♣ Teorem 6. ali oˇito f nema nultoˇku na segmentu c c c [−1. c c Primjer 6. |xδ − c| < δ. po pretpostavci. g ˇ POGLAVLJE 6. x=0 x f (x) = 1.♣ z c Teorem 6.4 kaˇe da ako imamo neprekidnu funkciju na segmentu takvu da su z njene vrijednosti u rubovima suprotnog predznaka. Uzmimo ε = f (c). 4.1] : [−1. i funkcija g neprekidna u f (x0 ). c + δ) takav da je f (xδ ) ≤ 0. c + δ . 2. za koji je f (xδ ) ≤ 0.♣ c Teorem 6. 3. onda je oˇito f (−1)f (1) = −1 < 0.4 Neka je funkcija f : R −→ R neprekidna na segmentu [a. tj.2 Neka su funkcije f. i neka je f (a)f (b) < 0. tj. 1]. f − g. c + δ). f |[−1.

g : R −→ R dane formulama f (x) = c i g(x) = x su neprekidne na R. π funkcijom tg je R. Tada ona na tom segmentu poprima svoj minimum i maksimum i sve vrijednosti izmedu te dvije.6 (Bolzano-Weierstrass) Neka je funkcija f : R −→ R neprekidna na [a. .3 Neprekidnost elementarnih funkcija Primjer 6. Pitanje je sad.3 slijedi da je uvjet neprekidnosti iz Teorema 6. i neka je slika intervala I funkcijom f otvoreni interval I ⊆ R.4) Teorem 6. z 219 Prisjetimo se da je funkcija f : R −→ R ograniˇena ili omedena na interc valu I ⊆ R ako postoje m.4 nuˇan.♣ c Tvrdnja Teorema 6.1.♣ 6. Nadalje.♣ Teorem 6. b]. Npr. π . NEPREKIDNOST I GRANICNE VRIJEDNOSTI Iz Primjera 6. onda je ta funkcija i neprekidna. c 1 x je Teorem 6. Npr. Tada je funkcija f neprekidna na intervalu I.6 ne vrijedi za otvorene intervale. Teorem 6.7 Neka je funkcija f : R −→ R strogo monotona na otvorenom intervalu I ⊆ R. slika otvorenog intervala − π . M ∈ R takvi da je m ≤ f (x) ≤ M. moˇemo li neˇto re´i o funkciji koja preslikava otvoreni interval u otvoreni z s c interval? Ako je funkcija strogo monotona na otvorenom intervalu i ako je slika tog intervala interval.5 Funkcija neprekidna na segmentu je i ograniˇena na segmentu.5 ne vrijedi za otvorene intervale. 1 . ali oˇito je neomedena. postoji inverzna funkcija f −1 i ona je neprekidna na intervalu I . za svaki x ∈ I (Definicija 5. Tvrdnja z Teorema 6.6 kaˇe da je slika segmenta neprekidnom funkcijom segment.1. 2 2 Dakle neprekidna funkcija na segmentu preslikava taj segment u segment.4 Funkcije f. i funkcija tg x ne poprima ni minimalnu ni maksimalnu 2 2 vrijednost na otvorenom intervalu − π .ˇ 6. funkcija f (x) = neprekidna na 0.

7 c i periodiˇnosti.4 dokazali smo da je funkcija f (x) = x neprekidna na R. Dokaˇimo da je funkcija f (x) = x neprekidna u proizvoljnoj toˇki x0 ∈ R.1 sada slijedi da je na R neprekidna i funkcija x2 . polinom Pn (x) neprekidan na R. Budu´i da je f (x) − f (x0 ) = c − c = 0. jer su njihove restrikcije npr. dakle iz Teorema 6. 1..8 Svaki polinom Pn (x) = i=0 ai xi je neprekidan na R. c area (osim area kosinusa hiperbolnog) funkcija slijedi izravno iz Teorema 6.♠ z Iz Primjera 6.4 i Teorema 6. . c Dokaz: U Primjeru 6. Na isti naˇin se zakljuˇi da su xi . Teorem 6..1.9 Eksponencijalne.. Iz Teorema 6. π monotone c 2 2 bijekcije na R. Budu´i da je |f (x) − f (x0 )| = |x − x0 |. 1.. tj.7. jer je svaka racionalna funkcija kvocijent dvaju polinoma. slijedi da c za δ moˇemo uzeti bilo koji pozitivan broj. Neprekidnost funkcije ch slijedi iz neprekidnosti eksponencijalne funkcije i Teorema 6.4) i Teorema 6.7 imamo da su neprekidne i funkcije arctg i arcctg. Neprekidnost racionalne funkcije na cijelom svom prirodnom podruˇju definicije slijedi c izravno iz Teorema 6. logaritamske. z c Uzmimo proizvoljni ε > 0. i = 0. .220 ˇ POGLAVLJE 6.. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). . i = 0. c c neprekidne na R. Svaka racionalna funkcija je neprekidna na cijelom svom prirodnom podruˇju definicije.. Neprekidnost funkcija tg i ctg na cijelom podruˇju definicije lagano slijedi iz Teorema 6.3 Moˇe se pokazati i da su sve algebarske funkcije neprekidne z tamo gdje su definirane. arkus. Na kraju.1.. n. .♣ Napomena 6.1. UVOD U DIFERENCIJALNI RACUN 1. Dokaz: Neprekidnost eksponencijalnih. z c Uzmimo proizvoljni ε > 0. π odnosno 0. logaritamskih. takoder iz Teorema 7. i = 0. 1.. Nadalje. i nadimo δ > 0 takvo da (|x − x0 | < δ) =⇒ (|f (x) − f (x0 )| < ε). Dokaˇimo da je funkcija f (x) = c neprekidna u proizvoljnoj toˇki x0 ∈ R.1. z 2. zakljuˇujemo c da je i suma od ai xi . slijedi da c moˇemo uzeti δ = ε.. hiperboliˇke c i area funkcije su neprekidne na svojim domenama. hiperboliˇkih (osim kosinusa hiperbolnog). na R su neprekidne i funkcije ai xi .7 su neprekidne.1 direktno imamo: n Teorem 6. n. na intervale − π . n. trigonometrijske. Zbog neprekidnosti konstantne funkcije na R (Primjer 6. takoder iz Teorema 6.

1 . ali u Napomeni 6. 1 i 1. moˇemo dobiti i δ = 0. π 2 2 i 0.1 smo z rekli da kada govorimo o proizvoljnosti broja ε promatramo male ε. [−1. 3π . Sada imamo da je sin x neprekidna na 0. |x − 1| < δ) =⇒ (| arccos x − arccos 1| < ε). Za proizvoljan ε > 0 uzmimo δ = 1 − cos ε. π 4 2 4 4 kada x varira po intervalu 0. π . 1]. k ∈ Z. x−a x+a cos .7 imamo da su neprekidne funkcije arcsin x. Kako su one definirane i u rubovima intervala ˇelimo z da su neprekidne i tamo. −1. analogno se dokazuje za ostale toˇke oblika z s c 2 2 π 2 + kπ. π i 0. 1 . 0. 2 2 imamo 2x + π 2x − π cos . Dakle je arccos x neprekidna s lijeva u toˇki 1. 1] i [1. Kako je arccos 1 = 0 i arccos x ≥ 0 za x ≤ 1. +∞ . dakle su po Teoremu 6. π . k ∈ Z.7 i neprekidne. dakle 2 4 4 2 je funkcija f (x) = sin 2x−π neprekidna na 0. Dakle treba dokazati da su arcsin x i arccos x neprekidne s desna u −1 i neprekidne s lijeva u 1. c 2 Dokaˇimo joˇ da je sin neprekidna u π i − π . te da je Arch x neprekidna s desna u 1. 4 4 sin x = 1 + 2 sin Ako pustimo da x varira po intervalu 0. c Analogno se dokazuju i druge jednostrane neprekidnosti. onda 2x−π varira po intervalu − π . 3π . posebno je 2 2 neprekidna u π . Isto tako 2x+π varira po intervalu π . +∞ . 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}.ˇ 6. cos x i ch x redom na intervalima − π . ˇto je ekvivalentno s s arccos x < ε. +∞ iz Teorema 6. ♣ . Dakle su funkcije arccos x. 3π . Zbog neparnosti imamo da je sin x neprekidna i u − π .1. Uzmimo proizvoljan ε > 0 i pronadimo z δ > 0 takav da vrijedi (x ≤ 1. 2 Zbog stroge monotonosti funkcija sin x. Oˇito je δ > 0. Analogno se dokazuje 2 2 neprekidnost u svim toˇkama oblika π + kπ. arccos x i Arch x redom na intervalima −1. 3π . arcsin x i Arch x redom neprekidne na [−1. π su monotone bijekcije na 2 2 −1. Naravno za tako definirani δ c i proizvoljni ε ne mora vrijediti δ > 0. Dokaˇimo da je arccos x neprekidna s lijeva u 1. Tada za x ≤ 1 za koje je 1 − x < δ imamo 1 − x < 1 − cos ε. imamo da je arccos neprekidna s lijeva u 1 ako za proizvoljan ε > 0 pronademo δ > 0 takav da vrijedi (1 − x < δ) =⇒ (arccos x < ε). 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. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 221 Restrikcije funkcija sin x i cos x na intervale − π . tj. c 2 Neprekidnost funkcije cos x na R lagano slijedi iz formule cos x = sin(x + π ).

tj.4 Graniˇna vrijednost (limes) funkcije c 1. funkcija nije definirana u toˇki 0.5 nije definirana u toˇki x = 1. Ako uzmemo s c toˇku x dovoljno malu. 4. Funkcija f : R −→ R dana formulom f (x) = 1 x takoder ima problem u nuli. za vrijednosti od x koje su malo ve´e od 1. za x malo manji od 1. vidimo da su one c c c blizu vrijednosti −1. ako uzmemo toˇku c x dovoljno malu. Funkcija f : R −→ R dana formulom f (x) = x2 − 3x + 2 x−1 Primjer 6. c c 2. dodemo li s x dovoljno blizu c toˇki 1. tj. funkcija nije definirana u toˇki 0. c 3.1. tj. Pogledajmo kako se ponaˇaju njene vrijedc s nosti u okolini toˇke x = 1. Pogledac jmo kako se ponaˇaju vrijednosti funkcije f u okolini toˇke 0. dovest ´emo vrijednosti funkcije proizvoljno blizu vrijednosti −1.222 ˇ POGLAVLJE 6. vrijednost funkcije postaje ve´e od po volji velikog realnog broja. Pogledajmo c 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. Za funkciju f : R −→ R danu formulom f (x) = 1 x2 imamo problem u nuli. Jasno je da ako s c uzmemo toˇku x po apsolutnoj vrijednosti dovoljno malu. ali pozitivnu. zakljuˇujemo. Za funkciju f : R −→ R danu formulom f (x) = arctg x . vrijednost funkcije postaje ve´e od po c c volji velikog pozitivnog realnog broja. S druge strane. Raˇunaju´i te vrijednosti. ali negativnu. dovoljno blizu c nule. 6. Dakle. vrijednost funkcije postaje manja od po volji malog negativnog realnog broja. vrijednosti funkcije c su malo manje od −1. vrijednosti c funkcije su malo ve´e od −1.

5). tj. a ne znamo izraˇunati ni njenu vrijednost za x = 0. Ako funkcija ima limes L u toˇki c. 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. ako c ˇelimo promatrati ponaˇanje oko nule. 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). onda piˇemo c s L = lim f (x). moˇda u samoj toˇki c.2.ˇ 6. pravac y = π je horizontalna asimptota.10 Neka je dana funkcija f : R −→ R koja je definirana na nekoj okolini toˇke c. |f (x) − M | < ε). 2 2 5. NEPREKIDNOST I GRANICNE VRIJEDNOSTI 223 znamo iz toˇke 5. Definicija 6. Neka postoje realni brojevi L i M c z c takvi da za svaki ε > 0 postoji δ > 0. Za vrijednosti po volji blizu nule funkcija poprima vrijednosti bliske broju 1. Primijetimo prvo da ona nije definirana za vrijednosti manje od nule (toˇka c 5.5 matematiˇki opisujemo pojmom limesa ili graniˇne vric c jednosti funkcije. Dakle. .♠ Situacije iz Primjera 6.3 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c c. 6. moˇda u samoj toˇki c.8 da za velike vrijednost argumenta vrijednosti funkcije c postaju po volji bliske broju π . osim. takav da (0 < |x − c| < δ) =⇒ (|f (x) − L| < ε. x−→c Ako limes postoji on je i jedinstven: Teorem 6. Neka je dana funkcija f : R −→ R formulom f (x) = xx .1. osim. moramo se ograniˇiti samo na pozz s c itivne vrijednosti.2.

2 po pretpostavci.1) (vidjet ´emo kasnije da su to ustvari blisko c povezani pojmovi). |f (x) − M | < ε). UVOD U DIFERENCIJALNI RACUN Dokaz: Pretpostavimo suprotno. takav da (|x − c| < δ) =⇒ (|f (x) − L| < ε. L = lim f (x) ako za svaki ε > 0 postoji M > 0 takav da x−→−∞ (x < −M ) =⇒ (|f (x) − L| < ε). ali postoji bitna razlika. −∞ ∈ R. ˇto ne moˇe biti. i svaki interval oblika (−∞. Pri tome uzimamo da je svaki otvoreni interval oblika (M. postoji δ > 0. c / Kaˇemo da je lim f (x) = +∞ ako za svaki M > 0 postoji δ > 0 takav da z x−→c (0 < |x − c| < δ) =⇒ (f (x) > M ). +∞) okolina od +∞. Uzmimo sada ε = 1 |M − L|. z c c Uz malu zloporabu notacije moˇemo Definiciju 6.4 Uoˇimo da je definicija limesa (Definicija 6. pri ˇemu. tj. 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).6 i Napomz ena 4. da je M = L. Analogno. Ali.2) jako sliˇna definiciji neprekidnosti (Definicija 6. M ) je okolina od −∞. Dakle imamo |M − L| < |M − L|.224 Tada je L = M . naravno ne zaboravljamo.♣ s z c c Napomena 6. Tada za taj ε. Dakle je M = L. U definiciji limesa ne zahtijevamo da funkcija bude definirana u toˇki u kojoj gledamo limes.2) moˇemo proˇiriti definiciju limesa tako da ukljuˇuje i sluˇaj L = +∞ z s c c odnosno L = −∞. |M − L| = |M − f (x) + f (x) − L| ≤ |f (x) − M | + |f (x) − L| < 2ε vrijedi za argumente iz domene od f za koje je |x − c| < δ. . +∞. Po analogiji s divergencijom niza u uˇem smislu (Definicija 4.3 proˇiriti tako da ukljuˇuje z s c i c = +∞ odnosno c = −∞. ˇ POGLAVLJE 6. dok je za neprekidnost to c nuˇno da bi se uop´e moglo govoriti o neprekidnosti u toˇki.

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

5 Neprekidnost i limes Primjer 6. lim 2. Dokaz: Ako funkcija f ima limes L u toˇki c.11 Neka je funkcija f : R −→ R definirana na nekoj okolini toˇke c. Nadalje je oˇito da je c x−→0+ lim sign x = 1 .♠ 6.7 Iz Primjera 5. x −→0 − lim sign x = −1 . lim arctg x = . Dakle je x−→0+ lim sign x = sign 0 . c osim. x−→+∞ 2 5.3 i definicija limesa s c desna i limesa s lijeva da oni postoje i da su jednaki L. limesi s lijeva i s desna su razliˇiti c x−→0+ x x−→0− x 1 dakle ne postoji lim . x = 0   1. lim 3. Obrnuto. tj. UVOD U DIFERENCIJALNI RACUN Teorem 6. ne postoji lim sin x. onda je jasno iz Definicije 6. x−→0+ lim xx = 1.5 znamo da funkcija   −1.226 ˇ POGLAVLJE 6. s c 1. moˇda u samoj toˇki c. x−→1 x−1 1 = +∞. x−→+∞ 6. x−→0 x2 lim 1 1 = +∞ i lim = −∞. x2 − 3x + 2 = −1. ako postoje limesi s lijeva i s desna i oni su jednaki L.5.1. ♣ c Primjer 6. x < 0  sign x = 0. 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. onda iz Definicije 6. x−→0 x π 4.3 direktno slijedi da postoji i limes u toˇki c i jednak je L. x > 0 ima prekid u nuli.6 Opiˇimo sada pomo´u limesa Primjer 6.

4) i da limes mora postojati.♣ .2 i definicije jednostranog limesa.♣ Teorem 6.♠ x−→2 Primjeri 6. x−→c+ Dokaz: Izravno iz Definicije 6.8 nam daju naslutiti da postoji neka uska veza izmedu neprekidnosti funkcije i limesa u toˇki.12 se podrazumijeva da je funkcija f definirana u toˇki c (Napomena 6.5 U Teoremu 6. Zaista imamo: c c Teorem 6. tj. konaˇan je broj.14 Funkcija f : R −→ R je neprekidna s lijeva (s desna) u toˇki c c ako i samo ako je lim f (x) = f (c) x−→c− ( lim f (x) = f (c)).1.5 imamo sljede´i rezultat za kompoziciju funkcija: c Teorem 6.13 Neka je funkcija g : R −→ R neprekidna.8 Funkcija f : R −→ R dana formulom f (x) = x2 je neprekidna na R (Teorem 6.12 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako je x−→c lim f (x) = f (c).1 i Primjer 6. c c Sada direktno iz Napomene 6. onda limes i funkcija z c ”komutiraju” tj.3. Dokaz: Izravno iz Definicije 6. oˇito vrijedi c f (2) = lim f (x).1 i 6. NEPREKIDNOST I GRANICNE VRIJEDNOSTI i x−→0− 227 lim sign x = sign 0 .♠ Primjer 6.4). imamo x−→c lim f (x) = f (c) = f ( lim x). Tada je c x−→c lim g(f (x)) = g( lim f (x)). i neka postoji limes funkcije f u toˇki c.12 kaˇe da ako je funkcija neprekidna u toˇki c. x−→c Napomena 6.ˇ 6.7 i 6. Nadalje.♣ x−→c Analogno kao Teorem 6.12 imamo: Teorem 6.

6. (−∞) · (−∞) = +∞. (−∞) + (−∞) = −∞. (−∞) · a = 10. a < 0. −∞ ± a = −∞. neka od pravila za c raˇunanje s realnim brojevima ne vrijede za raˇunanje s +∞ i −∞. a ∈ R proizvoljan. a ∈ R proizvoljan. jer operacije nisu definirane i operandi nisu realni brojevi.11.14.♣ 6. a > 0 +∞. a +∞ = 0. (+∞) · a = +∞. x−→c+ Dokaz: Izravno iz Teorema 6.15 Funkcija f : R −→ R je neprekidna u toˇki c ako i samo ako c postoje limesi s lijeva i s desna u toˇki c i ako vrijedi c x−→c− lim f (x) = lim f (x) = f (c). c c Pravila za raˇunanje s beskonaˇnim veliˇinama: c c c 1.12 i 6.1. 2. 3. −∞. 6.6 Neodredeni oblici Zaˇto moramo raˇunati limese? Zaˇto ne moˇemo naprosto ”uvrstiti” vrijednost s c s z argumenta u formulu? Odgovor je da moˇemo uvrstiti. UVOD U DIFERENCIJALNI RACUN Teorem 6. (+∞) · (+∞) = +∞. . To se posebno odnosi na veliˇine +∞ i −∞. a < 0. 7. 4. no moˇe se desiti da dobijemo izraz koji nije z z definiran. Kako one nisu realni brojevi.228 ˇ POGLAVLJE 6. a > 0 −∞. (+∞) · (−∞) = −∞. (+∞) + (+∞) = +∞. +∞ ± a = +∞. 8. 9. a ∈ R proizvoljan. 5.

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

a>1 +∞. Sva se ova pravila mogu strogo izvesti iz svojstava limesa i elementarnih funkcija. +∞. x−→+∞ x−→+∞ 2.1. α < 0. 0 < a < 1. −∞. 3. α > 0 0. n ∈ N paran. a>1 0. 5. lim x−n = +∞. n ∈ N proizvoljan. x−→0− 4. 0 < a < 1. lim xn = +∞. α>0 +∞. x−→+∞ lim ax = 9. 6. x−→−∞ lim xn = x−→−∞ lim x−n = lim x−n = 0. n ∈ N neparan +∞. α < 0. x−→+∞ lim xα = x−→0+ lim x−n = lim x−n = +∞. x−→+∞ lim loga x = 11. . n ∈ N proizvoljan.7 Raˇunanje limesa c Neki temeljni limesi 1. −∞. a>1 −∞. +∞. 8. x−→0+ lim xα = 0. lim x−n = −∞. +∞. UVOD U DIFERENCIJALNI RACUN 6. x−→0+ lim loga x = U gornjim pravilima svuda imamo α ∈ R. 0 < a < 1. 0 < a < 1. a>1 +∞. x−→−∞ lim ax = 10.230 ˇ POGLAVLJE 6. 0. x−→0+ x−→0− 7. n ∈ N neparan. n ∈ N paran.

pad. i zbog parnosti od sin x . i s B = (1. vaˇnu ulogu igraju i z sin x x−→0 x lim Teorem 6.9.2.4). NEPREKIDNOST I GRANICNE VRIJEDNOSTI Primjer 6. presjek c polupravca kroz ishodiˇte i toˇku A s tangesnom osi (interpretacija tangensa s c preko trigonometrijske kruˇnice). Kako gledamo c limes funkcije sin x kada x −→ 0. ortogonalnu projekcija toˇke A na x os. za svaki M > 0 sigurno postoji N > 0 takav da (x > N ) =⇒ (loga x > M ). 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. 0) u ravnini. njihov rast. Jasno je da se trokut OAA nalazi unutar z kruˇnog isjeˇka OBA . Iz toˇke 5. tg x ). Kada s pravca uzmemo x ∈ (0. 0).16 lim i 1 lim (1 + )x . svojstva potencija. c Osim ovih limesa.1. parnost. jasno je da je dovoljno x x promatrati x ∈ (0. Oznaˇimo s A = z c c (cos x. π ) i namotamo ga 2 2 na kruˇnicu on se preslikava u toˇku A = (cos x. π ). Dakle imamo z c P (OAA ) ≤ P (OBA ) ≤ P (OBB ).♠ Vrijednosti ostalih deset limesa dokazuju se analogno kao u Primjeru 6. x−→+∞ x sin x = 1. +∞) i da joj c c je slika cijeli R.9 Dokaˇimo da je z x−→+∞ 231 lim loga x = +∞. koriste´i definicije limesa i jednostranih limesa (toˇka 6. a ∈ R. sin x). tj. Treba dokazati da za svaki M > 0 postoji N > 0 takav da za sve (x > N ) =⇒ (loga x > M ). c c eksponencijalnih i logaritamskih funkcija.1. Dakle. koji se nalazi unutar trokuta OBB . neparnost i sliˇno. .ˇ 6. To znaˇi da je c x−→+∞ lim loga x = +∞.6 znamo da je za a > 1 logaritamska funkcija strogo rastu´a na (0. za a > 1.

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

Promatramo prvo x−→0 lim 1 ln(1 + x) = lim ln(1 + x) x . c Zbog toga je ex − 1 t lim = lim = 1.ˇ 6. ♣ Primjer 6. Dakle imamo ax − 1 ex ln a − 1 = lim . x−→0 x lim a > 0. x−→0 t−→0 ln(t + 1) x Iz toˇke 5.6 znamo da za proizvoljni a > 0 vrijedi c ax = ex ln a .1. x−→0 x lim i ax − 1 = ln a. x−→0 x Iz Teorema 6. i da je x = ln(t + 1). Dakle . 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.17 x−→+∞ 233 lim 1+ 1 x x = e. NEPREKIDNOST I GRANICNE VRIJEDNOSTI Teorem 6.2. a ∈ R.10 ex − 1 = 1.12 i Teorema 6.♠ x−→0 t−→0 x ln a ln(t+1) ln a . x Oznaˇimo sada ex − 1 sa t. x−→0 1 1 Dakle je x−→0 lim ln(1 + x) = 1. 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.

7 su nam dovoljni za c raˇunanje gotovo svih limesa.1 Derivacija funkcije Motivacija Osim ponaˇanja vrijednosti neke veliˇine i naˇina na koji ona ovisi o nekoj drugoj s c c veliˇini vaˇno je znati i kako se brzo ona mijenja kada se mijenja veliˇina o kojoj c z c ona ovisi. funkcija 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) = 0.2 6.18 i temeljni limesi iz toˇke 6. g : R −→ R. Tada 1.16. 6.18 Neka postoje x−→c lim f (x) lim g(x) i x−→c funkcija f. funkcija λf ima limes u toˇki c za proizvoljan λ ∈ R i vrijedi c x−→c lim (λf (x)) = λ lim f (x).13. 6. funkcija f · g ima limes u toˇki c i vrijedi x−→c lim (f (x) · g(x)) = lim f (x) · lim g(x). x−→c x−→c 2.234 ˇ POGLAVLJE 6.1. funkcija f ± g ima limes u toˇki c i vrijedi c x−→c lim (f (x) ± g(x)) = lim f (x) ± lim g(x). 6. ♣ x−→c Teoremi 6.2. c 6. . x−→c c 3.17. UVOD U DIFERENCIJALNI RACUN Svojstva limesa i pravila za njihovo raˇunanje c Teorem 6. x−→c x−→c 4.

b). ∆t−→0 ∆t Ova formula predstavlja osnovnu ideju i temelj diferencijalnog raˇuna. 0. s c c je Leibniz diferencijalni raˇun otkrio preko problema tangente. Dana je formulom c v= s(b) − s(a) . dobivamo s v= 50 km = 100 . tj. Ideja je koristiti ono ˇto znamo.♠ c Dok je Newton doˇao do otkri´a diferencijalnog raˇuna preko problema brzine. tj. 0 moramo promatrati limes. Kretanje je promjena poloˇaja u vremenu. b−a gdje je s(b) odnosno s(a) prijedeni put do trenutka b odnosno trenutka a. to bolje ovaj izraz aproksimira ”pravu” brzinu u t = t0 . a t vrijeme za koje smo preˇli taj put. No uvrstimo li ∆t = 0 u gornju formulu. ∆t ˇ Sto je ∆t manji. za neki mali ∆t i pogledajmo prosjeˇnu brzinu na c [t0 .2. Definiramo brzinu u toˇki t0 s c v(t0 ) = lim s(t0 + ∆t) − s(t0 ) . 15 minuta nakon polaska. za razliku od prosjeˇne. s(t0 + ∆t) − s(t0 ) v= . DERIVACIJA FUNKCIJE 235 Primjer 6. c Promatramo prosjeˇnu brzinu na vremenskom intervalu (a. b = t0 + ∆t. Kojom se prosjeˇnom brzinom kretao? c Prema formuli s v= . Uzmimo a = t0 .6.11 Automobil je put od Zagreba do Karlovca (50 km) preˇao za pola s sata. dobivamo neodredeni izraz tipa 0 . t gdje je s prijedeni put. t0 + ∆t]. z c zahtijeva podrobnije razmatranje. c .5 h Gornja nam formula ne daje nikakvu informaciju o tome kojom se brzinom automobil kretao npr. Dakle. Trenutna brzina. promatrati prosjeˇnu brzinu na sve kra´im i s c c kra´im intervalima oko trenutka koji nas zanima.

001 − 1 Ova druga je bolja aproksimacija prave brzine projektila u t0 = 1 nego ona prva.3: Ovisnost visine projektila o vremenu. y(t0 )) i c ∆t (t0 +∆t. Dakle. prosjeˇna brzina projektila u vremenskom intervalu [t0 . Op´enito. t0 + ∆t] je c c dana izrazom ∆y y(t0 + ∆t) − y(t0 ) = . Iz fizike znamo da je visina projektila u trenutku t dana formulom 1 y(t) = y0 + v0 t − gt2 . a to je jednako koeficijent smjera te sekante. y(t0 +∆t)) zatvara s osi x. prosjeˇna brzina odgovara koeficijentu smjera sekante. UVOD U DIFERENCIJALNI RACUN Primjer 6. Prosjeˇna brzina projektila u drugoj sekundi njegovog leta je c y(2) − y(1) . 2−1 Prosjeˇna brzina u 1001-oj milisekundi je c y(1. 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 .236 ˇ POGLAVLJE 6.12 Projektil je baˇen vertikalno u vis u trenutku t = 0 nekom poˇetnom c c brzinom v0 s visine y0 . ∆t . 1.001) − y(1) .

c mjeri brzinu promjene veliˇine c Definicija 6. DERIVACIJA FUNKCIJE y y 237 ∆y ∆t 0 t 0 t Slika 6.4 Neka je funkcija f definirana na nekom otvorenom intervalu I koji sadrˇi toˇku x0 . 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.♠ 6.13 Izraˇunajmo derivaciju funkcije f (x) = x2 u toˇki x0 = 3. Ako postoji z c f (x0 + ∆x) − f (x0 ) . c c (3 + ∆x)2 − 32 f (3 + ∆x) − f (3) = lim = lim (6+∆x) = 6.2 Derivacija funkcije u toˇki c ∆f ∆x U Primjeru 6. Prava brzina u trenutku t0 bi onda odgovarala koeficijetu smjera tangente na krivulju y = y(t) u toˇki s apscisom t0 . ∆x−→0 ∆x lim onda kaˇemo da je funkcija f diferencijabilna ili derivabilna u toˇki x0 i broj z c f (x0 ) = lim f (x0 + ∆x) − f (x0 ) ∆x−→0 ∆x zovemo derivacija funkcije f u toˇki x0 .2. c Primjer 6.♠ f (3) = lim ∆x−→0 ∆x−→0 ∆x−→0 ∆x ∆x . f : I −→ R. x0 ∈ I.6.4: Sekante i tangenta. tj.2.11 smo vidjeli da limes kvocijenta f u ovisnosti o veliˇini x.

Dakle brzina promjene linearne funkcije je konstanta. UVOD U DIFERENCIJALNI RACUN Primjer 6. koja se c oznaˇava s f (x) i koja svakoj vrijednosti x ∈ I pridruˇuje broj f (x). Dakle je c f (x) = lim f (x + ∆x) − 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. za proizvoljne k. l ∈ R.♠ ∆x−→0 ∆x 6.3 Derivacija funkcije Ako je funkcija f derivabilna u svakoj toˇki nekog otvorenog intervala I.238 ˇ POGLAVLJE 6. c c koji se oznaˇava sa f (x0 ). Derivacija funkcije f (x) = kx + l je f (x) = k. . ∆x−→0 ∆x Napomena 6. onda je c pravilom x −→ f (x) dobro definirana jedna funkcija na I. c z Primjer 6. Tu funkciju zovemo derivacija funkcije f i oznaˇavamo s f (x).15 Pogledajmo sljede´e primjere: c 1.6 Uoˇimo bitnu razliku. 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.2. Derivacija funkcije f u toˇki x0 je broj.14 Odredimo derivaciju funkcije f (x) = sin x u toˇki x0 = π. Derivacija funkcije f (na nekom intervalu I na kojem c je definirana i na kojem je u svakoj toˇki diferencijabilna) je funkcija.

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

. odnosno da je tangenta pravac koji raste. M= ∆x−→0− lim . Takve toˇke zovemo stacionarne toˇke. tj.240 ˇ POGLAVLJE 6. to znaˇi da je koeficijent smjera c c tangente u toj toˇki pozitivan. ako je f (x) < 0 na nekom intervalu. Dakle iz Teorema 6. tangenta je paralelna s osi x. Tu funkcija niti raste c niti pada. U toˇkama gdje je f (x) = 0. Primjer 6. Sliˇno. ∆x Lagano se vidi da je M = 1 i L = −1.4) ustvari limes funkcije f (x + ∆x) − f (x) . problem postoc janja limesa. ∆x mogu se javiti neki problemi pri raˇunanju derivacije. Funkcija f : R −→ R dana formulom f (x) = |x| nije derivabilna u x0 = 0. c c 6. problem rubova domene. Pogledajmo sljede´e limese: c L= i lim f (x0 + ∆x) − f (x0 ) ∆x ∆x−→0+ f (x0 + ∆x) − f (x0 ) . onda je funkcija f rastu´a na tom intervalu (jer je tangenta u svakoj toˇki tog c c intervala rastu´a). problem konaˇnosti c c limesa.11 zakljuˇujemo c da f (x0 + ∆x) − f (x0 ) lim ∆x−→0 ∆x ne postoji. To su npr. ne postoji f (0). problem razliˇitih vrijednosti s lijeva i zdesna.17 1. Ako je c funkcija definirana na nekom intervalu i ako je f (x) > 0 za sve x iz tog intervala. funkcija pada c c na tom intervalu.2.4 Raˇunanje derivacija c Kako je definicija derivacije (Definicija 6. UVOD U DIFERENCIJALNI RACUN Grafiˇka interpretacija c Ako je u nekoj toˇki derivacija funkcije pozitivna.

dakle postoji limes f (x0 ) = lim f (x0 + ∆x) − f (x0 ) . Tada je f i neprekidna u x0 . 3 ∆x−→0 ∆x ∆x−→0 ∆x 3 √ 3 x2 nije derivabilna u x2 0 = Iz toˇke 6. ∆x ∆x−→0 dakle ne postoji f (0). Funkcija f : R −→ R dana formulom f (x) = Pogledajmo sljede´i limes: c √ √ 3 x0 + ∆x − 3 x0 f (x0 + ∆x) − f (x0 ) lim = lim = ∆x−→0 ∆x−→0 ∆x ∆x √ 3 ∆x 1 . ∆x ∆x−→0 . 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 √ .2.19 Neka je funkcija f derivabilna u toˇki x0 otvorenog intervala I.♠ Teorem 6. c x0 ∈ I ⊆ D(f ). ∆x−→0 dakle ne postoji f (0).1.1. √ 3 241 x nije derivabilna u x0 = 0.7 imamo da je c lim √ 3 1 = +∞. Dokaz: Fukcija f je derivabilna u x0 ∈ D(f ). 3.7 imamo da je c lim √ 3 1 ∆x2 = +∞. DERIVACIJA FUNKCIJE 2. Funkcija f : R −→ R dana formulom f (x) = x0 = 0.6. lim = lim √ 3 ∆x−→0 ∆x ∆x−→0 ∆x2 Iz toˇke 6.

∆x f (x0 ). (f (x) ± g(x)) = lim lim ∆x−→0 (f (x + ∆x) ± g(x + ∆x)) − (f (x) ± g(x)) = ∆x ∆x−→0 f (x + ∆x) − f (x) g(x + ∆x) − g(x) ± lim = f (x) ± g (x). Derivacija zbroja. 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 ). ∆x = 0 lim g(x0 + ∆x) = g(x0 ) = f (x0 ) iz Teorema 6. ∆x−→0 ∆x ∆x . razlike. I ⊆ D(g). Tada su na I derivabilne i funkcije f ± g.12 imamo da je f neprekidna u x0 . Iz Teorema 6. Sve tri funkcije iz Primjera 6. i vrijedi 1.12 zakljuˇujemo da je funkcija g neprekidna u x0 .♣ Obrat Teorema 6. ali vidjeli smo da nisu derivabilne. produkta i kvocijenta funkcija Teorem 6. f · g i f g (tamo gdje je definirana.17 su c neprekidne u nuli. g 2 (x) Dokaz: 1. (f (x) · g(x)) = f (x)g(x) + f (x)g (x) 3.19 op´enito ne vrijedi. za ∆x = 0 vrijedi c f (x0 + ∆x) = g(x0 + ∆x)∆x + f (x0 ). UVOD U DIFERENCIJALNI RACUN Definirajmo sada funkciju g : I −→ R formulom g(x0 + ∆x) = Kako je ∆x−→0 f (x0 +∆x)−f (x0 ) .242 ˇ POGLAVLJE 6.20 Neka su funkcije f. za one x ∈ I za koje je g(x) = 0). ∆x = 0 . Nadalje. f (x) g(x) = f (x)g(x)−f (x)g (x) . g : R −→ R derivabilne na otvorenom intervalu I ⊆ D(f ). tj. (f (x) ± g(x)) = f (x) ± g (x) 2.

f (x) g(x) f (x)g(x) − f (x)g (x) . Dokaz: Definirajmo funkciju g : R −→ R formulom g(x) = λ. (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).7 Neka je funkcija f : R −→ R derivabilna na otvorenom intervalu I ⊆ D(f ).6. derivabilna na I i vrijedi (λf ) (x) = λf (x). Tada je funkcija λf . Kako je g(x) · 1 g(x) = 1. Oˇito je D(g) = R. 3.20 funkcija g · f = λf derivabilna na I i vrijedi (λf ) (x) = 0 · f (x) + λf (x) = λf (x).♣ .♣ g 2 (x) Napomena 6. tj. tj. za svaki x ∈ I. 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) . ∆x−→0 ∆x−→0 Sada iz Teorema 6. DERIVACIJA FUNKCIJE 2. odnosno (f (x) · g(x)) = f (x)g(x) + f (x)g (x). Izraˇunajmo prvo c 1 g(x) . c dakle je po Teoremu 6.19 imamo ∆x−→0 lim g(x + ∆x) = g(x). za svaki x ∈ I.2. imamo g(x) · = 0. g 2 (x) f (x) g(x) = 1 f (x) g(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) . Dakle 1 g(x) = 0. gdje je λ ∈ R proizvoljan.

Dakle imamo c s (f ◦ g) (x) = f (g(x))g (x) = cos(x2 )(2x) = 2x cos x2 . c Primjer 6. naravno.16 imamo h (x) = (g ◦ f ) (x) = g (f (x)) · f (x) = 2f (x)f (x) = 2 sin x cos x = sin 2x. f (x) ∈ J ⊆ D(g). UVOD U DIFERENCIJALNI RACUN Derivacija kompozicije funkcija Teorem 6.15 i Primjera 6.21. Izraˇunajmo joˇ i (f ◦ g) . Primjera 6.18 Koja je derivacija funkcije h(x) = (sin x)2 ? Funkcija h je kompozicija g ◦ f . x ∈ I ⊆ D(f ). odnosno (f −1 ) (f (x)) = 1 . Sada primjenom Teorema 6. f (x) = 0 na I i neka postoji f −1 . iz Teorema 6.21 Neka je funkcija f : R −→ R derivabilna u toˇki x otvorenog c intervala I. c −1 tj. gdje je g(x) = x2 . i funkcija g : R −→ R derivabilna u toˇki f (x) c otvorenog intervala J.♠ Derivacija inverzne funkcije Specijalan sluˇaj kompozicije funkcija je kada je funkcija g inverzna funkciji f . f (x) = sin x. Tada je funkcija g ◦ f derivabilna u x i vrijedi (g ◦ f ) (x) = g (f (x)) · f (x). Tada je f −1 derivabilna i vrijedi (f −1 ) (f (x)) = 1 . ♣ Gornju formulu za derivaciju kompozicije funkcija zovemo lanˇano pravilo. f (x) Ovo se. moˇe provesti samo ako je f (x) = 0. Dakle.22 Neka je funkcija f : R −→ R derivabilna na intervalu I. f (x) ♣ . g = f . z Teorem 6.21 imamo (f −1 ◦ f ) (x) = (f −1 ) (f (x))f (x) = 1. Dakle imamo f −1 (f (x)) = x.244 ˇ POGLAVLJE 6.

Dakle imamo ex+∆x − ex e∆x − 1 = ex lim .10 imamo da je f (x) = lim e∆x − 1 = 1. 6. i vrijedi (f ◦ g)(x) = x. 6.19 Pogledajmo sljede´e primjere: c 1 1.♠ 2 x Derivacije elementarnih funkcija Na osnovi Teorema 6.20.22 i derivacijama iz donje tablice. odnosno g (x) = 2.6.2.20.15 znamo da je derivacija funkcije f (x) = x2 funkcija f (x) = 2x. Derivacije svih c drugih elementarnih funkcija mogu se dobiti primjenom pravila iz Teorema 6. Iz Teorema 6. DERIVACIJA FUNKCIJE Primjer 6.21 i 6.22 mogu se izraˇunati derivacije svih elemenc tarnih funkcija. x 1 √ . odnosno 1 g (x) = √ . Kako je (f ◦ g)(x) = x iz Teorema 6.8 Studentima se preporuˇuje da provjere donje formule samostalno. ∆x−→0 ∆x lim dakle je f (x) = ex . Osnovne derivacije dajemo u sljede´oj tablici.21 i 6. 245 Pogledajmo prvo derivaciju funkcije f (x) = ex .22 imamo da je √ f (g(x))g (x) = 2 xg (x) = 1.22 imamo da je f (g(x))g (x) = eln x g (x) = xg (x) = 1. c Napomena 6. 2 x x je g (x) = Iz Primjera 6. ∆x−→0 ∆x−→0 ∆x ∆x Iz Primjera 6. Derivacija funkcije g(x) = ln x je g (x) = x . Derivacija funkcije g(x) = √ 1 . .

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

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

5 2 Slika 6. Za velike otklone to ne moˇemo uˇiniti jer nemamo viˇe dobru aproksimaciju z c s funkcijom g(x) = x i njihalo se viˇe ne ponaˇa kao harmoniˇki oscilator. c Kako se u okolini toˇke x0 tangenta dobro prijubljuje uz graf funkcije f (Teorem c 6.248 ˇ POGLAVLJE 6.23).5 1 1.20 Pronadimo lokalnu linearizaciju funkcije f (x) = sin x u toˇki x0 = c 0. to su razlike ordinata na grafu i na tangenti male za istu apscisu. dakle je f (0) = cos 0 = 1. Dakle.16 znamo da je f (x) = cos x. Zamjena funkcije f (x) = sin x funkcijom g(x) = x ”za male x” omogu´ava c jednostavno rjeˇavanje diferencijalne jednadˇbe koja opisuje gibanje njihala ”za s z male otklone”. Imamo f (x) ≈ sin 0 + cos 0(x − 0) = x. Iz Primjera 6.♠ s s c .6: Tangenta je graf najbolje linearne aproksimacije funkcije u okolini neke toˇke. UVOD U DIFERENCIJALNI RACUN 2 1 -1 -0. dovoljno blizu toˇki x0 moˇemo graf funkcije f zamijeniti komadom tangente: c z f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). c Primjer 6. Gornja formula predstavlja lokalnu linearizaciju funkcije f u toˇki x = x0 . odnosno sin x ≈ x na dovoljno maloj okolini oko x0 = 0.5 -1 0.

ln(1 + r) Za male r je uˇinjena pogreˇka takoder mala. Koliko godina treba da se novac uloˇen uz i% kamata godiˇnje s z s udvostruˇi? c Stavimo r = i . f (r) = 1+r . Imamo 2G = G(1 + r)t . odnosno f (0) = 1.2. Nas zanima vrijeme koje mora pro´i da se uloˇeni novac udvostruˇi. DERIVACIJA FUNKCIJE 249 Primjer 6. imamo f (r) ≈ f (0) + f (0)(r − 0) = r. 1 Kako je f (0) = 0.♠ c s . t= ln(1 + r) r i i Dakle dobili smo formulu za pribliˇno vrijeme udvostruˇenja uloˇenog novca. odnosno 2 = (1 + r)t .6. c Sada imamo ln 2 100 ln 2 70 ln 2 ≈ = ≈ . 100 Tada je suma novca nakon t godina dana formulom S(t) = G(1 + r)t . Dakle imamo ln(1 + r) ≈ r na dovoljno maloj okolini oko toˇke r = 0. Rjeˇavamo c z c s jednadˇbu z S(t) = 2G. z c z Uoˇimo da je iz te formule puno lakˇe izraˇunati vrijeme nego iz toˇne formule c s c c t= ln 2 . gdje je G glavnica. Logaritmiranjem gornjeg izraza dobivamo formulu t= ln 2 . ln(1 + r) Linearizirajmo lokalno funkciju f (r) = ln(1 + r) oko r = 0.21 ”Pravilo 70” za udvostruˇenje iznosa novca uloˇenog uz i% kac z mata godiˇnje.

250

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

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

odnosno f (0) =

1 2

imamo

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

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

6.2.6

Derivacije viˇeg reda s

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

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

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

251

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

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

252
y

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN
y

f(x) f(x)

0

x

0

x

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

6.2.7

Osnovni teoremi diferencijalnog raˇuna c

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

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

253

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

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

y

1

0

1

x

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

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

254

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

0, √ x−1 2 , 1−(x−1)

x≤1 1<x≤2

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

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

Kako je
x−→1−

lim f (x) = 0

i

x−→1+

lim f (x) = 1 ∈ C 2 −∞, 2 , /

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

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

y
f(x)

0

x

Slika 6.9: Fermatova lema.

6.2. DERIVACIJA FUNKCIJE

255

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

f(x)

0

x

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

256

ˇ POGLAVLJE 6. UVOD U DIFERENCIJALNI RACUN

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

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

f(x)

0

a

x0

b

x

Slika 6.11: Geometrijska ilustracija Rolleova teorema.

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

f (a)) i (b. c L(x) = f (a) + Tada oˇito funkcija c F (x) = f (x) − L(x) zadovoljava Teorem 6. tj.12: Geometrijska ilustracija Lagrangeovog teorema srednje vrijednosti. proizvoljne. f (b)) z c postoji toˇka x ∈ a. a < b. b−a y f(x) 0 a x0 b x Slika 6. postoji x ∈ a.26 kaˇe da za svaku sekantu kroz toˇke (a. Kako je F (x) = f (x) − L (x) = f (x) − imamo f (b) − f (a) = f (x )(b − a).2.13 Primijetimo: 1. b−a f (b) − f (a) (x − a). Napomena 6.6.25. Neka je L pravac kroz toˇke (a. b−a onda Teorem 6. b za koju je F (x ) = 0. f (a)) i (b. DERIVACIJA FUNKCIJE 257 Dokaz: Neka su a. b u kojoj je tangenta paralelna s tom sekantom. c . b ∈ I.♣ f (b) − f (a) . f (b)). tj. Ako jednadˇbu f (b) − f (a) = f (x )(b − a) zapiˇemo u obliku z s f (b) − f (a) = f (x ).

26 je bitan. x ≤ 1 f (x) = 3 x > 1.26 imamo da za svaki x iz neke okoline od a imamo x ∈ a.13: Glatkost je nuˇna u Lagrangeovom teoremu srednje vrijednosti. z Iz Teorema 6. 0 x>1 oˇito f ima prekid u x = 1. UVOD U DIFERENCIJALNI RACUN 2.12. x ≤ 1 . Ako je dana funkcija f : R −→ R formulom 3x. b−a ali ne postoji x ∈ 0.258 ˇ POGLAVLJE 6. Sada za c / a = 0 i b = 2 imamo f (b) − f (a) = 1. x za koji je f (x) − f (a) = f (x ). 2 za koji je f (x ) = 1. . po Teoremu 6. oˇito je c x−→1 lim f (x) = 3 = f (1). Uvjet f ∈ C 1 (I) iz Teorema 6. pa je. x−a To moˇemo pisati kao z f (x) = f (a) + f (x )(x − a). Kako je f (x) = 3. f neprekidna na R. Dakle je f ∈ C 0 (R) i f ∈ C 1 (R). y f(x) 0 a b x Slika 6.

2. poznavaju´i prvu derivaciju f (x0 ) moˇemo aproksimirati funkciju c z u okolini toˇke x0 .26 imamo da je f (x) = f (x0 ) + z f (x )(x − x0 ).26.6. tj. Koliko je ta aproksimcija dobra? Odnosno.+ (x−x0 )n + (x−x0 )n+1 . f (a)) i (x.. i ne znamo ga toˇno.14 Za n = 0 Teorem 6. c Zamjenom toˇne vrijednosti f (x ) pribliˇnom vrijednoˇˇu f (x0 ) dobijemo lokalnu c z sc linearizaciju.♣ 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. Napomena 6. ali ne znamo za koji x . f (x)). imamo toˇan izraz.27 je baˇ Lagrangeov teorem srednje s vrijednosti. imamo c pribliˇni izraz. 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 . no u nekoj toˇki sigurno je. Lokalna linearizacija c funkcije f oko toˇke x0 je dana s f (x) ≈ f (x0 ) + f (x0 )(x − x0 ). DERIVACIJA FUNKCIJE 259 Broj x ovisi o x. S druge strane.27 (Taylorov teorem srednje vrijednosti) Neka je f : I −→ R klase C n+1 (I) i neka je x0 ∈ I. iz Teorema 6. poznavaju´i vric c jednosti viˇih derivacija u x0 . tj. Teorem 6. tj.. .2. ne znamo u kojoj toˇki je tangenta parc c alelna sa sekantom kroz (a. c Usporedimo to s lokalnom linearizacijom (toˇka 6. tj. moˇemo li dobiti bolju aproksimaciju funkcije f u s z okolini toˇke x0 ? c Teorem 6.5). 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 +.

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

da je radijus konvergencije odgovaraju´ih c McLaurinovih redova beskonaˇan: c ∞ ex = n=0 xn .15 Taylorovi redovi obiˇno sporo konvergiraju. Red f (x) = f (x0 ) + f (x0 )(x − x0 ) + f 2! 0 ) (x − x0 )2 + . Primijetimo da je Taylorov red red potencija u varijabli (x − x0 ) (toˇka 4. c U posebnom sluˇaju za x0 = 0 red c f (x) = n∈N0 f (n) (0) n x n! zovemo McLaurinov red funkcije f .. DERIVACIJA FUNKCIJE 261 Medutim taj red moˇe divergirati za svako x = x0 . tj..1).2. (2n)! Napomena 6. . Tada red f (x) = n∈N0 f (x0 ) f (n) (x0 ) (x − x0 )2 + . sin x.8 Primjene derivacija Monotonost i lokalni ekstremi Teorem 6. dakle nisu jako c dobri za numeriku. odnosno konvergirati nekoj z (x drugoj funkciji.3. cos x prikazive pomo´u svojih z c McLaurinovih redova na cijelom R..2. (2n + 1)! ∞ cos x = n=0 (−1)n x2n .6. + (x − x0 )n 2! n! f (n) (x0 ) (x − x0 )n n! zovemo Taylorov red funkcije f . Moˇe se pokazati da su funkcije ex . n! ∞ sin x = n=0 (−1)n x2n+1 . n−→∞ gdje je Tn (x) = f (x0 ) + f (x0 )(x − x0 ) + i Rn (x) = f (x) − Tn (x).. ´e c konvergirati funkciji f u okolini toˇke x0 ako je c n−→∞ lim (f (x) − Tn (x)) = lim Rn (x) = 0.28 Neka je f ∈ C 1 (I) za neki interval I. 6.

Iz Napomene 6.24 smo vidjeli da. Limes nenegativne funkcije mora i sam biti nenegativan. to je i lijeva strana takva. Medutim. Dokaz ide na sliˇan naˇin. ako za funkciju f ∈ C 1 (I) vrijedi f (x) > 0 (f (x) < 0) na I. Obratno. lim x2 = 0). Kako je desna strana gornje jednadˇbe nenegativna. neka je f (x) ≥ 0 za svaki x ∈ I i neka je ∆x > 0.262 ˇ POGLAVLJE 6. Ovaj smjer se dokazuje analogno kao u Teoremu 6. Dakle ne vrijedi f (x) > 0 na R. za svaki x ∈ I.26 postoji x ∈ (x.26. onda funkcija strogo raste (pada) na I.28 primjenom Teorema 6. zbog ˇinjenice da limes strogo pozic tivne (negativne) veliˇine ne mora biti strogo pozitivan (negativan) ve´ moˇe biti c c z jednak nuli (npr. 2. ako je x0 ∈ I toˇka lokalnog ekstrema funkcije c 1 f ∈ C (I). pa je f (x + ∆x) − f (x) ≥ 0. Toˇke u kojima se prva derivacija poniˇtava ´e nam ipak biti zanimljive. za svaki x ∈ I. po Teoremu 6. Tada za ∆x > 0 vrijedi f (x + ∆x) ≥ f (x). pa je f (x) = lim za svaki x ∈ I. Neka je f ∈ C 1 (I) rastu´a funkcija na I. Dokaz: c 1. UVOD U DIFERENCIJALNI RACUN 1.28 ne moˇemo nejednakosti tipa c z ≥ (≤) zamjeniti strogim nejednakostima i dobiti analogne tvrdnje teorema za strogi rast i pad. onda je f (x0 ) = 0.♣ c c ∆x−→0 f (x + ∆x) − f (x) ≥ 0. . 2. Jedan smjer bismo mogli dokazati. dakle z funkcija f raste na I.25 Funkcija f : R −→ R dana formulom f (x) = x3 je strogo rastu´a c na R i vrijedi f (0) = 0.♠ Iz Primjera 6.11 imamo da obrat ne vrijedi. x + ∆x) takav da je f (x + ∆x) − f (x) = f (x )∆x.25 zakljuˇujemo da u Teoremu 6. Tada. ∆x za svaki x ∈ I. x−→0 U Teoremu 6. Funkcija f raste na I ako i samo ako je f (x) ≥ 0. jer se c s c medu njima nalaze potencijalni ekstremi. Funkcija f pada na I ako i samo ako je f (x) ≤ 0. ∆x Primjer 6. obratna tvrdnja ne mora vrijediti.

ako je f (x) > 0 lijevo od x0 i f (x) < 0 desno od x0 . jer konveksnost i konkavnost ovise o predznaku druge derivacije. u stacionarnoj toˇki funkcija moˇe. u stacionarnoj toˇki nema lokalnog ekstrema (imamo rast c ili pad na nekoj okolini te toˇke). konkavnost i toˇke infleksije c Alternativni pristup problemu odredivanja lokalnih ekstrema je preko konveksnosti i konkavnosti funkcije. kaˇemo da je f konkavna na I. a s druge pada (raste)).28. . Funkcija f ima lokalni ekstrem u toˇki x0 ako i samo ako f (x) mijenja predznak u toˇki x0 . Ako derivacija s c ne mijenja predznak.5 Toˇke u kojima se prva derivacija funkcije iz C 1 (I) poniˇtava c s zovu se stacionarne toˇke. a ta se s c promjena ponaˇanja oˇituje kroz promjenu predznaka derivacije. Teorema 6.4.6. 2 za sve x1 . Definicija 6. onda u x0 funkcija f ima lokalni minimum. 2 x1 + x2 2 ≤ f (x1 ) + f (x2 ) . u stacionarnim toˇkama je tangenta na graf funkcije paralelna s osi x.♣ c Konveksnost.1. To ovisi o promjeni ponaˇanja funkcije u toj toˇki. DERIVACIJA FUNKCIJE 263 Definicija 6. x2 ∈ I. Dokaz: Izravno iz toˇke 5. inaˇe ima lokalni ekstrem (s jedne strane toˇke c c c funkcija raste (pada). z Ako su nejednakosti stroge govorimo o strogo konveksnoj i strogo konkavnoj funkciji na I. x2 ∈ I. U formulaciji ´emo zahtijevati neˇto ve´u glatko´u funkcije c s c c (tj. imati s c z lokalni ekstrem. onda u x0 funkcija f ima lokalni maksimum. Ako je f x1 + x2 2 ≥ f (x1 ) + f (x2 ) . ali i ne mora. c c Ako je f (x) < 0 lijevo od x0 i f (x) > 0 desno od x0 .2. Teorema 6.29 Neka je f ∈ C 1 (I) i f (x0 ) = 0 za neki x0 ∈ I. c Kao ˇto smo rekli. Teorem 6. da je barem f ∈ C 2 (I)).24. c Dakle.6 Neprekidna funkcija f : I −→ R je konveksna na I ako je f za sve x1 .

264 ˇ POGLAVLJE 6. za svaki x ∈ I.♣ Teorem 6. konveksnost i konkavnost su odredene predznakom druge derivacije. imamo f (x) = f (x0 )+f (x0 )(x−x0 )+ f (cx ) f (cx ) (x−x0 )2 = f (x0 )+ (x−x0 )2 ≥ f (x0 ). Funkcija f je konkavna na I ako i samo ako je f (x) ≤ 0. x2 ∈ I graf konveksne funkcije je ispod. ali je f (0) = 0. Uzmimo x proizvoljan iz te okoline. jer c c se nalazi izmedu x0 i x.30 Neka je f : I −→ R klase C 2 (I). Dakle je f (cx ) > 0. za svaki x ∈ I. izmedu x1 .27 za sluˇaj c n = 1. Uzmimo stacionarnu toˇku x0 za koju je f (x) > 0. x2 ∈ I z slika aritmetiˇke sredine od x1 i x2 manja ili jednaka od aritmetiˇke sredine slika c c x1 i x2 . UVOD U DIFERENCIJALNI RACUN Definicija 6. c . funkcija f : R −→ R dana formulom z f (x) = x4 oˇito ima u x = 0 (globalni) minimum. druga derivacija je pozitivna i na nekoj okolini od x0 (Teorem 6. a graf konkavne funkcije iznad sekante kroz toˇke (x1 . c Ako je funkcija f dovoljno glatka (barem klase C 2 (I)). Teorem 6. Npr.31 Neka je x0 stacionarna toˇka funkcije f ∈ C 2 (I). 2. Funkcija f je konveksna na I ako i samo ako je f (x) ≥ 0. Zbog neprekidnosti druge c derivacije. 2 2 Dakle u toˇki x0 funkcija f ima lokalni minimum.6 kaˇe da je funkcija f : I −→ R konveksna ako je za sve x1 . c 2.31. Onda ´e i toˇka cx iz Teorema 6. Ako je f (x0 ) > 0. funkcija f ima u x0 ∈ I lokalni minimum. f (x2 )). Primijenimo li Teorem 6. Dokaz ide na sliˇan naˇin.♣ c c Uvjet f (x) ≥ 0 (f (x) ≤ 0). f (x1 )) i (x2 . 1. c c Dakle. iz Teorema 6. a konkavna ako je za sve x1 .3). da funkcija f ∈ C 2 (I) ima lokani maksimum (minimum) nije nuˇan. c 1. x2 ∈ I slika aritmetiˇke sredine od x1 i x2 c ve´a ili jednaka od aritmetiˇke sredine slika x1 i x2 . Dokaz: 1. funkcija f ima u x0 ∈ I lokalni maksimum.27 biti iz te okoline. 2. Ako je f (x0 ) < 0.

g(x) Dokaz: Promatrajmo sluˇaj kad su f i g dovoljno glatke (bar klase C 2 (I)) i g (x) = 0 za svaki c x = x0 . Dakle je konveksna na −∞. Ako je c ∈ I toˇka infleksije od f . c strogo konveksna i na c.34 Neka su f i g derivabilne funkcije na I osim. f (c)) toˇka infleksije grafa funkcije f . za funkciju f : R −→ R danu formulom c c 4 f (x) = x vrijedi f (0) = 0. c + δ strogo konkavna ili je na c − δ. neka je f na c − δ. onda je c f (c) = 0. c + δ). c Teorem 6. u x0 ∈ I. Tada iz Teorema 6. x ∈ I. DERIVACIJA FUNKCIJE 265 Definicija 6. z Neka je lim f (x) = lim g(x) = 0. c Dokaz: Izravno iz Definicije 6. c) i pada na (c. Zbog neprekidnosti od f i g na I imamo f (x0 ) = lim f (x) = 0 i g(x0 ) = lim g(x) = 0. c + δ strogo c konkavna za neki δ > 0.32 Neka je f ∈ C 2 (I). g (x) onda je i x−→x0 lim f (x) = L. ∞ . moˇda. z s c c Teorem 6. x ∈ I.30 imamo da funkcija f raste na (c − δ. Iz Teorema 6. c strogo konkavna i na c. Npr. f ima lokalni maksimum u c.♣ Raˇunanje limesa . c c Kaˇe se joˇ da je toˇka (c. c + δ strogo konveksna.6.2. Dakle. Tada kaˇemo da je z toˇka c toˇka infleksije funkcije f . pa je po Teoremu 6.7 Neka je f : I −→ R i c ∈ I. Dokaz: Bez smanjenja op´enitosti.♣ Uvjet f (c) = 0 iz Teorema 6. 0 i 0.33 Neka funkcija f ∈ C 2 (I) zadovoljava uvjet f (c) = 0 za neki c ∈ I i neka f (x) mijenja predznak u c.32 nije i dovoljan da bi funkcija f ∈ C 2 (I) imala u toˇki c ∈ I toˇku infleksije. Ako je g (x) = 0 za svaki x = x0 .L’Hospitalovo pravilo c Teorem 6. i ako postoji x−→x0 x−→x0 x−→x0 lim f (x) = L.27 imamo x−→x0 x−→x0 f (x) = f (x0 )(x − x0 ) + r1 (x − x0 )(x − x0 ) . ∞ . ali je f (x) > 0 za x ∈ −∞. Neka postoji δ > 0 takav da je funkcija f na c − δ. c strogo konveksna i na c. 0 i f (x) > 0 za x ∈ 0. pa x = 0 ne moˇe biti z toˇka infleksije.24 f (c) = 0. Onda je c toˇka infleksije od f .7.

g (n+1) (x0 ) = 0. . f (x0 ) = 0. c Napomena 6. . Tada. α1 odnosno α2 kutovi c koje tangente na f1 odnosno f2 u toˇki x0 zatvaraju s pozitivnim smjerom x osi.16 Neka su funkcije f. iz Teorema 6.12) i iz Teorema 6. g(x) g (x0 ) Sada zbog neprekidnosti od f i g u x0 (Teorem 6.27 imamo x−→x0 lim f (x) f (n+1) (x) = lim (n+1) . . . 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 ) = . Znamo da je c tg α1 = f1 (x0 ). po g (x0 ) = 0. g (n) (x0 ) = 0.266 i ˇ POGLAVLJE 6.34. tg α2 = f2 (x0 ). c Dakle. f (n) (x0 ) = 0.12). UVOD U DIFERENCIJALNI RACUN g(x) = g (x0 )(x − x0 ) + r2 (x − x0 )(x − x0 ). g(x0 ) = 0. . Za x = x0 vrijedi f (x0 ) + r1 (x − x0 ) f (x) = . . analogno kao u dokazu Teorema 6. gdje je x0 apscisa toˇke presjeka grafova funkcija f1 i f2 . g ∈ C n+1 (I) i neka vrijedi f (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.♣ g (x) f g Na Teorem 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.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) .

Zapiˇemo li krivulje u eksplicitnom obliku imamo s y= y= √ a = f1 (x).14: Kut izmedu dviju krivulja. Iz toˇke 2.26 Odredimo kut izmedu krivulja xy = a i y 2 − x2 = a. 1 + f1 (x0 )f2 (x0 ) Napomena 6.2. To znaˇi da u c toˇki (x0 . Ako je α = 0. z c c Primjer 6. odnosno ako i samo ako je tg α = ∞. f (x0 )) krivulje (odnosno funkcije) f1 i f2 imaju zajedniˇku tangentu.1 imamo da je c tg α = tg (α2 − α1 ) = Odatle je α = arctg tg α2 − tg α1 f (x0 ) − f1 (x0 ) = 2 . dakle je f1 (x0 ) = f2 (x0 ). c c pa moˇemo re´i da se diraju u toj toˇki. ako i samo ako je f1 (x0 )f2 (x0 ) = −1.17 Krivulje (odnosno grafovi funkcija) f1 i f2 su okomite u toˇki c π x0 ako i samo ako je α = 2 . 1 + tg α1 tg α2 1 + f1 (x0 )f2 (x0 ) f2 (x0 ) − f1 (x0 ) . DERIVACIJA FUNKCIJE 267 y f (x) 1 α f2 (x) 0 x Slika 6. x a + x2 = f2 (x).2. onda je i tg α = 0 . a > 0.6. . tj.

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

c c z 8. neparnost. samokorigiraju´i. Postupak: 1. Ispitati parnost. Nadalje je V (x) = (a − 2x)(a − 6x). Postupak je. konkavnosti i toˇke infleksije. c c 6. Prona´i toˇke presjeka grafa funkcije s koordinatnim osima. Odrediti domenu funkcije (prirodno podruˇje definicije). u izvjesnom smislu. periodiˇnost. s 5. . Odrediti intervale monotonosti i lokalne ekstreme. volumen kutije bit ´e dan formulom c V (x) = (a − 2x)2 x. c Iz geometrijskih i praktiˇnih razloga je jasno da uz svaki vrh treba izrezat kvadratni c komad i da duljina stranice tog komada treba biti ista za sve vrhove. c c 4.27 Karton oblika kvadrata duljine stranice a treba izrezati na vrhovima tako da se dobije kutija najve´eg volumena.2. to upu´uje na pogreˇku u raˇunu. c c 2. Prona´i intervale konveksnosti. c Primjer 6. Sloˇiti sve dobivene podatke u graf funkcije. Ako se rezultat nekog c koraka ne slaˇe s rezultatima prijaˇnjih koraka. Oznaˇimo c li tu duljinu s x. Ispitati ponaˇanje na rubovima domene (asimptote). 7. Prona´i stacionarne toˇke. 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. DERIVACIJA FUNKCIJE Skiciranje grafa i ispitivanje toka funkcije 269 Metode diferencijalnog raˇuna su kljuˇne pri skiciranju grafa funkcije zadane c c formulom. 3.6.

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

U drugom pristupu. slijedi da je x + x ≥ 1. no kojeg se ipak treba sjetiti i dovesti u s c c vezu s danim problemom. doduˇe. je dio matematiˇke op´e kulture. z c Usporedimo sada ova dva pristupa. pozvali smo se na rezultat koji. minimalna vrijednost 1 se postiˇe za sluˇaj kad je x = x . a da se jednakost postiˇe samo za sluˇaj da su te veliˇine jednake.2. 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). za 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. Snaga pristupa preko diferencijalnog raˇuna je upravo c u tome ˇto daje postupak koji se moˇe provesti rutinski i gotovo mehaniˇki. koji je elegantniji. DERIVACIJA FUNKCIJE 271 1 Do istog smo rjeˇenja mogli do´i i na drugi naˇin.6. z c c 1 1 1 Kako je geometrijska sredina od x i x jednaka x x = 1. tj. 1 Nadalje. Izraz x + x je dvostruka s c c 1 aritmetiˇka sredina veliˇina x i x .♠ s z c .

.

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

Funkcija F : I −→ R za koju vrijedi F (x) = f (x) zove se primitivna funkcija funkcije f na I.5 s desna na lijevo c c vidimo da za neke elementarne funkcije postoje funkcije ˇije su one derivacije. 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).20 i Napomene 6.7 izravno slijedi da je operator deriviranja linearan. UVOD U INTEGRALNI RACUN deriviranja operator.1: Neodredeni integral funkcije f (x) kao skup svih primitivnih funkcija od f (x). vidimo da je s 2 svaka konstanta C ∈ R primitivna funkcija funkcije f (x) = 0. itd. Stoviˇe. a onda pogledajmo kada postoje i koja su im svojstva.1 Neka je F primitivna funkcija funkcije f na I ⊆ R. ˇ Citaju´i tablicu derivacija elementarnih funkcija iz toˇke 6. linearan operator koji mu je inverzan. Teorem 7.2. c Primjerice. Iz Teorema 6. C ∈ R. jer je derivacija svake konstante jednaka nuli. Iz tablice derivacija elementarnih funkcija vidimo da je sin x primitivna funkcija 2 ˇ funkcije cos x. da je x primitivna funkcija funkcije x.274 ˇ POGLAVLJE 7. . Definicija 7. Odatle slijedi vaˇno svojstvo primitivnih funkcija.1 Neka je f neprekidna funkcija na I ⊆ R. Zanima nas. 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. ako postoji. z F(x)+5 F(x)+e F(x)+1 F(x) F(x)−2 F(x)−7 f(x) Slika 7. Uvedimo prvo ime za takve funkcije.

4). Uzmimo sada dvije razliˇite primitivne funkcije od f na I i oznaˇimo ih s F i G. tj. a to je upravo druga tvrdnja teorema. s To nije toˇno inverz od derivacije.2 Neodredeni integral U literaturi se primitivna funkcija funkcije f naziva joˇ i njenom antiderivacijom. Interpretirajmo elemente ove formule: je znak integrala. 275 Dakle imamo prvu tvrdnju. koji je po Teoremu 7.7. NEODREDENI INTEGRAL Dokaz: Neka je C ∈ R proizvoljan.1. Dakle se svake dvije primitivne funkcije od f razlikuju za konstantu.26 imamo H(x) − H(x0 ) = H (c)(x − x0 ). H je konstantna funkcija. 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. Neodredene integrale nekih elementarnih funkcija moˇemo oˇitati iz tablice z c derivacija elementarnih funkcija (toˇka 6. Skup svih primitivnih funkcija funkcije f zove se neodredeni integral funkcije f . dolazi od S kao suma. Zbog c H (c) = F (c) − G (c) = f (c) − f (c) = 0. Ostale raˇunamo koriste´i svojstva c c c . jer linearni operator deriviranja nije injektivan: c on skup svih primitivnih funkcija od f . dx pokazuje po ˇemu se integrira. Tada je (F (x) + C) = F (x) + 0 = F (x) = f (x).♣ 7. C ∈ R je konstanta integracije. Piˇemo s f (x)dx = F (x) + C.1. ˇalje c s u f.2.1 beskonaˇan. slijedi H(x) = H(x0 ) za svaki x ∈ I. gdje je c neka toˇka izmedu x i x0 . f (x) je integrand.

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

Primjer 7. c c koriste´i pravila i tablicu derivacija (toˇka 6. c c z z to obiˇno nije lako. Ako se i moˇe integrirati. NEODREDENI INTEGRAL 277 f (x) xα ex ax 1 x 1 x ln a √ 1 1−x2 √ 1 x2 +1 xα+1 α+1 f (x)dx + C (α = −1) ex + C ax +C ln a ln |x| + C loga x + C arcsin x + C √ ln |x + x2 + 1| + C f (x) sin x cos x 1 cos2 x 1 sin2 x 1 1+x2 1 1−x2 √ 1 x2 −1 f (x)dx − cos x + C sin x + C tg x + C −ctg x + C arctg x + C 1 ln | x+1 | + C 2 x−1 √ ln |x + x2 − 1| + C Tablica 7.1. Nije lako z c unaprijed re´i koja se funkcija uop´e moˇe integrirati. izraˇunati derivaciju bilo koje c c c elementarne funkcije. c koji se ne moˇe izraziti kao konaˇna kombinacija elementarnih funkcija.7.1 Pogledajmo sljede´e primjere: c .3 Metode integriranja Deriviranje je mehaniˇka procedura: uz dovoljno vremena i strpljivosti mogu´e je. tabliˇne integrale. Najpoznatiji primjer je e−x dx. c Izravna integracija U izravnoj integraciji se koriste tabliˇni integrali (toˇka 7. eksponencijalne i z trigonometrijske funkcije.3 i gornju tablicu moˇemo raˇunati jednostavnije c z c integrale.1.1: Tabliˇni integrali c Koriste´i svojstva Teorema 7.3. Tako moˇemo integrirati polinome i jednostavnije racionalne.2) i svojstva iz Teoc c rema 7. Za ostale funkcije moramo razviti metode kojima ´emo c njihovu integraciju svesti na gornje.2. tzv.1. postoje dosta jednostavne elementarne 2 funkcije ˇiji integrali nisu elementarne funkcije. c 7. S druge strane.4).

Samo jedna prolazi toˇkom (1. 3). odredimo c c c 2 primitivnu funkciju F (x) funkcije f (x) = 3x + 1 koja prolazi toˇkom c (1. Odredimo integral funkcije f (x) = x2 + sin x. z Dakle funkcija 3x2 + 1 ima beskonaˇno mnogo primitivnih funkcija. y 3 0 1 x Slika 7.3 i tabliˇne integrale imamo: c c (3x2 + 1)dx = x3 + x + C = F (x).♠ c . 3).3 i tabliˇne integrale imamo: c c (x2 + sin x)dx = x2 dx + sin x dx = x3 − cos x + C. 3).2: Primitivne funkcije funkcije 3x2 + 1. i to je x3 +x+1. Koriste´i Teorem 7. Drugim rjeˇima. i ˇiji graf prolazi kroz toˇku (1. pa je C = 1. 3 2.278 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 1. Konstantu integracije C ∈ R odredujemo iz uvjeta F (1) = 3. Traˇena funkcija je F (x) = x3 + x + 1. Dakle je 3 = F (1) = 1 + 1 + C. Koriste´i Teorem 7. Odredimo funkciju ˇija tangenta u toˇki s apscisom x ima koeficijent smjera c c 2 3x + 1. i one c 3 su oblika x +x+C.

NEODREDENI INTEGRAL Integriranje zamjenom varijabli ili supstitucijom 279 Izravnom integracijom se. z Primjer 7.3 i tabliˇne integrale.2. tj. ne mogu integrirati produkti funkcija (osim c za polinome. ovo moˇemo pisati kao c c z sin x d(sin x). Ipak. deriviranjem sloˇenih funkcija. Integral sin x cos x dx ne moˇemo izravno rijeˇiti koriste´i Teorem 7. Koriste´i izraz za diferencijal (toˇka 6. a to znamo da je u2 2 sin x d(sin x). ili u posebnim sluˇajevima kad se oni mogu pretvoriti u zbroj ili c razliku kao kod nekih trigonometrijskih izraza). Dakle je sin x cos x dx = 1 2 sin x + C. No uoˇimo z s c c c da se izraz sin x cos x dx moˇe pisati kao z sin x(sin x) dx.7. gornji se integral svodi na u du.♠ 2 . To je sluˇaj kad je jedan od faktora u produktu c jednak derivaciji drugoga. op´enito.5).1. + C.2 Odredimo integral funkcije f (x) = sin x cos x. Dakle je sin x cos x dx = Uvode´i oznaku c u = sin x. ima jedan sluˇaj kad se c produkt funkcija lako integrira. Razlog je tomu ˇinjenica da se takvi produkti dobivaju c deriviranjem kompozicije funkcija.

Uoˇavaju´i da je izraz c c u (x)dx u stvari diferencijal argumenta funkcije g. UVOD U INTEGRALNI RACUN U Primjeru 7. Ako je G(u) primitivna funkcija od g(u). Odatle dobivamo op´e pravilo: c g(u(x))u (x)dx = G(u(x)) + C. a to je diferencijal od z u6 + C.♠ 6 6 6 Promatrajmo op´eniti sluˇaj u kojem se pojavljuje produkt oblika c c g(u(x))u (x) kao integrand. Zamjenom varijabli kao u Primjeru 7.280 ˇ POGLAVLJE 7. Primjer 7. Ista se ideja moˇe primijeniti i ako jedan faktor nije ˇista derivacija z c drugoga. moˇemo podintegralnu funkciju pisati kao z g(u)du. onda iz G (u) = g(u)u (x) slijedi dG(u) = G (u)du = g(u)u (x)dx = g(u)du. tj. . 6 Dakle je sin x cos x dx = 5 u du = 5 u6 u6 1 d( + C) = + C = sin6 x + C.2 smo vidjeli naˇin raˇunanja integrala zamjenom varijable ili supc c stitucijom.2 vidimo da se izraz sin5 x cos x dx moˇe pisati kao u5 du.3 Odredimo integral funkcije f (x) = sin5 x cos x. d(u(x)) = u (x)dx.

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

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

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

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

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

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

Nakon nalaˇenja tih koeficijenata parcijalne z razlomke integriramo izravno iz tablice pomo´u jednostavnih supstitucija. (Ovdje x0 oznaˇava konjugirano kompleksni broj od x0 .7. c Napomena 7.1. polinom (x − x0 ) dijeli s c c z polinom Pn (x). onda polinom (x − x0 ) dijeli Pn (x). imamo dx = x−3 du = ln |u| + C = ln |x − 3| + C. tj. Kako je Pn (x) polinom s realnim koeficijentima imamo Pn (x0 ) = Pn (x0 ) = 0 = 0.4 Neka je Pn (x) polinom stupnja n > 0 s realnim koeficijentima. pa tvrdnja oˇito vrijedi. onda je to i x0 . Uvrˇtavaju´i nultoˇku x0 u gornju jednadˇbu imamo C = 0. onda je to i x0 . tj. a u brojnicima konstante ili linearni polinomi. Tada vrijedi: 1. Qn−1 (x). b ∈ R. gdje c su a. c Metoda se temelji na sljede´im svojstvima polinoma. 2. Uvrstimo u integral. konstanta. c c 3. Dijeljenjem polinoma Pn (x) polinomom (x − x0 ) dobivamo polinom stupnja n − 1. onda je x0 = a − bi. ako je x0 ∈ C nultoˇka od Pn (x). c 2. Ako je x0 ∈ R. Ideja metode je naˇelno jednostavna: polinom u nazivniku se faktorizira c u linearne i kvadratne faktore i zatim se R(x) prikaˇe kao zbroj razlomaka u ˇijim z c su nazivnicima potencije linearnih i kvadratnih faktora. . ako je x0 ∈ C nultoˇka kratnosti r od Pn (x). Time se dobiva sustav linearnih jednadˇbi za koeficijente z u brojnicima parcijalnih razlomaka. x−3 287 Uvedimo supstituciju u = x − 3. pa je du = dx. c Neka je x0 ∈ C \ R. ako je x0 ∈ C oblika a + bi. i ostatak r(x) koji je polinom stupnja 0. Dakle imamo Pn (x) = (x − x0 )Qn−1 + C. tj. r(x) = C ∈ R.) Dokaz: 1. Odredimo integral funkcije f (x) = 1 . NEODREDENI INTEGRAL 3. onda je x0 = x0 . ako je x0 ∈ C nultoˇka od Pn (x).♠ 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.

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

.. M1 ..4) dobivamo sustav linearnih jednadˇbi iz kojeg nalazimo z nepoznate koeficijente u brojnicima parcijalnih razlomaka.. p > 1 A ln |x − α| + C.. (x − α)p Prvi sluˇaj je gotovo trivijalan: c A dx (x−α)p i Mx + N ..) + 2(rab + rcd + . Tada R(x) moˇemo pisati kao z R(x) = Pn (x) Arα A1 A2 + ..... N1 . ...... p = 1.+ 2 x − β (x − β) (x − β)rβ M1 x + N1 M2 x + N2 Mr x + Nrab + 2 + .... pri ˇemu je S(x) polinom u ˇijim se koeficijentima c c pojavljuju nepoznati koeficijenti A1 . NEODREDENI INTEGRAL Neka je polinom Qm (x) rastavljen kao u Napomeni 7. iz brojnika desne strane. + 2 ab + 2 + ax + b 2 x (x + ax + b) (x + ax + b)rab R1 x + L1 R2 x + L2 Rr x + Lrcd + 2 + .. x2 + cx + d (x + cx + d)2 (x + cx + d)rcd Svodenjem desne strane na zajedniˇki nazivnik i mnoˇenjem s Qm (x) dobivamo c z jednakost Pn (x) = S(x).) = m. Drugi je sluˇaj osjetno sloˇeniji. B1 . Nrab . + + .7.1. tj. ... Ovim je postupkom problem integriranja racionalne funkcije R(x) sveden na problem integriranja parcijalnih razlomaka oblika A . Brβ . .. + 2 cd + .. Qm (x) = (x − α)rα (x − β)rβ · · · (x2 + ax + b)rab (x2 + cx + d)rcd · · · . Arα . + + = + 2 Qm (x) x − α (x − α) (x − α)rα Brβ B1 B2 + + . 289 gdje je (rα + rβ + ...5. Mrab .. Izjednaˇavanjem koeficijenata uz iste potencije od x u c Pn (x) i S(x) (Teorem 5.. Supstitucijom c z t= x+ b− a 2 a2 4 . (x2 + ax + b)q = A − (p−1)(x−α)p−1 + C. .

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

Dakle je s c s x+2 dx = − x(x − 2)(x + 1) − ln |x| + dx 2 + x 3 dx 1 + x−2 3 dx = x+1 2 1 ln |x − 2| + ln |x + 1| + C. uvrˇtavaju´i nuliˇte x = −1 s c s s c s 1 2 dobivamo D = 3 .♠ x−1 Ako su nuliˇta nazivnika jednostruka. sustav za koeficijente se moˇe lako rjeˇiti s z s njihovim uvrˇtavanjem: s Primjer 7.1. D = −1. NEODREDENI INTEGRAL Odatle slijedi 291 2x2 −3x+3 = A(x−1)2 +Bx+Dx(x−1) = (A+D)x2 +(−2A−D +B)x+A. x(x−2)(x+1) x+2 A B D = + + . B = 2. uvrˇtavaju´i nuliˇte x = 2 dobivamo B = 3 .7.11 Odredimo integral racionalne funkcije f (x) = Imamo x+2 .♠ 3 3 . Uvrˇtavaju´i nuliˇte x = 0 dobivamo A = −1. x(x − 2)(x + 1) x x−2 x+1 Svodenjem na zajedniˇki nazivnik dobivamo c x + 2 = A(x + 1)(x − 2) + Bx(x + 1) + Dx(x − 2). 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. To nam daje sustav A+D =2 −2A + B − D = −3 A = 3. Rjeˇenje je A = 3.

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

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

b] ako je f (x) > 0. Op´enit sluˇaj se moˇe svesti na zbroj povrˇina krivuljnih trapeza ˇija unija c c z s c ˇini zadani lik. UVOD U INTEGRALNI RACUN y f(x) P 0 a Slika 7. b] . dakle. b] funkcije f (x).6.4: Krivuljni trapez. b x KT 1 KT2 KT KT3 4 Slika 7. zdesna pravcem x = b i odozgo grafom strogo pozitivne i neprekidne na [a. s lijeva pravcem x = a.) Po Teoremu 6. Neka je ta funkcija neprekidna. i da komad krivulje bude graf neke funkcije.5: Rastav ravnog lika na krivuljne trapeze. za svaki x ∈ [a. Pri tom rastavljamo lik tako da krivuljni trapezi imaju ravne c stranice paralelne s koordinatnim osima. b]. (Funkcija f je strogo pozitivna na [a. funkcija f na segmentu [a. Promatrajmo. krivuljni trapez omeden odozdo komadom osi x.294 ˇ POGLAVLJE 7.

Ta je ocjena to bolja ˇto c s y M f(x) m 0 a P b x Slika 7. b] na manje segmente i promatranjem krivuljnih trapeza nad tim manjim segmentima. Podijelimo segment [a. b]. 295 gdje je m minimum. .2.7.... a M maksimum funkcije f na [a. b za svaki i = 1.. z s c z s odavde slijedi (b − a)m ≤ P ≤ (b − a)M.6: Gornja i donja meda za ploˇtinu krivuljnog trapeza. 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.. pri ˇemu su xi ∈ a.... i = 1. ∀x ∈ [a. pravokutnik s osnovicom [a. Sada se krivuljni trapez kojeg promatramo moˇe cijeli upisati u pravokutnik kojem je osnovica segment z [a. < xn−1 .n. ODREDENI INTEGRAL poprima minimalnu i maksimalnu vrijednost. xi ].. b] i visinom m je cijeli sadrˇan u naˇem krivuljnom trapezu. Oznaˇimo s mi i Mi najmanju i c najve´u vrijednost funkcije f na segmentu [xi−1 . b]. Imamo gornju i donju ocjenu nepoznate veliˇine P . b] i visina M . b] na bilo kakav naˇin na n podsegmenata toˇkama c c x1 < x2 < . . . c Krajeve segmenta [a. Oznaˇimo duljine malih c c segmenata s ∆xi = xi − xi−1 .. S druge strane. n − 1. Smanjenje te razlike moˇe se posti´i podz c jelom segmenta [a. Dakle je m ≤ f (x) ≤ M. b] oznaˇimo s x0 = a i xn = b. i = 1. Oznaˇimo li traˇenu ploˇtinu s P . n (brojevi mi i Mi c . s je manja razlika vrijednosti M i m.

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

Funkcija f (x) je podintegralna funkcija ili integrand. b] i oznaˇavamo s c b f (x)dx. Tada veliˇinu c n ∆xi −→0 lim f (si )∆xi i=1 zovemo odredeni integral funkcije f na segmentu [a. n.2 Neka je f neprekidna funkcija na [a. b] su granice integrala (donja i gornja). . i = 1.. i = 1.2. ako su stare toˇke c u podjeli podskup novih. c c a donja se ne smanjuje. .. 297 Dakle su obje veliˇine s(r) i S(r) ograniˇene i odozdo i odozgo za svaku podjelu c c r.. . ˇ Sto se zbiva s gornjom i donjom Darbouxovom sumom prijedemo li na sitniju podjelu segmenta [a.7. To vrijedi ako se podjela profinjuje. c Definicija 7. xi ] toˇku si . c Napomena 7. b]..7 Iz gornjih smo razmatranja vidjeli da se ploˇtina ravnog lika s omedenog osi x. a Krajevi segmenta [a. c s Uzmimo u svakom segmentu [xi−1 . te komadom grafa pozitivne neprekidne (na [a. b]) funkcije f definira kao odredeni integral funkcije f u granicama od a do b. Ako uzimanjem sve finijih i finijih podjela od [a. to vrijedi n n n mi ∆xi ≤ i=1 n i=1 f (si )∆xi ≤ i=1 Mi ∆xi . pravcima x = a i x = b. Kako je mi ≤ c f (si ) ≤ Mi . ODREDENI INTEGRAL pa vrijedi m(b − a) ≤ s(r) ≤ S(r) ≤ M (b − a). b]? Istim zakljuˇivanjem kao gore vidimo da se gornja Darbouxova suma ne pove´ava.. Dakle. b]. n. Pokazuje se da z je to uvijek sluˇaj za neprekidnu funkciju f . tada je svaki mali krivuljni trapez stare podjele rastavljen na konaˇan broj joˇ manjih krivuljnih trapeza. b] gornja i donja Darbouxova suma teˇe prema z vrijednostima koje su jednake i koje ne ovise o naˇinu dijeljenja od [a. tj. Izraz i=1 f (si )∆xi zovemo integralna suma funkcije f . onda i c integralna suma izmedu njih mora teˇiti prema istoj vrijednosti.. Veliˇina x je varijabla integracije.

z Postoje i funkcije za koje limesi gornje i donje Darbouxove sume nisu isti. z c tj. Primjer 7. c Iz Primjera 7.9 Uoˇimo da ako je f monotona funkcija na [a. b] z kaˇemo da je f integrabilna na [a.6 Svaka neprekidna funkcija na [a. b]. x ∈ R \ Q.. Koje joˇ? s Teorem 7.13 Dirichletova funkcija.298 ˇ POGLAVLJE 7. tj. b]. b].13 vidimo da nisu sve funkcije na segmentu [a. Koje jesu? Neprekidne sigurno jesu. onda je ona i c ograniˇena. b] je integrabilna. UVOD U INTEGRALNI RACUN Definicija 7. b]. a . x∈Q 0. b] je integrabilna.8 Dirichletova funkcija ima prekid u svakoj toˇki. Dakle je s(r) = 0 i S(r) = b − a za svaku podjelu r segmenta [a. c i = 1. b] integrabilne.♠ Napomena 7. za svaki x ∈ [a.♣ Teorem 7. .. f (x) = nije integrabilna. b] imamo mi = 0 i Mi = 1. dakle je f ograniˇena funkcija na [a. b]. b]. c Dokaz: Ako f raste na [a. onda je f (a) ≤ f (x) ≤ f (b). Uoˇimo da za svaku podjelu r segmenta [a. Dirichletova funkcija nije integrabilna. Analogno se dokaˇe sluˇaj kada f pada na c z c [a.♣ Primjer 7. Izraˇunajmo iz definicije c b 1.3 Ako za funkciju f moˇemo definirati odredeni integral na [a. b]. n. 1 dx. Gornja i donja Darbouxova suma uvijek teˇe razliˇitim vrijednostima (b − a i 0)..5 Svaka monotona funkcija na [a.♣ Napomena 7.14 1. nisu integrabilne.

2. 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] c na n jednakih djelova. y f(x)=x 0 a x x x 1 2 3 b x Slika 7. b] je mi = Mi = f (si ) = 1. Izraˇunajmo a b x dx. Za svaku podjelu r segc menta [a. Sada je mi = a + (i − 1)∆x.7.. c Oˇito je funkcija f (x) = x neprekidna na [a. n. ODREDENI INTEGRAL 299 Oˇito je funkcija f (x) = 1 neprekidna na [a. c 2.8: Raˇunanje odredenog integrala funkcije f (x) = x iz definicije. Mi = n a + i∆x. b]. b]. dakle je a 1 dx = b − a. Podijelimo segment [a.. . ∆x = b−a . i = 1. Kako je S(r) = s(r) = b − a prijelazom na limes dobivamo b b b−a≤ a f (x)dx = a b 1 dx ≤ b − a. 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 ..

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

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

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

. i = 1. gdje je c ∈ R proizvoljan.18.2. b] toˇka c pada u toˇno jedan c c [xj−1 . onda iz svojstva aditivnosti i homogenosti slijedi da je skup R(I) beskonaˇnodimenzionalni c ˇ vektorski prostor. skup c {1. i = 1. j − 1. . x2 . 1. . a cf (x)dx = c a f (x)dx.} se c nalazi u nekoj bazi od R(I).2 i Teorema 6. jer npr. . dakle i integrabilna. Dakle beskonaˇni skup {xn : n = 0. Beskonaˇnodimenzionalan je.. Ako je funkcija f : [a. 6.11 Ako s R(I) oznaˇimo skup svih integrabilnih funkcija na I = [a... . b] i da je f (c) > 0.. . b] −→ R takva da je f (x) = 0 osim u konaˇno c mnogo toˇaka.2 i Teorema 6. iz svojstva aditivnosti i homogenosti odredenog integrala vidimo da je odredeni integral linearni funkcional na R(I)... n. xn } je linearno nezavisan za svaki n ∈ N (Teorem 5. Dakle je s(r) = 0 i S(r) = Mj ∆xj . . a Dokaz: Uzmimo prvo da je f (x) = 0 osim moˇda u toˇki c ∈ [a.13).7. a (f (x) ± g(x))dx = a ili aditivnost integrala. Stoviˇe. x.♣ c Napomena 7. j + 1.. onda je c b f (x)dx = 0. b]). n. Prelaze´i na limes dobivamo da je c ∆xj −→0 lim S(r) = 0.. Dokaz: Aditivnost integrala slijedi izravno iz Definicije 7.♣ b b 5. b] (skup R(I) nije prazan. ODREDENI INTEGRAL b b b 303 f (x)dx ± g(x)dx.. i svaka funkcija iz tog skupa je neprekidna na I. Oˇito je z c c tada m = 0. pa je mi = 0.. Mi = 0.3). unutra se sigurno nalaze sve neprekidne funkcije na [a. M = f (c) i za svaku podjelu r segmenta [a... Dokaz: Ovo svojstvo se zove svojstvo homogenosti integrala i izravno slijedi iz Definicije 7. Nadalje. a 4.. xj ]. R(I) je podprostor realnog vektorskog prostora svih funkcija s f : I −→ R (Napomena 5. i Mj = f (c).18.

a] −→ R parna. onda je a a f (x)dx = 2 −a 0 f (x)dx. a U sluˇaju kad je f (x) = 0 osim u konaˇno mnogo toˇaka. 7.304 dakle je ˇ POGLAVLJE 7. a] −→ R neparna. a b) −a f (x)dx = −a a f (x)dx+ 0 a f (x)dx = −a a f (−x)dx+ 0 f (x)dx = f (x)dx + 0 0 f (x)dx = 2 0 f (x)dx. Dokaz: a 0 a 0 a a) −a f (x)dx = −a 0 f (x)dx+ 0 a f (x)dx = −a a −f (−x)dx+ 0 a f (x)dx = − −a a f (−x)dx + 0 0 f (x)dx = − 0 a f (x)dx + 0 0 f (x)dx = 0.♣ a Kao izravnu posljedicu imamo: ako se funkcije g i h razlikuju na [a. b] u samo konaˇno mnogo toˇaka onda je c c b b g(x)dx = a a h(x)dx. i prema dokazanome je z s s b f (x)dx = 0. rastavimo na konaˇan c broj podsegmenata koji sadrˇe najviˇe jedno nuliˇte funkcije f . i kad f nije nuˇno pozitivna c c c z dokaz ide posve analogno tako da segment [a. UVOD U INTEGRALNI RACUN b f (x)dx = 0. onda je a f (x)dx = 0. −a b) Ako je f : [−a. a) Ako je f : [−a. b] po svojstvu 3.♣ .

b]. po Teoremu 6.8 je dobro definirana funkcija F ∈ C 1 [a.♣ 9. b] oko toˇke c takav da je f (x) > 0. Dokaz: Po Teoremu 7. b]. c F (x) = g(x) − f (x) ≥ 0. x1 odnosno b x1 x2 b f (x)dx = a a f (x)dx + x1 f (x)dx + x2 f (x)dx > 0. b] takve da je f (x) ≤ g(x) za svaki x ∈ [a. b]. za svaki x ∈ I . Ako je f (c) < g(c) za bar jedno c ∈ [a. Iz pozitivnosti funkcije f na [a. x2 ] imamo x2 f (x)dx > 0. onda je F (c) = g(c) − f (c) > 0. odnosno b F (b) = a (g(ζ) − f (ζ))dζ ≥ 0. Dakle postoje x1 . tj. b] formulom x F (x) = a (g(ζ) − f (ζ))dζ.3 slijedi da postoji interval I ⊂ [a.3 slijedi da postoji interval . onda je b f (x)dx > 0. Ako je f neprekidna i nenegativna funkcija na [a.2. b] tada iz Teorema 6. Neka su f i g neprekidne funkcije na [a. b]. b] iz Teorema 6. Dakle. x2 ∈ I takve c da je x1 < c < x2 . ODREDENI INTEGRAL 305 8. b] odnosno stroge pozitivnosti na [x1 . Ako je f (c) < g(c) za bar jedno c ∈ [a. Ovo svojstvo se zove svojstvo monotonosti integrala. b] onda vrijedi stroga nejednakost. a Dokaz: Kako je f (c) > 0 za neki c ∈ [a.28 F raste na [a. i oˇito ima pozitivnu derivaciju. Tada je b b f (x)dx ≤ a a g(x)dx.7. b] i ako je f (c) > 0 za neki c ∈ [a. Odatle slijedi da je F (b) ≥ F (a) = 0. Kako je funkcija F = g − f neprekidna na [a.

b]. b] oko toˇke c takav da je F (x) > 0. za svaki c x ∈ [a. iz neprekidnosti funkcije f na [a. Nadalje. b]. imamo da je b b b − a |f (x)|dx ≤ a f (x)dx ≤ a |f (x)|dx. tj. Oˇito vrijedi −|f (x)| ≤ f (x) ≤ |f (x)|.14 slijedi b b b m(b − a) = m a dx < a f (x)dx < M a dx = M (b − a). b] −→ R. Neka je f : [a. odnosno po Teoremu 6. b]. iz svojstva 9. x2 ∈ I takve da je x1 < x2 i F (x1 ) < F (x2 ). tj. i Primjera 7. za svaki x ∈ I .28 c F strogo raste na I .♣ a Izraz 1 b−a b f (x)dx a . m ≤ f (x) ≤ M . Ako f nije konstanta na [a. 11.6.6 znamo da funkcija f poprima barem jednom svaku vrijednost izmedu m i M .306 ˇ POGLAVLJE 7. b] za koji je b f (x)dx = f (c)(b − a). Kako je F (a) ≤ F (x1 ) i F (x2 ) ≤ F (b). a Dokaz: Po Teoremu 6. odnosno imamo strogu nejednakost. iz svojstva 9. pa postoji barem jedan c ∈ [a.7 (Teorem srednje vrijednosti) Neka je funkcija f neprekidna na [a. imamo da je F (b) > F (a) = 0. Teorem 7. a b b f (x)dx ≤ a |f (x)|dx. za svaki x ∈ [a. Tada postoji toˇka c ∈ [a. b]. b]. Nadalje iz Teorema 6. Dakle postoje x1 . b] slijedi da f dostiˇe z svoj minimum m i maksimum M na [a.♣ 10. UVOD U INTEGRALNI RACUN I ⊂ [a. b] takva da je c b f (x)dx = f (c)(b − a).

Oˇito je da funkcija f ima prekid u x0 = 0. a2 . n Za funkcije koje nisu neprekidne Teorem 7. Odatle ime teoremu. x ≥ 0 −1. b] jednaka vrijednosti te funkcije u nekoj toˇki tog segmenta..♠ c . iz svojstva 7. ODREDENI INTEGRAL y 307 M f(x) m 0 a b x Slika 7.. . a Teorem 7. b] jednaka je povrˇini pravokutnika s s b osnovicom b − a i visinom 1 b−a f (x)dx. −1 medutim ne postoji toˇka c ∈ [−1.2.15 Neka je dana funkcija f : R −→ R formulom f (x) = 1.+an dine (aritmetiˇka sredina od a1 . x < 0. Nadalje. kako je f neparna c funkcija. se zove srednja vrijednost funkcije f na segmentu [a. imamo da je 1 f (x)dx = 0. 1] za koju je f (c) = 0. b].9: Teorem srednje vrijednosti za odredeni integral. c Napomena 7. Povrˇina ispod s grafa neprekidne funkcije f nad [a.12 Srednja vrijednost je poop´enje pojma aritmetiˇke srec c a1 +a2 +..7 ne mora vrijediti: Primjer 7..7.. an ∈ R je a = c ).7 kaˇe da je srednja vrijednost neprekidne funkcije na segmentu z [a.

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

7.LEIBNIZOVA FORMULA je derivabilna na [a.6). b]. NEWTON . lim y f(x) F(x) 0 a x x+∆ x b x Slika 7. Po Teoremu 7. ∆x odnosno f (ζ1 ) = m ≤ . Onda ona na tom segmentu poprima svoj minimum m u ζ1 i maksimum M u ζ2 (Teorem 6. b] i vrijedi F (x) = f (x). x+∆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. ∆x−→0 ∆x Funkcija f je neprekidna na [a. ∆F ≤ M = f (ζ2 ). Ho´emo gledati c ∆F . pa onda i na svakom podsegmentu [x.11: Funkcija F (x).3.7 vrijedi x+∆x m∆x ≤ x f (ζ)dζ ≤ M ∆x.

do kojeg dolazimo preko limesa niza integralnih suma. ∆x−→0 ∆x ∆x−→0 Kad ζ1 −→ x. mora vrijediti f (ζ1 ) −→ f (x) (Teorem 6. b] i F (x) = f (x).8 kaˇe da je z a f (ζ)dζ primitivna funkcija funkcije f . do kojeg smo doˇli pokuˇavaju´i invertirati s s c .♣ x ∆x−→0 ∆F ≤ f (x). zbog neprekidnosti funkcije f na [a. F (x) = f (x).8 znamo da je F (x) = a x f (ζ)dζ primitivna funkcija funkcije f . ∆x Teorem 7. Odatle slijedi c f (x) ≤ lim tj. b F (b) = a f (ζ)dζ. onda. Uvrstimo li x = a i x = b u izraz za F iz svojstva 1.12). f (x) ≤ F (x) ≤ f (x). toˇke ζ1 i ζ2 moraju teˇiti prema x. z Teorem 7.2 c dobivamo x b F (a) = a f (a)dζ = 0. Sliˇno i za ζ2 −→ x. b]. Odatle je a f (x)dx = F (b) − F (a).Leibnizova formula) Neka je funkcija f definirana i neprekidna na [a.♣ Newton . iz toˇke 7.9 (Newton . pa imamo c z ∆x−→0 lim f (ζ1 ) ≤ lim ∆F ≤ lim f (ζ2 ). U njoj se povezuju odredeni integral. b] Tada postoji primitivna funkcija F funkcije f i vrijedi b f (x)dx = F (b) − F (a). Sliˇna se tvrdnja c moˇe dokazati i ako se uvjet neprekidnosti funkcije f zamijeni uvjetom integraz bilnosti.Leibnizova formula je jedan od najznaˇajnijih rezultata cijele matematiˇke c c analize. Dakle je F (x) derivabilna funkcija na cijelom [a.2. no dokaz je bitno sloˇeniji.310 ˇ POGLAVLJE 7. tj. a Dokaz: Prema Teoremu 7. UVOD U INTEGRALNI RACUN Prijelazom na limes kad ∆x −→ 0. i neodredeni.

3 √ √ √ 3 3 π c Analogno. Pri tome nestane konstanta integracije. β] ne izlaze izvan segmenta [a. Onda na kraju ne treba vra´ati natrag originalnu varijablu integracije ni originalne granice. Kod metode zamjene varijabli jedan naˇin je da se provede raˇun do kraja. Kod primjene na raˇunanje odredenih integrala. Sada oˇito funkcija ϕ : [− 2 . Teorem 7.10 (Zamjena varijabli u odredenom integralu) Neka je funkcija ϕ neprekidna na segmentu [α. Ako vrijednosti funkcije ϕ na [α. β] ima neprekidnu derivaciju ϕ . β] i neka ϕ na [α. Iz ϕ(t) = − 3. c Desna strana Newton . i ako je ϕ(α) = a.7. c c da se u konaˇni neodredeni integral vrati putem obrnute supstitucije originalna c varijabla integriranja i da se onda uvrste originalne granice. c Prilikom izbora supstitucije treba joˇ voditi raˇuna o neprekidnosti derivacije sups c stitucije i o tome da njene vrijednosti ne izlaze izvan granice zadanog segmenta integracije (da bi odredeni integral bio dobro definiran).3. b]. u metodama izravne integracije c se samo na kraju u izraˇunati neodredeni integral uvrste granice.Leibnizove formule se joˇ kra´e piˇe kao s c s F (b) − F (a) = F (x) . iz ϕ(t) = 3 dobijemo t2 = 3 .LEIBNIZOVA FORMULA 311 linearni operator deriviranja. Stvari se znaju zakomplicirati ako ima viˇe supstitucija. ϕ(β) = b. Time je omogu´ena primjena metoda razvijenih za c neodredene integrale na raˇunanje odredenih. tj. b]) vrijedi formula zamjene varijabli b β f (x)dx = a α f (ϕ(t))ϕ (t)dt. NEWTON . onda za f ∈ C([a.16 Izraˇunajmo c √ 3 √ − 3 √ 4 − x2 dx. Drugi pristup je da se kod svake supstis tucije osim podintegralne funkcije i diferencijala modificiraju i granice. ♣ Primjer 7. a b ˇ Citamo to kao ”F (x) u granicama od a do b”. i od vrijednosti u c gornjoj granici se oduzme vrijednost u donjoj granici. √ √ Stavimo ϕ(t) = 2 sin t. sin t = − 23 imamo t1 = − π . 2 ] −→ .

tj.♠ 3 Kod parcijalne integracije situacija je jednostavnija.17 Izraˇunajmo c 0 1 xex dx.10.♠ 7. . Iz Primjera 7.4 Nepravi integral Do sada smo uvijek pretpostavljali da je podintegralna funkcija neprekidna (dakle po Teoremu 6. u dv = uv a b a − a v du. c c c Neka je funkcija f neprekidna na [a. Primjer 7. Promatramo prvo sluˇaj kad integrand nije ograniˇen na podruˇju integracije.312 ˇ POGLAVLJE 7. dakle imamo √ 3 √ √ − 3 4− π 3 x2 dx = π 3 2 cos t 4 − 4 sin t dt = 4 π 3 2 π 3 cos2 t dt = −π 3 −π 3 1 2 (1 + cos 2t)dt = 2(t + sin 2t) π 2 −3 −π 3 = 4π √ + 3. 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. b i neka je x−→b− lim f (x) = +∞. kao i da je samo poc druˇje integracije konaˇno. UVOD U INTEGRALNI RACUN R zadovoljava uvjete Teorema 7.6 i omedena) na podruˇju integracije. Vrijednosti integrala mogu se ponekad (ali ne uvijek) c c izraˇunati i ako su neki od tih uvjeta naruˇeni.6 imamo 1 0 xex dx = xex − 0 0 1 1 ex dx = e − ex 1 0 = e − e + 1 = 1. U takvim sluˇajevima govorimo c s c o nepravim integralima.

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

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

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

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

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

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

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

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

Nareˇemo ga na tanke ploˇke. Volumen komada tijela T izmedu ravnina x = xi i x = xi+1 . z volumena tih valjˇi´a biti dobra aproksimacija volumena stoˇca. Povrˇinu osnovice tog valjˇi´a s cc .2 Volumen rotacijskog tijela Promatramo neko tijelo u tri dimenzije. recimo stoˇac visine H i polumjera osz novice r. recimo visine ∆h = H .ˇ 7. H − ∆h. krnji stoˇac visine ∆h. h = 0. za ∆h −→ 0. PRIMJENE INTEGRALNOG RACUNA 321 omedenu grafom proizvoljne neprekidne funkcije.16: Volumen stoˇca kao limes sume volumena tankih valjaka. ∆h. tj. n − 1. za svaki y ∈ [c. pravcem y = c i pravcem y = d i ploˇtinu izmedu grafova neprekidnih funcija g1 i g2 na [c. < xn−1 < xn = b. i = 0.5.. . Time je c c i tijelo T podijeljeno na n slojeva.... i u z s n svakom sloju izmedu visine h i h + ∆h. 7. osi y. cc z tj.5. Podijelimo segment [a. Za veliki n ∈ N ´e zbroj z c H R Slika 7. manjoj) osnovici krnjeg stoˇca. b]. d]. zamijenimo valjkom ˇija osnovica ima c polumjer f (xi ) a visina je ∆xi+1 = xi+1 − xi . Za n −→ ∞.. valjkom iste visine s osnovicom jedz z nakom gornjoj (tj. .. b] na n dijelova pomo´u toˇaka a = x0 < x1 < . zamijenimo komad stoˇca. n ∈ N. d] takvih da je s g1 (y) ≥ g2 (y). Uzmimo da je funkcija f pozitivna i neprekidna na segmentu [a. 1... dobit ´emo toˇnu formulu za volumen stoˇca. 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.

No taj popreˇni presjek c c 2 je krug. b] −→ R oko osi x omedenog ravninama x = a i x = b: b b Vx = a P (x)dx = π a f 2 (x)dx. S druge strane. a njegova povrˇina za zadani x je jednaka f (x)π. s u limesu zbroj volumena valjˇi´a teˇi prema volumenu tijela T .17: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi x. UVOD U INTEGRALNI RACUN f(x) T 0 a b x ∆x Slika 7. tj.♠ 2 . Iz Primjera 7.21 Izraˇunajmo volumen tijela koje nastaje rotacijom luka sinusoide c izmedu x = 0 i x = π oko osi x. ako taj limes postoji kad n −→ ∞.322 y ˇ POGLAVLJE 7. kad max ∆xi+1 −→ 0. Odatle slijedi cc z formula za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. i=0 Prijedemo na limes. 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. oznaˇimo s P (xi ). 0). Promatramo zbroj svih volumena tih valjˇi´a: c cc n−1 P (xi )∆xi+1 . 0. Primjer 7.8 imamo π Vx = π 0 1 sin2 (x)dx = π[ (x − sin x cos x)] 2 π 0 = π2 .

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

23 Izraˇunajmo volumen torusa koji nastaje rotacijom kruˇnice c z x2 + (y − R)2 = r2 . y R r 0 x −R Slika 7. Iz jednadˇbe kruˇnice x2 + (y − R)2 = r2 imamo z z f1 (x) = R + √ r 2 − x2 . R > r. Primjer 7. . f2 (x) = R − √ r 2 − x2 .20: Volumen torusa nastalog rotacijom kruˇnice sa srediˇtem na osi z s y oko osi x.324 y ˇ POGLAVLJE 7.19: 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.

n. i = 1. c Teorem 7. nastaje cilindriˇni sloj. b] na n dijelova. Podijelimo li opet segment [a. rotacijom komada izmedu [xi−1 .16 imamo r V = 4Rπ −r √ r2 − x2 dx = 4Rπ r2 x 1 x [arcsin + sin(2 arcsin )] 2 r 2 r r −r = 2Rr2 π 2 = 2Rπr2 π. PRIMJENE INTEGRALNOG RACUNA dakle je Imamo V =π −r 325 √ 2 2 f1 (x) − f2 (x) = 4R r2 − x2 . Zamijenimo li komad grafa od c f iznad segmenta [xi−1 .. tj. Volumen tog paralelepipeda je pribliˇno jednak z 2πxi f (xi )∆xi . r √ 4R r2 − x2 dx = 4Rπ r −r √ r2 − x2 dx. Sada iz Primjera 7. parc z alelepiped sa stranicama osnovice f (xi ) i 2πxi . . b]) funkcije f .5.♣ zs Na Guldinov teorem ´emo se vratiti kasnije. xi ]. dobijemo prizmu. a zbroj svih takvih volumena je dobra aproksimacija volumena cijelog tijela..♠ Ovaj rezultat je posebni sluˇaj prvog Guldinovog teorema. volumen tog komada moˇemo z izraˇunati.11 (Prvi Guldinov teorem) Volumen tijela koje nastaje rotacijom lika oko osi x jednak je produktu povrˇine lika i opsega kruˇnice koju pri rotaciji s z opisuje teˇiˇte lika. c Promatrajmo sada tijelo koje nastaje rotacijom lika oko osi y omedenog pravcima x = a. b] −→ R oko osi y b Vy = 2π a xf (x)dx. . debljine ∆xi = xi − xi−1 . U limesu.ˇ 7. x = b.. Razreˇemo ga po izvodnici i razmotamo. to nam daje formulu za volumen dijela prostora kojeg dobijemo rotacijom grafa neprekidne funkcije f : [a. xi ] konstantom f (xi ). x osi i grafom (pozitivne i neprekidne na [a.

Imamo 1 Vy = 2π 0 1 xx2 dx = 2π 0 1 0 1 x3 = π 4 x 2 1 0 1 0 = π . b]. 1] −→ R dane formulom f (x) = x2 oko osi y i osi x.3 Teˇiˇte zs Teˇiˇte homogenog ravnog lika zs Neka je funkcija f neprekidna i pozitivna na [a. zs zs c ako podupremo tijelo.21: Volumen rotacijskog tijela nastalog rotacijom grafa funkcije f (x) oko osi y. segmentom [a.24 Izraˇunajmo volumen tijela koje nastaje rotacijom funkcije f : c [0.5. (Teˇiˇte je toˇka u kojoj. b]. da mu je gusto´a c ˇ svuda ista. Primjer 7.326 ˇ POGLAVLJE 7. Pretpostavimo s z da je materijal na kojem je lik bio nacrtan homogen. UVOD U INTEGRALNI RACUN y 0 a b x Slika 7. c s c .) Iz klasiˇne mehanike znamo da z c za sustav materijalnih toˇaka s masama mi smjeˇtenima u toˇkama (xi . 2 Vx = π 0 (x2 )2 dx = π x4 = π 5 x 5 = π . yi ). ono ostaje u ravnoteˇi. Promatramo lik omeden pravcima x = a.♠ 5 7. b] na osi x i grafom funkcije f nad [a. dobijemo tanko tijelo. x = b. tj. Uzmemo li ˇkare i izreˇemo taj lik. Zelimo odrediti teˇiˇte izrezanog lika.

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

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

s Primjer 7. zs √ Imamo f (x) = r2 − x2 .11). to nam formule za koorc s s c dinate teˇiˇta glase zs xT = b a xf (x)dx b a f (x)dx . PRIMJENE INTEGRALNOG RACUNA 329 pravokutnika.23: Teˇiˇte homogenog polukruga. iz Primjera 7. Kako je masa promatranog lika jednaka M = µP.16 znamo da je r r f (x)dx = −r −r √ 1 r2 − x2 dx = r2 π. Zbrajaju´i po svim pravokutnicima dobivamo c n µxi f (si )∆xi . recimo.25 Odredimo teˇiˇte polukruga radijusa r sa srediˇtem u ishodiˇtu.5. zs s s y r 0 r x Slika 7. pri ˇemu je P njegova povrˇina (ˇto znamo izraˇunati). i=1 a to u limesu daje My = µ b a xf (x)dx. yT = 1 2 b 2 a f (x)dx b a f (x)dx .ˇ 7. Sada je jasno ˇto govori prvi Guldinov teorem (Teorem 7. Takoder. 2 . Iz simetrije je jasno da mora biti xT = 0. upravo xi .

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

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

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

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

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

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

b]) oko osi x s obzirom na ravninu kroz ishodiˇte: s Ir = µπ b a x2 f 2 (x)dx. Analogno iz ϕ(t) = r imamo t2 = 0. n. 8 Zbog aditivnosti momenta inercije i simetrije moment inercije cijelog kruga je 1 1 1 Ix = r4 π = µr2 πr2 = M r2 . i zbroje se momenti inercije malih valjaka polumjera f (si ). 4 4 4 Takoder zbog simetrije.2 i ovih gore dolazimo do formule za c moment inercije rotacijskog tijela nastalog rotacijom grafa funkcije f (neprekidne i pozitivne na segmentu [a. pa je c 1 Ix = 3 1 (r − x ) dx = 3 −3 2 2 3 2 r 0 π r4 r (1 − cos t) (−r sin t)dt = 3 3 2 3 2 π 0 sin4 t dt. 5 .. Prijelazom na limes dobijemo gornju formulu. Oˇito funkcija ϕ : [0.8 imamo 1 Ix = r4 π.. Iz ϕ(t) = −r imamo t1 = π. Sada iz Primjera 7. c Primjer 7. moment inercije cijelog kruga obzirom na y os je Iy = Ix . xi ]. i visine ∆xi = xi − xi−1 . .10..♠ 2 Kombinacijom razmatranja iz toˇke 7.30 Moment inercije homogene kugle gusto´e µ i polumjera r s obzirom na promjer kao os vrtnje dan je formulom 2 Ix = M r2 . dakle je 1 I0 = Ix + Iy = M r2 . UVOD U INTEGRALNI RACUN Stavimo ϕ(t) = r cos t. 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. xi ]. b] podijeli na male podsegmente [xi−1 . 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. i = 1. π] −→ R zadovoljava Teorem 7.5. gdje je si ∈ [xi−1 . 2 2 a onda se interval [a.336 ˇ POGLAVLJE 7.

n 1+ i=1 f (xi ) − f (xi−1 ) ∆xi 2 n ∆xi = i=1 1 + f (si )∆xi . i = 1. jednaka c di = ∆x2 + (f (xi ) − f (xi−1 ))2 . n.. i gdje je ∆xi = xi − xi−1 ... . . f (xi−1 )) i (xi . xi ]. i = 1.. pa uzmimo c s os x.26: Duljina luka zadanog kao graf funkcije f (x).ˇ 7. 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. 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. Podijelimo segment [a. c po Pitagorinu pouˇku. b] eksplicitnom formulom y = f (x). Duljina svakog takvog komada je. .. f (xi )). 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 . Duljina luka od toˇke A = (a.5. 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.5 Duljina i teˇiˇte luka ravne krivulje zs Promatramo luk ravne krivulje koja je na [a. b] na podsegmente [xi−1 .5. f (a)) do toˇke c c B = (b.. n.♠ 15 5 7.

Sliˇnim se razmatranjem dobivaju i statiˇki momenti luka krivulje homogene c c gusto´e.5. s 7. a onda i koordinate teˇiˇta: c zs xT = b a x √ 1+[f (x)]2 dx .27: Ploˇtina plaˇta rotacijskog tijela. . imamo da je povrˇina plaˇta krnjeg stoˇca s s z u naˇem sluˇaju jednaka s c π ∆x2 + (f (xi ) − f (xi−1 ))2 (f (xi−1 ) + f (xi )). . mase µ. Za limes kad ∆xi −→ 0 imamo da je duljina luka AB jednaka s= b a 1 + [f (x)]2 dx. s s plaˇta krnjeg stoˇca polumjera donje osnovice R... s yT = b a f (x) √ 1+[f (x)]2 dx . b] na podsegmente [xi−1 . polumjera gornje osnovice r i s z duljine izvodnice l jednaka πl(R + r). b] rotira oko osi x.. UVOD U INTEGRALNI RACUN gdje je si ∈ [xi−1 .. xi ].26). Kako je povrˇina s s s y f(x) T 0 a b x ∆x Slika 7. Ovdje smo koristili teorem srednje vrijednosti (Teorem 6. n.338 ˇ POGLAVLJE 7. n.6 Povrˇina rotacijske plohe s Neka neprekidna i pozitivna funkcija f na [a... i . 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. Dijeljenjem segmenta [a. i = 1. xi ]. i = 1.

i = 1. gdje je si ∈ [xi−1 .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. Toˇnije..31 Izraˇunajmo oploˇje kugle.♣ s zs 7. Zbrajaju´i sva ta oploˇja krnjih stoˇaca dobivamo c s z n 339 π i=1 1+ f (xi ) − f (xi−1 ) ∆xi n 2 (f (xi−1 ) + f (xi ))∆xi = 2π i=1 f (si ) 1 + f (si )∆xi . 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. 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.♠ Ovo je ilustracija rezultata poznatog kao drugi Guldinov teorem.ˇ 7. i ako je taj poloˇaj dan c z z izrazom s(0) = s0 . c ds = 1 + [f (x)]2 dx. ako znamo poloˇaj tijela u trenutku t1 = 0. Teorem 7.26). Ovdje smo ponovno koristili teorem srednje vrijednosti (Teorem 6. ploˇtinu sfere polumjera r.5. tj. xi ].5. c s s Bez smanjenja op´enitosti moˇemo pretpostaviti da smo danu kuglu dobili c z √ 2 − x2 oko osi x.7 Primjene u fizici Prijedeni put pri nejednolikom gibanju Pomo´u integrala moˇemo odrediti prijedeni put u vremenu izmedu trenutka t1 c z i t2 ako nam je poznata vrijednost brzine v(t) u svakom trenutku izmedu t1 i t2 . n. .. . Ovdje smo s ds oznaˇili diferencijal luka. onda u svakom trenutku t > 0 imamo t s(t) = 0 v(t)dt + s0 .. PRIMJENE INTEGRALNOG RACUNA gdje je ∆xi = xi − xi−1 . Primjer 7.

.. gornja se formula svodi na izraz c s(t) = vt + s0 . n.. n. Ako konstantna sila F djeluje na putu c c → → duljine |− | u smjeru vektora − .. b]. UVOD U INTEGRALNI RACUN Za sluˇaj konstantne brzine v(t) = v. Promatrajmo sada sluˇaj sile konstantnog smjera ˇiji iznos se neprekidno mijenja.. s → → − Ako su vektori F i − kolinearni.. b] na n posegmenata toˇkama a = x0 < x1 < x2 < .340 ˇ POGLAVLJE 7. uzmimo da je F (x) = F (x) i . Rad sile − → Sila je tipiˇan primjer vektorske veliˇine. y F(x) W 0 a b x Slika 7. ona pri tome vrˇi rad s s s − → → W = F ·−.. . xi ]. < xn−1 < xn = b i c pretpostavimo da je na svakom segmentu [xi−1 . Podijelimo segment [a. . i = 1.28: Rad sile F (x) na putu [a. recimo F (xi ). duljine ∆xi . c c − → − → Jednostavnosti radi. dobivamo poznatu formulu za rad s W = F · s. i = 1.. Tada je suma n F (xi )xi ∆xi i=1 . sila konstantna.

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

83 J.33. Postavimo koordic natni sustav tako da ishodiˇte bude na sredini stranice koja predstavlja povrˇinu s s jarka. a x os ide prema dolje tako da se dno jarka nalazi na apscisi x = h. ˇirina c s 2(1 − x) m. s x 0 y h Slika 7. Prijelazom na limes c dobivamo h W =g 0 x m(x)dx. (Ovdje smo uzeli da je gusto´a vode jednaka 103 kg/m3 . pri ˇemu je m(x) masa vode u sloju debljine dx na dubini x. a debljina sloja je dx metara).30: Jarak iz Primjera 7. . Integriraju´i doprinose svih dubina c od 0 do h = 1 m. zbrojimo sve te doprinose uzimaju´i sve tanje i tanje slojeve. duljina jarka je 10 m. U tom je koordinatnom sustavu ˇirina jarka na dubini x dana formulom y = 2(h − x).342 ˇ POGLAVLJE 7. imamo 1 1 W =g 0 20000(1 − x)xdx = 20000g 0 (x − x2 )dx = 32688.29: Jarak iz Primjera 7. Dakle sloj vode na dubini x ima masu m(x) = 2(1 − x) · 10 · 103 · dx kg. UVOD U INTEGRALNI RACUN 10m 2m 1m Slika 7.33.

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

31: Kanal iz Primjera 7. 1 Primjer ostavljamo bez rjeˇenja kako bi ga studenti mogli samostalno fors mulirati i rjeˇiti primjenjuju´i Pascalov zakon i odredeni integral.35.344 ˇ POGLAVLJE 7. UVOD U INTEGRALNI RACUN 0 1 Slika 7.♠ s c .

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

You're Reading a Free Preview

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