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).

. . . . . . . . 1. . .7 Dodatak . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . .5 Pita a i zadaci . . . . . . 3 . . . . . . .4 Pita a i zadaci . . . . . . . . . . . . . . 4. . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . .3 Baza i dimenzija vektorskog prostora . . . . . . . . . . . . . . . . . . . .1 Dekartov proizvod skupova . . . . . .1 Definicija vektorskog prostora . . . . .3 Funkcije . . 3. . . . . . . . . . . . . . . . . . . 1.5 Pita a i zadaci . . . . 4 Vektorski prostori 4. . . . 4. . . . . . . . . . . . . . . . . . . . . . . . .2 Determinante . . . . . . .3 Algebarske strukture sa jednom binarnom operacijom 2. 4. .6 Pita a i zadaci . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .Sadr aj 1 Uvod 1. . Matrice i determinante 3. . . .4 Rang matrice . . .2 Linearna zavisnost i nezavisnost vektora . . . . 2. .2 Binarna operacija . . . .pojam i osnovne operacije 3. . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . .4 Primeri grupa . . . . . . . . . .3 Inverzna matrica . . . . . . . . . . .6 Dodatak . . . . . . . . . . .2 Realni brojevi . . . . . . . . 3. . . . . . . . . . . . . . . . .1 Skupovi . . . . . . . . . . . . . . . . .4 Kardinalni brojevi 1. . . . . . . . . . . . . . . . .5 Dodatak . . . . . . 3. . . . . . . . . . . . . . . .5 Algebarske strukture sa dve binarne operacije . . . . . . . . . . . . . .6 Dodatak . . . . 4. . . . . . . . . . . . . 3. . . . . . .1 Matrice . . . 1. . . . . . . . . . . . . . . . . . . . . . . . 1. . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 Algebarske strukture 2. . . . . . . . . 1 1 3 6 9 12 14 16 16 17 18 19 21 23 26 29 29 38 46 50 53 58 60 60 62 64 66 68 . . .

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

. . . . . . . . . . . . . . . .5 9. . . .2 Pravila diferencira a . . . . . . . . . . . . . . . . .5 Skicira e grafika funkcije . . . . reda . . . . . . 231 u graniq.3 Svojstva neprekidnih funkcija 10. . . . . . 13. . . . . .6 9. . . . . . . . . . .3 Diferencijal funkcije . . . . . . . . . . . . . . . . . . . 11. . . . 13 Tejlorova i Maklorenova formula 13. . . . . . 13. . . . . . . . . . . . . . . 228 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .2 Dovo ni uslovi za lokalni ekstremum 14. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .5 Pita a i zadaci . . . . . 12. 10. .1 Pojam neprekidnosti funkcije . . . Pita a i zadaci . . . . . . 228 . . . . . . .2 Vrste prekida . . . . . . . . . Dodatak . . . . . . . . . . . . . 12. . . . . . . . .4 Izvodi i diferencijali vixeg 11. . . . . . . . . . . . . .3 Lopitalova pravila . 173 . . . . . . . . . . . .3 Primena Maklorenovih razvoja u izraqunava nih vrednosti . . . . . . . . . . . . . 10. . . .2 Teoreme o sred im vrednostima 12. .1 Definicija izvoda i primeri 11. . . . . 13. . . . . . . . . .1 Tejlorova formula . . . . . . . . .7 10 Neprekidnost funkcija 10. . . . . . 242 244 244 246 249 252 255 259 . . . . . . 14 Ispitiva e funkcija 14. . . . . . . . . . . .Sadr aj ix Primena asimptotskih formula u izraqunava nih vrednosti funkcija . .4 Ravnomerna neprekidnost . . . . . . 236 . . . . . . . . . .5 Pita a i zadaci . . . . . . . . . . . . . . . . . . 238 . . . . . . . . . . . . . . . . . . . . . . . . 10. . . . . . . . . . . . 12 Teoreme diferencijalnog raquna 12. . . . . . . . . . . . 14. . . . . . . .4 Asimptote . . . .1 Ispitiva e monotonosti funkcije . . . . . . . . . . . . . . . . . . 12. u graniq. . .1 Lokalni ekstremum . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6 Pita a i zadaci . . . . . . . . 10. . . . . . . . . . . . . . . . . . . .2 Maklorenova formula . . . .4 Pita a i zadaci . . . . . . 11. . . . . . . . . . . . . . 14. . . . 11. . . . . . . . . . . . . . . . 174 . . . . . . . . . . . . . . . . . . . . 11 Izvod funkcije 11. . . 179 180 180 184 186 189 190 193 195 195 199 203 205 208 210 213 213 214 218 221 224 9. . . .5 Dodatak . . . . . . . . .3 Konveksnost i konkavnost . . . .5 Dodatak . . . . . . . . . . . . . . . . 13.6 Dodatak . . . . . . . . . .4 Pita a i zadaci . . . . . . . . . . . . . . . . . . 14. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14.6 Dodatak . . . . . . . . . . . . . . . . . .

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

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

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

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

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

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

a elementi skupa K skalari.-5. Qesto se vektorski prostor oznaqava samo sa V . 1 · x = x za sve x. 3. Primer 4. Operaciju + qesto nazivamo sabira e vektora. nezavisno od prirode ihovih elemenata. K. Algebarska struktura (V. (α + β) · x = α · x + β · x. a operacija α · x sa αx. β ∈ K. (αβ) · x = α · (β · x). y ∈ V i sve α. neka je K po e i neka su + : V 2 → V i · : K × V → V binarne operacije. +) Abelova grupa. a ako je K = C. (V. vektorski prostor je kompleksan. 2. a operaciju · mnoe e vektora skalarom. Lako se proverava da elementi skupa V i po a K sa operacijama + i · ispu avaju uslove 1. 5.1.Glava 4 Vektorski prostori Pojam vektorskog ili linearnog prostora je jedan od va nih pojmova u matematici. Ako je K = R. On omogu ava da se razni skupovi.1 ako je: . mogu prouqavati sa zajedniqkog stanovixta u odnosu na uvedene linearne operacije. ·) je vektorski ili linearni prostor ako je: 1. dok je −x suprotan element vektora x.1. α · (x + y) = α · x + α · y. iz Definicije 4. 4. Definicija 4. 4. +. Neutralni element u operaciji sabira a (u oznaci 0) je nulti vektor. vektorski prostor je realan.1 Definicija vektorskog prostora Neka je V neprazan skup. Elementi skupa V su vektori.

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

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. αn iz K. . −1. xn su linearno nezavisni ako je jednakost (4.2. xn linearno zavisni vektori datog vektorskog prostora. iz jednakosti α1 · 1 + α2 · x + α3 · x2 = 0 sledi α1 = α2 = α3 = 0. Naime. .4. su linearno nezavisni vektori tog prostora. Vektori x1 . ako su x1 . Specijalno. . α1 cos x + 16α2 cos 2x + 81α3 cos 3x = 0. 1]R . . od kojih je bar jedan razliqit od nule i za koje va i α1 x1 + α2 x2 + · · · + αn xn = 0. . 1. . Primer 4. Vektori x = (2. Tako e. .1. 5) (4. za x = 0 imamo jednakosti α1 + β1 + γ1 = 0. . f2 : x → cos 2x f3 : x → cos 3x. Diferencira em izraza α1 f1 + α2 f2 + α3 f3 dva puta. 2. onda su i x1 . vektori x1 . . . α1 + 16α2 + 81α3 = 0 iz kojih sledi α1 = α2 = α3 = 0. . su linearno nezavisni. . xn su linearno zavisni ako i samo ako je jedan od ih linearna kombinacija ostalih vektora. . Teorema 4. −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. .3. x linearno zavisni za proizvo an vektor x tog prostora.2 Linearna zavisnost i nezavisnost vektora Definicija 4. . . xn . . xn vektorskog prostora V su linearno zavisni ako postoje skalari α1 . xn su linearno nezavisni. Za skup vektora se ka e da je linearno zavisan ili nezavisan prema tome da li su vektori tog skupa linearno zavisni ili nezavisni. y = (1. Primer 4. Vektori x1 . 3.62 Vektorski prostori 4. . vektori x1 . z = (1.4. 4).1) mogu a samo za α1 = α2 = · · · = αn = 0. . Polinomi p1 (x) = 1. 0. p2 (x) = x i p3 (x) = x2 . α1 + 4β1 + 9α3 = 0.1) vektorskog prostora R4 su linearno zavisni jer je 1 · x − 1 · y − 1 · z = 0. a zatim jox dva puta. . Drugim reqima. −1. kao elementi vektorskog prostora [−1. . . Funkcije f1 : x → cos x. . . kao elementi vektorskog prostora P≤2 . U protivnom. . . . . . Primer 4.

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

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 . e2 = (0. . .. . 0. . .6.3. 0. . . a2 .. 1) = a1 e1 + · · · + an en . Ako u vektorskom prostoru V postoji baza koja sadr i konaqan broj vektora.64 Vektorski prostori odnosno λ1 y1 + λ2 y2 + · · · + λm ym = 0. an ) = a1 (1. . ym su linearno zavisni. . . . . . 0). en = (0. . . 0) + a2 (0. U protivnom. 0. . . . gde je e1 = (1. . 1. . 1. Teorema 4. 4. Polinomi p1 (x) = 1. Primer 4. prostor je konaqnodimenzionalan. . a2 . 0) + · · · + (0. .. 0). e2 . gde je λ1 = − am1 a21 λ2 + · · · + λm . Zaista. Baza B vektorskog prostora V je ure en skup linearno nezavisnih vektora iz V za koje je L(B) = V . ka emo da je prostor n-dimenzionalan. vektori skupa B su linearno nezavisni i svaki vektor a = (a1 . 0) + (0. Ako baza vektorskog prostora sadr i n elemenata. prostor je beskonaqnodimenzionalan. . . . . . 0) + · · · + an (0. .6. . Iz ove definicije proizilazi da se svaki vektor iz V mo e izraziti kao linearna kombinacija vektora baze. Definicija 4. U n-dimenzionalnom vektorskom prostoru ne postoji vixe od n linearno nezavisnih vektora. . Jedna baza prostora Rn je B = {e1 . y2 . . 0. . 0. . an ) iz Rn je linearna kombinacija vektora iz B jer je a = (a1 . . . . λm razliqit od nule. . . 1). en }. . a11 a11 Poxto je bar jedan od skalara λ2 . 0. . . Primer 4. . . . 0. . . 0. . .3 Baza i dimenzija vektorskog prostora U vektorskom prostoru su posebno va ni skupovi vektora qije linearne kombinacije generixu ceo prostor. . vektori y1 . .5. . . . .

. . λn bili jednaki nuli (zbog linearne nezavisnosti vektora b1 . bn linearno nezavisni vektori n-dimenzionalnog vektorskog prostora V i neka je x proizvo an vektor iz V . . . Tada je λ1 λn x = − b1 − · · · − bn . bn linearno zavisan jer je svaki od ih linearna kombinacija vektora baze. . Prema tome. Neka su x1 . αn su koordinate vektora x u bazi B. Pretpostavimo da je x = α1 e1 + · · · + αn en = β1 e1 + · · · + βn en . en }. Na osnovu te qi enice definixe se jox jedna karakteristika vektorskog prostora. prema Teoremi 4. prema Teoremi 4. . Teorema 4. Svaki skup od n linearno nezavisnih vektora obrazuje bazu n-dimenzionalnog vektorskog prostora V . . Tada je. . . Dokaz. U Primeru 4. Dokaz.8. bn ). . . . ali je broj elemenata baze jedinstven. b1 .5.Vektorski prostori 65 Dokaz. Definicija 4.7. . .5 baza vektorskog prostora Rn ima n elemenata. . Teorema 4.4. . . . .2 oni su linearno zavisni. Koordinate svakog vektora konaqnodimenzionalnog vektorskog prostora u datoj bazi su jedinstvene. Prema tome. λ λ Iz prethodne dve teoreme sledi da baza konaqnodimenzionalnog vektorskog prostora nije jedinstvena. . . Me utim. . . Broj elemenata baze konaqnodimenzionalnog vektorskog prostora V = {0} je dimenzija tog prostora i oznaqava se sa dimV . skup vektora x. . . . α2 . Neka je V vektorski prostor dimenzije n i neka je B = {e1 . en } jedna baza tog prostora. .6 baza vektorskog prostora P≤2 ima tri elementa. . λn od kojih je bar jedan razliqit od nule. Neka su b1 . . . . . xn . xn+1 proizvo ni vektori n-dimenzionalnog vektorskog prostora V . . skalari α1 . . Ako je x = α1 e1 + α2 e2 + · · · + αn en za x ∈ V . dimRn = n. λ1 . Za V = {0} je dimV = 0. va i λx + λ1 b1 + · · · + λn bn = 0 za neke skalare λ. U Primeru 4. To znaqi da je dimP≤2 = 3. . Definicija 4. Poxto je svaki od ih linearna kombinacija n vektora baze. mora biti λ = 0 jer bi u protivnom svi skalari λ1 . Neka je V proizvo an n-dimenzionalni vektorski prostor sa bazom B = {e1 .2. .

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

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

(x. 1. U proizvo nom n-dimenzionalnom prostoru V skalarni pro- izvod mo e da se uvede na razliqite naqine. . . Ako je {e1 . . . . . xn ) i y = (y1 . pn }. (2) {1. . (x − 1)2 }. . . 15. 14. .68 Vektorski prostori 13. 4. . . y) sa slede im svojstvima: 1. y >. Primer 4. x − 1. Vektorski prostor E je Euklidski prostor ako je u emu definisan skalarni proizvod kojim se svakom paru vektora x. (x + y. (x. . < x. 4. p1 . x) ≥ 0. mogu uvesti i druge operacije. z) + (y. a zatim odrediti koordinate polinoma s(x) = −2x2 + x − 1 u bazi {p. Odrediti koordinate proizvo nog vektora p ∈ P≤n u bazi {p0 . e2 . . y) za λ ∈ R. . . Definicija i osobine Euklidskog prostora Definicija 4.9. Dokazati da polinomi pk (x) = (x − a)k . pored uobiqajenih. Dokazati da polinomi p(x) = x2 + 1. . en } jedna baza tog prostora i ako je x = x1 e1 + · · · + xn en . x + 1. Odrediti koordinate polinoma x2 − x + 2 ∈ P≤2 u bazi: (1) {1. n i a ∈ R obrazuju bazu prostora P≤n . ugao izme u dva vektora. . r}. za k = 0. y) = (y.8. q. z). z) = (x. q(x) = −x2 + 2x i r(x) = x2 − x obrazuju bazu prostora P≤2 . y) = λ(x. y = y1 e1 + · · · yn en . Umesto (x. ortogonalnost vektora i druge. Uvo e em skalarnog proizvoda mogu se prouqavati geometrijske osobine prostora kao xto su du ina vektora. y ∈ E pridru uje realan broj (x. yn ) mo e se definisati pomo u x · y = x1 y1 + x2 y2 + · · · + xn yn . (x. (λx. pa qak i samo xy. . x) = 0 ako i samo ako je x = 0. 3. 2.7. (x + 1)2 }. x). . y) koriste se i oznake x · y.5 Dodatak Euklidski prostori U vektorskom prostoru se. . U vektorskom prostoru Rn skalarni proizvod vektora x = (x1 . Primer 4.

y) = 0 f (x)g(x)dx. z). λy) = λ(x. poznata kao nejednakost Koxi-Bu akovskog. Za vektor x Euklidskog prostora broj ||x|| = nazivamo normom ili du (x.10. desna strana prethodne jednakosti nije po modulu ve a od 1. y) (x. 2. x) inom vektora x. Definicija 4. (x. 1 n Definicija 4. x) . Neposredno iz definicije skalarnog proizvoda proizilaze sledea svojstva: 1. Mo e se dokazati (na primer. Za normu se koristi i oznaka |x|. . x) · (y. 1] svih funkcija neprekidnih na od- seqku [0. pa zaista predstav a kosinus nekog ugla. y)2 ≤ (x. x) (x.11. Vektorski prostor C[0. Primer 4.9. U prostoru Rn ta nejednakost je poznata Koxijeva nejednakost 2 2 (x1 y1 + · · · + xn yn )2 ≤ (x2 + · · · + x2 )(y1 + · · · + yn ). y) + (x. 1] je Euklidski prostor ako se u emu uvede skalarni proizvod 1 (x. (x. (x. Izborom razliqitih baza dobijamo razliqite skalarne proizvode. y + z) = (x. [13]) da za skalarni proizvod va i i nejednakost (x. Za nenulte vektore definixe se i ugao izme u ih. y). Saglasno nejednakosti Koxi-Bu akovskog. y) = ||x|| ||y|| (x. y) = x1 y1 + x2 y2 + · · · + xn yn definisan skalarni proizvod u V . Ugao izme u nenultih vektora x i y Euklidskog prostora je ugao ϕ ∈ [0. 0) = 0.Vektorski prostori 69 onda je sa (x. 3. π] defininisan jednakox u cos ϕ = (x. y) za λ ∈ R.

U prostoru R (prava) jednaqina hiperravni je α1 x1 + β = 0. Dva vektora Euklidskog prostora su ortogonalna ako je ihov skalarni proizvod jednak nuli. g) = 0 f (x)g(x)dx = 0 1  2(2x − 1)dx = 2(x2 − x) = 0. 2 + 12 + 02 · 12 + 12 + 02 + 02 2 +0 Definicija 4. 0. 0 Jednaqina hiperravni U Euklidskom prostoru Rn mo e da se definixe pojam koji odgovara pojmu ravan u trodimenzionalnom prostoru. Definicija 4. 1. Neka je α ∈ Rn nenulti vektor i neka je β ∈ R. αn ). x2 i x3 ) jednaqina hiperravni je α1 x1 + α2 x2 + α3 x3 + β = 0. 0. U prostoru R3 (prostor sa koordinatnim osama x1 . xto predstav a jednaqinu ravni (videti 7. Za α = (α1 . U prostoru R2 (ravan sa koordinatnim osama x1 i x2 ) jednaqina hiperravni je α1 x1 + α2 x2 + β = 0. Ugao izme u vektora x = (1.12. 0) prostora R4 je π/3 jer je cos ϕ = √ 12 1 1·1+0·1+1·0+0·0 √ = . Funkcije f i g prostora C[0. . Primer 4. 0) i y = (1. .11. xto predstav a taqku sa koordinatom −β/α1 . . 1. . 1] definisane sa f (x) = 2 i g(x) = 2x − 1 su ortogonalne jer je 1 1 (f.70 Vektorski prostori Primer 4.1) i . jednaqina hiperravni je α1 x1 + α2 x2 + · · · + αn xn + β = 0.10. xto predstav a jednaqinu prave u ravni.13. Skup svih taqaka x ∈ Rn za koje va x·α +β = 0 je n − 1-dimenzionalna ravan ili hiperravan u prostoru Rn .

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