Geometrija ravnine i prostora I. Vektori u ravnini i prostoru

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Geometrija ravnine i prostora I. Vektori u ravnini i prostoru"

Transcript

1 Geometrija ravnine i prostora I. Vektori u ravnini i prostoru Rudolf Scitovski, Darija Brajković 2. prosinca Sadržaj 1 Uvod 2 2 Operacije s vektorima Zbrajanje vektora Množenje vektora skalarom Linearna zavisnost i nezavisnost vektora 9 4 Baza vektorskog prostora. Koordinatni sustav 12 5 Norma vektora Udaljenost dviju točaka Cauchy Schwarz Buniakowsky (CSB) nejednakost 15 7 Skalarni produkt Kosinusi smjerova Vektorski prostor R n Projekcija vektora na pravac i ravninu Projekcija vektora na pravac Projekcija vektora na ravninu Gram Schmidtov postupak ortogonalizacije Determinante drugog i trećeg reda 30 Obvezni predmet u 1. semestru sveučilišnog preddiplomskog studijskog programa Matematika (30 sati predavanja i 45 sati vježbi, 7 ECTS bodova) 1

2 11 Orijentacija koordinatnog sustava Vektorski produkt Mješoviti produkt Višestruki produkt Pravac i ravnina u prostoru Pravac u prostoru Ravnina u prostoru Projekcija vektora na ravninu i udaljenost točke do ravnine Hesseov normalni oblik jednadžbe pravca i ravnine Hesseov normalni oblik jednadžbe pravca u ravnini Udaljenost točke do pravca Hesseov normalni oblik jednadžbe ravnine u prostoru Uvod Neka je E skup točaka u prostoru, a A, B E dvije proizvoljne točke. Tada skup svih točaka na pravcu određenom točkama A, B, a koje leže između točaka A i B zovemo dužinom i označavamo s AB. Ako primjerice, točku A proglasimo početnom, a točku B završnom, onda takvu dužinu nazivamo usmjerenom dužinom i označavamo s AB. Definicija 1. Kažemo da su dvije usmjerene dužine AB, A B ekvivalentne i pišemo AB A B onda ako postoji translacija prostora koja točku A prevodi u A, a točku B u B. Primjedba 1. Primijetimo da za dvije ekvivalentne usmjerene dužine AB i A B vrijedi AB i A B su paralelne; AB i A B imaju istu orijentaciju 1 ; AB i A B imaju istu duljinu 2, koju ćemo označiti s AB, odnosno s A B. Primjedba 2. Primijetimo još da je ekvivalencija usmjerenih dužina jedna relacija ekvivalencije, tj. da vrijedi 1. AB AB (refleksivnost) 1 ili da imaju isti smjer, odnosno da imaju isti vizualni smisao kretanja od početne prema završnoj točki 2 u literaturi se za duljinu usmjerene dužine pojavljuju još i izrazi: norma, intenzitet, modul

3 2. AB CD = CD AB (simetričnost) 3. AB CD CD EF = AB EF (tranzitivnost) Sada možemo definirati osnovni pojam pojam vektora: Definicija 2. Vektor a je klasa ekvivalencije svih međusobno ekvivalentnih usmjerenih dužina, a = [ AB] = { P Q : P Q AB} Svaku usmjerenu dužinu P Q ekvivalentnu usmjerenoj dužini AB nazivamo reprezentant vektora a. Pri tome pod normom vektora podrazumijevamo duljinu bilo kojeg reprezentanta, a označit ćemo ju s a. U daljnjem tekstu često ćemo govoriti o vektoru, a crtat ćemo neki njegov reprezentant. Primjer 1. Nulvektor je klasa ekvivalencije svih usmjerenih dužina koje imaju istu početnu i završnu točku. Označavat ćemo ga s 0, pri čemu je 0 = 0. Jedinični vektor zvat ćemo svaki vektor e za koga je e = 1. Suprotni vektor vektora a je klasa ekvivalencije svih usmjerenih dužina koje imaju suprotnu orijentaciju od orijentacije usmjerenih dužina vektora a i označavamo ga s ( a). Uočimo da vrijedi sljedeća važna činjenica: Primjedba 3. Ako je O proizvoljna, ali fiksna točka u prostoru E, a a dani vektor, onda postoji jedinstvena točka P E, takva da je a = [ OP ] (Slika 1). a P O Slika 1: Jedinstveni reprezentant s fiksnom početnom točkom Navedimo još nekoliko često korištenih pojmova. kažemo da su dva ili više vektora kolinearni ako njihovi reprezentanti leže na istom ili na paralelnim pravcima; kažemo da su tri ili više vektora komplanarni ako njihovi reprezentanti leže u istoj ili u paralelnim ravninama. U daljnjem tekstu koristit ćemo sljedeće oznake: X(E) skup svih vektora u prostoru E; 3

4 X(M) skup svih vektora u ravnini M; X(p) skup svih vektora na pravcu p. Ako izaberemo jednu fiksnu točku O E, onda svakoj točki P E pripada jedinstveni vektor OP, koji zovemo radijvektor ili vektor položaja. Skup svih ovakvih radijvektora označit ćemo s X 0 = X 0 (E) := { OP : P E}. Očigledno postoji bijekcija (obostrano jednoznačno preslikavanje) između skupova E i X 0. Z a d a c i Zadatak 1. Napišite definiciju realacije ekvivalencije. a) U skupu Z definirana je relacija djeljivosti" na sljedeći način: Cijeli broj a je u relaciji ρ s cijelim brojem b i pišemo aρb ako je a djeljiv s b. Zašto relacija ρ nije relacija ekvivalencije? b) Koje od sljedećih relacija nisu relacije ekvivalencije u skupu X 0 (E)? Zašto? a) paralelnost b) okomitost c) kolinearnost d) komplanarnost Zadatak 2. Zašto skup N {0}, snabdjeven binarnom operacijom zbrajanja i skup cijelih brojeva snabdjeven binarnom operacijom množenja nisu grupe? Zadatak 3. Neka je G skup svih kompleksnih brojeva različitih od nule oblika a + i b 2, gdje su a i b racionalni brojevi, tj. G = {z C : z = a + i b 2, a, b Q}. Pokažite da je G Abelova grupa s množenjem kompleksnih brojeva kao binarnom operacijom. Što je neutralni element u ovoj grupi? Što je inverzni element elementa z = a + i b 2? Rješenje: e = 1; z 1 = a b i a 2 +2b 2 a 2 +2b 2 2 Zadatak 4. Neka je G = {1, 1, i, i} C podskup u skupu kompleksnih brojeva. Pokažite da je G Abelova grupa s množenjem kompleksnih brojeva kao binarnom operacijom. Što je neutralni element u ovoj grupi? Napravite tablicu množenja za ovu grupu. Rješenje: e = 1 2 Operacije s vektorima 2.1 Zbrajanje vektora Zbrajanje vektora je binarna operacija, tj. funkcija dviju varijabli + : X(E) X(E) X(E). Za dva vektora a, b X(E) definiramo novi vektor c := a + b pravilom trokuta (vidi Sliku 2.a) ili pravilom paralelograma (vidi Sliku 2.b). Binarna operacija zbrajanja vektora ima svojstvo zatvorenosti ili grupoidnosti, tj. rezultat operacije zbrajanja dva vektora opet je jedan vektor. Pored toga, 4

5 Slika 2: Pravila za zbrajanje vektora (i) vrijedi svojstvo asocijativnosti, tj. za svaka tri vektora a, b, c X(E) vrijedi: ( a + b) + c = a + ( b + c); (ii) postoji neutralni element 0, tako da za proizvoljni vektor a X(E) vrijedi: a+ 0 = a; (iii) za svaki vektor a X(E) postoji inverzni element suprotni vektor ( a), takav da vrijedi: a + ( a) = 0; (iv) vrijedi zakon komutacije, tj. za svaka dva vektora a, b X(E) vrijedi: a + b = b + a; Navedena svojstva lako se mogu ilustrirati. Primjerice, svojstvo asocijativnosti ilustrirano je na Slici 3. Slika 3: Ilustracija svojstva asocijativnosti zbrajanja vektora Skup svih vektora u prostoru snabdjeven računskom operacijom zbrajanja i prethodno navedenim svojstvima nazivamo komutativna ili Abelova grupa 3 i označavamo s (X(E), +). 3 Niels Abel ( ), norveški matematičar. 5

6 Primjer 2. Odaberimo reprezentante vektora a, b, c tako da oni leže na stranicama trokuta i da bude c = a+ b (vidi Sliku 4.a). Kako je u svakom trokutu duljina jedne njegove stranice manja od zbroja duljina preostale dvije, vrijedi tzv. nejednakost trokuta c = a + b a + b. Pri tome jednakost vrijedi u slučaju ako su vektori a, b kolinearni. Slika 4: Ilustracija nejednakosti trokuta (lijevo) i oduzimanja vektora (desno) Primjedba 4. Oduzimanje vektora možemo definirati preko zbrajanja, koristeći inverzni element (suprotni vektor vidi Sliku 4.b): a b = a + ( b). Primjedba 5. Množenje vektora prirodnim brojem možemo definirati induktivno: n a = (n 1) a + a, 1 a = a. Z a d a c i Zadatak 5. Zadan je trapez čije su stranice usmjerene dužine AB, BC, DC, AD kao na slici, pri čemu je AB = 2 DC. Prikažite usmjerenu dužinu BC pomoću usmjerenih dužina AB i AD. [ BC = AD 1 AB] 2 D C A B Zadatak 6. Matematičkom indukcijom dokažite generaliziranu nejednakost trokuta n n a i a i. i=1 i=1 Kada će u ovoj nejednakosti vrijediti jednakost? 6

7 2.2 Množenje vektora skalarom Množenje vektora sa skalarom je funkcija dviju varijabli : R X(E) X(E). Za realni broj λ R i vektor a X(E) definiramo novi vektor b := λ a kao na Slici 5. Slika 5: Množenje vektora sa skalarom Zadatak 7. Za zadane vektore a, b X(M) nacrtajte vektor a 2 b. Zadatak 8. Pokažite da se dijagonale paralelograma međusobno raspolavljaju. Primjer 3. Treba dokazati da postoji trokut sa stranicama koje su jednake i paralelne s težišnicama bilo kojeg zadanog trokuta (vidi Sliku 6). Koristeći prethodni zadatak, dobivamo: Slika 6: Slika uz Primjer 3 t a = 1( AB + AC), 2 t b = 1( BA + 2 BC), t c = 1( CA + 2 CB), odakle zbrajanjem dobivamo t a + t b + t c = 0. U kontinuitetu sa svojstvima koja vrijede za zbrajanje vektora, navedimo i svojstava koja vrijede za množenje vektora sa skalarom: 7

8 (v) za dva vektora a, b X(E) i λ R vrijedi distributivnost obzirom na vektorski faktor: λ( a + b) = λ a + λ b; (vi) za dva skalara λ, µ R i vektor a X(E) vrijedi distributivnost obzirom na skalarni faktor: (λ + µ) a = λ a + µ a; (vii) za dva skalara λ, µ R i vektor a X(E) vrijedi svojstvo kvaziasocijativnosti: (λµ) a = λ(µ a); (viii) za bilo koji vektor a X(E) vrijedi: 1 a = a. Svojstvo (v) proizlazi iz sličnosti trokuta i ilustrirano je na Slici 7 Slika 7: Ilustracija distributivnosti množenja sa skalarom Svojstva (vi) i (vii) dokazuju se posebno za svaku kombinaciju predznaka skalara λ i µ (vidi [11]). Skup X(E) snabdjeven binarnim operacijama zbrajanja i množenja sa skalarom, koje imaju navedenih osam svojstava nazivamo vektorski prostor i označavamo s (X(E), +, ). Analogno se definiraju i vektorski prostor (X(M), +, ) u ravnini i vektorski prostor (X(p), +, ) na pravcu. Kako je X(M) X(E), reći ćemo da je vektorski prostor (X(M), +, ) vektorski potprostor u (X(E), +, ). Nadalje ćemo ove vektorske prostore označavati samo s X(E), X(M), X(p). Primjedba 6. Ako su a, b dva kolinearna vektora, tada postoji pravac p i točke O, A, B p takve da je a = OA, b = OB, pri čemu je { b / a, a, b imaju isti smjer b = λ a, gdje je λ = b / a, a, b su suprotnog smjera Matematičku strukturu (X 0, +, ) zovemo vektorski prostor radijvektora, pri čemu je + : X 0 X 0 X 0 zbrajanje sa svojstvima (i) ( a, b, c X 0 ) ( a + b) + c = a + ( b + c) [asocijativnost] (ii) ( 0 X 0 ) ( a X 0 ) a + 0 = 0 + a = a [ 0 je neutralni element za zbrajanje] (iii) ( a X 0 ) (! a X 0 ) a + a = a + a = 0 [inverzni element: a = a ] 8

9 (iv) ( a, b X 0 ) a + b = b + a [komutativnost] : R X 0 X 0 množenje sa skalarom sa svojstvima (v) ( a, b X 0 ) ( λ R) λ( a + b) = λ a + λ b [distributivnost u vektorskom faktoru] (vi) ( a X 0 ) ( λ, µ R) (λ + µ) a = λ a + µ a [distributivnost u skalarnom faktoru] (vii) ( a X 0 ) ( λ, µ R) (λµ) a = λ(µ a) [kvaziasocijativnost] (vii) ( a X 0 ) 1 a = a 3 Linearna zavisnost i nezavisnost vektora Definicija 3. Ako su a 1,..., a n X 0 vektori, a λ 1..., λ n R skalari, tada vektor a = λ 1 a 1 + +λ n a n X 0 nazivamo linearna kombinacija vektora a 1,..., a n. Kažemo još da je vektor a rastavljen (razvijen) po vektorima a 1,..., a n. Pogledajmo dva jednostavna fizikalna primjera (vidi Sliku 8): - na tijelo na kosini djeluje sila teža F, koju po pravilu paralelograma rastavljamo na sile F 1 i F 2 : F = F1 + F 2 ; - na tijelo u vodi djeluje vučna sila F, koju također rastavljamo po pravilu paralelograma na sile F 1 i F 2 : F = F1 + F 2 ; Slika 8: Rastav sile Navedene rastave možemo zapisati kao 1 F + ( 1) F 1 + ( 1) F 2 = 0. Definicija 4. Kažemo da je skup vektora a 1,..., a n X 0 linearno nezavisan ako njihova proizvoljna linearna kombinacija iščezava jedino na trivijalan način: λ 1 a λ n a n = 0 = λ 1 = = λ n = 0. U protivnom kažemo da je skup vektora linearno zavisan, tj. postoji barem jedna njihova linearna kombinacija koja iščezava na netrivijalan način, tj. λ 1 a λ n a n = 0 pri čemu λ i 0. 9

10 Primjer 4. Ako skup vektora a 1,..., a n sadrži nulvektor, on je linearno zavisan. Bez smanjenja općenitosti možemo pretpostaviti da je baš prvi vektor a 1 nulvektor. Tada možemo utvrditi da vrijedi: a a n = 0, pa smo na taj način pronašli jednu linearnu kombinaciju vektora a 1,..., a n, koja iščezava na netrivijalan način. Primijetite da su sile F, F 1, F 2 iz fizikalnih primjera s početka odjeljka također linearno zavisne. Sljedeći teorem ukazuje nam kako se na jedan operativniji način može ustanoviti je li skup vektora linearno zavisan ili nezavisan. Teorem 1. Skup vektora a 1,..., a n X 0 je linearno zavisan onda i samo onda ako se barem jedan od njih može prikazati kao linearna kombinacija ostalih. Dokaz. (Nužnost) Pretpostavimo da je skup vektora a 1,..., a n X 0 linearno zavisan. Po prethodnoj definiciji to znači da postoji njihova linearna kombinacija koja iščezava na netrivijalan način. Bez smanjenja općenitosti pretpostavimo da je λ 1 a λ n a n = 0, a da je pri tome λ 1 0. Tada možemo pisati ( ) ( ) a 1 = λ 2 λ 1 a λ n λ 1 (Dovoljnost) Bez smanjenja općenitosti možemo pretpostaviti da je a 1 = β 2 a β n a n iz čega slijedi 1 a 1 + ( β 2 ) a ( β n ) a n = 0. a n. Po definiciji to znači da su vektori a 1,..., a n X 0 linearno zavisni. Primjer 5. Bilo koja dva vektora a, b X 0 (p) su linearno zavisna (maksimalni mogući broj linearno nezavisnih vektora u X 0 (p) je jedan). Slika 9: Linearna zavisnost dvaju vektora a, b X 0 (p) Primjer 6. Bilo koja tri vektora a, b, c X 0 (M) su linearno zavisna (maksimalni mogući broj linearno nezavisnih vektora u X 0 (M) je dva). Primjer 7. Bilo koja četiri vektora a, b, c, d X 0 (E) su linearno zavisna (maksimalni mogući broj linearno nezavisnih vektora u X 0 (E) je tri). 10

11 Slika 10: Linearna zavisnost triju vektora a, b, c X 0 (M) Zadatak 9. Pokažite da su dva vektora a, b X 0 (E) kolinearna onda i samo onda ako su linearno zavisna. Zadatak 10. Pokažite da su tri vektora a, b, c X 0 (E) komplanarna onda i samo onda ako su linearno zavisna. Teorem 2. Ako su a, b X 0 (M) dva linearno nezavisna vektora u ravnini, tada se svaki vektor c X 0 (M) na jedinstven način može prikazati (rastaviti) kao linearna kombinacija vektora a, b. Dokaz. Prema Primjeru 6 vektori a, b, c su linearno zavisni pa prema Teoremu 1 vrijedi c = λ a + µ b. (1) U svrhu dokaza jedinstvenosti ovog rastava, pretpostavimo suprotno, tj. pretpostavimo da se vektor c barem na još jedan način može prikazati pomoću vektora a i b: Oduzimanjem jednakosti (1), (2) dobivamo c = λ a + µ b (2) (λ λ ) a + (µ µ ) b = 0. Kako su vektori a, b linearno nezavisni, slijedi: λ = λ & µ = µ. Teorem 3. Ako su a, b, c X 0 (E) tri linearno nezavisna vektora u prostoru, tada se svaki vektor d X 0 (E) na jedinstven način može prikazati (rastaviti) kao linearna kombinacija vektora a, b, c. Zadatak 11. Neka je O E fiksna točka i neka točka C E dijeli dužinu AB u omjeru 3 : 1, tj. d(a, C) : d(c, B) = 3 : 1. Vektor OC prikažite kao linearnu kombinaciju vektora OA i OB. Rješenje: OC = 1 OA+ 3 OB. 4 4 Zadatak 12. Provjerite jesu li vektori: a = 5 i j + 3 k, b = 5 i + 2 j k, c = 5 i 8 j + 9 k linearno zavisni. Rješenje: Jesu, c = 2 a 3 b. 11

12 4 Baza vektorskog prostora. Koordinatni sustav Definicija 5. Uređena trojka ( e 1, e 2, e 3 ) linearno nezavisnih vektora iz X 0 (E) zove se baza vektorskog prostora X 0 (E). Uređen par ( e 1, e 2 ) linearno nezavisnih vektora iz X 0 (M) zove se baza vektorskog prostora X 0 (M). Svaki nenul vektor ( e) iz X 0 (p) čini bazu vektorskog prostora X 0 (p). Neka je a X 0 (E), a ( e 1, e 2, e 3 ) baza u X 0 (E). Tada vektor a na jedinstven način možemo zapisati a = a 1 e 1 + a 2 e 2 + a 3 e 3. Brojeve a 1, a 2, a 3 zovemo koordinate (komponente) vektora a u bazi ( e 1, e 2, e 3 ). Sada prirodno slijede pravila za zbrajanje vektora i množenje vektora sa skalarom ako su oni zadani sa svojim koordinatama: a + b = (a 1 + b 1 ) e 1 + (a 2 + b 2 ) e 2 + (a 3 + b 3 ) e 3 [zbrajanje] λ a = (λa 1 ) e 1 + (λa 2 ) e 2 + (λa 3 ) e 3 [množenje vektora skalarom] Definicija 6. Par (O ; ( e 1, e 2, e 3 )) fiksne točke O i baze ( e 1, e 2, e 3 ) zovemo Kartezijev 4 koordinatni sustav u prostoru E. Posebno je pogodno ako za bazu prostora X 0 (E) izaberemo uređenu trojku međusobno okomitih i jediničnih (dugačkih 1!) vektora, koje obično označavamo s ( i, j, k). Tako dobivamo pravokutni Kartezijev koordinatni sustav (O; i, j, k). Pravac određen vektorom i označavamo sa x i zovemo os apscisa, pravac određen vektorom j označavamo sa y i zovemo os ordinata, a pravac određen vektorom k označavamo sa z i zovemo os aplikata. Slika 11: Pravokutni Kartezijev koordinatni sustav 4 Rene Descartes ( ), francuski filozof i matematičar. Njegovo latinizirano ime je Cartesius 12

13 Primjedba 7. Ranije smo utvrdili da postoji bijekcija (obostrano jednoznačno preslikavanje) između skupova E i X 0. Primijetite da također postoji bijekcija između skupa svih uređenih trojki realnih brojeva R 3 i vektorskog prostora X 0 (E) jer svakoj uređenoj trojki (x 1, x 2, x 3 ) R 3 na jedinstven način možemo pridružiti vektor a = x 1 i + x 2 j + x 3 k iz prostora X 0 (E) i obrnuto. Zato ćemo često po potrebi povezivati, pa neki puta i poistovjećivati pojmove: skup E, vektorski prostor X 0 (E) i R 3. Zadatak 13. Provjerite čine li vektori a = 3 i + 2 j, b = i + 2 j bazu u vektorskom prostoru X 0 (M). Ako čine, vektor c = 11 i + 6 j prikažite u toj bazi. Rješenje: čine, c = 2 a + 5 b. 5 Norma vektora Pretpostavimo da je u ravnini M definiran pravokutni Kartezijev koordinatni sustav (O; i, j) i neka je a = a 1 i + a 2 j. Sada možemo izračunati (vidi Sliku 13 ) duljinu ovog vektora a = a a 2 2. Slika 12: Norma vektora (lijevo) i nejednakost trokuta (desno) Primjetite da za ovako definiranu duljinu vektora vrijedi (i) a 0 & ( a = 0 a = 0), (ii) λ a = λ a, λ R. (iii) a + b a + b Duljina (norma, intenzitet) vektora može se i općenito definirati: Definicija 7. Neka je X 0 vektorski prostor. Funkciju : X 0 [0, ), koja svakom vektoru a X 0 pridružuje nenegativni realni broj (koji ćemo označiti s a ili jednostavno a zovemo norma vektora a ako vrijedi (i) a = 0 a = 0 [pozitivna definitnost], (ii) λ a = λ a za svaki λ R i za svaki a X 0, 13

14 (iii) a + b a + b za svaki a, b X 0 [nejednakost trokuta]. Najčešće korištene vektorske norme su 5 a 1 = a 1 + a 2 + a 3, (l 1 norma) a 2 = a a a 2 3, (l 2 ili Euklidova norma) a = max{ a 1, a 2, a 3 }, (l norma ili Čebiševljeva norma) Zadatak 14. Pokažite da spomenute norme imaju sva svojstva navedena u prethodnoj definiciji. 5.1 Udaljenost dviju točaka Udaljenost dviju točaka A = (x 1, y 1 ), B = (x 2, y 2 ) M u ravnini M u kojoj je uveden pravokutni Kartezijev koordinatni sustav možemo izračunati (vidi Sliku 13) po formuli d(a, B) = (x 2 x 1 ) 2 + (y 2 y 1 ) 2. (3) Ako definiramo radijvektore r A, r B X 0 (M), Slika 13: Udaljenost točaka u ravnini r A = x 1 i + y 1 j, r B = x 2 i + y 2 j, onda udaljenost zapisanu formulom (3) možemo zapisati kao d 2 (A, B) = r B r A 2, gdje je r B r A = (x 2 x 1 ) i + (y 2 y 1 ) j. (4) Na sličan način može se definirati i udaljenost dviju točaka preko l 1 ili l norme sljedećim formulama: lista d 1 (A, B) = r B r A 1 d (A, B) = r B r A (5) Koji je geometrijski smisao d 2, odnosno d udaljenosti dviju točaka A, B M? 5 U programskom sustavu Mathematica l 2 -normu vektora a dobivamo naredbom Norm[a], gdje je a 14

15 Zadatak 15. Pokažite da funkcije d i, i = 1, 2, definirane s (4) (5) zadovoljavaju sljedeća svojstva (i) d i (A, B) 0, A, B M, (ii) d i (A, B) = 0 A = B, (ii) d i (A, B) = d i (B, A), A, B M, (iv) d i (A, B) d i (A, C) + d i (C, B), A, B, C M. Zadovoljava li funkcija d LS (A, B) = r B r A 2 2 navedena svojstva? Zadatak 16. Jedinična "kružnica" sa središtem u O R 2 definira se kao skup K = {T M : d(o, T ) = 1}. Nacrtajte jedinične kružnice ako se udaljenost definira s d 1, d 2 ili d. Zadatak 17. [25 bodova] Zadan je trapez ABCD s vrhovima: A( 3, 2, 1), B(3, 1, 4), C(5, 2, 3). Odredite četvrti vrh D ako vrijedi AB = 3 DC. Rješenje: r D = r C 1 r 3 B + 1 r 3 A, D(3, 3, 4). Zadatak 18. [25 bodova] Zadan je trokut ABC s vrhovima: A( 3, 2, 1), B(3, 2, 2), C(5, 2, 4). Odredite duljinu težišnice iz vrha A. Rješenje: P A (4, 0, 1), AP A = 7 i 2 j 2 k, d = 57. Zadatak 19. Zadan je paralelogram ABCD s vrhovima: A( 3, 2, 1), B(3, 1, 4), C(5, 2, 3), D( 1, 5, 6). Izračunajte udaljenost točke A do sjecišta njegovih dijagonala. Rješenje: S(1, 2, 1), r S = 1 2 ( r C r A ) = 1 2 ( r D r B ), d(a, S) = 2 5. Zadatak 20. Dokažite da vektor a = 1( OA + 2 OB) s početkom u točki O ima vrh u polovištu dužine AB. 6 Cauchy Schwarz Buniakowsky (CSB) nejednakost Lema 1. Neka je f : R R kvadratna funkcija f(x) = ax 2 +2bx+c, a, b, c R, a > 0. Tada vrijedi: (i) b 2 ac 0 f(x) 0 x R (ii) b 2 ac = 0 f( b a ) = 0 & f(x) > 0 x R \ { b a }. Dokaz. Nultočke kvadratne funkcije f dobiju se iz dobro poznate formule x 1,2 = b ± D, D = b 2 ac. a 15

16 Budući da je a > 0 graf ove kvadratne funkcije (parabola) okrenut je prema gore i očigledno vrijedi f(x) 0 D 0 b 2 ac 0. Ako je D = b 2 ac = 0, onda za x 0 = b vrijedi f(x a 0) = 0 i f(x) > 0 x R \ {x 0 } i obrnuto. Teorem 4. (Cauchy Schwarz Buniakowsky). Za proizvoljne realne brojeve a 1,..., a n, b 1,..., b n R vrijedi ( n ) 2 n n a k b k a 2 k b 2 k, (6) k=1 k=1 k=1 pri čemu jednakost vrijedi onda i samo onda - ako je a 1 = = a n = 0 ili b 1 = = b n = 0 ili - ako je barem jedan a i 0 ali postoji λ R, takav da je b k = λa k k = 1,..., n. Dokaz. 1. Ako je a 1 = = a n = 0 (odnosno b 1 = = b n = 0), teorem očigledno vrijedi. 2. Pretpostavimo zato da je barem jedan a i 0 i definirajmo pomoćnu funkciju koju možemo zapisati u obliku n f(x) = (a k x + b k ) 2, k=1 n n n f(x) = ax 2 + 2bx + c, a = a 2 k, b = a k b k, c = b 2 k. k=1 k=1 k=1 Kako je a > 0 i f(x) 0 x R, onda prema prethodnoj lemi mora biti što je zapravo nejednakost (6). b 2 ac 0, (7) Još je preostalo dokazati da u (6) stoji jednakost onda i samo onda ako postoji λ R, takav da bude b k = λa k k = 1,..., n. (= ) Pretpostavimo da u (6), odnosno (7), stoji jednakost. Prema prethodnoj lemi tada je f(x) = 0 za x = x 0 = b, tj. vrijedi a ( f b ) ( n = b ) 2 a a a k + b k = 0, iz čega slijedi k=1 b a a k + b k = 0 = b k = b a a k k = 1,..., n. 16

17 ( =) Pretpostavimo da postoji λ R, takav da bude b k = λa k k = 1,..., n. Tada je specijalno pa imamo a = n a 2 k, k=1 b = n a k b k = n a k λa k = λa, k=1 k=1 c = n b 2 k = n (λa k ) 2 = λ 2 a, k=1 što daje jednakost u (7), odnosno (6). k=1 D = b 2 ac = (λa) 2 a λ 2 a = 0, Korolar 1. (Hölderova nejednakost). Za proizvoljne realne brojeve a 1,..., a n, b 1,..., b n R vrijedi n (a k + b k ) 2 n n a 2 k + b 2 k, (8) k=1 pri čemu jednakost vrijedi onda i samo onda k=1 - ako je a 1 = = a n = 0 ili b 1 = = b n = 0 ili - ako je barem jedan a i 0 i ako postoji λ 0!, takav da bude b k = λa k k = 1,..., n. Dokaz. 1. Ako je a 1 = = a n = 0 (odnosno b 1 = = b n = 0), korolar očigledno vrijedi. 2. Pretpostavimo zato da je barem jedan a i 0. Budući da uz ranije oznake iz (7) slijedi b b a c, imamo n n n n (a k + b k ) 2 = a 2 k+2 a k b k + b 2 k = a+2b+c a+2 a c+c = ( ) 2 a + c, k=1 k=1 k=1 k=1 (9) što daje (8). Još je preostalo dokazati da u (6) stoji jednakost onda i samo onda ako postoji λ 0, takav da bude b k = λa k k = 1,..., n. (= ) Pretpostavimo da u (8), stoji jednakost. To znači da i u (9) stoji jednakost, a to znači da je b = a c, odnosno b 2 ac = 0. Prema Lemi 1 vrijedi 0 = f( b a ) = n i=1 k=1 ( ( ) ) 2 ak b a + bk, iz čega slijedi b k = λa k, za svaki k = 1,..., n, pri čemu je λ = b a 0. 17

18 ( =) Pretpostavimo da postoji λ 0, takav da bude b k = λa k je k = 1,..., n. Kako n n a := a 2 k, b 2 k = λ 2 a, i=1 i=1 n n (a k + b k ) 2 = (a k + λa k ) 2 = (1 + λ) 2 a, i=1 i=1 vrijedi n (a k + b k ) 2 n a 2 k n b 2 k = (1 + λ) a a λ a = 0, k=1 k=1 k=1 što znači da u (8) vrijedi jednakost. Korolar 2. (Nejednakost trokuta). Za proizvoljne realne brojeve a 1,..., a n, b 1,..., b n, c 1,..., c n R vrijedi n (b k a k ) 2 n (c k a k ) 2 + n (b k c k ) 2, (10) k=1 k=1 k=1 pri čemu jednakost vrijedi onda i samo onda - ako je c k = a k ili c k = b k za sve k = 1,..., n ili - ako je barem jedan c i a i i ako postoji λ 0, takav da bude b k c k = λ(c k a k ) k = 1,..., n. Dokaz ovog korolara neposredno slijedi iz prethodnog korolara uz zamjenu a k := b k c k, b k := c k a k. Primijetite specijalno ako su zadane točke A(a 1, a 2, a 3 ), B(b 1, b 2, b 3 ), C(c 1, c 2, c 3 ) R 3 i ako se udaljenost dviju točaka definira sukladno formuli (3), odnosno (4), onda nejednakost (10) daje nejednakost trokuta u R 3 : d(a, B) d(a, C) + d(c, B), pri čemu jednakost vrijedi ako točka C leži na spojnici AB. Primjer 8. Neka su x i y realni brojevi takvi da je 3x + 7y = 1. Dokažite da je x 2 + y

19 Primjenom CSB nejednakosti uz n = 2 i primjerice a 1 = x, a 2 = y, b 1 = 3 i b 2 = 7, dobivamo da je (3x + 7y) 2 (x 2 + y 2 )( ), tj. x 2 + y Z a d a c i Zadatak 21. Neka su x, y, z [ 1, + ) takvi da je x + y + z = 1. Odredite maksimalnu 4 vrijednost izraza 4x y z + 1 Zadatak 22. Neka su x 1, x 2,..., x n nenegativni realni brojevi takvi da je x 1 + x x n = 1. Dokažite: x1 + x x n n. Zadatak 23. Dokažite da za svaki a R\{1} vrijedi nejednakost (1 + a + a 2 ) 2 < 3(1 + a 2 + a 4 ). Zadatak 24. Neka su dana dva trokuta: trokut T 1 sa stranicama a, b, c i trokut T 2 sa stranicama x, y, z. Dokažite da su trokuti T 1 i T 2 slični ako i samo ako vrijedi ( ax + by + cz) 2 = (a + b + c)(x + y + z). Zadatak 25. Neka su a, b, c pozitivni realni brojevi. Dokažite: abc(a + b + c) a 3 b + b 3 c + c 3 a. Zadatak 26. Neka su a, b, c duljine stranica pravokutnog trokuta (a, b - katete, c - hipotenuza). Dokažite: ab + bc + ca < 2c 2 7 Skalarni produkt Motivacija za uvođenje pojma skalarnog produkta vektora je fizikalna definicija rada sile F na putu s. Ako rad obavlja sila F koja djeluje u smjeru puta s, onda je rad zadan s (vidi Sliku 14 (lijevo)) W = F s = F s, 19

20 Slika 14: Rad sile F na putu s a ako sila F ne djeluje u smjeru puta s, onda rad obavlja samo komponenta F s sile u smjeru puta s (vidi Sliku 14 (desno)), tj. F = F s + F n, W = F s s = (F cos ϕ) s = F s cos ϕ Primijetite da je sila F s ortogonalna projekcija sile F u smjeru vektora puta s. Općenito ćemo projekciju vektora a u smjeru vektora b označiti s a b. Pod skalarnom projekcijom vektora a u smjeru vektora b podrazumijevamo (uz oznaku a := a ) 6 a b = a cos ϕ, 0 ϕ π. Primijetite da broj a cos ϕ može biti pozitivan (ϕ < π 2 ) ili negativan (ϕ > π 2 ). Slika 15: Projekcija vektora a u smjeru vektora b Zadatak 27. Pokušajte geometrijski opravdati niže navedena svojstva projekcije vektora a) Projekcija produkta skalara s vektorom jednaka je produktu tog skalara i projekcije vektora (λ a) b = λ a b, b) Projekcija zbroja dva vektora jednaka je zbroju projekcija tih vektora ( a + b ) c = a c + b c. 6 U nekim knjigama se broj a b naziva "projekcija vektora a u smjeru vektora b ([9])" 20

21 Definicija 8. Skalarni produkt u X 0 (E) je operacija X 0 X 0 R koja paru vektora a, b X 0 pridužuje broj (skalar), kojeg ćemo označiti s a b, tako da je 0 R, ako je a = 0 ili a b = b = 0, ab cos ϕ R, ako je a, b 0, 0 ϕ π, pri čemu je običaj da se i rezultat operacije naziva skalarni produkt. 7 Koristeći ranije uveden pojam projekcije vektora, skalarni produkt možemo zapisati kao a(b cos ϕ) = a b a, ili a b = a b cos ϕ = b(a cos ϕ) = b a b. Navedimo neka svojstva skalarnog produkta 1. ( a + b) c = a c + b c (slijedi iz Zadatka 27b) 2. (λ a) b = λ ( a b) (slijedi iz Zadatka 27a) 3. a b = b a 4. a a = a 2 0 i a a = 0 a = 0. Svojstva 3. i 4. slijede direktno iz Definicije 8. Primjer 9. Lako se na osnovi Definicije 8 vidi da vrijedi 1. ( a + b) 2 = ( a + b) ( a + b) = a a b + b 2, 2. ( a b) 2 = ( a b) ( a b) = a 2 2 a b + b 2, 3. ( a, b 0) cos ( a, b) = a b a b, 4. ( a, b 0) a b = 0 a b. a, b 0 Primjer 10. (Poučak o kosinusima). Označimo vektore a, b, c i kut ϕ u kosokutnom trokutu kao na Slici 16. Množeći skalarno vektor s vektorom c dobivamo c = a b c 2 = ( a b) 2 = a 2 2 a b + b 2 = a 2 2ab cos ϕ + b 2. Slično pokušajte izvesti formule i za druge stranice kosokutnog trokuta. Primjer 11. Treba dokazati da se dijagonale romba raspolavljaju i da su međusobno okomite. 7 engl.: scalar (dot) product, njem.: Skalarprodukt (Ineresprodukt) 21

22 Slika 16: Slika uz Primjer 10 (lijevo) i Primjer 11 (desno) 1. Iz slike se vidi da je d 1 = a + b i d 2 = a b. Skalarni produkt d 1 d 2 = ( a + b) ( a b) = a 2 b 2 = 0, iščezava jer su duljine stranica a, b romba jednake. 2. Primijetite da su pravokutni trokuti ASD i SDC sukladni. Primjer 12. Načinimo tablicu skalarnog množenja za ortonormiranu bazu i, j, k vektorskog prostora X 0 (E) i j k i j k Direktnom provjerom uz korištenje tablice množenja iz Primjera 12 dobivamo Teorem 5. Za vektore a = a 1 i + a 2 j + a 3 k b = b1 i + b 2 j + b 3 k vrijedi formula 8 a b = a 1 b 1 + a 2 b 2 + a 3 b 3. (11) Iz definicije skalarnog produkta i norme vektora korištenjem formule (11) dobivamo a = a a = a a a 2 3, (12) cos ( a, a b b) = a b = a 1 b 1 + a 2 b 2 + a 3 b 3, a, b 0. (13) a a a 2 3 b b b 2 3 Primjer 13. Pokažimo da su dijagonale četverokuta ABCD s vrhovima A(1, 2, 2), B(1, 4, 0), C( 4, 1, 1), D( 5, 5, 3) međusobno okomite. 8 U programskom sustavu Mathematica skalarni produkt vektora a b dobivamo naredbom a. b ili Dot[a. b], gdje su a, b liste 22

23 Kako je AC = r C r A = 5 i + 3 j k i BD = r D r B = 6 i 9 j + 3 k, imamo AC BD = 0. Primjer 14. Zadan je trokut ABC s vrhovima A( 1, 2, 4), B( 4, 2, 0), C(3, 2, 1). Treba odrediti unutrašnji kut tog trokuta pridružen vrhu B. Kako je BA = r A r B = 3 i + 4 k i BC = rc r B = 7 i + k, dobivamo cos β = BA BC BA BC = = Z a d a c i 2 2 = β = π 4. Zadatak 28. Pokažite da je zbroj kvadrata duljina dijagonala paralelograma jednak dvostrukom zbroju kvadrata duljina njegovih stranica. Uputa: stranice i dijagonale paralelograma orijentirajte tako da bude: d 1 = a + b, d2 = a b. Zadatak 29. Pokažite da su nasuprotni bridovi pravilnog tetraedra ABCD međusobno okomiti. Uputa: primijetite da je kut između susjednih bridova 60 o. Zadatak 30. Odredite kut nasuprot osnovice jednakokračnog trokuta ako su težišnice na krakove međusobno okomite. Rješenje: α 37 o. Zadatak 31. Ako je vektor a + 3 b okomit na vektor 7 a 5 b i vektor a 4 b okomit na vektor 7 a 2 b, odredite kut između vektora a i b. Rješenje: ϕ 1 = π 3, ϕ 1 = 2 3 π. Zadatak 32. Odredite kut između jediničnih vektora a i b ako se zna da su vektori a + 2 b i 5 a 4 b međusobno okomiti. Rješenje: ϕ = π 3. Zadatak 33. Pokažite da se visine trokuta sijeku u jednoj točki (ortocentar). Zadatak 34. Pokažite da su vektori a ( b c) b ( a c) i c međusobno okomiti. 7.1 Kosinusi smjerova Promatrajmo najprije vektor a = a 1 i + a 2 j X 0 (M) u ravnini, koji u pravokutnom koordinatnom sustavu zatvara kut α s pozitivnim smjerim osi x, a kut β s pozitivnim smjerom osi y. 23

24 Slika 17: Kosinusi smjerova Očigledno je iz čega slijedi odnosno zbog (12) a 1 = a cos α, a 2 = a cos β, (odnosno zbog β = π 2 α, a 2 = a sin α), a a 2 2 = a 2 (cos 2 α + cos 2 β), cos 2 α + cos 2 β = 1. Primijetite da je a i = a cos α, pa je a 1 = a i. Neka je sada a = a 1 i + a 2 j + a 3 k X0 (E) proizvoljni vektor u prostoru, koji u pravokutnom koordinatnom sustavu zatvara kut α s pozitivnim smjerom osi x, kut β s pozitivnim smjerom osi y i kut γ s pozitivnim smjerom osi z. Množeći redom vektor a s baznim vektorima i, j, k dobivamo a i = a 1, a j = a 2, a k = a 3, iz čega koristeći definiciju skalarnog produkta dobivamo a 1 = a cos α cos α = a 1 a a 2 = a cos β = cos β = a 2 a a 3 = a cos γ cos γ = a 3 a odnosno 7.2 Vektorski prostor R n cos 2 α + cos 2 β + cos 2 γ = a2 1 a + a2 2 2 a + a2 3 = 1. (14) 2 a2 Skup uređenih n-torki realnih brojeva R n možemo interpretirati kao točke u n dimenzionalnom prostoru ili kao radij-vektore. Za dva vektora x = (x 1,..., x n ), y = (y 1,..., y n ) R n možemo definirati sljedeće računske operacije. 24

25 Zabrajanje +: R n R n R n, Množenje sa skalarom : R R n R n x + y := (x 1 + y 1,..., x n + y n ); λx := (λx 1,..., λx n ); Provjerite da skup vektora R n snabdjeven ovakvim zbrajanjem i množenjem sa skalarom ima strukturu vektorskog prostora. U vektorski prostor R n možemo uvesti skalarni produkt, : R n R n R dva vektora x, y R n, x, y = x 1 y x n y n, čime vektorski prostor R n postaje unitarni vektorski prostor. Euklidska norma : R n R + vektora x R n definira se kao x 2 = x, x = x x 2 n. Euklidsku udaljenost d: R n R n R + dviju točaka a = (a 1,..., a n ), b = (b 1,..., b n ) R n definiramo kao, d(a, b) = b a = (b 1 a 1 ) (b n a n ) 2. U ovom kontekstu Cauchy-Schwarz-Buniakowsky nejednakost možemo zapisati na sljedeći način. Teorem 6. Za proizvoljne vektore a, b R n vrijedi a, b a b, pri čemu jednakost vrijedi onda i samo onda ako su vektori a, b R n linearno zavisni. Zadatak 35. Direktno dokažite Teorem 6 i navedite njegovo geometrijsko značenje. Zadatak 36. Primjenom Teorema 6 dokažite sljedeći korolar i navedite njegovo geometrijsko značenje. Korolar 3. (Hölderova nejednakost) Za proizvoljne vektore a, b R n vrijedi a + b a + b, pri čemu jednakost vrijedi onda i samo onda ako postoji λ 0 takav da je b = λa. Zadatak 37. Primjenom Teorema 6 i Korolara 3 dokažite sljedeći korolar i navedite njegovo geometrijsko značenje. Korolar 4. (Nejednakost trokuta) Za proizvoljne točke a, b, c R n vrijedi d(a, b) d(a, c) + d(c, b), pri čemu jednakost vrijedi onda i samo onda ako postoji λ 0 takav da je b = λa. 25

26 8 Projekcija vektora na pravac i ravninu 8.1 Projekcija vektora na pravac Na pravcu p izaberimo fiksnu točku O i jedinični vektor u. Orogonalnu projekciju OB vektora b = OB na pravac p dobit ćemo tako da ortogonalno proiciramo točku B na pravac p. b B b O u B Slika 18: Projekcija vektora na pravac a Ako je vektor b linearno zavisan s vektorom u, onda se projekcija vektora b podudara sa samim vektorom b i vrijedi b = ( b u) u. Ako su vektori b i u linearno nezavisni, onda su vektori OB i u kolinearni, pa postoji λ R, takav da bude OB = λ u. Iz slike se vidi da vrijedi b = OB + B B = λ u + B B. odnosno Množeći skalarno ovu jednakost s vektorom u i koristeći činjenicu da su vektori B B i u međusobno okomiti, dobivamo b u = λ. Dakle, orogonalna projekcija OB vektora b na pravac p određen vektorom a zadana je s (15) OB = ( b u) u. (16) Primijetite da je vektor B B okomit na pravac p, a da iz (15) slijedi b := B B = b ( b u) u. (17) Primijetite da ako su a, b X 0 (M) linearno nezavisni vektori, onda vrijedi (i) b 0, (ii) b u, (iii) b b > 0, tj. kut između vektora b i b je šiljasti. 26

27 Prve dvije tvrdnje lako se mogu provjeriti. Treća tvrdnja slijedi iz b b = b 2 ( b u) 2 = b 2 sin 2 α, gdje je α kut između vektora a i b. Ista tvrdnja može se pokazati i tako da drugu jednadžbu iz (17) pomnožimo s b. Primjedba 8. Neka je (O; i, j) pravokutni koordinatni sustav u ravnini M. Ako su a, b X 0 (M) dva linearno nezavisna vektora, onda postoje ortonormirani vektori u, v X 0 (M), u = a a, v = b b, b = b ( b u) u, (18) pri čemu vrijedi (i) a = ( a u) u, a u > 0, (ii) b = ( b u) u + ( b v) v, b v > 0. Jednakost (i) slijedi iz (18) i činjenice da su a i u kolinearni vektori jednake orijentacije, pa je a u = a. Jednakost (ii) slijedi iz (18) i činjenice da b možemo gledati kao projekciju vektora b na vektor v. Nadalje, iz (17) slijedi: b v = b v = b > 0. Primjer 15. Treba odrediti orogonalnu projekciju vektora b = 2 i+ j + k na pravac određen vektorom a = 3 i + 4 j. Dobivamo: Izračunajte B B. a = 5, b u = 2, u = a = 3 i + 4 j a 5 5 OB = ( b u) u = 2 u = 6 i + 8 j Projekcija vektora na ravninu Slično kao u prethodnoj točki, u ravnini M izaberimo fiksnu točku O i dva linearno nezavisna vektora a, b. Time smo u ravnini M uveli koordinatni sustav s baznim vektorima a, b. Ortogonalnu projekciju OC vektora c = OC na ravninu M dobit ćemo tako da ortogonalno proiciramo točku C na ravninu M. Ortogonalnu projekciju OC vektora c prikazat ćemo pomoću vektora a, b i c. U tu svrhu prema Primjedbi 8 od vektora a, b načinit ćemo novu ortonormiranu bazu u, v. Vektor OC prikažimo kao linearnu kombinaciju vektora u, v OC = α u + β v 27

28 c c C O C Slika 19: Projekcija vektora na ravninu Iz slike se vidi da vrijedi c = OC + C C odnosno = α u + β v + C C. Množeći skalarno ovu jednakost redom s vektorima u, v i koristeći činjenicu da je vektor C C okomit na vektore u i v, dobivamo α = c u β = c v. Dakle, orogonalna projekcija OC vektora c = OC na ravninu M može se odrediti iz formule OC = ( c u) u + ( c v) v. (20) Primijetite da je vektor C C okomit na ravninu M, a da iz (19) slijedi (19) c = C C = c ( c u) u ( c v) v. (21) Slično kao u prethodnoj točki, ako su a, b, c X 0 (E) linearno nezavisni vektori, onda vrijedi (i) c 0, (ii) c u & c v, (iii) c c > 0, tj. kut između vektora c i c je šiljasti. U cilju dokaza tvrdnje (iii) iz (21) množeći s c, dobivamo c c (19),(ii) = c 2 (i) > 0 Primjer 16. Treba odrediti ortogonalnu projekciju vektora d = i + 2 j + 3 k na ravninu određenu vektorima a = 2 i + j, b = 2 i + 4 j. 28

29 Dobivamo: a = 5, u = a a = 2 5 i j b = b ( b u) u = 6 5 i j b = 6 5, v = b b = 1 5 i j OD = ( d u) u + ( d v) v = 2 5 i j. 9 Gram Schmidtov postupak ortogonalizacije Neka je (O; i, j, k) pravokutni koordinatni sustav u prostoru. Na osnovi razmatranja u prethodnoj točki možemo ustanoviti da je za dani skup linearno nezavisnih vektora a, b, c X 0 (E) moguće definirati ortonormiranu bazu ( u, v, w) u X 0, gdje je u = a a, v = b b, w = c c, b = b ( b u) u, c = c ( c u) u ( c v) v. (22) Zbog toga i vektore ( a, b, c) možemo prikazati u bazi ( u, v, w), pri čemu su kutevi između vektora ( a, u), ( b, v), ( c, w) šiljasti i vrijedi a = ( a u) u, ( a u) > 0 b = ( b u) u + ( b v) v, ( b v) > 0 c = ( c u) u + ( c v) v + ( c w) w, ( c w) > 0. (23) Prva formula u (23) slijedi iz prve formule u (22) i činjenice da su a i u kolinearni vektori jednake orijentacije, zbog čega je ( a u) = a > 0. Druga formula u (23) slijedi iz druge formule u (22) i činjenice da je b projekcija vektora b na u smjeru vektora v. Nadalje, b v = b v = b > 0. Treća formula u (23) slijedi iz treće formule u (22) i činjenice da je c projekcija vektora c u smjeru vektora w. Nadalje, c w = c w = c > 0. U programskom sustavu Mathematica načinit ćemo modul GS[a, b, c] koji će prethodno opisanim Gram Schmidtovim postupkom ortogonalizacije od zadanih linearno nezavisnih vektora ( a, b, c) sagraditi ortonormirani sustav ( u, v, w) 29

30 In[1]:= GS[a_, b_, c_]:= Module[{u, v, w}, u = a/norm[a]; v = b - (b. u) u; v = v/norm[v]; w = c - (c. u) u - (c. v) v; w = w/norm[w]; {u, v, w}] Tako primjerice za vektore a = 2 i, b = 3 i + 4 j, c = i + 2 j + 3 k, modul GS daje a za vektore u = i, v = j, w = k, a = 2 i + 3 j, b = 6 i + j, c = 2 j + 4 k, modul GS daje u = 2 13 i j, v = 3 13 i 2 13 j, w = k. 10 Determinante drugog i trećeg reda Za nekoliko sljedećih pojmova vezano uz vektore u ravnini i prostoru nužno je potreban pojam determinante matrice drugog, odnosno trećeg reda. Zato najprije uvodimo ovaj pojam promatrajući sustav od dvije linearne jednadžbe s dvije nepoznanice a 11 x 1 + a 12 x 2 = b 1 a 21 x 1 + a 22 x 2 = b 2. (24) Koeficijente uz nepoznanice a ij možemo zapisati u obliku tablice, koju nazivamo matrica sustava u ovom slučaju matrica drugog reda A = a 11 a 12 a 21 a 22 Primijetite da prvi indeks i koeficijenta a ij označava redak matrice (redni broj jednadžbe), a drugi indeks j označava stupac matrice (redni broj nepoznanice) u kome se element nalazi. Sustav ćemo riješiti metodom suprotnih koeficijenata. Množeći prvu jednadžbu sustava (24) brojem a 22, a drugu brojem ( a 12 ), nakon zbrajanja tako pomnoženih jednadžbi dobivamo (a 11 a 22 a 21 a 12 ) x 1 = b 1 a 22 b 2 a 12. (25). 30

31 Ako sada prizvoljnoj matrici A pridružimo broj det A na sljedeći način A = a b a b det A = = ad bc, (26) c d c d onda (25) možemo zapisati a 11 a 12 a 21 a b 1 a 12 1 = 22 b 2 a 22 odnosno Dx 1 = D 1, (27) a 11 a 12 pri čemu broj D = zovemo determinanta sustava. Pokušajte sami slično a 21 a 22 dobiti da je a 11 b 1 Dx 2 = D 2 gdje je D 2 = (28) a 21 b 2 Uređen par (x 1, x 2 ) R 2 je rješenje sustava (24). Iz (27) i (28) možemo zaključiti: ako je D 0, sustav (24) ima jedinstveno rješenje x 1 = D 1 D, x 2 = D 2 D ; (29) ako je D = 0 i D 1 = D 2 = 0, sustav je rješiv i ima beskonačno mnogo rješenja; ako je D = 0, a pri tome barem jedan od brojeva D 1, D 2 različit od nule, sustav nema rješenja. Zadatak 38. Prethodno navedene tvrdnje u literaturi su poznate kao Cramerovo pravilo. Pokušajte dati njihovu geometrijsku interpretaciju. Primjer 17. Primjenom Cramerovog pravila diskutirat ćemo sljedeći sustav jednadžbi u ovisnosti o parametru λ R λx 1 + 3x 2 = 1 Dobivamo 3x 1 + λx 2 = 1. D = λ 2 9, D 1 = λ 3, D 2 = λ 3. Prema Cramerovom pravilu sustav ima jedinstveno rješenje x 1 = x 2 = 1 λ+3 za λ R \ { 3, 3}, za λ = 3 sustav ima beskonačno mnogo rješenja koja leže na pravcu 3x 1 +3x 2 = 1, a za λ = 3 sustav nema rješenja. Pod determinantom matrice drugog reda možemo podrazumijevati funkciju koja svakoj kvadratnoj matrici A drugog reda pridružuje realan broj det A definiran s (26). Uobičajeno je da se i vrijednost te funkcije također naziva determinanta matrice. Istaknimo posebno sljedeća svojstava determinante matrice definirane s (26): 31

32 1. ako dva retka (odnosno stupca) determinante promijene mjesta, determinanta mijenja predznak; 2. determinantu množimo brojem tako da bilo koji redak ili stupac pomnožimo tim brojem; 3. ako bilo koji redak (odnosno stupac) determinante, prethodno pomnožen nekim brojem, dodama nekom drugom retku (odnosno stupcu), determinanta ne mijenja vrijednost. Sva navedena svojstava lako se provjeravaju na osnovi definicije (26). Također vrijede i sljedeća svojstva 1. det A T = det A, gdje je A = a c b d, A T = a b Matrica A T, koja se dobije zamjenom redaka i stupaca u matrici A naziva se transponirana matrica. 2. ako su svi elementi nekog retka (odnosno stupca) determinante jednaki nuli, njezina vrijednost jednaka je nuli; 3. ako determinana ima dva jednaka retka (odnosno stupca), njezina vrijednost jednaka je nuli; 4. ako su retci (odnosno stupci) determinante linearno zavisni, njezina vrijednost jednaka je nuli; 5. ako se dvije determinante razlikuju samo u elementima jednog retka (odnosno stupca), mogu se zbrojiti na sljedeći način a 11 a 12 a 21 a + a 11 a a 21 a = a 11 + a 11 a a 21 + a 21 a 22 Slično kao što smo uveli pojam matrice (odnosno determinante) drugog reda, možemo promatrati i matrice (odnosno determinate) trećeg (ili općenito n-tog reda) a 11 a 12 a 13 a 11 a 12 a 13 A = a 21 a 22 a 23, det A = a 21 a 22 a 23, a 31 a 32 a 33 a 31 a 32 a 33 pri tome vrijednost determinante dobivamo snižavanjem reda primjenom tzv. Laplaceovog razvoja determinante po elementima nekog retka ili stupca (detaljnije vidi u [9]): det A = a i1 A i1 + a i2 A i2 + a i3 A i3 det A = a 1j A 1j + a 2j A 2j + a 3j A 3j (razvoj po elementima i-tog retka) (razvoj po elementima j-tog stupca) 32 c d (30)

33 gdje je A ij tzv. algebarski komplement ili kofaktor determinante, a definira se kao A ij = ( 1) i+j M ij, gdje je M ij subdeterminanta (ili minor) elementa a ij, koja se od determinante det A dobiva ispuštanjem i-tog retka i j-tog stupca. Primjer 18. Laplaceovim razvojem po elementima 2-og retka sljedeće determinante, dobivamo = 1 ( 1) ( 1)4 + ( 3) ( 1) = Provjerite da bi se isti rezultat dobio ako bi primijenili Laplaceov razvoj determinante po nekom drugom retku ili stupcu. Primjedba 9. Može se pokazati (vidi primjerice [9]) da i za determinante trećeg reda također vrijede sva svojstva koja su navedena za determinante drugog reda. Primijetite da bi se računanje vrijednosti determinante znatno pojednostavilo kad bi se u nekom retku ili stupcu pojavilo više nula, što možemo postići primjenom spomenutih svojstava. Tako primjerice ako bi u prethodnoj determinanti treći redak dodali prvom retku, determinanta nebi promijenila vrijednost, ali bi izračunavanje njene vrijednosti razvojem po elementima prvog retka ili drugog stupca bilo puno brže = = = 0 6 odnosno ( 1) 1 = Primjedba 10. Može se pokazati (vidi primjerice [9]) da se Cramerovo pravilo može analogno primijeniti i za rješavanje sustava od tri linearne jednadžbe s tri nepoznanice, ali također i za rješavanje većih kvadratnih sustava linearnih jednadžbi. Pri tome ova metoda ima samo teorijsku vrijednost jer je njena efikasnost vrlo niska. Niže navedenim Mathematica-programom izračunava se vrijednost determinante n-tog reda čiji su elementi slučajni realni brojevi na intervalu [0, 100] i pri tome se mjeri vrijeme rada računala. In[1]:=n = 3; a = Table[Random[Real, {0, 100}], {i, n}, {j, n}]; Timing[Det[a]] 33

34 Zadatak 39. Primjenom Cramerovog pravila riješite sljedeći sustav x 1 x 2 + 3x 3 = 9 3x 1 5x 2 + x 3 = 4 4x 1 = 7x 2 + x 3 = 5 Rješenje: D = 2, D 1 = 168, D 2 = 93, D 3 = 31, x 1 = 84, x 2 = 93, 2 x 3 = 31 2 Primjedba 11. Linearnu zavisnost vektora a 1,..., a n X 0 na vektorskom prostoru X 0, na kome je definiran skalarni produkt, možemo ispitati na sljedeći način. Množenjem jednakosti λ 1 a λ n a n = 0 redom vektorima a k, k = 1,..., n dobivamo sustav linearnih jednadžbi s matricom sustava G( a 1,..., a n ) = ( a 1 a 1 ) ( a 1 a n ) ( a n a 1 ) ( a n a n ) Matricu G zovemo Gramova matrica. Može se pokazati da je skup vektora a 1,..., a n X 0 linearno nezavisan onda i samo onda ako je det(g) 0. Obrazložite ovu tvrdnju za slučaj n = 2, odnosno n = 3. Zadatak 40. Na osnovi Primjedbe 11 ispitajte linearnu zavisnost vektora a = i + 2 j + 3 k, b = i + 2 k, c = 2 i + j X 0 (E). Rješenje: Budući da je det(g) = 9, vektori su linearno nezavisni. 11 Orijentacija koordinatnog sustava Neka su (O; e 1, e 2, e 3 ) i ( O ; f 1, f 2, f 3 ) dva pravokutna koordinatna sustava u prostoru, pri čemu su ( e 1, e 2, e 3 ), odnosno ( f1, f 2, f 3 ) njihove ortonormirane baze. Kažemo da su navedeni sustavi jednako orijentirani ako postoji kruto gibanje koje točku O prevodi u točku O, a vektore e i u odgovarajuće vektore f j za i, j = 1, 2, 3. Na taj način skup svih pravokutnih koordinatnih sustava u prostoru dijeli se na dva disjunktna skupa. Sve koordinatne sustave koji su jednako orijentirani kao i sustav ( O; i, j, k ), gdje se smjer vektora k dobija pravilom desnog vijka zvat ćemo desni koordinatni sustavi, a one druge, lijevi koordinatni sustavi. Navedimo jedan kriterij (vidi [11]) na osnovi kojeg možemo ustanoviti jesu li sustavi (O; e 1, e 2, e 3 ) i ( O ; f 1, f 2, f 3 ) jednako ili suprotno orijentirani. Budući da je ( e1, e 2, e 3 ) baza u prostoru, onda svaki od vektora ( f1, f 2, f 3 ) možemo na jedinstven način prikazati 34

35 u toj bazi f 1 = a 1 e 1 + b 1 e 2 + c 1 e 3 S D označimo determinantu f 2 = a 2 e 1 + b 2 e 2 + c 2 e 3 f 3 = a 3 e 1 + b 3 e 2 + c 3 e 3 a 1 a 2 a 3 D = b 1 b 2 b 3. c 1 c 2 c 3 Može se pokazati da je uvijek D 0. Ako je D > 0, navedeni sustavi su jednako orijentirani, a ako je D < 0, sustavi su suprotno orijentirani. Slično, dva koordinatna sustava u ravnini (O; e 1, e 2 ) i ( O ; f 1, f ) 2 su jednako (odnosno suprotno) orijentirana ako je D > 0 (odnosno D < 0), gdje je f 1 = a 1 e 1 + b 1 e 2 a 1 a 2 D = f 2 = a 2 e 1 + b 2 e 2 b 1 b, 2 i također dva koordinatna sustava na pravcu (O; e 1 ) i ( O ; f 1 ) su jednako (odnosno suprotno) orijentirana ako je D > 0 (odnosno D < 0), gdje je f 1 = D e 1. Primjer 19. Sustavi ( O; i, j, k ) i ( O; j, k, i ) jednako su orijentirani, a sustavi ( O; i, j, k ) i ( O; j, i, k ) suprotno. Naime, u prvom slučaju imamo j = 0 i + 1 j + 0 k k = 0 i + 0 j + 1 k i = 1 i + 0 j + 0 k = D = = 1 > 0. a u drugom j = 0 i + 1 j + 0 k i = 1 i + 0 j + 0 k k = 0 i + 0 j + 1 k = D = = 1 < 0. 35

36 12 Vektorski produkt Definicija 9. Vektorski produkt dva nenulvektora a, b X 0 (E) je vektor c X 0 (E) koji označavamo 9 s c = a b, a koji ima sljedeća svojstva: (i) norma vektora c = a b jednaka je površini paralelograma određenog vektorima a i b, tj. c = ( c = a b ) = a b sin ϕ, ϕ = ( a, b); (ii) vektor c okomit je na ravninu određenu vektorima a, b; (iii) smjer (orijentacija) vektora c određen je pravilom desnog vijka Ako je jedan od vektora a, b nulvektor, vektor c također je nulvektor. a b b ϕ b sinϕ a b a Slika 20: Vektorski produkt Primijetite da je vektorski produkt binarna operacija : X 0 (E) X 0 (E) X 0 (E), ali je uobičajeno da se i rezultat ove binarne operacije naziva vektorski produkt. Iz prethodne definicije neposredno slijede sljedeća svojstava vektorskog produkta 10 : 1 o a b = b a antikomutativnost 2 o λ( a b) = (λ a) b = a (λ b) homogenost 3 o ( a + b) c = a c + b c distributivnost s desna a ( b + c) = a b + a c distributivnost s lijeva Primjer 20. Iz definicije vektorskog produkta neposredno slijedi tvrdnja da su nenul vektori a i b kolinearni onda i samo onda ako je a b = 0. Primjer 21. Koristeći Pitagorin teorem za trigonometrijske funkcije: sin 2 ϕ+cos 2 ϕ = 1, lako se pokaže da vrijedi formula, koja povezuje vektorski i skalarni produkt a b 2 = a 2 b 2 ( a b ) 2 9 engl.: cross product, vector product njem.: Vektorprodukt, Kreuzprodukt 10 Dokaz svojstav 3 o nije trivijalan, a može se vidjeti u Dodatku 5 u [9] 36

37 Primjer 22. (Poučak o sinusima) U kosokutnom trokutu sa stranicama a, b, c i odgovarajućim kutovima nasuprot njih α, β, γ vrijedi a : b : c = sin α : sin β : sin γ, odnosno γ C a sin α = b sin β = c sin γ. b a = b c α β A c B Slika 21: Poučak o sinusima Ako stranice trokuta orijentiramo kao na slici, vrijedi a = b c. ( ) Množeći vektorski s desna ovu jednakost vektorom c dobivamo a c = b c c c. Kako je c c = 0, računajući norme vektora na lijevoj i desnoj strani, dobivamo a c = b c = a sin(π β) = b sin α. Kako je (koristeći primjerice adicioni teorem za trigonometrijsku funkciju sinus) sin(π β) = sin β, dobivamo a : b = sin α : sin β. ( ) Množeći vektorski s desna jednakost ( ) vektorom b na sličan način pokažite da vrijedi a : c = sin α : sin γ. ( ) Koristeći jednakosti ( ) i ( ) pokažite da vrijedi i treći omjer b : c = sin β : sin γ. Primjer 23. Načinimo tablicu množenja (vektorski produkt) za ortonormiranu bazu i, j, k vektorskog prostora X 0 (E). i j k i 0 k j j k 0 i k j i 0 37

Analitička geometrija i linearna algebra

Analitička geometrija i linearna algebra 1. VEKTORI POJAM VEKTORA Svakodnevno se susrećemo s veličinama za čije je određivanje potrean samo jedan roj. Na primjer udaljenost, površina, volumen,. Njih zovemo skalarnim veličinama. Međutim, postoje

Διαβάστε περισσότερα

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova)

- pravac n je zadan s točkom T(2,0) i koeficijentom smjera k=2. (30 bodova) MEHANIKA 1 1. KOLOKVIJ 04/2008. grupa I 1. Zadane su dvije sile F i. Sila F = 4i + 6j [ N]. Sila je zadana s veličinom = i leži na pravcu koji s koordinatnom osi x zatvara kut od 30 (sve komponente sile

Διαβάστε περισσότερα

(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.

(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k. 1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,

Διαβάστε περισσότερα

Osnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju

Osnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)

Διαβάστε περισσότερα

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D}

radni nerecenzirani materijal za predavanja R(f) = {f(x) x D} Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija

Διαβάστε περισσότερα

Geometrija (I smer) deo 1: Vektori

Geometrija (I smer) deo 1: Vektori Geometrija (I smer) deo 1: Vektori Srdjan Vukmirović Matematički fakultet, Beograd septembar 2013. Vektori i linearne operacije sa vektorima Definicija Vektor je klasa ekvivalencije usmerenih duži. Kažemo

Διαβάστε περισσότερα

Riješeni zadaci: Limes funkcije. Neprekidnost

Riješeni zadaci: Limes funkcije. Neprekidnost Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za

Διαβάστε περισσότερα

a M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.

a M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A. 3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M

Διαβάστε περισσότερα

3.1 Granična vrednost funkcije u tački

3.1 Granična vrednost funkcije u tački 3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili

Διαβάστε περισσότερα

MATEMATIKA 3. Integrirani preddiplomski i diplomski studij fizike i kemije, smjer nastavnički

MATEMATIKA 3. Integrirani preddiplomski i diplomski studij fizike i kemije, smjer nastavnički Ljiljana Arambašić MATEMATIKA 3 Integrirani preddiplomski i diplomski studij fizike i kemije, smjer nastavnički Integrirani preddiplomski i diplomski studij fizike i tehnike, smjer nastavnički SADRŽAJ

Διαβάστε περισσότερα

18. listopada listopada / 13

18. listopada listopada / 13 18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu

Διαβάστε περισσότερα

Neka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo:

Neka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo: 2 Skupovi Neka su A i B skupovi. Kažemo da je A podskup od B i pišemo A B ako je svaki element skupa A ujedno i element skupa B. Simbolima to zapisujemo: A B def ( x)(x A x B) Kažemo da su skupovi A i

Διαβάστε περισσότερα

π π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1;

π π ELEKTROTEHNIČKI ODJEL i) f (x) = x 3 x 2 x + 1, a = 1, b = 1; 1. Provjerite da funkcija f definirana na segmentu [a, b] zadovoljava uvjete Rolleova poučka, pa odredite barem jedan c a, b takav da je f '(c) = 0 ako je: a) f () = 1, a = 1, b = 1; b) f () = 4, a =,

Διαβάστε περισσότερα

( x) ( ) ( ) ( x) ( ) ( x) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )

( x) ( ) ( ) ( x) ( ) ( x) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) Zadatak 08 (Vedrana, maturantica) Je li unkcija () = cos (sin ) sin (cos ) parna ili neparna? Rješenje 08 Funkciju = () deiniranu u simetričnom području a a nazivamo: parnom, ako je ( ) = () neparnom,

Διαβάστε περισσότερα

1 Aksiomatska definicija skupa realnih brojeva

1 Aksiomatska definicija skupa realnih brojeva 1 Aksiomatska definicija skupa realnih brojeva Definicija 1 Polje realnih brojeva je skup R = {x, y, z...} u kojemu su definirane dvije binarne operacije zbrajanje (oznaka +) i množenje (oznaka ) i jedna binarna

Διαβάστε περισσότερα

Sume kvadrata. mn = (ax + by) 2 + (ay bx) 2.

Sume kvadrata. mn = (ax + by) 2 + (ay bx) 2. Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.

Διαβάστε περισσότερα

MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15

MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda

Διαβάστε περισσότερα

MATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2

MATEMATIKA Pokažite da za konjugiranje (a + bi = a bi) vrijedi. a) z=z b) z 1 z 2 = z 1 z 2 c) z 1 ± z 2 = z 1 ± z 2 d) z z= z 2 (kompleksna analiza, vježbe ). Izračunajte a) (+i) ( i)= b) (i+) = c) i + i 4 = d) i+i + i 3 + i 4 = e) (a+bi)(a bi)= f) (+i)(i )= Skicirajte rješenja u kompleksnoj ravnini.. Pokažite da za konjugiranje

Διαβάστε περισσότερα

SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE

SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE 1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar

Διαβάστε περισσότερα

Riješeni zadaci: Linearna algebra

Riješeni zadaci: Linearna algebra Riješeni zadaci: Linearna algebra Matrice Definicija Familiju A od m n realnih (kompleksnih) brojeva a ij, i 1,, m, j 1,, n zapisanih u obliku pravokutne tablice a 11 a 12 a 1n a 21 a 22 a 2n A a m1 a

Διαβάστε περισσότερα

1. Topologija na euklidskom prostoru R n

1. Topologija na euklidskom prostoru R n 1 1. Topologija na euklidskom prostoru R n Euklidski prostor R n je okruženje u kojem ćemo izučavati realnu analizu. Kao skup R n se sastoji od svih uredenih n-torki realnih brojeva: R n = {(x 1,...,x

Διαβάστε περισσότερα

radni nerecenzirani materijal za predavanja

radni nerecenzirani materijal za predavanja Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je

Διαβάστε περισσότερα

Matematika Zbirka zadataka

Matematika Zbirka zadataka Matematika Zbirka zadataka Kristina Devčić Božidar Ivanković Veleučilište Nikola Tesla u Gospiću Uvod Unaprijed se zahvaljujemo na svakom komentaru o propustima i nedosljednostima, a svaka primjedba glede

Διαβάστε περισσότερα

4 Sukladnost i sličnost trokuta

4 Sukladnost i sličnost trokuta 4 Sukladnost i sličnost trokuta 4.1 Sukladnost trokuta Neka su ABC i A B C trokuti sa stranicama duljina a b c odnosno a b c. Kažemo da su ti trokuti sukladni ako postoji bijekcija f : {A B C} {A B C }

Διαβάστε περισσότερα

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka

UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju

Διαβάστε περισσότερα

4.1 Elementarne funkcije

4.1 Elementarne funkcije . Elementarne funkcije.. Polinomi Funkcija f : R R zadana formulom f(x) = a n x n + a n x n +... + a x + a 0 gdje je n N 0 te su a n, a n,..., a, a 0 R, zadani brojevi takvi da a n 0 naziva se polinom

Διαβάστε περισσότερα

Matematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO

Matematičke metode u marketingumultidimenzionalno skaliranje. Lavoslav ČaklovićPMF-MO Matematičke metode u marketingu Multidimenzionalno skaliranje Lavoslav Čaklović PMF-MO 2016 MDS Čemu služi: za redukciju dimenzije Bazirano na: udaljenosti (sličnosti) među objektima Problem: Traži se

Διαβάστε περισσότερα

Vektorski prostori. Vektorski prostor

Vektorski prostori. Vektorski prostor Vektorski prostori Vektorski prostor Neka je X neprazan skup i (K, +, ) polje. Skup X je vektorski ili linearni prostor nad poljem skalara K ako ima sledeću strukturu: (1) Definisana je operacija + u skupu

Διαβάστε περισσότερα

UVOD. Ovi nastavni materijali namijenjeni su studentima

UVOD. Ovi nastavni materijali namijenjeni su studentima UVOD Ovi nastavni materijali namijenjeni su studentima u svrhu lakšeg praćenja i boljeg razumijevanja predavanja iz kolegija matematika. Ovi materijali čine suštinu nastavnog gradiva pa, uz obaveznu literaturu,

Διαβάστε περισσότερα

Skupovi brojeva Materijali za nastavu iz Matematike 1

Skupovi brojeva Materijali za nastavu iz Matematike 1 Skupovi brojeva Materijali za nastavu iz Matematike 1 Kristina Krulić Himmelreich i Ksenija Smoljak 2012/13 1 / 32 Podsjetnik teorije skupova Operacije sa skupovima: A B = {x : x A x B} A B = {x : x A

Διαβάστε περισσότερα

( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova)

( , treći kolokvij) 3. Na dite lokalne ekstreme funkcije z = x 4 + y 4 2x 2 + 2y 2 3. (20 bodova) A MATEMATIKA (.6.., treći kolokvij. Zadana je funkcija z = e + + sin(. Izračunajte a z (,, b z (,, c z.. Za funkciju z = 3 + na dite a diferencijal dz, b dz u točki T(, za priraste d =. i d =.. c Za koliko

Διαβάστε περισσότερα

Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu

Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu Osječki matematički list 000), 5 9 5 Više dokaza jedne poznate trigonometrijske nejednakosti u trokutu Šefket Arslanagić Alija Muminagić Sažetak. U radu se navodi nekoliko različitih dokaza jedne poznate

Διαβάστε περισσότερα

9. GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE

9. GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE Geodetski akultet, dr sc J Beban-Brkić Predavanja iz Matematike 9 GRANIČNA VRIJEDNOST I NEPREKIDNOST FUNKCIJE GRANIČNA VRIJEDNOST ILI LIMES FUNKCIJE Granična vrijednost unkcije kad + = = Primjer:, D( )

Διαβάστε περισσότερα

Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.

Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011. Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,

Διαβάστε περισσότερα

Matematika 2. Marcela Hanzer. Department of Mathematics, University of Zagreb. Marcela Hanzer (Dept of Math, Uni Zagreb) Matematika 2 1 / 121

Matematika 2. Marcela Hanzer. Department of Mathematics, University of Zagreb. Marcela Hanzer (Dept of Math, Uni Zagreb) Matematika 2 1 / 121 Matematika 2 Marcela Hanzer Department of Mathematics, University of Zagreb Marcela Hanzer (Dept of Math, Uni Zagreb) Matematika 2 1 / 121 Integriranje racionalnih funkcija; primjena integrala Integriranje

Διαβάστε περισσότερα

4. poglavlje (korigirano) LIMESI FUNKCIJA

4. poglavlje (korigirano) LIMESI FUNKCIJA . Limesi funkcija (sa svim korekcijama) 69. poglavlje (korigirano) LIMESI FUNKCIJA U ovom poglavlju: Neodređeni oblik Neodređeni oblik Neodređeni oblik Kose asimptote Neka je a konačan realan broj ili

Διαβάστε περισσότερα

Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.

Funkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1. σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka

Διαβάστε περισσότερα

2. KOLOKVIJ IZ MATEMATIKE 1

2. KOLOKVIJ IZ MATEMATIKE 1 2 cos(3 π 4 ) sin( + π 6 ). 2. Pomoću linearnih transformacija funkcije f nacrtajte graf funkcije g ako je, g() = 2f( + 3) +. 3. Odredite domenu funkcije te odredite f i njenu domenu. log 3 2 + 3 7, 4.

Διαβάστε περισσότερα

Četrnaesto predavanje iz Teorije skupova

Četrnaesto predavanje iz Teorije skupova Četrnaesto predavanje iz Teorije skupova 27. 01. 2006. Kratki rezime prošlog predavanja: Dokazali smo teorem rekurzije, te primjenom njega definirali zbrajanje ordinalnih brojeva. Prvo ćemo navesti osnovna

Διαβάστε περισσότερα

Matrice linearnih operatora i množenje matrica. Franka Miriam Brückler

Matrice linearnih operatora i množenje matrica. Franka Miriam Brückler Matrice linearnih operatora i množenje matrica Franka Miriam Brückler Kako je svaki vektorski prostor konačne dimenzije izomorfan nekom R n (odnosno C n ), pri čemu se ta izomorfnost očituje odabirom baze,

Διαβάστε περισσότερα

Algebarske strukture sa jednom operacijom (A, ): Ako operacija ima osobine: zatvorenost i asocijativnost, onda je (A, ) polugrupa

Algebarske strukture sa jednom operacijom (A, ): Ako operacija ima osobine: zatvorenost i asocijativnost, onda je (A, ) polugrupa Binarne operacije Binarna operacija na skupu A je preslikavanje skupa A A u A, to jest : A A A. Pišemo a b = c. Označavanje operacija:,,,. Poznate operacije: sabiranje (+), oduzimanje ( ), množenje ( ).

Διαβάστε περισσότερα

1. Trigonometrijske funkcije realnog broja

1. Trigonometrijske funkcije realnog broja 1. Trigonometrijske funkcije realnog broja 1. Brojevna kružnica... 1 7.Adicijskeformule.... Definicija trigonometrijskih funkcija....... 8. Još neki identiteti.......... 9. Trigonometrijske funkcije kutova........

Διαβάστε περισσότερα

KONVEKSNI SKUPOVI. Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5. Back FullScr

KONVEKSNI SKUPOVI. Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5. Back FullScr KONVEKSNI SKUPOVI Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5 KONVEKSNI SKUPOVI Definicije: potprostor, afin skup, konveksan skup, konveksan konus. 1/5 1. Neka su x, y R n,

Διαβάστε περισσότερα

VJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016.

VJEROJATNOST I STATISTIKA Popravni kolokvij - 1. rujna 2016. Broj zadataka: 5 Vrijeme rješavanja: 120 min Ukupan broj bodova: 100 Zadatak 1. (a) Napišite aksiome vjerojatnosti ako je zadan skup Ω i σ-algebra F na Ω. (b) Dokažite iz aksioma vjerojatnosti da za A,

Διαβάστε περισσότερα

1 Diferencijabilnost Motivacija. Kažemo da je funkcija f : a, b R derivabilna u točki c a, b ako postoji limes f f(x) f(c) (c) = lim.

1 Diferencijabilnost Motivacija. Kažemo da je funkcija f : a, b R derivabilna u točki c a, b ako postoji limes f f(x) f(c) (c) = lim. 1 Diferencijabilnost 11 Motivacija Kažemo da je funkcija f : a, b R derivabilna u točki c a, b ako postoji es f f(x) f(c) (c) x c x c Najbolja linearna aproksimacija funkcije f je funkcija l(x) = f(c)

Διαβάστε περισσότερα

Matematika 1. kolokviji. Sadržaj

Matematika 1. kolokviji. Sadržaj Matematika kolokviji Sadržaj. kolokvij, 2..2004.............................................. 2. kolokvij, 2..2004.............................................. 3 2. kolokvij, 7.2.2004..............................................

Διαβάστε περισσότερα

0 = 5x 20 => 5x = 20 / : 5 => x = 4.

0 = 5x 20 => 5x = 20 / : 5 => x = 4. Zadatak 00 (Denis, ekonomska škola) U kojoj točki pravac s jednadžbom = 8 siječe os? Rješenje 00 Svaka točka koja pripada osi ima koordinate T(0, ). Budući da točka pripada i pravcu = 8, uvrstit ćemo njezine

Διαβάστε περισσότερα

Zadaci iz Osnova matematike

Zadaci iz Osnova matematike Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F

Διαβάστε περισσότερα

4 Funkcije. 4.1 Pojam funkcije

4 Funkcije. 4.1 Pojam funkcije 4 Funkcije 4.1 Pojam unkcije Neka su i neprazni skupovi i pravilo koje svakom elementu skupa pridružuje točno jedan element skupa. Tada se uredena trojka (,, ) naziva preslikavanje ili unkcija sa skupa

Διαβάστε περισσότερα

2. Vektorski prostori

2. Vektorski prostori 2. Vektorski prostori 2.1. Pojam vektorskog prostora. Grubo govoreći, vektorski prostor je skup na kojem su zadane binarna operacija zbrajanja i operacija množenja skalarima koje poštuju uobičajena računska

Διαβάστε περισσότερα

1. Skup kompleksnih brojeva

1. Skup kompleksnih brojeva 1. Skup kompleksnih brojeva 1. Skupovibrojeva... 2 2. Skup kompleksnih brojeva................................. 5 3. Zbrajanje i množenje kompleksnih brojeva..................... 8 4. Kompleksno konjugirani

Διαβάστε περισσότερα

4 Unitarni prostori. 4.1 Definicija i svojstva unitarnih prostora. K polje R ili C, V je vektorski prostor nad K

4 Unitarni prostori. 4.1 Definicija i svojstva unitarnih prostora. K polje R ili C, V je vektorski prostor nad K 4 Unitarni prostori 4.1 Definicija i svojstva unitarnih prostora K polje R ili C, V je vektorski prostor nad K Definicija. Skalarni produkt na V je svaka funkcija p q: V ˆ V Ñ K koja ima sljedeća svojstva:

Διαβάστε περισσότερα

Linearna algebra

Linearna algebra Linearna algebra 2 Siniša Miličić cinik@studentmathhr 2462004 Molim da se sve uočene greške i primjedbe pošalju na mail Ovaj dokument je javno dobro, te se smije neograničeno umnažati, mijenjati i koristiti

Διαβάστε περισσότερα

mogućih vrijednosti rs3. Za m, n N, mn+1 m 2 +n 2 m2 + n 2 mn + 1 je kvadrat prirodnog broja.

mogućih vrijednosti rs3. Za m, n N, mn+1 m 2 +n 2 m2 + n 2 mn + 1 je kvadrat prirodnog broja. r1. Neka je n fiksan prirodan broj. Neka je k bilo koji prirodan broj ne veći od n i neka je S skup nekih k različitih prostih brojeva. Ivica i Marica igraju naizmjenično sljedeću igru. Svako od njih bira

Διαβάστε περισσότερα

VEKTORI. Nenad O. Vesi 1. = α, ako je

VEKTORI. Nenad O. Vesi 1. = α, ako je VEKTORI Nenad O. Vesi 1 1 Uvod Odnos vektora AB, jednak je α CD ( AB CD ) = α, ako je AB = αcd. Teorema 1 (TEOREME BLIZANCI) Dat je trougao ABC i ta ke P i Q na pravama BC, CA redom i ta ke R i S na pravoj

Διαβάστε περισσότερα

PROSTORNI STATIČKI ODREĐENI SUSTAVI

PROSTORNI STATIČKI ODREĐENI SUSTAVI PROSTORNI STATIČKI ODREĐENI SUSTAVI - svi elementi ne leže u istoj ravnini q 1 Z F 1 F Y F q 5 Z 8 5 8 1 7 Y y z x 7 X 1 X - svi elementi su u jednoj ravnini a opterećenje djeluje izvan te ravnine Z Y

Διαβάστε περισσότερα

Riješeni zadaci: Realni brojevi i realne funkcije jedne realne varijable

Riješeni zadaci: Realni brojevi i realne funkcije jedne realne varijable Riješeni zadaci: Realni brojevi i realne funkcije jedne realne varijable Infimum i supremum skupa Zadatak 1. Neka je S = (, 1) [1, 7] {10}. Odrediti: (a) inf S, (b) sup S. (a) inf S =, (b) sup S = 10.

Διαβάστε περισσότερα

Kosinus-sinus dekompozicija ortogonalnih matrica malog reda

Kosinus-sinus dekompozicija ortogonalnih matrica malog reda V Hari i V Zadelj-Martić: Kosinus-sinus dekompozicija, mathe 10, veljača 007 1/14 Hrvatski matematički elektronski časopis mathe Broj 10 http://emathhr/ Kosinus-sinus dekompozicija ortogonalnih matrica

Διαβάστε περισσότερα

Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu

Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x

Διαβάστε περισσότερα

KONAČNA MATEMATIKA Egzistencija kombinatornih konfiguracija Dirichlet-ov i Ramseyev teorem

KONAČNA MATEMATIKA Egzistencija kombinatornih konfiguracija Dirichlet-ov i Ramseyev teorem Природно-математички факултет, Универзитет у Нишу, Србија http://www.pmf.ni.ac.yu/mii Математика и информатика 1 (3) (2009), 19-24 KONAČNA MATEMATIKA Egzistencija kombinatornih konfiguracija Dirichlet-ov

Διαβάστε περισσότερα

Matrica se definiše kao niz brojeva (ili algebarskih simbola) smještenih u redove i kolone.

Matrica se definiše kao niz brojeva (ili algebarskih simbola) smještenih u redove i kolone. Matrice Uvod u matrice i vektore Pretpostavite da ste odgovorni za iznajmljivanje automobila zaposlenicima svoje firme Sedmični najmovi za različite veličine automobila su: kompaktni 9KM, srednji 60KM,

Διαβάστε περισσότερα

Zadaci iz trigonometrije za seminar

Zadaci iz trigonometrije za seminar Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;

Διαβάστε περισσότερα

ZBIRKA ZADATAKA IZ TEORIJE SKUPOVA

ZBIRKA ZADATAKA IZ TEORIJE SKUPOVA Sveučilište u Zagrebu PMF-Matematički odsjek Franka Miriam Brückler, Vedran Čačić, Marko Doko, Mladen Vuković ZBIRKA ZADATAKA IZ TEORIJE SKUPOVA Zagreb, 2009. Sadržaj 1 Osnovno o skupovima, relacijama

Διαβάστε περισσότερα

Periodične funkcije. Branimir Dakić, Zagreb

Periodične funkcije. Branimir Dakić, Zagreb Periodične funkcije Branimir Dakić, Zagreb Periodičnost 1 je pojava koju susrećemo na svakom koraku. Periodične su mnoge prirodne pojave, primjerice izmjena dana i noći ili izmjena godišnjih doba, pojava

Διαβάστε περισσότερα

ČVRSTOĆA 13. GEOMETRIJSKE KARAKTERISTIKE RAVNIH PRESJEKA ŠTAPA

ČVRSTOĆA 13. GEOMETRIJSKE KARAKTERISTIKE RAVNIH PRESJEKA ŠTAPA ČVRSTOĆA 13. GEOMETRIJSKE KARAKTERISTIKE RAVNIH PRESJEKA ŠTAPA STATIČKI MOMENTI I MOMENTI INERCIJE RAVNIH PLOHA Kao što pri aksijalnom opterećenju štapa apsolutna vrijednost naprezanja zavisi, između ostalog,

Διαβάστε περισσότερα

Matematika I. Elvis Baraković, Edis Mekić. 4. studenog Pojam vektora. Sabiranje i oduzimanje vektora

Matematika I. Elvis Baraković, Edis Mekić. 4. studenog Pojam vektora. Sabiranje i oduzimanje vektora Matematika I Elvis Baraković, Edis Mekić 4. studenog 2011. 1 Analitička geometrija 1.1 Pojam vektora. Sabiranje i oduzimanje vektora Skalarnom veličinom ili skalarom nazivamo onu veličinu koja je potpuno

Διαβάστε περισσότερα

Ispitivanje toka i skiciranje grafika funkcija

Ispitivanje toka i skiciranje grafika funkcija Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3

Διαβάστε περισσότερα

x + t x 2 x t x 2 t x = + x + = + x + = t 2. 3 y y [x množi cijelu zagradu] y y 2 x [na lijevu stranu prebacimo nepoznanicu y] [izlučimo 3 y ] x x x

x + t x 2 x t x 2 t x = + x + = + x + = t 2. 3 y y [x množi cijelu zagradu] y y 2 x [na lijevu stranu prebacimo nepoznanicu y] [izlučimo 3 y ] x x x Zadatak 00 (Sanja, gimnazija) Odredi realnu funkciju f() ako je f ( ) = Rješenje 00 Uvedemo supstituciju (zamjenu varijabli) = t Kvadriramo: t t t = = = = t Uvrstimo novu varijablu u funkciju: f(t) = t

Διαβάστε περισσότερα

dužina usmjerena (orijentirana) dužina (zna se koja je točka početna, a koja krajnja) vektor

dužina usmjerena (orijentirana) dužina (zna se koja je točka početna, a koja krajnja) vektor I. VEKTORI d. sc. Min Rodić Lipnović 009./010. 1 Pojm vekto A B dužin A B usmjeen (oijentin) dužin (n se koj je točk početn, koj kjnj) A B vekto - kls ( skup ) usmjeenih dužin C D E F AB je epeentnt vekto

Διαβάστε περισσότερα

5. PARCIJALNE DERIVACIJE

5. PARCIJALNE DERIVACIJE 5. PARCIJALNE DERIVACIJE 5.1. Izračunajte parcijalne derivacije sljedećih funkcija: (a) f (x y) = x 2 + y (b) f (x y) = xy + xy 2 (c) f (x y) = x 2 y + y 3 x x + y 2 (d) f (x y) = x cos x cos y (e) f (x

Διαβάστε περισσότερα

41. Jednačine koje se svode na kvadratne

41. Jednačine koje se svode na kvadratne . Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k

Διαβάστε περισσότερα

3. Matrice Operacije s matricama. Podsjetimo se definicije matrice: Za prirodne brojeve m i n, preslikavanje

3. Matrice Operacije s matricama. Podsjetimo se definicije matrice: Za prirodne brojeve m i n, preslikavanje 3 Matrice 31 Operacije s matricama Podsjetimo se definicije matrice: Za prirodne brojeve m i n, preslikavanje A : {1, 2,, m} {1, 2,, n} F se naziva matrica tipa (m, n) s koeficijentima iz polja F Običaj

Διαβάστε περισσότερα

Geometrija (I smer) deo 2: Afine transformacije

Geometrija (I smer) deo 2: Afine transformacije Geometrija (I smer) deo 2: Afine transformacije Srdjan Vukmirović Matematički fakultet, Beograd septembar 2013. Transformacije koordinata tačaka Transformacije koordinata tačaka Pretpostavimo da za bazne

Διαβάστε περισσότερα

Nikola Sandrić MATEMATIKA 1. Gradevinski fakultet Sveučilište u Zagrebu

Nikola Sandrić MATEMATIKA 1. Gradevinski fakultet Sveučilište u Zagrebu Tomislav Došlić Nikola Sandrić MATEMATIKA 1 Gradevinski fakultet Sveučilište u Zagrebu Predgovor Poštovani čitatelji, u rukama imate nastavni materijal koji izlaže gradivo kolegija Matematika 1 za studente

Διαβάστε περισσότερα

O fiksnim točkama osnovnih trigonometrijskih funkcija

O fiksnim točkama osnovnih trigonometrijskih funkcija O fiksnim točkama... O fiksnim točkama osnovnih trigonometrijskih funkcija Matea Jelčić, Kristina Ivankić, Mirela Katić Žlepalo 3 i Bojan Kovačić Sažetak U ovom članku razmatramo fiksne točke četiriju

Διαβάστε περισσότερα

Funkcije. Helena Kmetić. 6. srpnja 2016.

Funkcije. Helena Kmetić. 6. srpnja 2016. Funkcije Helena Kmetić 6. srpnja 016. Sadržaj 1 Uvod 1.1 Klasifikacija realnih funkcija pomoću grafa............. 3 1. Apsolutna vrijednost i udaljenost.................. 4 Funkcije 6.1 Linearne funkcije...........................

Διαβάστε περισσότερα

III VEŽBA: FURIJEOVI REDOVI

III VEŽBA: FURIJEOVI REDOVI III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.

Διαβάστε περισσότερα

Temeljni pojmovi o trokutu

Temeljni pojmovi o trokutu 1. Temeljni pojmovi o trokutu U ovom poglavlju upoznat ćemo osnovne elemente trokuta i odnose medu - njima. Zatim ćemo definirati težišnice, visine, srednjice, simetrale stranica i simetrale kutova trokuta.

Διαβάστε περισσότερα

Dužina luka i oskulatorna ravan

Dužina luka i oskulatorna ravan Dužina luka i oskulatorna ravan Diferencijalna geometrija Vježbe Rješenja predati na predavanjima, u srijedu 9. ožujka 16. god. Zadatak 1. Pokazati da je dužina luka invarijantna pod reparametrizacijom

Διαβάστε περισσότερα

Neprekinute funkcije i limesi Definicija neprekinute funkcije i njen odnos prema limesu Asimptote Svojstva neprekinutih funkcija

Neprekinute funkcije i limesi Definicija neprekinute funkcije i njen odnos prema limesu Asimptote Svojstva neprekinutih funkcija Sadržaj: Nizovi brojeva Pojam niza Limes niza. Konvergentni nizovi Neki važni nizovi. Broj e. Limes funkcije Definicija esa Računanje esa Jednostrani esi Neprekinute funkcije i esi Definicija neprekinute

Διαβάστε περισσότερα

Zavrxni ispit iz Matematiqke analize 1

Zavrxni ispit iz Matematiqke analize 1 Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1

Διαβάστε περισσότερα

Glava 1. Realne funkcije realne promen ive. 1.1 Elementarne funkcije

Glava 1. Realne funkcije realne promen ive. 1.1 Elementarne funkcije Glava 1 Realne funkcije realne promen ive 1.1 Elementarne funkcije Neka su dati skupovi X i Y. Ukoliko svakom elementu skupa X po nekom pravilu pridruimo neki, potpuno odreeni, element skupa Y kaemo da

Διαβάστε περισσότερα

2.7 Primjene odredenih integrala

2.7 Primjene odredenih integrala . INTEGRAL 77.7 Primjene odredenih integrala.7.1 Računanje površina Pořsina lika omedenog pravcima x = a i x = b te krivuljama y = f(x) i y = g(x) je b P = f(x) g(x) dx. a Zadatak.61 Odredite površinu

Διαβάστε περισσότερα

DIFERENCIJALNE JEDNADŽBE

DIFERENCIJALNE JEDNADŽBE 9 Diferencijalne jednadžbe 6 DIFERENCIJALNE JEDNADŽBE U ovom poglavlju: Direktna integracija Separacija varijabli Linearna diferencijalna jednadžba Bernoullijeva diferencijalna jednadžba Diferencijalna

Διαβάστε περισσότερα

2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1)

2.2 Srednje vrijednosti. aritmetička sredina, medijan, mod. Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 2.2 Srednje vrijednosti aritmetička sredina, medijan, mod Podaci (realizacije varijable X): x 1,x 2,...,x n (1) 1 2.2.1 Aritmetička sredina X je numerička varijabla. Aritmetička sredina od (1) je broj:

Διαβάστε περισσότερα

SKUPOVI I SKUPOVNE OPERACIJE

SKUPOVI I SKUPOVNE OPERACIJE SKUPOVI I SKUPOVNE OPERACIJE Ne postoji precizna definicija skupa (postoji ali nama nije zanimljiva u ovom trenutku), ali mi možemo koristiti jednu definiciju koja će nam donekle dočarati šta su zapravo

Διαβάστε περισσότερα

Osnovne definicije i rezultati iz Uvoda u linearnu algebru

Osnovne definicije i rezultati iz Uvoda u linearnu algebru Osnovne definicije i rezultati iz Uvoda u linearnu algebru (0.01) Simetrije Neka je A = [a ij ] kvadratna matrica (matrica oblika n n). a) Za A kažemo da je simetrična matrica kadgod je A = A, tj. kadgod

Διαβάστε περισσότερα

MATEMATIČKA ANALIZA 1 1 / 192

MATEMATIČKA ANALIZA 1 1 / 192 MATEMATIČKA ANALIZA 1 1 / 192 2 / 192 prof.dr.sc. Miljenko Marušić Kontakt: miljenko.marusic@math.hr Konzultacije: Utorak, 10-12 WWW: http://web.math.pmf.unizg.hr/~rus/ nastava/ma1/ma1.html 3 / 192 Sadržaj

Διαβάστε περισσότερα

Sadrˇzaj. Sadrˇzaj 1 9 DVODIMENZIONALNI SLUČAJNI VEKTOR DISKRETNI DVODIMENZIONALNI

Sadrˇzaj. Sadrˇzaj 1 9 DVODIMENZIONALNI SLUČAJNI VEKTOR DISKRETNI DVODIMENZIONALNI Sadrˇzaj Sadrˇzaj DVODIMENZIONALNI. DISKRETNI DVODIMENZIONALNI............................ KONTINUIRANI -dim tko želi znati više.............................. 5. KOVARIJANCA, KORELACIJA, PRAVCI REGRESIJE........

Διαβάστε περισσότερα

Teorija skupova. Matko Males Split. lipanj 2003.

Teorija skupova. Matko Males Split. lipanj 2003. Teorija skupova Matko Males Split lipanj 2003. 2 O pojmu skupa A, B, C,... oznake za skupove a, b, c,... oznake za elemente skupa a A, a / A Skup je posve odredjen svojim elementima, tj u potpunosti je

Διαβάστε περισσότερα

Program za tablično računanje Microsoft Excel

Program za tablično računanje Microsoft Excel Program za tablično računanje Microsoft Excel Teme Formule i funkcije Zbrajanje Oduzimanje Množenje Dijeljenje Izračun najveće vrijednosti Izračun najmanje vrijednosti 2 Formule i funkcije Naravno da je

Διαβάστε περισσότερα

IZVODI ZADACI (I deo)

IZVODI ZADACI (I deo) IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a

Διαβάστε περισσότερα

VJEŽBE IZ MATEMATIKE 1

VJEŽBE IZ MATEMATIKE 1 VJEŽBE IZ MATEMATIKE 1 Ivana Baranović Miroslav Jerković Lekcija 8 Pojam funkcije, grafa i inverzne funkcije Poglavlje 1 Funkcije Neka su X i Y dva neprazna skupa. Ako je po nekom pravilu, ozna imo ga

Διαβάστε περισσότερα

Norme vektora i matrica

Norme vektora i matrica 2 Norme vektora i matrica Pojam norme u vektorskim prostorima se najčešće povezuje sa određenom merom veličine elemenata tog prostora. Tako je u prostoru realnih brojeva R, norma elementa x R najčešće

Διαβάστε περισσότερα

KOMPAKTNI OPERATORI. Prof. dr. sc. Hrvoje Kraljević. Predavanja održana na PMF Matematičkom odjelu. u zimskom semestru akademske godine 2007./2008.

KOMPAKTNI OPERATORI. Prof. dr. sc. Hrvoje Kraljević. Predavanja održana na PMF Matematičkom odjelu. u zimskom semestru akademske godine 2007./2008. KOMPAKTNI OPERATORI Prof. dr. sc. Hrvoje Kraljević Predavanja održana na PMF Matematičkom odjelu Sveučilišta u Zagrebu u zimskom semestru akademske godine 2007./2008. Zagreb, siječanj 2008. 2 SADRŽAJ 3

Διαβάστε περισσότερα

Koordinatni sustav u ravnini. Funkcija

Koordinatni sustav u ravnini. Funkcija Koordinatni sustav u ravnini Koordinatni sustav u ravnini Funkcija 4. 1. Koordinatni sustav u ravnini..................... Uvod U drugom smo poglavlju opisali koordinatni sustav na pravcu. Pridruživanjem

Διαβάστε περισσότερα

IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f

IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe

Διαβάστε περισσότερα

1 Pojam funkcije. f(x)

1 Pojam funkcije. f(x) Pojam funkcije f : X Y gde su X i Y neprazni skupovi (X - domen, Y - kodomen) je funkcija ako ( X)(! Y )f() =, (za svaki element iz domena taqno znamo u koji se element u kodomenu slika). Domen funkcije

Διαβάστε περισσότερα

5 Sistemi linearnih jednačina. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2.

5 Sistemi linearnih jednačina. a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2. 5 Sistemi linearnih jednačina 47 5 Sistemi linearnih jednačina U opštem slučaju, pod sistemom linearnih jednačina podrazumevamo sistem od m jednačina sa n nepoznatih x 1 + a 12 x 2 + + a 1n x n = b 1 a

Διαβάστε περισσότερα