MATEMATIKA 1
Novi u
benik
Rukopis je pisan jasnim jezikom i odlikuje ga qienica da su sve osnovne tvrde dokazane. Da bi qitae teksta studentima bilo olakxano, sloeniji dokazi nekih teorema koje ne predstav aju obavezni deo kursa, prebaqeni su u Dodatke odgovarajuih glava .
Prof Vera Vujqi (iz recenzije)

• K iga sadr i sve teme (videti Sadraj) koje se rade na predava ima iz predmeta Matematika 1 i ima za ci da studentima FON-a olakxa sprema e usmenog ispita iz tog predmeta. • U k izi se mogu na i formulacije svih pojmova koji se tra e na usmenom ispitu ili usmenom kolokvijumu, kao i formulacije i dokazi svih teorema koje su predvi ene za usmeni. K iga sadr i ukupno 112 definicija i 114 teorema. • Tekst svake teme u k izi je ilustrovan brojnim primerima (ukupno 170 rexenih primera) i slikama (ukupno 58 slika) koji omogu avaju lakxe savladava e gradiva. Za neke primere data su i rexe a dobijena softverskim paketom MATLAB, pri qemu je konkretnim kodom ukazano kako se program koristi. • Za svaku temu je napisano i posebno poglav e Pitaa i zadaci koji su u vezi sa izlo enim gradivom, xto tako e studentima treba da olakxa savladava e osnovnih pojmova i tvr e a (ukupno 327 pita a i zadataka). • Svaka tema sadr i i posebno poglav e Dodatak gde su izdvojeni dokazi te ih teorema i gde su date i neke dodatne informacije u vezi sa temom (11 definicija, 10 teorema, 10 rexenih primera i 9 slika). • U svakom Dodatku su date i neke istorijske napomene u vezi pojmova, rezultata, kao i zanim ivih deta a iz biografija najznaqajnijih matematiqara za oblasti koje se izla u u k izi (zastup ena su 23 matematiqara).

. . . . . . . . . . . . . . . . Matrice i determinante 3. . . . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . 3. . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . .5 Pita a i zadaci . . . . . 1. . . . . . . . . . . . . .2 Binarna operacija . . . . . . . . . . . . 3 . . . . .4 Primeri grupa . . . . . .1 Definicija vektorskog prostora .3 Inverzna matrica . . . . . . . . . . . . . . . . . . 3.1 Dekartov proizvod skupova . . . . .7 Dodatak . . . . . . . . . . . . . . . . 3. . .3 Algebarske strukture sa jednom binarnom operacijom 2. . . . . . . . . . . . . .2 Realni brojevi . 1 1 3 6 9 12 14 16 16 17 18 19 21 23 26 29 29 38 46 50 53 58 60 60 62 64 66 68 . . . . . . . . . 1. . . .3 Funkcije . . . . . . . 3. . .4 Kardinalni brojevi 1. . . . . . . . . . . . . . 4. . . . . . . . . . . . . . 2. . . . . . . . . . . .2 Determinante . . . . .6 Dodatak . .6 Pita a i zadaci .5 Algebarske strukture sa dve binarne operacije . . . . . . .pojam i osnovne operacije 3. . . . . . . . . . . . . . . . .5 Pita a i zadaci . . . . . . . . . . 2. . 2. . . . . . .5 Dodatak . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . .1 Matrice . . . . . . . . . . . . . . . . . . . . . . .Sadr aj 1 Uvod 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . 1. . . .1 Skupovi . . . . 2 Algebarske strukture 2. . . 4. . . . . . . . . 4. . . . . . . . . .2 Linearna zavisnost i nezavisnost vektora . . . .4 Rang matrice . . . . . 4 Vektorski prostori 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Baza i dimenzija vektorskog prostora . . . . . . .6 Dodatak . . . . . . . . . . . . . . .4 Pita a i zadaci .

. . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Definicije graniqnih vrednosti . . . . . . . .3 Kroneker-Kapelijeva teorema . . . . . . . 5. . . . . . . . . . 8. . . . . . . . .8 Dodatak . . . . . . . . . . .5 Vektorski proizvod vektora . . . . 5. . . . . . . . 5. . . . Analitiqka geometrija 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Taqke nagomilava a niza . . . . 8. . . . . . . . . . . . . 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . .1 Neki skupovi u R i R . . . . . . . . . . . . . . . 91 95 95 97 99 102 104 108 110 114 117 117 123 128 130 132 136 136 137 139 144 147 150 152 156 158 158 159 166 169 6 . . . . . . . . . . . .viii 5 Sistemi linearnih jednaqina 5. . . . . . . . . . . . . .3 Koordinate vektora . . . . .4 Primena Kroneker-Kapelijeve teoreme na rexava tema linearnih jednaqina . .4 Pita a i zadaci .7 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . .2 Linearne operacije sa vektorima 6. . . . . . . . . . . . . . . . . . 7. . . 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. . . . . . .6 Koxijev kriterijum .6 Mexoviti proizvod vektora . . . . . . 76 e sis. .7 Dodatak . . .2 Definicija niza i primeri 8. . . . . . 9 Graniqne vrednosti funkcija 9. . . . . . . . . . . . .7 Pita a i zadaci . . . . . . . . . . . . . .4 Skup konvergentnih nizova 8. . . . 8. . . . . . . . . 7. . . . . 8 Nizovi 8. . . . . . . . 6. . . 8. . .3 Prava i ravan . . . 7 . . . . 9. . . . 88 . . . . . . . . . . 9. . . . . . . 5. . . . . . . . 72 . . . . . . . . . . . .1 Vektori u prostoru . . . . . . . . . . . . . . . . . 6. . .1 Ravan u prostoru . . . . . . . . . . . . . .4 Skalarni proizvod vektora . . .6 Pita a i zadaci .1 Realne funkcije realne promen ive . . . . . . . .2 Prava u prostoru . . . . . .4 Upore iva e beskonaqno malih funkcija . . . . . . . 9.5 Dodatak . . . . . . . . . . . . . . . . . .8 Dodatak . . . . . . . .5 Gausov algoritam . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . .3 Graniqna vrednost niza . . . . 75 . . 6. . . . . . . . . . . . . 80 . . . .3 Osobine graniqnih vrednosti . . . .2 Kramerove formule . . . . . 85 . . . . . . . . . . . . . . . . . . . . . . . . . . Vektori 6. . . 7. . . . . . . . . . . Sadr aj 72 . . . . . . . . . . . . . .1 Pojam sistema linearnih jednaqina . . . . . . . . .

. . . . . . . . .3 Svojstva neprekidnih funkcija 10. . . . . . . . . 14. . . . . . . . . . 228 . . . . .4 Ravnomerna neprekidnost . . . . .1 Pojam neprekidnosti funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Pita a i zadaci . . . . . . . . . .5 Dodatak . . . . .2 Teoreme o sred im vrednostima 12. . . . . . . . . . . Dodatak . . . . . . . . . . . . . 11. . . . . . . . .4 Pita a i zadaci . . . . . . . . . . . . 13. . . .3 Primena Maklorenovih razvoja u izraqunava nih vrednosti . . . . . . . . . . . . 11 Izvod funkcije 11. . . . . . . . . . . . . . . 10. . . . . . . . . . . . . . . .5 Skicira e grafika funkcije . . . . . . . . . . . . . . . . . . .3 Diferencijal funkcije . . . . . . . . 10. . . . . . . . . . . . . 11. . . . . . . . .5 Dodatak . . . . . . . . . . . . . . . . 12. . . . . . . . .5 9. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Konveksnost i konkavnost . .4 Izvodi i diferencijali vixeg 11. . . . 242 244 244 246 249 252 255 259 . . . . . . . . . . .5 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . 13. . . . . . . . . . . . . . . . . . . . . . . . .5 Pita a i zadaci . .2 Dovo ni uslovi za lokalni ekstremum 14. . . . . . . . . . . . . . . . . . . .6 9. . . . . . . . . . . . . . 12. . . . . . . .1 Definicija izvoda i primeri 11.7 10 Neprekidnost funkcija 10. . 14. .6 Dodatak . . . . . . . . . reda . . 174 . . . . . . . . . . . . . . . . . . . . .2 Pravila diferencira a . . . .1 Tejlorova formula . . . . . u graniq. . . . . . .1 Lokalni ekstremum . . . 13 Tejlorova i Maklorenova formula 13. . . 179 180 180 184 186 189 190 193 195 195 199 203 205 208 210 213 213 214 218 221 224 9. . . . . . . . . . . . . . 231 u graniq. . . . . . . . . . . . . 228 . . . . .6 Dodatak . . . . . . . . . 14 Ispitiva e funkcija 14. 13. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Pita a i zadaci . . . . 236 . . . . . . . . . . . . . . . . . . . . . . .Sadr aj ix Primena asimptotskih formula u izraqunava nih vrednosti funkcija . .3 Lopitalova pravila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Ispitiva e monotonosti funkcije . . . . . . . . . . . . . . . . . . . . . 14. Pita a i zadaci . . . . 13. . . . 238 . . . . . . . . . . .2 Vrste prekida . 12. . . . .4 Asimptote . . . . 11. . . . 10. . 173 . . 10. .2 Maklorenova formula . . . . . 14. . . . . . . . . . . . . . . . . . . . . 12 Teoreme diferencijalnog raquna 12.

7 Dodatak . . . . . . . . . 263 Literatura Indeks pojmova 266 268 . . . . . . . . . . . . . .x Sadr aj 14. . . . . . . .

6 kompozicija. 184 osnovne. 255 Automorfizam grupe. 91 normalan. 18 po e. 207 Diferencijal funkcije. 18 Dve prave mimoilazne. 6 konveksna. 253 vertikalna. 65 Domen grupoida. 127 Ekvivalentni sistemi. 249 konstanta. 23 polugrupa. 170 istog reda. 9 Elementarne funkcije. 5 Algebarska struktura grupa. 7 konkavna. 73 Ekvivalentni skupovi.Indeks pojmova ε-okolina broja. 170 neuporedive. 6 identiqka. 7 kodomen. 136 ε-okolina taqke probuxena. 8 jednakost. 7 inverzna. 17 Qlan niza. 7 diferencijabilna. 27 Baza vektorskog prostora. 6 argument. 19 grupoid. 137 Dekartov proizvod skupova. 23 Algebarski komplement. 166 beskonaqno velika. 253 horizontalna. 198 domen. 71 Euklidski prostori. 249 kritiqne taqke. 44 Diferencijal drugog reda. 16 Determinanta. 253 kosa. 203 Dimenzija vektorskog prostora. 21 komutativna. 92 Funkcija. 167 bijekcija. 6 injekcija. 159 . 171 Binarna operacija. 17 asocijativna. 68 Fundamentalni sistem rexe a. 246 maksimum. 160 Aksioma supremuma. 39 Laplasov razvoj. 18 telo. 207 vixeg reda. 6 beskonaqno mala. 64 Beskonaqno male funkcije ekvivalentne. 44 Asimptota. 184 Euklid. 17 distributivna.

195 Jednaqina hiperravni. 120 opxti oblik. 19 Abelova. 264 Kantorov princip umetnutih odseqaka. 244 neparna. 19 Grupe simetrija. 163 u beskonaqnosti. 251. 70 Jednaqina prave kanonski oblik. 263 strogo opadaju a. 159 Graniqna vrednost funkcije beskonaqna. 140 Grupa. 201 levi. 206 nerastu a. 159 monotona. 17 Kofaktor. 65 Koxijev kriterijum. 136 poluotvoren. 244 Gausov algoritam. 244 neopadaju a. 203 slo ene funkcije. 27 Izomorfni vektorski prostori. 205 Izvod funkcije. 7 slika. 91 Interval. 6 stacionarne taqke. 19 aditivna. 151 minimum. 119 vektorski oblik. 244 parna. 136 Izomorfizam grupa. 159 neprekidno diferencijabilna. 163 leva. 249 konveksna funkcija. 18 neutralni element. 20 Grupoid. 244 strogo rastu a. 125 opxti oblik. 85 Grafik funkcije. 19 Grupe permutacija. 18 Hiperravan. 244 sirjekcija. 205 inverzne funkcije. 212 desni. 159 opadaju a. 158 ograniqena. 263 strogo konveksna. 148 Kardinalni broj. 19 multiplikativna. 125 parametarski oblik. 210 logaritamski. 118 Jensenova nejednakost. 124 kroz dve taqke. 159 periodiqna. 210 drugog reda. 163 jednostrana. 18 inverzni element. 27 . 118 segmentni oblik. 124 vektorski oblik. 70 Homeomorfizam grupa. 124 Jednaqina ravni kroz tri taqke. 9 Kejlijeva tablica. 18 komutativan. 66 Izvod beskonaqan. 44 konkavna funkcija. 165 desna. 159 rastu a.Indeks pojmova 269 Homogen sistem fundamentalni sistem rexea. 164 Graniqna vrednost niza. 246 strogo konkavna. 19 jediniqni element. 201 vixeg reda. 244 oblast definisanosti. 249 Koordinate vektora. 118 normalan oblik.

37 nula. 51 regularna. 78 rang. 31 kofaktor. 31 elementarne transformacije. 213 Lokalni minimum. 37 Indeks pojmova jediniqna. 246 Kroneker-Kapelijeva teorema. 242 Koxijeva nejednakost. 51. 44 Lineal. 78 homogen sistem. 181 ravnomerna. 31 transponovana. 213 strogi. 48 skalarna. 213 maksimum. 50 mno e e. 47 minor. 51 gor a trougaona. 189 u taqki. 61 Linearni omotaq. 137 . 62 Lokalni ekstremum funkcije. 76 bazisne vrste. 30 adjungovana. 34 mno e e skalarom. 180 Niz realnih brojeva. 207 Laplasov razvoj determinante. 220 ∞ 0 oblika ∞ . 218 Maklorenov polinom. 37 prostor kolona. 32 simetriqna. 47 bazisne kolone.270 Koxijev oblik ostatka. 37 inverzna. 31. 35 tipa m × n. 213 minimum. 232 ostatak u Peanovom obliku. 61 Linearno nezavisni vektori. 213 Lopitalovo pravilo. 76 dijagonala. 62 Linearno zavisni vektori. 49 Minor matrice. 220 oblika 1∞ . 220 oblika ∞ − ∞. 31 do a trougaona. 31 stepen. 264 Koxi-Bu akovskog. 33 ortogonalna. 237 Maklorenova formula. 46 Lagran ov oblik ostatka. 78 prostor vrsta. 80 Kronekerov simbol. 37 Matriqna jednaqina. 69 Kramerove formule. 34 Nejednakost Bernulijeva. 220 0 oblika . 156 Jensenova. 44 Mno e e matrica. 30 trag. 231 Matrica. 76 bazisni minor. 31 idempotentna. 69 Neodre enost oblika 0 · ∞. 61 Linearna kombinacija vektora. 83 nehomogen sistem. 220 ∞ oblika . 76 Kritiqne taqke funkcije. 37 singularna. 51. 48 sabira e. 30 oduzima e. 47 involutivna. 251. 180 na skupu. 33 nilpotentna. 230 Lajbnicova formula. 31 dijagonalna. 220 Neprekidnost funkcije. 218 0 oblika 00 . 51.

73 nepoznate. 136 Okolina taqke desna. 181 Proxireni skup realnih brojeva. 138 ograniqen. 74 nehomogen. 123 . 68 Skok funkcije u taqki. 136 Prsten. 198 Nula niz. 3 prebrojiv. 139 fundamentalan.Indeks pojmova 271 Prekid funkcije. 185 Skup. 195 Priraxtaj funkcije. 74 matriqni oblik. 139 konvergentan. . 38 Permutacije inverzija. 140 Fibonaqijev. 73 saglasan. 186 prve vrste. 195 nezavisne promen ive. . 76 kvadratni. 195 funkcije. 39 neparna. 72 pravougaoni. . 136 Odstoja e taqke od ravni. 162 probuxena. 242 Lagran ov oblik. 230 Peanov oblik ostatka. 32 Segment. 1 beskonaqan. 69 Normala krive. 2 komplement. 38 Podmatrica. 136 Semigrupa. 138 opadaju i. 33 Okolina broja. 72 matrica sistema. . 72 homogen. 159 osnovni. 38 parna. 140 Koxijev. 138 strogo opadaju i. 72 rexe e. 162 leva. 9 neprebrojiv. 160 Ostatak u Tejlorovoj formuli Koxijev oblik. 18 Sistem linearnih jednaqina. 10 presek. 10 jednakost. 185 druge vrste. 38 skupa {1. 73 slobodni qlanovi. 2. n}. 72 vektorski zapis. 150 harmonijski. 21 Sabira e matrica. 3 mo . 18 Prava vektor pravca. 72 koeficijenti. 144 Odseqak. 251 Priraxtaj argumenta. 32 Podskup. 150 monoton. 10 partitivni. 1 Polugrupa. 72 nemogu . 121 Oduzima e matrica. 138 strogo rastu i. 230 Period funkcije. 2 divergentan. 75 Skalarni proizvod u vektorskom prostoru. 138 rastu i. 230 Peanov oblik. 72 Kramerove formule. 138 Norma vektora. 185 Prevojna taqka funkcije. 159 Permutacija inverzna.

121 prave i ravni. 143 prva Koxi-Bolcanova. 2 Skup realnih brojeva. 229 Tejlorova formula. 151 Koxijeva. 148 Kantorova. 77 o tri niza. 5 maksimum. 4 ograniqen odozgo. 4 Stacionarne taqke funkcije. 185 Taqka prevoja. 60 . 197 Tejlorov polinom. 2 unija. 127 izme u prave i ravni. 202 Taqka prekida funkcije. 190 Koxijev kriterijum. 35 Submatrica. 126 dve ravni. 214 Indeks pojmova Xtolcova. 4 infimum. 4 supremum. 5 minimum. 246 Stepen matrice. 229 lokalna. 231 Teorema Bolcano . 189 druga Vajerxtrasova. 16 Uzajamni polo aj dve prave. 213 Kantor-Bernxtajnova. 44 o bazisnom minoru. 60 realan. 4 ograniqen odozdo. 251 Tangenta krive.272 razlika. 226 Vajerxtrasova. 242 Ugao izme u dve ravni. 215 Laplasov razvoj determinante. 186 Rolova.Vajerxtrasova. 5 ograniqen. 96 Ure en par. 149 Darbuova. 10 Kantorov princip umetnutih odseqaka. 76 Kroneker-Kapelijeva. 78 Lagran ova. 71 Vektorski prostor kompleksan. 122 izme u dveju pravih. 129 Ugao izme u dva vektora. 216 Kramerova. 16 Ure ena trojka. 225 druga Koxi-Bolcanova. 188 prva Vajerxtrasova. 32 Tablica izvoda. 128 Vektor normale hiperravni. 187 Fermaova.

β ∈ K. (α + β) · x = α · x + β · x. Definicija 4. Qesto se vektorski prostor oznaqava samo sa V .1. ·) je vektorski ili linearni prostor ako je: 1. 3. Algebarska struktura (V. neka je K po e i neka su + : V 2 → V i · : K × V → V binarne operacije.Glava 4 Vektorski prostori Pojam vektorskog ili linearnog prostora je jedan od va nih pojmova u matematici. vektorski prostor je realan. a ako je K = C. Primer 4. On omogu ava da se razni skupovi. 4. 2. α · (x + y) = α · x + α · y. +) Abelova grupa. Elementi skupa V su vektori. a operaciju · mnoe e vektora skalarom. Ako je K = R. Operaciju + qesto nazivamo sabira e vektora. iz Definicije 4. dok je −x suprotan element vektora x. 4.1 Definicija vektorskog prostora Neka je V neprazan skup. mogu prouqavati sa zajedniqkog stanovixta u odnosu na uvedene linearne operacije. 1 · x = x za sve x. (V. y ∈ V i sve α. Neutralni element u operaciji sabira a (u oznaci 0) je nulti vektor. a operacija α · x sa αx.1. (αβ) · x = α · (β · x). nezavisno od prirode ihovih elemenata. K. Lako se proverava da elementi skupa V i po a K sa operacijama + i · ispu avaju uslove 1.-5. 5. a elementi skupa K skalari. +.1 ako je: . vektorski prostor je kompleksan.

. xn + yn ). xn iz V je vektor x = α1 x1 + α2 x2 + · · · + αn xn . −1. u svim navedenim sluqajevima struktura (V. Pomo u datih vektora iz V mo e da se generixe novi vektor. . V = P≤n (skup svih polinoma stepena ne ve eg od n). . a + i · su operacije sabira a matrica i mno e a matrice realnim brojem. .yn ) = (x1 + y1 . . . u prostoru R3 linearna kombinacija 2x + 3y vektora x = (3. V = Mm×n (skup svih realnih matrica tipa m × n). ·) je vektorski prostor. gde su α1 . Linearna kombinacija vektora x1 . 0. . . K = R.2. . . αn ∈ K}.3. . . Na primer. . L(X) = {α1 x1 + · · · + αn xn | α1 . Skup svih linearnih kombinacija vektora x1 . a + i · su definisani sa (x1 . xn ) = (αx1 . . . a + i · su standardne operacije u C. V = Rn . K = R. . . K = R.Vektorski prostori 61 1. Dakle. Dakle. . V = C. 7). Za vektorski prostor Rn koristi se i naziv linearni aritmetiqki prostor. . . K = R. . K. . 4. . a + i · su sabira e polinoma i mno e e polinoma realnim brojem. Za skup X ka emo da je generatorski skup za L(X) ili da generixe L(X). . 1) je vektor z = (3. . . (αf )(x) = αf (x). . . xn ) + (y1 . K = R. 2. . −2. . 2) i y = (−1. . . α(x1 . . . V = RR (skup svih funkcija f : R → R). . αxn ). . a + i · su date sa (f + g)(x) = f (x) + g(x). Definicija 4. xn } je linearni omotaq ili lineal nad X i oznaqava se sa L(X). . +. . 5. . αn skalari iz K. Definicija 4. . . 3. xn datog skupa X = {x1 .

1. . xn linearno zavisni vektori datog vektorskog prostora. za x = 0 imamo jednakosti α1 + β1 + γ1 = 0. α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. . . . . Primer 4. vektori x1 . Primer 4. −1). . Vektori x1 . Teorema 4. xn su linearno nezavisni. . .1. α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. . 4). . . . vektori x1 . . Tako e.3. .2 Linearna zavisnost i nezavisnost vektora Definicija 4. 5) (4. . −1. z = (1. kao elementi vektorskog prostora [−1. . xn su linearno nezavisni ako je jednakost (4. . Vektori x1 . 1]R . . su linearno nezavisni. To mo emo pokazati tako xto doka emo da iz jednakosti α1 f1 (x) + α2 f2 (x) + α3 f3 (x) = 0 (koja va i za svako x ∈ R) sledi α1 = α2 = α3 = 0. . Primer 4.4. Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. U protivnom. . . .4. su linearno nezavisni vektori tog prostora. od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. . Drugim reqima. Specijalno. dobijamo jednakosti α1 cos x + 4α2 cos 2x + 9α3 cos 3x = 0.1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. 2. −1. onda su i x1 . . iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. 0. Polinomi p1 (x) = 1. x linearno zavisni za proizvo an vektor x tog prostora. .62 Vektorski prostori 4.2. .1) mogu a samo za α1 = α2 = · · · = αn = 0. Funkcije f1 : x → cos x. . kao elementi vektorskog prostora P≤2 . ako su x1 . 3. αn iz K. Vektori x = (2. Naime. xn . . a zatim jox dva puta. . Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni. Oqigledno je da je skup vektora koji sadr i nula vektor linearno zavisan. α1 + 4β1 + 9α3 = 0. f2 : x → cos 2x f3 : x → cos 3x. p2 (x) = x i p3 (x) = x2 . y = (1. xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 .

.Vektorski prostori 63 Dokaz. . . Dakle. . Bar jedan od koeficijenata a11 . koji nisu svi jednaki nuli i za koje je λ2 y2 + · · · + λm ym = 0. vektori su linearno zavisni. Obzirom da je m − 1 > n − 1. . . . . tada u ihovoj linearnoj kombinaciji je bar jedan skalar razliqit od nule. . . tada su vektori y1 . Mogu a su dva sluqaja. Ne sma uju i opxtost. 2. Ako je svaki od vektora y1 . xn . am1 su jednaki nuli. . Ako pretpostavimo da je tvr e e teoreme taqno za nekih n − 1 vektora. Beskonaqno mnogo vektora su linearno nezavisni ako je svaki ihov konaqan podskup linearno nezavisan. . . postoje skalari λ2 . . xn (proverite!). Teorema 4. y2 . y2 . a21 . mo emo pretpostaviti da je a11 = 0. . . xn i ako je m > n. onda treba dokazati da ono va i i za svih n vektora. . a jedan skalar je jednak 1 (razliqit od nule). onda je linearna kombinacija svih vektora jednaka nuli.2. U protivnom. . Teorema se mo e dokazati indukcijom po n. . polinom q(x) = 2x + 3 i polinomi p1 i p2 (Primer 4. Ako su vektori linearno zavisni. . Za n = 1 tvr e e je oqigledno taqno. . x2 . . Tada je svaki od m − 1 vektora y2 = y2 − a21 am1 y1 . ako je jedan od ih linearna kombinacija ostalih. . Na primer. . . . Svi koeficijenti a11 . . Dokaz. . . am1 je razliqit od nule. ym linearne kombinacije n − 1 vektora x2 . . . ym linearna kombinacija vektora x1 . 1. . . a21 . . . Tada su vektori y1 . ym = am1 x1 + am2 x2 + · · · + amn xn . . ym = ym − y1 a11 a11 linearna kombinacija n − 1 vektora x2 . . . ym linearno zavisni. . . Vektor uz taj skalar je linearna kombinacija ostalih. Prema indukcijskoj hipotezi oni su linearno zavisni. y2 .5. Obratno. . Neka je y1 = a11 x1 + a12 x2 + · · · + a1n xn y2 = a21 x1 + a22 x2 + · · · + a2n xn .3) vektorskog prostora P≤2 su linearno zavisni jer je q = 2 · p2 + 3 · p1 . Definicija 4. λm . . . prema indukcijskoj pretpostavci oni su linearno zavisni.

vektori skupa B su linearno nezavisni i svaki vektor a = (a1 . . . a2 . .3 Baza i dimenzija vektorskog prostora U vektorskom prostoru su posebno va ni skupovi vektora qije linearne kombinacije generixu ceo prostor. Polinomi p1 (x) = 1. . ka emo da je prostor n-dimenzionalan. . . . 1). 0. Jedna baza prostora Rn je B = {e1 . gde je e1 = (1. . prostor je konaqnodimenzionalan. . . Ako baza vektorskog prostora sadr i n elemenata. en }. . p2 (x) = x i p3 (x) = x2 qine bazu vek- torskog prostora P≤2 jer su linearno nezavisni i pri tome je p = a · p1 + b · p2 + c · p3 za proizvo an polinom p(x) = a + bx + cx2 iz P≤2 . . . Primer 4. . 0). . . e2 = (0. .6. . . 0) + · · · + an (0. ym su linearno zavisni. a2 . . gde je λ1 = − am1 a21 λ2 + · · · + λm . . . Definicija 4. Teorema 4. a11 a11 Poxto je bar jedan od skalara λ2 . Baza B vektorskog prostora V je ure en skup linearno nezavisnih vektora iz V za koje je L(B) = V . . . . . . 0.. . Zaista. vektori y1 . 0) + a2 (0. . U protivnom. 1) = a1 e1 + · · · + an en . 4. 0). U n-dimenzionalnom vektorskom prostoru ne postoji vixe od n linearno nezavisnih vektora. . .3. .. . . . 0) + (0.. 1. . 0) + · · · + (0. 0. Iz ove definicije proizilazi da se svaki vektor iz V mo e izraziti kao linearna kombinacija vektora baze. λm razliqit od nule.6. . . e2 . . . . . . Primer 4. . . y2 . 0. en = (0.5. .64 Vektorski prostori odnosno λ1 y1 + λ2 y2 + · · · + λm ym = 0. . Ako u vektorskom prostoru V postoji baza koja sadr i konaqan broj vektora. 0. 0. . . . . an ) = a1 (1. 0. . 0. . an ) iz Rn je linearna kombinacija vektora iz B jer je a = (a1 . prostor je beskonaqnodimenzionalan. . 1.

Pretpostavimo da je x = α1 e1 + · · · + αn en = β1 e1 + · · · + βn en . . Definicija 4. .2. . Dokaz. Definicija 4. b1 . α2 .5 baza vektorskog prostora Rn ima n elemenata. Tada je λ1 λn x = − b1 − · · · − bn . dimRn = n. . . Broj elemenata baze konaqnodimenzionalnog vektorskog prostora V = {0} je dimenzija tog prostora i oznaqava se sa dimV . . Neka su b1 . skup vektora x. prema Teoremi 4. Prema tome. . . . . . bn linearno zavisan jer je svaki od ih linearna kombinacija vektora baze. .5. . . To znaqi da je dimP≤2 = 3. Neka je V proizvo an n-dimenzionalni vektorski prostor sa bazom B = {e1 . . λn od kojih je bar jedan razliqit od nule. Za V = {0} je dimV = 0. Me utim. Teorema 4. . . αn su koordinate vektora x u bazi B. . bn linearno nezavisni vektori n-dimenzionalnog vektorskog prostora V i neka je x proizvo an vektor iz V . U Primeru 4. . λn bili jednaki nuli (zbog linearne nezavisnosti vektora b1 . Neka je V vektorski prostor dimenzije n i neka je B = {e1 . Poxto je svaki od ih linearna kombinacija n vektora baze. Na osnovu te qi enice definixe se jox jedna karakteristika vektorskog prostora. . . Teorema 4. λ1 .6 baza vektorskog prostora P≤2 ima tri elementa. skalari α1 . . en } jedna baza tog prostora. . Neka su x1 . xn . . .4. Koordinate svakog vektora konaqnodimenzionalnog vektorskog prostora u datoj bazi su jedinstvene. . . . . . Dokaz. bn ). xn+1 proizvo ni vektori n-dimenzionalnog vektorskog prostora V . Tada je. . .7. U Primeru 4. Prema tome. . Svaki skup od n linearno nezavisnih vektora obrazuje bazu n-dimenzionalnog vektorskog prostora V . prema Teoremi 4. ali je broj elemenata baze jedinstven. .Vektorski prostori 65 Dokaz. λ λ Iz prethodne dve teoreme sledi da baza konaqnodimenzionalnog vektorskog prostora nije jedinstvena. Ako je x = α1 e1 + α2 e2 + · · · + αn en za x ∈ V . .2 oni su linearno zavisni. . en }.8. mora biti λ = 0 jer bi u protivnom svi skalari λ1 . va i λx + λ1 b1 + · · · + λn bn = 0 za neke skalare λ.

kao i neke primere u kojima se oni pojav uju. Da li je skup polinoma datog stepena n vektorski prostor u odnosu na uobiqajeno sabira e polinoma i mno e e polinoma realnim brojem? 3. Ako su α1 .66 Vektorski prostori za neko x ∈ V . zbog nezavisnosti vektora baze. Svaki n-dimenzionalni vektorski prostor je izomorfan vektorskom prostoru Rn . . α2 + β2 . . a operacije nad vektorima iz V prenose se na odgovaraju e operacije nad elementima prostora Rn . α2 . realan vektorski prostor. generatorski skup. sledi α1 − β1 = α2 − β2 = · · · = αn − βn = 0. β2 . Da li je skup funkcija oblika a cos t + b sin t za t. . Za prostore V i Rn ka emo da su izomorfni. . λα2 . kompleksan vektorski prostor. b ∈ R vektorski prostor u odnosu na uobiqajeno sabira e funkcija i mno e e funkcije realnim brojem? . λαn koordinate vektora λx za λ ∈ R. αn = βn . Ove pojmove treba znati. a mno e e skalara λ ∈ R i vektora x ∈ R definisano sa λ · x = |λ|x? 2. Ovo pridru iva e je obostrano jednoznaqno (bijekcija). . . . . . α2 = β2 . . a. odnosno α1 = β1 . . αn koordinate vektora x ∈ V . pa. beskonaqnodimenzionalni vektorski prostor. vektor. Uvo e em koordinata vektora u odnosu na izabranu bazu. skalar. . linearno nezavisni vektori. . baza vektorskog prostora. tada su λα1 . U ovoj glavi su definisani pojmovi: vektorski prostor. linearna kombinacija vektora. svakom vektoru x ∈ V pridru uje se jedinstvena ure ena n-torka prostora Rn . . . βn koordinate vektora y ∈ V u istoj bazi. . konaqnodimenzionalni vektorski prostor. a α1 + β1 . linearni omotaq (lineal). linearno zavisni vektori. . Tada je (α1 − β1 )e1 + · · · + (αn − βn )en = 0. . . dimenzija vektorskog prostora. . 4.4 Pita a i zadaci Pojmovi. Da li je skup realnih brojeva vektorski prostor ako je sabira e vektora definisano kao uobiqajeno sabira e brojeva. αn + βn koordinate vektora x + y u toj bazi. koordinate vektora. 1. a β1 .

tada su vektori svakog egovog podskupa tako e linearno nezavisni.4 vektori x1 . 8. t2 . 2. 14. 0. 0).Vektorski prostori 67 Linearna zavisnost i nezavisnost. kao elementi vektorskog prostora (0. f2 : x → ex f3 : x → e2x . . 3) Ako su vektori skupa S linearno nezavisni. 0. 4). x3 = (1. . 1) Ako 0 ∈ S. 1. e3 = (1. 1. 1). t. 2. . 1. 1. b = (3. . xn nekog vektorskog prostora ka emo da je netrivijalna ako je bar jedan od koeficijenata α1 . Dokazati da su x1 = (1. vektori x1 . 3. 0. a zatim navesti bar jednu netrivijalnu linearnu kombinaciju vektora x1 . Dokazati da vektori e1 = (1. . −1. . e4 }. . 1) obrazuju bazu prostora R4 . Dokazati da je skup B = {1. 2) u bazi {e1 . . 14) linearno zavisni vektori prostora R4 . 0). . a3 = (1. xn su linearno nezavisni vektori vektorskog prostora V . Prema Definciji 4.3. e3 . xn su linearno zavisni ako postoji netrivijalna linearna kombinacija tih vektora koja je jednaka nula-vektoru. . 3. 4. 7. Dokazati da su funkcije f1 : x → sin x. f2 : x → sin 2x f3 : x → sin 3x. vektori skupa S su linearno zavisni. 5. Dokazati slede a tvr e a. Ispitati da li vektori a1 = (1. 0. Neka je S = {x1 . Baza i dimenzija. 5. 9. 2) i c = (8. 0) i a4 = (1. e2 . U suprotnom. 11. Za linearnu kombinaciju α1 x1 + · · · + αn xn vektora x1 . . 4). 1. tn } jedna baza prostora P≤n (t).6 i Teoremi 4. . Dokazati da su funkcije f1 : x → 1. 0) obrazuju bazu prostora R4 . Ispitati linearnu zavisnost vektora a = (1. . −2). . Pod kojim uslovom je dimV = n? 10. 1. . . . linearno nezavisni vektori tog prostora. 12. 1]R . −1. . . Vektori x1 . . . 6. −1. linearno nezavisni vektori tog prostora. 0. 2. Prema Definiciji 4. . . 3. . . 1. bazu vektorskog prostora qini maksimalni skup linearno nezavisnih vektora tog prostora. 10. 0. . . kao elementi vektorskog prostora [−1. e2 = (2. +∞)R . 3) u prostoru R3 . . x2 = (−1. a zatim odrediti koordinate vektora x = (7. vektori skupa S su linearno zavisni. −1). . Svaki skup nezavisnih vektora u vektorskom prostoru mo e da se proxiri (dopuni) do baze tog prostora. x2 . αn razliqit od nule. x3 koja je jednaka nulavektoru. a2 = (1. 2) Ako skup S sadr i linearno zavisan podskup. 6. xn su linearno nezavisni. xk } skup vektora vektorskog prostora V . 4) i e4 = (1. 3.

Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . z) + (y. U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 .5 Dodatak Euklidski prostori U vektorskom prostoru se. . . y = y1 e1 + · · · yn en . x + 1. Primer 4. Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. z) = (x.7. (x + y. . a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p.8. (x + 1)2 }. xn ) i y = (y1 . . ugao izme u dva vektora. . 2. pa qak i samo xy. Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. 3. 4. yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . x) ≥ 0. . U proizvo nom n-dimenzionalnom prostoru V skalarni pro- izvod mo e da se uvede na razliqite naqine. Primer 4. ortogonalnost vektora i druge. 15. (x. en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . y ∈ E pridru uje realan broj (x. Dokazati da polinomi p(x) = x2 + 1.68 Vektorski prostori 13. Ako je {e1 . (λx. . y) = λ(x. x) = 0 ako i samo ako je x = 0. x − 1. y) sa slede im svojstvima: 1. . p1 . r}. Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x. pored uobiqajenih. z). y) koriste se i oznake x · y. (x − 1)2 }. 14.9. . . Umesto (x. 1. pn }. . . . . . . y >. (2) {1. . q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . . mogu uvesti i druge operacije. y) = (y. . e2 . Definicija i osobine Euklidskog prostora Definicija 4. y) za λ ∈ R. x). . (x. za k = 0. (x. Dokazati da polinomi pk (x) = (x − a)k . q. < x. n i a ∈ R obrazuju bazu prostora P≤n . . 4.

Mo e se dokazati (na primer. Saglasno nejednakosti Koxi-Bu akovskog. Definicija 4. y) = ||x|| ||y|| (x. Primer 4. 0) = 0. pa zaista predstav a kosinus nekog ugla. U prostoru Rn ta nejednakost je poznata Koxijeva nejednakost 2 2 (x1 y1 + · · · + xn yn )2 ≤ (x2 + · · · + x2 )(y1 + · · · + yn ). y) = 0 f (x)g(x)dx. y) za λ ∈ R. 1] je Euklidski prostor ako se u emu uvede skalarni proizvod 1 (x. . (x. desna strana prethodne jednakosti nije po modulu ve a od 1. λy) = λ(x. 2. y). [13]) da za skalarni proizvod va i i nejednakost (x. Ugao izme u nenultih vektora x i y Euklidskog prostora je ugao ϕ ∈ [0. π] defininisan jednakox u cos ϕ = (x. 1 n Definicija 4.Vektorski prostori 69 onda je sa (x. Za vektor x Euklidskog prostora broj ||x|| = nazivamo normom ili du (x. x) · (y. y) + (x. Vektorski prostor C[0. z).9. 3. x) . Za nenulte vektore definixe se i ugao izme u ih. y) = x1 y1 + x2 y2 + · · · + xn yn definisan skalarni proizvod u V . Neposredno iz definicije skalarnog proizvoda proizilaze sledea svojstva: 1. y) (x. (x. Izborom razliqitih baza dobijamo razliqite skalarne proizvode. poznata kao nejednakost Koxi-Bu akovskog. y)2 ≤ (x.10. x) inom vektora x.11. 1] svih funkcija neprekidnih na od- seqku [0. x) (x. y + z) = (x. Za normu se koristi i oznaka |x|. (x.

1.1) i . Za α = (α1 . 0. xto predstav a jednaqinu ravni (videti 7.70 Vektorski prostori Primer 4. Funkcije f i g prostora C[0. Definicija 4. . xto predstav a jednaqinu prave u ravni. Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli. Ugao izme u vektora x = (1. Skup svih taqaka x ∈ Rn za koje va x·α +β = 0 je n − 1-dimenzionalna ravan ili hiperravan u prostoru Rn . 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4.13. U prostoru R2 (ravan sa koordinatnim osama x1 i x2 ) jednaqina hiperravni je α1 x1 + α2 x2 + β = 0. jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 0.11. 0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f. . U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. . 0.10. αn ). g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0. 0) i y = (1. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R.12. Primer 4. U prostoru R3 (prostor sa koordinatnim osama x1 . x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = . xto predstav a taqku sa koordinatom −β/α1 . 1. .

odstoja e taqke od hiperravni. . presek dve ravni.12) da je vektor α ortogonalan na vektor x − a . Smatra se da se pojam vektorskog prostora prvi put jasno pojavio u radu koji je nemaqki matematiqar Grasman (Hermann G¨nther u Grassmann. Pouzdanih podataka o egovom ivotu i radu nema. Pored pojma hiperravan uvode se i pojmovi k-dimenzionalna ravan. .275. du . x) + β = 0.Sistemi linearnih jednaqina 71 Ako je a = (a1 . prava. . Istorijske napomene 1. . ali se uzima da je iveo u Aleksandriji (Egipat) i da je imao matematiqku xkolu. an ) fiksirana. x − a ) = 0. Euklid (oko 330 . ugao izme u dve prave. normala na ravan. ugao izme u prave i hiperravni. To znaqi (prema Definiciji 4. a + β = 0 i (α . godine. Za Euklida se smatra da je autor quvenog dela Elementi (ukupno 13 k iga) u kojima je geometrija zasnovana na aksiomatskim osnovama. Iz svojstva skalarnog proizvoda α sledi da je (α . 2. godine pre nove ere) je poznati grqki (antiqki) matematiqar. . Euklidu se pripisuje reqenica ’Ne postoji kra evski put u geometriju’ koju je uputio Ptolomeju na pita e da li postoji lakxi naqin za uqe e geometrije (od prouqava a Elemenata). Algoritam za izraqunava e najve eg zajedniqkog delioca nosi egovo ime (Euklidov algoritam). 1809-1877) objavio 1862. α α tada je (α . pa za vektor α mo emo re i da je vektor normale hiperravni. a x proizvo na taqka hiperravni.

Sign up to vote on this title
UsefulNot useful