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).

. . . . . . . . . . . .5 Algebarske strukture sa dve binarne operacije . . . . . . . .5 Pita a i zadaci .7 Dodatak . . 4. . . . . . 4. . . . . . .3 Inverzna matrica . . . . . . . . . .1 Skupovi . . . . . 3. . . . . . . . .4 Pita a i zadaci . . . . . . . . . . . . 3. . . . . . . . . . . . . . . 3. . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Linearna zavisnost i nezavisnost vektora . . . . . . . . . . . . . . . . . .3 Funkcije . . . . . . . . . . . . . . . . .1 Definicija vektorskog prostora . 2. . . .2 Determinante . 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 . . . . . . . 4. . . . .3 Algebarske strukture sa jednom binarnom operacijom 2. . . . . . .1 Matrice . . . . . . . . . . . . . .6 Pita a i zadaci . . .5 Dodatak . . . . . . . . . 4 Vektorski prostori 4. .4 Primeri grupa .5 Pita a i zadaci . . . . . . . . . . . . . . . . .Sadr aj 1 Uvod 1. . . . . . . . . . . . . 3 . . . . 2.6 Dodatak . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . .4 Kardinalni brojevi 1. . . . . . . . . .2 Binarna operacija . . . . . . . . . . .4 Rang matrice . . . . . . . . . . . . . . . . . 2 Algebarske strukture 2. . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . .pojam i osnovne operacije 3. . . . . . . . 3. . Matrice i determinante 3.6 Dodatak . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Baza i dimenzija vektorskog prostora . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . .1 Dekartov proizvod skupova . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . .2 Realni brojevi . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . .

4 Upore iva e beskonaqno malih funkcija . . . . . . . . 80 . . . . . . . 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 . . . . . . . . . . . Analitiqka geometrija 7. . . . . . . . . . . . . . . . 72 . . . . . . . . . . . . . . . . . 8. . . . . . . . . . .7 Pita a i zadaci .8 Dodatak . 8. .2 Prava u prostoru . . . . . . . . . 5. . . . . . . . . . 7. . . . . .6 Pita a i zadaci . . . . . . . . . . . .1 Neki skupovi u R i R . . . . . . . . .2 Linearne operacije sa vektorima 6. . . . 5. .4 Skup konvergentnih nizova 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 Pita a i zadaci . . . . . . . . . . . . . . . . . . 5. . . . . . . .1 Pojam sistema linearnih jednaqina . . . .2 Definicije graniqnih vrednosti . .3 Kroneker-Kapelijeva teorema . . . . . . . . . . . . . . . . . . .3 Prava i ravan . . . . . . . . . 5. . . . . . . . . . . . . .6 Koxijev kriterijum . . . . . . . . . 6. . . . . . . Vektori 6. . . . 5. . . . . . . 7. . . . . . . . . . 8. . . 6. . . 9 Graniqne vrednosti funkcija 9. . . . . 8. . . . . . . . . . . . 8 Nizovi 8. . . Sadr aj 72 . . . . 5. . 9. . . . . . . . . 9. . . . . 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Osobine graniqnih vrednosti . . . . . . . . . 75 . . . . . . . . .3 Koordinate vektora .4 Primena Kroneker-Kapelijeve teoreme na rexava tema linearnih jednaqina . . . . . . . . . . . . . . . . . . . . . . . .1 Realne funkcije realne promen ive . . . . . . . . . . . . . . . 6. . . . . . . . . . . 6. . .viii 5 Sistemi linearnih jednaqina 5. .8 Dodatak . . . . . . . . . . .1 Ravan u prostoru . . . . . 6. . . . . . . . . . . .4 Pita a i zadaci . . . . . . . .5 Dodatak . . . . . . . . . . . . . . . . .4 Skalarni proizvod vektora . . . . . . . . . . . . . . . . . . . . .2 Definicija niza i primeri 8. . 7. . . 88 . . . . . . . . .2 Kramerove formule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 e sis. . . . . . . . . . .1 Vektori u prostoru . 7. . . . . .6 Mexoviti proizvod vektora .5 Vektorski proizvod vektora . . . .5 Gausov algoritam . . . . . . . . . .3 Graniqna vrednost niza . . . 6. .7 Dodatak . . . . . . . . . . . . . . . 85 . . . . . . . . . . . . 9. . . . . .5 Taqke nagomilava a niza . . . . . . . . . . . 7 . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . .4 Ravnomerna neprekidnost . . .4 Izvodi i diferencijali vixeg 11. . . . . . . . . 14. . . . . . . . . . . . . . . . .2 Maklorenova formula .2 Dovo ni uslovi za lokalni ekstremum 14. . . . . . . . . . . . . . . . .1 Pojam neprekidnosti funkcije . . . 228 . . . . . . . . . 11 Izvod funkcije 11. . . . . . . . . . . . . . . . . . . . . . 14. . . .4 Pita a i zadaci . . . . . 12 Teoreme diferencijalnog raquna 12. reda . .3 Konveksnost i konkavnost . . . . . . . . . . . . .2 Pravila diferencira a . . 13. . . . . . . .5 Pita a i zadaci . . . . . . . .7 10 Neprekidnost funkcija 10. . . . . . . . . . . . . . . . . . . . . .2 Vrste prekida . . . . . . . . .3 Diferencijal funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Tejlorova formula . . . . . . . . . . . 236 . . . . . . . .3 Primena Maklorenovih razvoja u izraqunava nih vrednosti . . . . . . . 179 180 180 184 186 189 190 193 195 195 199 203 205 208 210 213 213 214 218 221 224 9. . . . . . . . . . 12. . . . . . . . . . . . . . . . . . . . . . . . . .6 Dodatak . .6 Dodatak . . . . .4 Asimptote . . . . . . . . . . . . . . . . . . . . 14. . . . . . . . . . . . .3 Lopitalova pravila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. . . . . 13. . . . . . . . . . . . . . . . . . . . . . . .3 Svojstva neprekidnih funkcija 10. . . . . . . . . . . . . . . Dodatak . . . . . . . u graniq. . . . . 174 . . . . . . . 13. . . . . . . 242 244 244 246 249 252 255 259 . . . . . .1 Lokalni ekstremum . . . . . . . . . . . . . . . . . . . . . . . . 173 . . . . . . . . . . . . 11. . . . . . . 14. . . . . 13. . . 228 . . . . . 13 Tejlorova i Maklorenova formula 13. . . . . . . . . . . . . 12. . . . . . . . .5 Pita a i zadaci . .Sadr aj ix Primena asimptotskih formula u izraqunava nih vrednosti funkcija . . . . . . . . . . . . .6 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Teoreme o sred im vrednostima 12. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. . . . .4 Pita a i zadaci . . . . . . 14 Ispitiva e funkcija 14. . . . . . . . . . . . . . . . . . .1 Ispitiva e monotonosti funkcije . . 231 u graniq. . .5 9. . 10. . . . . 10. .5 Skicira e grafika funkcije . . . . . . . . . . . . .5 Dodatak . .6 9. 11. . . . . . .5 Dodatak . . Pita a i zadaci . . . 11. . . . . . . . . . . . . . . . . . . . . . 10. . . . . . . .1 Definicija izvoda i primeri 11. 238 .

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

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

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

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

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

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

α · (x + y) = α · x + α · y. 5. y ∈ V i sve α.1.1. mogu prouqavati sa zajedniqkog stanovixta u odnosu na uvedene linearne operacije. ·) je vektorski ili linearni prostor ako je: 1. Lako se proverava da elementi skupa V i po a K sa operacijama + i · ispu avaju uslove 1. 1 · x = x za sve x. 4. +) Abelova grupa.Glava 4 Vektorski prostori Pojam vektorskog ili linearnog prostora je jedan od va nih pojmova u matematici. vektorski prostor je kompleksan.1 Definicija vektorskog prostora Neka je V neprazan skup. a operacija α · x sa αx. (αβ) · x = α · (β · x). 3.1 ako je: . Qesto se vektorski prostor oznaqava samo sa V . neka je K po e i neka su + : V 2 → V i · : K × V → V binarne operacije.-5. Ako je K = R. dok je −x suprotan element vektora x. iz Definicije 4. (V. a ako je K = C. a operaciju · mnoe e vektora skalarom. Primer 4. Operaciju + qesto nazivamo sabira e vektora. Definicija 4. vektorski prostor je realan. Algebarska struktura (V. a elementi skupa K skalari. β ∈ K. Neutralni element u operaciji sabira a (u oznaci 0) je nulti vektor. (α + β) · x = α · x + β · x. On omogu ava da se razni skupovi. nezavisno od prirode ihovih elemenata. K. +. 4. Elementi skupa V su vektori. 2.

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

su linearno nezavisni. xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. Oqigledno je da je skup vektora koji sadr i nula vektor linearno zavisan. . . 4). Polinomi p1 (x) = 1. . 0.1) mogu a samo za α1 = α2 = · · · = αn = 0. . 1]R . Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni.2 Linearna zavisnost i nezavisnost vektora Definicija 4. . xn . x linearno zavisni za proizvo an vektor x tog prostora. xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 . α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. a zatim jox dva puta. xn su linearno nezavisni. Specijalno. . z = (1. Drugim reqima. . Vektori x = (2. dobijamo jednakosti α1 cos x + 4α2 cos 2x + 9α3 cos 3x = 0. U protivnom. αn iz K. . Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. Vektori x1 . . . 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 = 0.1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. Teorema 4. . 5) (4.2.1. f2 : x → cos 2x f3 : x → cos 3x. . .4. . xn linearno zavisni vektori datog vektorskog prostora. Funkcije f1 : x → cos x. . . α1 + 4β1 + 9α3 = 0. Vektori x1 .4. . vektori x1 .3. y = (1. . . . α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. . od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. −1. kao elementi vektorskog prostora [−1. ako su x1 . Primer 4. za x = 0 imamo jednakosti α1 + β1 + γ1 = 0. 2. . vektori x1 . . Tako e. . xn su linearno nezavisni ako je jednakost (4. onda su i x1 . −1. . .62 Vektorski prostori 4. kao elementi vektorskog prostora P≤2 . iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. p2 (x) = x i p3 (x) = x2 . Primer 4. 1. Naime. . Primer 4. . . su linearno nezavisni vektori tog prostora. −1). 3.

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

6. ym su linearno zavisni. . . 1) = a1 e1 + · · · + an en .64 Vektorski prostori odnosno λ1 y1 + λ2 y2 + · · · + λm ym = 0. 0. Teorema 4. . . . 0. a11 a11 Poxto je bar jedan od skalara λ2 . y2 . .3 Baza i dimenzija vektorskog prostora U vektorskom prostoru su posebno va ni skupovi vektora qije linearne kombinacije generixu ceo prostor. 0) + · · · + an (0. . e2 . . . . . . . .5. Jedna baza prostora Rn je B = {e1 . 0). 0) + · · · + (0. Zaista. . .. . . Primer 4. Primer 4. . Polinomi p1 (x) = 1. . Ako baza vektorskog prostora sadr i n elemenata. . Ako u vektorskom prostoru V postoji baza koja sadr i konaqan broj vektora. . . . . . . gde je e1 = (1. en }. 0.6. 1). . 4. prostor je beskonaqnodimenzionalan. . Definicija 4. .. gde je λ1 = − am1 a21 λ2 + · · · + λm . 0) + (0. Baza B vektorskog prostora V je ure en skup linearno nezavisnih vektora iz V za koje je L(B) = V . . . . . . . Iz ove definicije proizilazi da se svaki vektor iz V mo e izraziti kao linearna kombinacija vektora baze. . 0). vektori skupa B su linearno nezavisni i svaki vektor a = (a1 .. 0. . . 0) + a2 (0. . . 0. 0. . . prostor je konaqnodimenzionalan. λm razliqit od nule. . 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 . . . U protivnom. . an ) = a1 (1. . vektori y1 . en = (0. . 0. .3. 1. . . e2 = (0. 1. . U n-dimenzionalnom vektorskom prostoru ne postoji vixe od n linearno nezavisnih vektora. a2 . ka emo da je prostor n-dimenzionalan. . an ) iz Rn je linearna kombinacija vektora iz B jer je a = (a1 . 0. a2 .

λn bili jednaki nuli (zbog linearne nezavisnosti vektora b1 . Me utim. bn linearno zavisan jer je svaki od ih linearna kombinacija vektora baze. U Primeru 4. . Broj elemenata baze konaqnodimenzionalnog vektorskog prostora V = {0} je dimenzija tog prostora i oznaqava se sa dimV . .Vektorski prostori 65 Dokaz.8. Teorema 4. . . . α2 . Definicija 4. ali je broj elemenata baze jedinstven. . Tada je. . dimRn = n. U Primeru 4. Poxto je svaki od ih linearna kombinacija n vektora baze. λn od kojih je bar jedan razliqit od nule. prema Teoremi 4. . . Prema tome. . . . skalari α1 . . Dokaz. Neka su x1 . skup vektora x. va i λx + λ1 b1 + · · · + λn bn = 0 za neke skalare λ. . Ako je x = α1 e1 + α2 e2 + · · · + αn en za x ∈ V . . Dokaz. bn ).2 oni su linearno zavisni. . . . . . . prema Teoremi 4. . To znaqi da je dimP≤2 = 3. . xn+1 proizvo ni vektori n-dimenzionalnog vektorskog prostora V . .4. . . . . Neka je V vektorski prostor dimenzije n i neka je B = {e1 . . λ1 . en } jedna baza tog prostora. Svaki skup od n linearno nezavisnih vektora obrazuje bazu n-dimenzionalnog vektorskog prostora V . . . . .7. b1 . Neka je V proizvo an n-dimenzionalni vektorski prostor sa bazom B = {e1 . Prema tome. αn su koordinate vektora x u bazi B. . Pretpostavimo da je x = α1 e1 + · · · + αn en = β1 e1 + · · · + βn en . Definicija 4. bn linearno nezavisni vektori n-dimenzionalnog vektorskog prostora V i neka je x proizvo an vektor iz V . . xn . Tada je λ1 λn x = − b1 − · · · − bn . . mora biti λ = 0 jer bi u protivnom svi skalari λ1 . Za V = {0} je dimV = 0.2. λ λ Iz prethodne dve teoreme sledi da baza konaqnodimenzionalnog vektorskog prostora nije jedinstvena.5. Neka su b1 . Koordinate svakog vektora konaqnodimenzionalnog vektorskog prostora u datoj bazi su jedinstvene. Teorema 4. Na osnovu te qi enice definixe se jox jedna karakteristika vektorskog prostora.5 baza vektorskog prostora Rn ima n elemenata.6 baza vektorskog prostora P≤2 ima tri elementa. en }.

. kao i neke primere u kojima se oni pojav uju. . linearna kombinacija vektora. . 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. . βn koordinate vektora y ∈ V u istoj bazi. Da li je skup funkcija oblika a cos t + b sin t za t. sledi α1 − β1 = α2 − β2 = · · · = αn − βn = 0. zbog nezavisnosti vektora baze. kompleksan vektorski prostor. . . . . beskonaqnodimenzionalni vektorski prostor. Ako su α1 . realan vektorski prostor. linearno zavisni vektori. . Ove pojmove treba znati. . Da li je skup realnih brojeva vektorski prostor ako je sabira e vektora definisano kao uobiqajeno sabira e brojeva.66 Vektorski prostori za neko x ∈ V . . a operacije nad vektorima iz V prenose se na odgovaraju e operacije nad elementima prostora Rn . skalar. αn = βn .4 Pita a i zadaci Pojmovi. . 1. . . Svaki n-dimenzionalni vektorski prostor je izomorfan vektorskom prostoru Rn . β2 . Za prostore V i Rn ka emo da su izomorfni. dimenzija vektorskog prostora. odnosno α1 = β1 . pa. α2 = β2 . Uvo e em koordinata vektora u odnosu na izabranu bazu. svakom vektoru x ∈ V pridru uje se jedinstvena ure ena n-torka prostora Rn . . 4. linearno nezavisni vektori. b ∈ R vektorski prostor u odnosu na uobiqajeno sabira e funkcija i mno e e funkcije realnim brojem? . a α1 + β1 . Ovo pridru iva e je obostrano jednoznaqno (bijekcija). vektor. λαn koordinate vektora λx za λ ∈ R. α2 . tada su λα1 . αn + βn koordinate vektora x + y u toj bazi. linearni omotaq (lineal). . generatorski skup. . α2 + β2 . Tada je (α1 − β1 )e1 + · · · + (αn − βn )en = 0. . baza vektorskog prostora. konaqnodimenzionalni vektorski prostor. . U ovoj glavi su definisani pojmovi: vektorski prostor. . a. a mno e e skalara λ ∈ R i vektora x ∈ R definisano sa λ · x = |λ|x? 2. a β1 . koordinate vektora. λα2 . αn koordinate vektora x ∈ V .

. x2 . a3 = (1. . bazu vektorskog prostora qini maksimalni skup linearno nezavisnih vektora tog prostora. . 1. αn razliqit od nule. 0). 2) Ako skup S sadr i linearno zavisan podskup. 0. 0. . Dokazati da su funkcije f1 : x → 1.3. 1.Vektorski prostori 67 Linearna zavisnost i nezavisnost. 3.6 i Teoremi 4. −1. Prema Definciji 4. 10. a zatim odrediti koordinate vektora x = (7. 1. . 1. 14) linearno zavisni vektori prostora R4 . 12.4 vektori x1 . 2) i c = (8. 1) Ako 0 ∈ S. 3) Ako su vektori skupa S linearno nezavisni. vektori skupa S su linearno zavisni. Pod kojim uslovom je dimV = n? 10. +∞)R . 0) i a4 = (1. 0. 1. x3 = (1. 6. xk } skup vektora vektorskog prostora V . Dokazati da su x1 = (1. . . 4) i e4 = (1. 3) u prostoru R3 . 2) u bazi {e1 . Vektori x1 . . 4). Svaki skup nezavisnih vektora u vektorskom prostoru mo e da se proxiri (dopuni) do baze tog prostora. f2 : x → sin 2x f3 : x → sin 3x. vektori x1 . 1). xn su linearno nezavisni vektori vektorskog prostora V . Ispitati linearnu zavisnost vektora a = (1. . −1). Dokazati da vektori e1 = (1. 3. xn su linearno zavisni ako postoji netrivijalna linearna kombinacija tih vektora koja je jednaka nula-vektoru. f2 : x → ex f3 : x → e2x . Prema Definiciji 4. Neka je S = {x1 . −1. vektori skupa S su linearno zavisni. U suprotnom. Baza i dimenzija. 4. 11. e3 . −2). tn } jedna baza prostora P≤n (t). . 0. 1]R . x2 = (−1. a zatim navesti bar jednu netrivijalnu linearnu kombinaciju vektora x1 . . 3. . xn su linearno nezavisni. . . . 0. 0. 2. 3. tada su vektori svakog egovog podskupa tako e linearno nezavisni. a2 = (1. Dokazati da je skup B = {1. . 6. xn nekog vektorskog prostora ka emo da je netrivijalna ako je bar jedan od koeficijenata α1 . b = (3. kao elementi vektorskog prostora [−1. . 1) obrazuju bazu prostora R4 . 7. 4). Za linearnu kombinaciju α1 x1 + · · · + αn xn vektora x1 . . 2. e4 }. . linearno nezavisni vektori tog prostora. 5. 9. . . 0) obrazuju bazu prostora R4 . 0). kao elementi vektorskog prostora (0. e2 . Dokazati da su funkcije f1 : x → sin x. 2. 14. e2 = (2. . . t2 . Dokazati slede a tvr e a. 5. . 1. x3 koja je jednaka nulavektoru. . 1. t. . . . e3 = (1. linearno nezavisni vektori tog prostora. −1. 8. Ispitati da li vektori a1 = (1. .

z). x − 1.8. y) sa slede im svojstvima: 1. 14. p1 .7. . . (x. Dokazati da polinomi pk (x) = (x − a)k . Umesto (x. y) za λ ∈ R. x) = 0 ako i samo ako je x = 0. . z) = (x. z) + (y. . . e2 . ugao izme u dva vektora. 4. . x).9. (2) {1. . za k = 0. . Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. (x. . . . q. . y = y1 e1 + · · · yn en . (x + 1)2 }. Dokazati da polinomi p(x) = x2 + 1. Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . Definicija i osobine Euklidskog prostora Definicija 4. pa qak i samo xy. < x. x) ≥ 0. . . (x. y) koriste se i oznake x · y. Primer 4. pored uobiqajenih. 15. . a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p. 4. pn }. . (x + y. Ako je {e1 . . yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . xn ) i y = (y1 . r}. Primer 4. (x − 1)2 }. y) = (y. n i a ∈ R obrazuju bazu prostora P≤n . . 3. en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . y ∈ E pridru uje realan broj (x. U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 . . (λx. 2. . mogu uvesti i druge operacije.5 Dodatak Euklidski prostori U vektorskom prostoru se. y >. y) = λ(x. . 1. U proizvo nom n-dimenzionalnom prostoru V skalarni pro- izvod mo e da se uvede na razliqite naqine.68 Vektorski prostori 13. q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. x + 1. ortogonalnost vektora i druge. Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x.

poznata kao nejednakost Koxi-Bu akovskog. Saglasno nejednakosti Koxi-Bu akovskog. y) = 0 f (x)g(x)dx. Za nenulte vektore definixe se i ugao izme u ih. Vektorski prostor C[0. Neposredno iz definicije skalarnog proizvoda proizilaze sledea svojstva: 1. y) = ||x|| ||y|| (x. 0) = 0. z). (x.9. y) + (x. pa zaista predstav a kosinus nekog ugla. 1] je Euklidski prostor ako se u emu uvede skalarni proizvod 1 (x. x) · (y. Ugao izme u nenultih vektora x i y Euklidskog prostora je ugao ϕ ∈ [0. Mo e se dokazati (na primer. U prostoru Rn ta nejednakost je poznata Koxijeva nejednakost 2 2 (x1 y1 + · · · + xn yn )2 ≤ (x2 + · · · + x2 )(y1 + · · · + yn ). [13]) da za skalarni proizvod va i i nejednakost (x. y) = x1 y1 + x2 y2 + · · · + xn yn definisan skalarni proizvod u V . y)2 ≤ (x.11.10. Definicija 4.Vektorski prostori 69 onda je sa (x. 1 n Definicija 4. . 2. λy) = λ(x. Za normu se koristi i oznaka |x|. y) (x. y + z) = (x. 1] svih funkcija neprekidnih na od- seqku [0. π] defininisan jednakox u cos ϕ = (x. (x. Izborom razliqitih baza dobijamo razliqite skalarne proizvode. x) (x. (x. y) za λ ∈ R. y). x) inom vektora x. Primer 4. x) . Za vektor x Euklidskog prostora broj ||x|| = nazivamo normom ili du (x. 3. desna strana prethodne jednakosti nije po modulu ve a od 1.

0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R. xto predstav a jednaqinu prave u ravni. 1. jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 0. Primer 4. 1. 0. U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli. U prostoru R2 (ravan sa koordinatnim osama x1 i x2 ) jednaqina hiperravni je α1 x1 + α2 x2 + β = 0. 0. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = .70 Vektorski prostori Primer 4. x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0.13. g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0. Skup svih taqaka x ∈ Rn za koje va x·α +β = 0 je n − 1-dimenzionalna ravan ili hiperravan u prostoru Rn .10.11. U prostoru R3 (prostor sa koordinatnim osama x1 . . . αn ). 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4. Definicija 4. Ugao izme u vektora x = (1. Funkcije f i g prostora C[0. . . 0) i y = (1.12. Za α = (α1 . xto predstav a taqku sa koordinatom −β/α1 .1) i . 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f. xto predstav a jednaqinu ravni (videti 7.

Iz svojstva skalarnog proizvoda α sledi da je (α . ugao izme u dve prave. . presek dve ravni. x) + β = 0. . 2.275. du . α α tada je (α . . 1809-1877) objavio 1862. an ) fiksirana. ali se uzima da je iveo u Aleksandriji (Egipat) i da je imao matematiqku xkolu. x − a ) = 0. a x proizvo na taqka hiperravni. Euklid (oko 330 . Smatra se da se pojam vektorskog prostora prvi put jasno pojavio u radu koji je nemaqki matematiqar Grasman (Hermann G¨nther u Grassmann. To znaqi (prema Definiciji 4. . odstoja e taqke od hiperravni. ugao izme u prave i hiperravni. godine pre nove ere) je poznati grqki (antiqki) matematiqar. Pored pojma hiperravan uvode se i pojmovi k-dimenzionalna ravan. 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). Pouzdanih podataka o egovom ivotu i radu nema. normala na ravan. prava.12) da je vektor α ortogonalan na vektor x − a . a + β = 0 i (α .Sistemi linearnih jednaqina 71 Ako je a = (a1 . Za Euklida se smatra da je autor quvenog dela Elementi (ukupno 13 k iga) u kojima je geometrija zasnovana na aksiomatskim osnovama. Istorijske napomene 1. pa za vektor α mo emo re i da je vektor normale hiperravni. godine. Algoritam za izraqunava e najve eg zajedniqkog delioca nosi egovo ime (Euklidov algoritam). .

Sign up to vote on this title
UsefulNot useful