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).

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

. 85 . . . . . . . . 7. . . . . .1 Pojam sistema linearnih jednaqina . . . . . . . . . . . . . . . . . 5. . . .8 Dodatak . 7. . . . . . . . . . . 5. . . . . . . .7 Pita a i zadaci .2 Definicija niza i primeri 8. . . . . . . . . . . . 5. . . . . . 8. . . . . . . . . . . . . . . . 5. . . . . . .5 Vektorski proizvod vektora . . . . . .4 Skup konvergentnih nizova 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Upore iva e beskonaqno malih funkcija . Sadr aj 72 . . . . . . . . . . . . . 75 .2 Prava u prostoru . 6. . . . . .1 Vektori u prostoru . . . . . . . . . . 8. 76 e sis. . . . . . . . . . . . . . . . . . . . . . . .8 Dodatak . . . . . . . . . . . . . . . . .6 Mexoviti proizvod vektora . . . . . . . . . . . . . . .1 Neki skupovi u R i R .4 Primena Kroneker-Kapelijeve teoreme na rexava tema linearnih jednaqina . . . . . . . 6. . . . . . . . . . . . . . . . . . . . 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 . . . 7. . . . . .3 Koordinate vektora . . . . . . . . . . . . . . . 6. 80 . . . . . . . . . . . 88 . . . . . . . . . . . . . . . . . 7. .viii 5 Sistemi linearnih jednaqina 5.5 Dodatak . . . . . . . . . 6. . . . . 8. . . . . . . . . . . . . . . . .3 Graniqna vrednost niza .3 Prava i ravan . . . . . . . . . . . . . . . 9. . . . . . . . . . 6. . . . . . . . . . . . . . . . 8. . . . . . . . . . . . .2 Kramerove formule . . . . . . 7 . . . . . .3 Kroneker-Kapelijeva teorema . . . . . . .4 Skalarni proizvod vektora . . . . . . . . 8 Nizovi 8. .5 Gausov algoritam . . .7 Dodatak . . . .6 Koxijev kriterijum . . . . . . . . . . . . . . . . . . 9. . . . .3 Osobine graniqnih vrednosti . . . .1 Ravan u prostoru . . .1 Realne funkcije realne promen ive . . . . . . . . . . . . . . . . . . . . . 5. . . . . . . . . . . . 5. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72 . . . . . . . 8. . . . . . . . . . . .4 Pita a i zadaci . . . . 6. . . . . . . . . . .7 Pita a i zadaci . . . .6 Pita a i zadaci . . . . . . . .2 Definicije graniqnih vrednosti . 9. . . Vektori 6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Analitiqka geometrija 7. . 9 Graniqne vrednosti funkcija 9. . . . . . .5 Taqke nagomilava a niza . . . . .2 Linearne operacije sa vektorima 6. .

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

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

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

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

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

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

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

Algebarska struktura (V. vektorski prostor je realan. α · (x + y) = α · x + α · y. 2. 4. 3.1 ako je: . Ako je K = R. iz Definicije 4. dok je −x suprotan element vektora x. Lako se proverava da elementi skupa V i po a K sa operacijama + i · ispu avaju uslove 1.1. 1 · x = x za sve x. Definicija 4. On omogu ava da se razni skupovi. Neutralni element u operaciji sabira a (u oznaci 0) je nulti vektor. K. Primer 4. +. ·) je vektorski ili linearni prostor ako je: 1. 4. a operacija α · x sa αx. y ∈ V i sve α. vektorski prostor je kompleksan. a elementi skupa K skalari. (V. (αβ) · x = α · (β · x). a operaciju · mnoe e vektora skalarom. +) Abelova grupa. 5.-5.1.1 Definicija vektorskog prostora Neka je V neprazan skup. Qesto se vektorski prostor oznaqava samo sa V . a ako je K = C. mogu prouqavati sa zajedniqkog stanovixta u odnosu na uvedene linearne operacije. (α + β) · x = α · x + β · x. β ∈ K. nezavisno od prirode ihovih elemenata. Elementi skupa V su vektori. neka je K po e i neka su + : V 2 → V i · : K × V → V binarne operacije. Operaciju + qesto nazivamo sabira e vektora.Glava 4 Vektorski prostori Pojam vektorskog ili linearnog prostora je jedan od va nih pojmova u matematici.

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

Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. su linearno nezavisni. 4). y = (1. kao elementi vektorskog prostora [−1. xn su linearno nezavisni. . Specijalno. . xn . kao elementi vektorskog prostora P≤2 . . xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 . αn iz K. .2. −1. 1]R .62 Vektorski prostori 4.1. . . 1. . dobijamo jednakosti α1 cos x + 4α2 cos 2x + 9α3 cos 3x = 0. Oqigledno je da je skup vektora koji sadr i nula vektor linearno zavisan. . . f2 : x → cos 2x f3 : x → cos 3x. −1). . ako su x1 . . . Primer 4. xn su linearno nezavisni ako je jednakost (4. 3. . . Funkcije f1 : x → cos x. x linearno zavisni za proizvo an vektor x tog prostora. xn linearno zavisni vektori datog vektorskog prostora. . . od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. 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. . vektori x1 . .3. Tako e. Teorema 4. za x = 0 imamo jednakosti α1 + β1 + γ1 = 0. . 0. su linearno nezavisni vektori tog prostora. 2. Drugim reqima.2 Linearna zavisnost i nezavisnost vektora Definicija 4. Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni. Naime. −1. . α1 + 4β1 + 9α3 = 0. a zatim jox dva puta. Vektori x = (2. . p2 (x) = x i p3 (x) = x2 . 5) (4. α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. z = (1. onda su i x1 . vektori x1 .1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. . . Vektori x1 .1) mogu a samo za α1 = α2 = · · · = αn = 0. . Primer 4. . Polinomi p1 (x) = 1.4. . U protivnom. α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. . Vektori x1 . iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. . . Primer 4.4.

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

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

Teorema 4. . . skalari α1 . λn bili jednaki nuli (zbog linearne nezavisnosti vektora b1 .5.7. . .4. Tada je. Neka su x1 . . Koordinate svakog vektora konaqnodimenzionalnog vektorskog prostora u datoj bazi su jedinstvene. Teorema 4.Vektorski prostori 65 Dokaz. . . λ λ Iz prethodne dve teoreme sledi da baza konaqnodimenzionalnog vektorskog prostora nije jedinstvena. Broj elemenata baze konaqnodimenzionalnog vektorskog prostora V = {0} je dimenzija tog prostora i oznaqava se sa dimV . . prema Teoremi 4. . . Neka su b1 . xn+1 proizvo ni vektori n-dimenzionalnog vektorskog prostora V . Tada je λ1 λn x = − b1 − · · · − bn . . U Primeru 4. Neka je V proizvo an n-dimenzionalni vektorski prostor sa bazom B = {e1 . λn od kojih je bar jedan razliqit od nule. . αn su koordinate vektora x u bazi B. . U Primeru 4. .2 oni su linearno zavisni. . λ1 . Pretpostavimo da je x = α1 e1 + · · · + αn en = β1 e1 + · · · + βn en . . . . . . . Me utim. Svaki skup od n linearno nezavisnih vektora obrazuje bazu n-dimenzionalnog vektorskog prostora V . Poxto je svaki od ih linearna kombinacija n vektora baze. . bn linearno zavisan jer je svaki od ih linearna kombinacija vektora baze. α2 . en }. . . Definicija 4. . . skup vektora x. Prema tome.8. bn ).2. . . ali je broj elemenata baze jedinstven. Definicija 4. b1 . . Ako je x = α1 e1 + α2 e2 + · · · + αn en za x ∈ V . . .5 baza vektorskog prostora Rn ima n elemenata. . Dokaz. dimRn = n. Neka je V vektorski prostor dimenzije n i neka je B = {e1 . . Dokaz. bn linearno nezavisni vektori n-dimenzionalnog vektorskog prostora V i neka je x proizvo an vektor iz V . Na osnovu te qi enice definixe se jox jedna karakteristika vektorskog prostora. Za V = {0} je dimV = 0. en } jedna baza tog prostora. mora biti λ = 0 jer bi u protivnom svi skalari λ1 . Prema tome.6 baza vektorskog prostora P≤2 ima tri elementa. . . To znaqi da je dimP≤2 = 3. va i λx + λ1 b1 + · · · + λn bn = 0 za neke skalare λ. . xn . prema Teoremi 4.

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

. 2) i c = (8. . . xn su linearno zavisni ako postoji netrivijalna linearna kombinacija tih vektora koja je jednaka nula-vektoru. e3 = (1. . . . Prema Definiciji 4. . b = (3. e4 }. 1) obrazuju bazu prostora R4 . xk } skup vektora vektorskog prostora V . Dokazati da su funkcije f1 : x → sin x. . tn } jedna baza prostora P≤n (t). 11. 1.6 i Teoremi 4. αn razliqit od nule. 0) obrazuju bazu prostora R4 . +∞)R . 1) Ako 0 ∈ S. 4). 1. . . −1. a2 = (1. . 0). vektori x1 . Za linearnu kombinaciju α1 x1 + · · · + αn xn vektora x1 . x2 = (−1. . Baza i dimenzija. 8. Pod kojim uslovom je dimV = n? 10. vektori skupa S su linearno zavisni. Dokazati da vektori e1 = (1. 12. 14. 4. . 6. Dokazati da su funkcije f1 : x → 1. 3. xn su linearno nezavisni vektori vektorskog prostora V . . 1. 1]R . a3 = (1. 2) u bazi {e1 . Svaki skup nezavisnih vektora u vektorskom prostoru mo e da se proxiri (dopuni) do baze tog prostora. −2). . 2. 0) i a4 = (1. e2 .3. 1. bazu vektorskog prostora qini maksimalni skup linearno nezavisnih vektora tog prostora. 5. . 3. . xn su linearno nezavisni. −1). 3. kao elementi vektorskog prostora (0. 0. 3) u prostoru R3 . 9. 0. 14) linearno zavisni vektori prostora R4 . . Prema Definciji 4. e3 . 10. U suprotnom. linearno nezavisni vektori tog prostora. . . a zatim navesti bar jednu netrivijalnu linearnu kombinaciju vektora x1 . t. −1. 4).Vektorski prostori 67 Linearna zavisnost i nezavisnost. Ispitati linearnu zavisnost vektora a = (1. e2 = (2. Neka je S = {x1 . 2. xn nekog vektorskog prostora ka emo da je netrivijalna ako je bar jedan od koeficijenata α1 . 2) Ako skup S sadr i linearno zavisan podskup. 6. kao elementi vektorskog prostora [−1. tada su vektori svakog egovog podskupa tako e linearno nezavisni. . 0. 1. . . 0. linearno nezavisni vektori tog prostora. f2 : x → sin 2x f3 : x → sin 3x. x3 koja je jednaka nulavektoru. . vektori skupa S su linearno zavisni. Dokazati slede a tvr e a. . . 1. x2 . Ispitati da li vektori a1 = (1. −1. 1). x3 = (1. f2 : x → ex f3 : x → e2x . . 2. a zatim odrediti koordinate vektora x = (7. . Dokazati da su x1 = (1. Vektori x1 . 0). t2 . 1. 0. 4) i e4 = (1. 7. 3) Ako su vektori skupa S linearno nezavisni. 0.4 vektori x1 . 5. Dokazati da je skup B = {1. 3. .

y) = λ(x. Definicija i osobine Euklidskog prostora Definicija 4. . . x − 1. . x). Dokazati da polinomi pk (x) = (x − a)k . 15. 4. pored uobiqajenih. pn }.8.9. Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. mogu uvesti i druge operacije. ortogonalnost vektora i druge. . . e2 . y) za λ ∈ R. z). en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . xn ) i y = (y1 . a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p. y >. . (x + y. . x) ≥ 0. y) sa slede im svojstvima: 1. (2) {1. Primer 4. . (x.7. 4. . . . y ∈ E pridru uje realan broj (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. Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. 3. Ako je {e1 . Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x. . U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 . . . y) = (y. n i a ∈ R obrazuju bazu prostora P≤n . . (x − 1)2 }. . p1 . x + 1. .68 Vektorski prostori 13. . . (λx. Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . Umesto (x. x) = 0 ako i samo ako je x = 0. q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . 2. z) = (x. 14. 1. pa qak i samo xy. y = y1 e1 + · · · yn en . yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . q. (x. y) koriste se i oznake x · y. z) + (y. < x. za k = 0.5 Dodatak Euklidski prostori U vektorskom prostoru se. . Primer 4. r}. (x. (x + 1)2 }. ugao izme u dva vektora.

[13]) da za skalarni proizvod va i i nejednakost (x. x) . Vektorski prostor C[0. y) = x1 y1 + x2 y2 + · · · + xn yn definisan skalarni proizvod u V . 1] je Euklidski prostor ako se u emu uvede skalarni proizvod 1 (x. π] defininisan jednakox u cos ϕ = (x. Ugao izme u nenultih vektora x i y Euklidskog prostora je ugao ϕ ∈ [0. Izborom razliqitih baza dobijamo razliqite skalarne proizvode. y). 2. y)2 ≤ (x. y) + (x. poznata kao nejednakost Koxi-Bu akovskog. pa zaista predstav a kosinus nekog ugla. Definicija 4.Vektorski prostori 69 onda je sa (x. 0) = 0. x) · (y. y) = 0 f (x)g(x)dx. Neposredno iz definicije skalarnog proizvoda proizilaze sledea svojstva: 1. (x. Mo e se dokazati (na primer. 3. x) (x. y + z) = (x.10. Za vektor x Euklidskog prostora broj ||x|| = nazivamo normom ili du (x. z). Za nenulte vektore definixe se i ugao izme u ih. y) = ||x|| ||y|| (x. . Za normu se koristi i oznaka |x|. y) za λ ∈ R.11.9. (x. 1] svih funkcija neprekidnih na od- seqku [0. Primer 4. desna strana prethodne jednakosti nije po modulu ve a od 1. (x. Saglasno nejednakosti Koxi-Bu akovskog. λy) = λ(x. U prostoru Rn ta nejednakost je poznata Koxijeva nejednakost 2 2 (x1 y1 + · · · + xn yn )2 ≤ (x2 + · · · + x2 )(y1 + · · · + yn ). x) inom vektora x. 1 n Definicija 4. y) (x.

12. jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 0.10. Funkcije f i g prostora C[0.11. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R.13. U prostoru R2 (ravan sa koordinatnim osama x1 i x2 ) jednaqina hiperravni je α1 x1 + α2 x2 + β = 0. 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4. Skup svih taqaka x ∈ Rn za koje va x·α +β = 0 je n − 1-dimenzionalna ravan ili hiperravan u prostoru Rn . U prostoru R3 (prostor sa koordinatnim osama x1 . . 0. U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. xto predstav a jednaqinu ravni (videti 7.1) i . Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli. 1. xto predstav a taqku sa koordinatom −β/α1 . . 0) i y = (1. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = . Primer 4. g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0.70 Vektorski prostori Primer 4. Ugao izme u vektora x = (1. 0. xto predstav a jednaqinu prave u ravni. Definicija 4. . 1. 0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. . 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f. x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0. Za α = (α1 . αn ).

an ) fiksirana. 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). godine. . . ugao izme u dve prave. . ali se uzima da je iveo u Aleksandriji (Egipat) i da je imao matematiqku xkolu. Euklid (oko 330 . Algoritam za izraqunava e najve eg zajedniqkog delioca nosi egovo ime (Euklidov algoritam). du . ugao izme u prave i hiperravni. Smatra se da se pojam vektorskog prostora prvi put jasno pojavio u radu koji je nemaqki matematiqar Grasman (Hermann G¨nther u Grassmann. Istorijske napomene 1. Za Euklida se smatra da je autor quvenog dela Elementi (ukupno 13 k iga) u kojima je geometrija zasnovana na aksiomatskim osnovama. 2. x − a ) = 0.12) da je vektor α ortogonalan na vektor x − a . Iz svojstva skalarnog proizvoda α sledi da je (α .Sistemi linearnih jednaqina 71 Ako je a = (a1 . Pouzdanih podataka o egovom ivotu i radu nema.275. Pored pojma hiperravan uvode se i pojmovi k-dimenzionalna ravan. . a + β = 0 i (α . godine pre nove ere) je poznati grqki (antiqki) matematiqar. . α α tada je (α . presek dve ravni. normala na ravan. To znaqi (prema Definiciji 4. pa za vektor α mo emo re i da je vektor normale hiperravni. 1809-1877) objavio 1862. x) + β = 0. prava. odstoja e taqke od hiperravni. a x proizvo na taqka hiperravni.

Sign up to vote on this title
UsefulNot useful