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 Pita a i zadaci . . .6 Dodatak . . . . . .4 Rang matrice . . . . . . . . . . . . . . . . . . . .3 Inverzna matrica . . . . . . . 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 . . . . . . . . . . . . . 2.1 Skupovi . . . .5 Algebarske strukture sa dve binarne operacije . . . . . . . . . . . . . . . . . . .2 Realni brojevi . . . . . . . .3 Funkcije . . . . . . . . . . . . . .Sadr aj 1 Uvod 1. . . . . . . . . . . . . . . 2. . . . . . . . 3. . . . .4 Pita a i zadaci . . . . . . .pojam i osnovne operacije 3. . . . . 3. . . . . . . . . . . . . . . . . . . . 3. .7 Dodatak . . . . . . . .3 Algebarske strukture sa jednom binarnom operacijom 2. . 4. . . . . . . . . . . . . . . .1 Definicija vektorskog prostora . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . .5 Dodatak . . 3. . . . . . . . . . . .4 Kardinalni brojevi 1. . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . .1 Dekartov proizvod skupova . . . . . . . . . . . . .5 Pita a i zadaci . . . .3 Baza i dimenzija vektorskog prostora . . . . . 1. . 3 . . . . . 1. . 2. . . . . . . . . . . . . . . . . Matrice i determinante 3. . .2 Binarna operacija . . . . . . . . . . . . . . . . . .2 Linearna zavisnost i nezavisnost vektora . . . . . . . . 4. . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .1 Matrice . . . . . . . . . . . . . . . . 4 Vektorski prostori 4. .4 Primeri grupa . . . . . . . . . . . . .6 Pita a i zadaci . . 2 Algebarske strukture 2. . . . . 4. . 1. . . . . . . .6 Dodatak . . . . . . . . . . . . . . . . . . . . . . .2 Determinante . . . . . . . . . . .

72 . . . . . . . . 75 . . . . .4 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . . . .2 Definicija niza i primeri 8. . . . . . . . . . . . . . . . . . . 9.5 Taqke nagomilava a niza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Skup konvergentnih nizova 8. . . . . Analitiqka geometrija 7. . . . . . .4 Upore iva e beskonaqno malih funkcija . . . . . . . . . . . . . . . . . . . . . 88 . 7 . . . . . . . . . . . .5 Dodatak . . . . . . . . . . .7 Pita a i zadaci . . . . . .4 Skalarni proizvod vektora . . . . . . .3 Kroneker-Kapelijeva teorema . . . . . . . . . . . . 76 e sis. .5 Vektorski proizvod vektora . . . . .2 Definicije graniqnih vrednosti .3 Graniqna vrednost niza . . . . . . . . . . . . . . . . . . . . . 9. . . . . .4 Primena Kroneker-Kapelijeve teoreme na rexava tema linearnih jednaqina . . . . . . . .2 Linearne operacije sa vektorima 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 Nizovi 8. . . . . . . . . . . . . . . . . Vektori 6. . . . . 8. . . . . . . . . .3 Koordinate vektora . . .7 Dodatak . . . . . . .3 Prava i ravan . . . . . . . .1 Pojam sistema linearnih jednaqina . . . . . . . . . . . . . . . . . . . . . . . . 7. . 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 Vektori u prostoru .3 Osobine graniqnih vrednosti . 9 Graniqne vrednosti funkcija 9.7 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . 5. . . .5 Gausov algoritam . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. . . . . . .2 Kramerove formule . . . . . . . . 6. .2 Prava u prostoru . . . . . . . . . . . . 5. . . . . . . . . . . . .6 Mexoviti proizvod vektora . . . . . . . . 5. . . . . . . 8. . . . . 6. . . . 7. . . . . . 8. . . . . 85 . 5. . . . . 80 . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . .8 Dodatak . . . . . . . . . . . . . . . . . . . . . . . . . .1 Realne funkcije realne promen ive . . . . . . . . . . . . . . 7. . . . . . 7. .6 Koxijev kriterijum . . . . . . 6. . .1 Ravan u prostoru . 5. . . . 8. . . . . . . . . . . . 6. . . . . 5.viii 5 Sistemi linearnih jednaqina 5. . . . . . Sadr aj 72 . . . . . .6 Pita a i zadaci .8 Dodatak . . . . . . .1 Neki skupovi u R i R . . . . . . . . . . . . . . . . . . . . . 9. . . . . . . .

. . . . . 14. . . . . . . . . . . . . . . . . 236 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. . . . .2 Dovo ni uslovi za lokalni ekstremum 14. . . . . . . 174 . . . . . . . . . . . . . . . . . . . .5 9. . . . . . 10. . . . . . . . . . . . . . . . . . . . . . . . . reda . . .6 Pita a i zadaci . .6 9. . . . . . . . . . . . . . . .3 Svojstva neprekidnih funkcija 10. . . . . .1 Pojam neprekidnosti funkcije . . . . . . . . . . . 12. . . . . . . 11. 10. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14. . . . . . . .2 Maklorenova formula . . . 242 244 244 246 249 252 255 259 . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Ravnomerna neprekidnost . . . .1 Tejlorova formula . . . . . 11 Izvod funkcije 11. . . . . . . . . 12 Teoreme diferencijalnog raquna 12. . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Skicira e grafika funkcije . . . . . . . . . . . . .6 Dodatak . . . . . . . . . . . . .Sadr aj ix Primena asimptotskih formula u izraqunava nih vrednosti funkcija . . . . . . . . . 179 180 180 184 186 189 190 193 195 195 199 203 205 208 210 213 213 214 218 221 224 9. . . . . . . . . . .4 Izvodi i diferencijali vixeg 11. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. . . . . . . .6 Dodatak . . . . . . . . . . . 10. . . . .4 Pita a i zadaci . . . . . . . Dodatak . . . . . . . . . . . . .1 Lokalni ekstremum . . . Pita a i zadaci . . . . . . . . . . . . . . . . .1 Definicija izvoda i primeri 11. . . . . . . . . . . . . . . . . . . 13 Tejlorova i Maklorenova formula 13. . . . . . . . . . . . . . . . . 173 . . . . . . . . . . 14 Ispitiva e funkcija 14. . . . . . . .7 10 Neprekidnost funkcija 10. . . . . .5 Pita a i zadaci . . .3 Konveksnost i konkavnost . . . . . . . . . . 228 . . . . . . . . . 11. . . . . . . . . 13. . . . . 14. . . . .2 Teoreme o sred im vrednostima 12.2 Vrste prekida . .5 Dodatak . . . . . . . . . . . . . . . . .1 Ispitiva e monotonosti funkcije . . . . . . . . . . . . . . . . .4 Asimptote . . . . .2 Pravila diferencira a .5 Pita a i zadaci . . . . . . . . . 12. . . . . . . . . 238 . . . . 13. . . 228 . 11. 13. . . . . . . . . . . . .3 Primena Maklorenovih razvoja u izraqunava nih vrednosti . . . . 14. . .4 Pita a i zadaci . .3 Lopitalova pravila . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231 u graniq. . . . . u graniq.5 Dodatak .3 Diferencijal funkcije . 13. . . . .

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

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

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

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

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

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

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

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

Oqigledno je da je skup vektora koji sadr i nula vektor linearno zavisan. . . . dobijamo jednakosti α1 cos x + 4α2 cos 2x + 9α3 cos 3x = 0. 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. . za x = 0 imamo jednakosti α1 + β1 + γ1 = 0. . ako su x1 . xn su linearno nezavisni. Primer 4. . . 1]R . Vektori x1 . su linearno nezavisni. . 5) (4. .3. Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni. . . xn su linearno nezavisni ako je jednakost (4. Primer 4. iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. . onda su i x1 . xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 . α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. . α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. p2 (x) = x i p3 (x) = x2 . z = (1. −1. y = (1. Polinomi p1 (x) = 1. Teorema 4. 4). kao elementi vektorskog prostora [−1. .4.1. x linearno zavisni za proizvo an vektor x tog prostora. . .62 Vektorski prostori 4. . 1. . −1). xn . . a zatim jox dva puta. 3.2. Funkcije f1 : x → cos x. . Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. . Drugim reqima. 2. Naime. . . . kao elementi vektorskog prostora P≤2 . .1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. Vektori x = (2. U protivnom. 0. Primer 4. .1) mogu a samo za α1 = α2 = · · · = αn = 0. Tako e. vektori x1 . od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. Vektori x1 . Specijalno.4. xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. vektori x1 . αn iz K. su linearno nezavisni vektori tog prostora. . −1. . xn linearno zavisni vektori datog vektorskog prostora.2 Linearna zavisnost i nezavisnost vektora Definicija 4. α1 + 4β1 + 9α3 = 0. f2 : x → cos 2x f3 : x → cos 3x. .

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

. . . 0) + · · · + an (0. U n-dimenzionalnom vektorskom prostoru ne postoji vixe od n linearno nezavisnih vektora. Polinomi p1 (x) = 1. . 0. . Teorema 4. . .5. 0. Iz ove definicije proizilazi da se svaki vektor iz V mo e izraziti kao linearna kombinacija vektora baze. 0. Primer 4. . . ka emo da je prostor n-dimenzionalan. . . prostor je konaqnodimenzionalan. 4. 1) = a1 e1 + · · · + an en . . . . 0. Jedna baza prostora Rn je B = {e1 . 0. . U protivnom. y2 . . prostor je beskonaqnodimenzionalan. Ako u vektorskom prostoru V postoji baza koja sadr i konaqan broj vektora. . . Primer 4. . . . . a2 . . 0. . 0). en }. an ) iz Rn je linearna kombinacija vektora iz B jer je a = (a1 . . 0. . . 0) + (0.64 Vektorski prostori odnosno λ1 y1 + λ2 y2 + · · · + λm ym = 0.. . en = (0. 0) + · · · + (0. . . . .3 Baza i dimenzija vektorskog prostora U vektorskom prostoru su posebno va ni skupovi vektora qije linearne kombinacije generixu ceo prostor. 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 . 1). Ako baza vektorskog prostora sadr i n elemenata. . gde je e1 = (1. . 0) + a2 (0. . Definicija 4.3. gde je λ1 = − am1 a21 λ2 + · · · + λm .. . 1. . . . 0).. . . 0. a11 a11 Poxto je bar jedan od skalara λ2 . . . . . an ) = a1 (1. . .6. e2 . vektori y1 . . ym su linearno zavisni.6. vektori skupa B su linearno nezavisni i svaki vektor a = (a1 . Baza B vektorskog prostora V je ure en skup linearno nezavisnih vektora iz V za koje je L(B) = V . . . a2 . . e2 = (0. . . 1. . Zaista.

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

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

14) linearno zavisni vektori prostora R4 . Prema Definciji 4. Dokazati da vektori e1 = (1. xn su linearno zavisni ako postoji netrivijalna linearna kombinacija tih vektora koja je jednaka nula-vektoru. 4. tada su vektori svakog egovog podskupa tako e linearno nezavisni. −1. 10. 0. tn } jedna baza prostora P≤n (t). xk } skup vektora vektorskog prostora V . t2 . 3) u prostoru R3 . 3. U suprotnom. Za linearnu kombinaciju α1 x1 + · · · + αn xn vektora x1 . 1]R . x3 koja je jednaka nulavektoru. . . . Vektori x1 . x3 = (1. 0. vektori skupa S su linearno zavisni. 7. kao elementi vektorskog prostora [−1. 1).3. e4 }. 1) Ako 0 ∈ S. Neka je S = {x1 . x2 = (−1. . Baza i dimenzija. linearno nezavisni vektori tog prostora. f2 : x → ex f3 : x → e2x . vektori x1 . 0). 2) i c = (8. . 2. 0) i a4 = (1. 1. e3 = (1. linearno nezavisni vektori tog prostora. . 4). . 0. Ispitati linearnu zavisnost vektora a = (1. 0). Pod kojim uslovom je dimV = n? 10. . 1. . . Dokazati da su funkcije f1 : x → sin x. 0. 2) u bazi {e1 . 1) obrazuju bazu prostora R4 . 0. . a zatim odrediti koordinate vektora x = (7. e2 = (2. . 11. Dokazati da su x1 = (1. −2). t. 4) i e4 = (1. Svaki skup nezavisnih vektora u vektorskom prostoru mo e da se proxiri (dopuni) do baze tog prostora. 1. Ispitati da li vektori a1 = (1. 1. kao elementi vektorskog prostora (0. . −1. . 6. . 3. . e2 . a zatim navesti bar jednu netrivijalnu linearnu kombinaciju vektora x1 .Vektorski prostori 67 Linearna zavisnost i nezavisnost. . 12. +∞)R . xn su linearno nezavisni. . Dokazati da je skup B = {1. 9. 6. . 5. . . x2 . b = (3. 2. 8. 1. 3. f2 : x → sin 2x f3 : x → sin 3x. 3) Ako su vektori skupa S linearno nezavisni. . a2 = (1. . vektori skupa S su linearno zavisni. a3 = (1. bazu vektorskog prostora qini maksimalni skup linearno nezavisnih vektora tog prostora. −1. 0) obrazuju bazu prostora R4 . 14.6 i Teoremi 4. Prema Definiciji 4. 3. . Dokazati da su funkcije f1 : x → 1. αn razliqit od nule. 4). 1.4 vektori x1 . . Dokazati slede a tvr e a. 5. −1). xn nekog vektorskog prostora ka emo da je netrivijalna ako je bar jedan od koeficijenata α1 . 1. 2. xn su linearno nezavisni vektori vektorskog prostora V . . e3 . . . 2) Ako skup S sadr i linearno zavisan podskup. . 0.

. . (x − 1)2 }. . . Ako je {e1 . . 3. y >. pn }. z) + (y. 14. .7. pored uobiqajenih. Primer 4. ortogonalnost vektora i druge. za k = 0. (x + 1)2 }. x) ≥ 0. 15. . pa qak i samo xy. 4. mogu uvesti i druge operacije. 1. (2) {1. . Definicija i osobine Euklidskog prostora Definicija 4.68 Vektorski prostori 13. Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x. en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. Umesto (x. a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p. q. x). . 2. xn ) i y = (y1 . yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . z) = (x.9. y) koriste se i oznake x · y. . (λx.5 Dodatak Euklidski prostori U vektorskom prostoru se. . (x. Dokazati da polinomi p(x) = x2 + 1. U proizvo nom n-dimenzionalnom prostoru V skalarni pro- izvod mo e da se uvede na razliqite naqine. . U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 . y ∈ E pridru uje realan broj (x. z). < x. (x + y. y) sa slede im svojstvima: 1.8. x − 1. . (x. n i a ∈ R obrazuju bazu prostora P≤n . (x. . y = y1 e1 + · · · yn en . e2 . Dokazati da polinomi pk (x) = (x − a)k . . y) = λ(x. x + 1. Primer 4. . r}. . 4. . y) za λ ∈ R. . . Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . ugao izme u dva vektora. p1 . . q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . x) = 0 ako i samo ako je x = 0. y) = (y.

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

Ugao izme u vektora x = (1. 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4. jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 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. Funkcije f i g prostora C[0. xto predstav a jednaqinu ravni (videti 7. Primer 4. 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f.12. 1. 0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. 0. . Definicija 4. .13. xto predstav a taqku sa koordinatom −β/α1 .11. g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0.10.70 Vektorski prostori Primer 4.1) i . . . 0) i y = (1. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = . Za α = (α1 . αn ). xto predstav a jednaqinu prave u ravni. 0. U prostoru R3 (prostor sa koordinatnim osama x1 . 1. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R. x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0. Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli.

odstoja e taqke od hiperravni. 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). Za Euklida se smatra da je autor quvenog dela Elementi (ukupno 13 k iga) u kojima je geometrija zasnovana na aksiomatskim osnovama. a + β = 0 i (α . presek dve ravni. du . godine pre nove ere) je poznati grqki (antiqki) matematiqar. x) + β = 0. .Sistemi linearnih jednaqina 71 Ako je a = (a1 . ali se uzima da je iveo u Aleksandriji (Egipat) i da je imao matematiqku xkolu. ugao izme u prave i hiperravni.12) da je vektor α ortogonalan na vektor x − a . prava. Istorijske napomene 1. . . 2. godine. Pored pojma hiperravan uvode se i pojmovi k-dimenzionalna ravan. α α tada je (α . x − a ) = 0. Euklid (oko 330 . Algoritam za izraqunava e najve eg zajedniqkog delioca nosi egovo ime (Euklidov algoritam). an ) fiksirana.275. ugao izme u dve prave. 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 . normala na ravan. a x proizvo na taqka hiperravni. Pouzdanih podataka o egovom ivotu i radu nema. 1809-1877) objavio 1862. To znaqi (prema Definiciji 4. . pa za vektor α mo emo re i da je vektor normale hiperravni.