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).

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . .6 Dodatak . . . . . .3 Algebarske strukture sa jednom binarnom operacijom 2. . . . . . . . . . . . . . . . .4 Primeri grupa . . . . . . . . . . .4 Rang matrice . . . . . . . 4 Vektorski prostori 4. . . . . . . . . . . .3 Funkcije . . . . . .Sadr aj 1 Uvod 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . 3. . . 3 . . . . . . . . . . . 2. . . . . . . . . . . 1. . . . .5 Pita a i zadaci . . . . . . . . 2. . 2 Algebarske strukture 2. . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Realni brojevi . . .5 Dodatak . . . . . . . . . . .2 Linearna zavisnost i nezavisnost vektora . . . . .1 Skupovi . . .2 Binarna operacija . . . . . . . . . . . . . Matrice i determinante 3. . . . . . . . . . . . . . . . 2.3 Inverzna matrica . .pojam i osnovne operacije 3. . . . . . . . .1 Matrice . . . . . . . . . . . . . . 4.4 Kardinalni brojevi 1. . . . . . . . . . . . . . . . .5 Algebarske strukture sa dve binarne operacije . . . . . . . 1. . . . . . . . . . . . . . . . . .1 Dekartov proizvod skupova . . . .6 Dodatak . . . .2 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . 4. . . . . . . . .6 Pita a i zadaci . . 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 . . . . . . . . . . . . . . . . . . . . .7 Dodatak . . . . . .3 Baza i dimenzija vektorskog prostora . . . . . . 3. . . . . . . . . . . . . . . . .5 Pita a i zadaci . . . 1. . .1 Definicija vektorskog prostora . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. 6. . . . . . . . . . . . .1 Neki skupovi u R i R . . . . . . . . Vektori 6. . . . . . . . . . . .6 Koxijev kriterijum . . . .viii 5 Sistemi linearnih jednaqina 5.8 Dodatak . . . . . . . . . . .7 Dodatak . . . 9. . . . . . . . . . Sadr aj 72 . . . . . . . . .3 Kroneker-Kapelijeva teorema . . 8. . . . . . . 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Linearne operacije sa vektorima 6. . . 76 e sis. . . . . 9. . . 7. . 85 . . . . . . . . . . . . .3 Prava i ravan . . .1 Ravan u prostoru . . . . . . . . . . . . 6. . .3 Koordinate vektora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . .2 Kramerove formule . . . . . . . . . . . . . . .3 Graniqna vrednost niza . . . . .1 Realne funkcije realne promen ive . . . . . . . . . 7. .1 Vektori u prostoru . 5. . . 75 . . . . . . . . . . . . . . . . . . . . .4 Primena Kroneker-Kapelijeve teoreme na rexava tema linearnih jednaqina . .4 Pita a i zadaci . . . . . . . . . . . . . . . . 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 .1 Pojam sistema linearnih jednaqina . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Skalarni proizvod vektora . . . 8. . . . . . . . . . . . . . . . . . . .8 Dodatak . . 6. . . . . .6 Mexoviti proizvod vektora . . . . 7. . . . . .5 Vektorski proizvod vektora . . . . . . . . . . . . 9. . .6 Pita a i zadaci . . . . . . . Analitiqka geometrija 7. . . . . . . . . . . . . . . . . . 8. . . . . . . . . . . . . . 6. . . .3 Osobine graniqnih vrednosti . . . . . . 8.5 Taqke nagomilava a niza . . . . . . .7 Pita a i zadaci . . . . . . . . . . . . . .5 Gausov algoritam .5 Dodatak . 9 Graniqne vrednosti funkcija 9. 5. . . . . . . . . . . . . . . . . . . . 5. . . . . . . . . . . . . . . . . . . . . . . .4 Skup konvergentnih nizova 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Definicije graniqnih vrednosti . . . 88 . . . . . .2 Prava u prostoru . . . . . 72 . . . . .2 Definicija niza i primeri 8. . . . . . . . . . . .7 Pita a i zadaci . . . . . . . . 5. . . . . . . . . . . . . . . . . . 5. 6. . . . . . 80 . . . . . . . . . . . .4 Upore iva e beskonaqno malih funkcija . . . . . . . 8. . 8 Nizovi 8. . .

. . . . . . . . . . .6 Pita a i zadaci . . u graniq. . . . . . reda . . .5 Dodatak . . . . . .4 Asimptote . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 9. . . . . . 13. . .7 10 Neprekidnost funkcija 10. . . . . . . . . . . . . . . . . . . . 174 . . . . . . . . . . . . . . . . . .6 Dodatak . . . . . . . . . . . . . . . . . . 10.2 Teoreme o sred im vrednostima 12. 14. . . . . . . . . . . . . . . . . .3 Lopitalova pravila . . . . . . . . . . . . . . . . . . .3 Primena Maklorenovih razvoja u izraqunava nih vrednosti . . . . . .2 Pravila diferencira a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236 . . . . . . . . . . . . . 13. . . . . . . . .1 Lokalni ekstremum . . . . . . . . . . . . . . . .2 Dovo ni uslovi za lokalni ekstremum 14. . 228 . . . . . . . . . 14 Ispitiva e funkcija 14. . . . . . . . . 14. . . . . . . . .4 Pita a i zadaci . . 10. . . . . . . . . . . . . . . . .6 Dodatak . . . . . .3 Svojstva neprekidnih funkcija 10. . . 242 244 244 246 249 252 255 259 . . . .3 Diferencijal funkcije . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 u graniq. . . . . . . .4 Pita a i zadaci . . . . . . . . .5 Pita a i zadaci . . . . . .5 Skicira e grafika funkcije . . . . . . . . .1 Definicija izvoda i primeri 11. Dodatak . . 228 . . . . 173 . . . . . 10. . . . . . . . . . . . . . . . 12. . . . . . .4 Ravnomerna neprekidnost . . . . . . . . . . 13.5 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . Pita a i zadaci . . . . . . . . . 238 . . . 14. . . . . . . . . . . . . . . . . . . . . . 12 Teoreme diferencijalnog raquna 12. . . . . .1 Pojam neprekidnosti funkcije . . .5 Dodatak . . .2 Vrste prekida . .Sadr aj ix Primena asimptotskih formula u izraqunava nih vrednosti funkcija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11. . 12. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Tejlorova formula . . . . . 11. . . . . . . . . . . . . .2 Maklorenova formula . . 14. . . . . . . . 13 Tejlorova i Maklorenova formula 13. . . . . . . . .4 Izvodi i diferencijali vixeg 11. 11. . . . 13. . . . . . . . . . . . . . . 10.3 Konveksnost i konkavnost . . . . . . . . . . . .1 Ispitiva e monotonosti funkcije . . . . . . 179 180 180 184 186 189 190 193 195 195 199 203 205 208 210 213 213 214 218 221 224 9. . . . . . . . . . . . . . . . . .5 9. . . . . . . . . . . . . . . . . . . 11 Izvod funkcije 11. . . . . . 12. .

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

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

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

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

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

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

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

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

Oqigledno je da je skup vektora koji sadr i nula vektor linearno zavisan. . Vektori x1 . xn . iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. Primer 4.1) mogu a samo za α1 = α2 = · · · = αn = 0.3.4. xn linearno zavisni vektori datog vektorskog prostora. . . xn su linearno nezavisni ako je jednakost (4. U protivnom. α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. Funkcije f1 : x → cos x. xn su linearno nezavisni. p2 (x) = x i p3 (x) = x2 . y = (1. Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. . ako su x1 . dobijamo jednakosti α1 cos x + 4α2 cos 2x + 9α3 cos 3x = 0. kao elementi vektorskog prostora P≤2 . α1 + 4β1 + 9α3 = 0. . −1). . su linearno nezavisni. . a zatim jox dva puta. −1. 5) (4.4. . . kao elementi vektorskog prostora [−1. 1]R . 3. xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 . . . . . . . 0.2 Linearna zavisnost i nezavisnost vektora Definicija 4. Tako e. od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. Specijalno. . 2. . . . . f2 : x → cos 2x f3 : x → cos 3x. 1. Polinomi p1 (x) = 1. . . Naime. vektori x1 .1. xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. . x linearno zavisni za proizvo an vektor x tog prostora. vektori x1 . z = (1. 4). Drugim reqima. onda su i x1 . Vektori x = (2. su linearno nezavisni vektori tog prostora.2. za x = 0 imamo jednakosti α1 + β1 + γ1 = 0.1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. . α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. . Vektori x1 .62 Vektorski prostori 4. αn iz K. Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni. −1. . 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. Primer 4. Teorema 4. . .

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

0) + · · · + (0. λm razliqit od nule. . . Zaista. 0. . . 1. . 0. 1). . a2 . ka emo da je prostor n-dimenzionalan. en }. . . . . 0. . . prostor je beskonaqnodimenzionalan.6. 1) = a1 e1 + · · · + an en . U protivnom.64 Vektorski prostori odnosno λ1 y1 + λ2 y2 + · · · + λm ym = 0. . a11 a11 Poxto je bar jedan od skalara λ2 . 0) + · · · + an (0. Primer 4. 0. . . Ako u vektorskom prostoru V postoji baza koja sadr i konaqan broj vektora. . Baza B vektorskog prostora V je ure en skup linearno nezavisnih vektora iz V za koje je L(B) = V . Definicija 4. . . . 0) + (0. . . . . . . . . y2 . Jedna baza prostora Rn je B = {e1 . . . 0). . 0. ym su linearno zavisni. an ) iz Rn je linearna kombinacija vektora iz B jer je a = (a1 . 0. Teorema 4. . . . Primer 4. gde je λ1 = − am1 a21 λ2 + · · · + λm . vektori skupa B su linearno nezavisni i svaki vektor a = (a1 . e2 . 0) + a2 (0. 4. . . 1. gde je e1 = (1. . a2 .. en = (0. 0.. . vektori y1 . Iz ove definicije proizilazi da se svaki vektor iz V mo e izraziti kao linearna kombinacija vektora baze. Polinomi p1 (x) = 1. 0. e2 = (0.3. . . Ako baza vektorskog prostora sadr i n elemenata. . 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 . . . . . prostor je konaqnodimenzionalan.6.. . . U n-dimenzionalnom vektorskom prostoru ne postoji vixe od n linearno nezavisnih vektora. . . . . . an ) = a1 (1. .5. . 0). .3 Baza i dimenzija vektorskog prostora U vektorskom prostoru su posebno va ni skupovi vektora qije linearne kombinacije generixu ceo prostor.

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

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

3. −1. −1). . . 2. 4). . e2 . 1) obrazuju bazu prostora R4 . xn su linearno nezavisni. . 5. 0. 0. 3. kao elementi vektorskog prostora (0. 1. 6. −2). kao elementi vektorskog prostora [−1. 0. . 0. . . . . . x3 koja je jednaka nulavektoru. 2) i c = (8. 14. Vektori x1 . linearno nezavisni vektori tog prostora. 7. t2 . 3) Ako su vektori skupa S linearno nezavisni. αn razliqit od nule. vektori skupa S su linearno zavisni. Dokazati da je skup B = {1. Dokazati da vektori e1 = (1. 1. 0. . vektori x1 . 1. . a2 = (1. 2) u bazi {e1 . f2 : x → ex f3 : x → e2x . 12. Ispitati da li vektori a1 = (1.4 vektori x1 . e3 . x2 . a3 = (1. tada su vektori svakog egovog podskupa tako e linearno nezavisni. 4) i e4 = (1. Neka je S = {x1 . Dokazati da su x1 = (1. 10. e2 = (2. . . 9. a zatim odrediti koordinate vektora x = (7. Prema Definiciji 4. . 3. xn su linearno zavisni ako postoji netrivijalna linearna kombinacija tih vektora koja je jednaka nula-vektoru. . Dokazati da su funkcije f1 : x → sin x. . 3) u prostoru R3 . 0. 4. 1). vektori skupa S su linearno zavisni. x3 = (1. . Svaki skup nezavisnih vektora u vektorskom prostoru mo e da se proxiri (dopuni) do baze tog prostora. 1. . Dokazati slede a tvr e a. 1]R . 11. +∞)R . −1. t. 3. 3. x2 = (−1. xn su linearno nezavisni vektori vektorskog prostora V . b = (3. f2 : x → sin 2x f3 : x → sin 3x. 0) obrazuju bazu prostora R4 . 0). . 1) Ako 0 ∈ S. . 6. 14) linearno zavisni vektori prostora R4 . 1. . 2. Prema Definciji 4. . . e3 = (1. linearno nezavisni vektori tog prostora. . 5. tn } jedna baza prostora P≤n (t). −1. U suprotnom. . 0). 0) i a4 = (1. e4 }. . 1. xk } skup vektora vektorskog prostora V . . 2. Dokazati da su funkcije f1 : x → 1. a zatim navesti bar jednu netrivijalnu linearnu kombinaciju vektora x1 . Baza i dimenzija. Za linearnu kombinaciju α1 x1 + · · · + αn xn vektora x1 . 1. Pod kojim uslovom je dimV = n? 10.Vektorski prostori 67 Linearna zavisnost i nezavisnost. Ispitati linearnu zavisnost vektora a = (1. . bazu vektorskog prostora qini maksimalni skup linearno nezavisnih vektora tog prostora. 4). xn nekog vektorskog prostora ka emo da je netrivijalna ako je bar jedan od koeficijenata α1 .6 i Teoremi 4. 8. 2) Ako skup S sadr i linearno zavisan podskup.

ortogonalnost vektora i druge. 3. . (λx. 15.68 Vektorski prostori 13.5 Dodatak Euklidski prostori U vektorskom prostoru se. .8. Primer 4. y) sa slede im svojstvima: 1. (x + y.7. Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x. z). . x) = 0 ako i samo ako je x = 0. Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. (x. . (x − 1)2 }. 4. x). (x + 1)2 }. . 1. (x. . (x. y >. pored uobiqajenih. r}. . pa qak i samo xy. Ako je {e1 . z) = (x. Umesto (x. yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 . . y) koriste se i oznake x · y. x + 1. Dokazati da polinomi pk (x) = (x − a)k . y) = λ(x. en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . (2) {1. U proizvo nom n-dimenzionalnom prostoru V skalarni pro- izvod mo e da se uvede na razliqite naqine. a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p. 2. Primer 4. 4. y ∈ E pridru uje realan broj (x. . y) za λ ∈ R. e2 . < x. xn ) i y = (y1 . n i a ∈ R obrazuju bazu prostora P≤n . . Dokazati da polinomi p(x) = x2 + 1. . z) + (y. 14. .9. pn }. x) ≥ 0. y) = (y. ugao izme u dva vektora. Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. . q. . za k = 0. Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . . . q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . p1 . . mogu uvesti i druge operacije. . Definicija i osobine Euklidskog prostora Definicija 4. . . y = y1 e1 + · · · yn en . x − 1. .

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

Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli. Definicija 4. U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 0.11. Funkcije f i g prostora C[0. xto predstav a jednaqinu ravni (videti 7. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = . 0) i y = (1. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R. αn ). 0. . Skup svih taqaka x ∈ Rn za koje va x·α +β = 0 je n − 1-dimenzionalna ravan ili hiperravan u prostoru Rn . U prostoru R2 (ravan sa koordinatnim osama x1 i x2 ) jednaqina hiperravni je α1 x1 + α2 x2 + β = 0. Primer 4.70 Vektorski prostori Primer 4. . Ugao izme u vektora x = (1. 0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. U prostoru R3 (prostor sa koordinatnim osama x1 .1) i . . 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f. 1. x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0. 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4. xto predstav a jednaqinu prave u ravni. 0. g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0. 1.13. . Za α = (α1 .10. xto predstav a taqku sa koordinatom −β/α1 .12.

odstoja e taqke od hiperravni. normala na ravan.Sistemi linearnih jednaqina 71 Ako je a = (a1 . . .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. Iz svojstva skalarnog proizvoda α sledi da je (α . ali se uzima da je iveo u Aleksandriji (Egipat) i da je imao matematiqku xkolu. x) + β = 0. an ) fiksirana. 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). 1809-1877) objavio 1862. prava. godine. . Za Euklida se smatra da je autor quvenog dela Elementi (ukupno 13 k iga) u kojima je geometrija zasnovana na aksiomatskim osnovama. 2. pa za vektor α mo emo re i da je vektor normale hiperravni.275. Istorijske napomene 1. x − a ) = 0. Euklid (oko 330 . Pouzdanih podataka o egovom ivotu i radu nema. Algoritam za izraqunava e najve eg zajedniqkog delioca nosi egovo ime (Euklidov algoritam). a x proizvo na taqka hiperravni. ugao izme u dve prave. presek dve ravni. α α tada je (α . a + β = 0 i (α . . ugao izme u prave i hiperravni. du . . godine pre nove ere) je poznati grqki (antiqki) matematiqar. To znaqi (prema Definiciji 4.

Sign up to vote on this title
UsefulNot useful