Matematika Za Ekonomiste

Matematika za ekonomiste 1
Vedad Paic
Prirodno-matematicki fakultet
Univerzitet u Tuzli
1 Sva
prava zadrana. Svako objavljivanje, tampanje ili umnoavanje zahtjeva odobrenje autora
Predmet: Matematika za ekonomiste

Predavac: Vedad Paic
Semestar: Zimski
Kabinet: PMF 313
Email: vedad.pasic@untz.ba
Web: http://www.frontslobode.org/vedad/ekon/
Organizacija
4h predavanja (ponedjeljak 12-14, utorak 14-16) i 3h vjebi
Kabinetski sati: utorak 13-14, c etvrtak 13-14
2
Literatura
L. Smajlovic: Matematika za ekonomiste; Ekonomski fakultet (2010)
A. C. Chiang: Osnovne metode matematicke ekonomije, MATE d.o.o. Zagreb (1994)
L.D. Hoffman and G.L. Bradley: CALCULUS for bussines, economics, and
social and life sciences, McGRAW-HILL, INC., New York etc., (1992).
K. oric: Zbirka zadataka iz matematike s primjenom u ekonomiji, Element, Zagreb (2006)
S. Drpljanin: Matematika, Univerzitet u Tuzli, Tuzla (1997)
M. Nurkanovic: Diferentne jednadbe teorija i primjene, Denfas, Tuzla
(2008)
Sadraj
1 Uvod u matematicku ekonomiju
1.1 Matematika i kalkulator . . . . . . . . .
1.2 Aritmetika i osnovne operacije . . . . .
1.2.1 Pravila aritmetickih operacija .
1.3 Procentni racun . . . . . . . . . . . . .
1.4 Skupovi . . . . . . . . . . . . . . . . .
1.4.1 Odnosi medu
skupovima . . . .
1.4.2 Operacije na skupovima . . . .
1.4.3 Zakoni operacija na skupovima
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Matrice
2.1 Uvod u matrice i vektore . . . . . . . . . . . . .
2.2 Operacije na matricama . . . . . . . . . . . . . .
2.2.1 Oduzimanje i sabiranje matric . . . . . .
2.2.2 Mnoenje skalarom . . . . . . . . . . . .
2.2.3 Mnoenje matrica . . . . . . . . . . . . .
2.2.4 Problem dijeljenja . . . . . . . . . . . .
2.3 Determinante . . . . . . . . . . . . . . . . . . .
2.3.1 Osobine determinanti . . . . . . . . . . .
2.4 Inverzna matrica . . . . . . . . . . . . . . . . . .
2.4.1 Osobine inverznih matrica . . . . . . . .
2.4.2 Primjena u rjeavanju matricnih jednacina
2.5 Linearna (ne)zavisnost matrica . . . . . . . . . .
2.6 Rang matrice . . . . . . . . . . . . . . . . . . .
2.6.1 Izracunavanje ranga matrice . . . . . . .
3 Sistemi linearnih algebarskih jednacina
3.1 Saglasni sistemi . . . . . . . . . . .
3.1.1 Slucaj r = n . . . . . . . .
3.1.2 Matricni metod rjeavanja .
3.1.3 Slucaj r < n . . . . . . . .
3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5
. 5
. 6
. 6
. 7
. 8
. 9
. 9
. 10
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
12
12
13
14
16
17
20
21
21
24
25
26
26
.
.
.
.
29
31
31
32
33
.
.
.
.
SADRAJ
3.2
3.3
3.4
3.1.4 Slucaj m < n . . . . . . . . . . . . . . . . . . . . . .

Cramerov metod . . . . . . . . . . . . . . . . . . . . . . . .
Homogeni sistemi . . . . . . . . . . . . . . . . . . . . . . . .
Primjena sistema linearnih algebarskih jednacina u ekonomiji .
3.4.1 Ekvilibrijum . . . . . . . . . . . . . . . . . . . . . .
3.4.2 Linearni model parcijalnog trinog ekvilibrijuma . . .
3.4.3 Opci model trine ravnotee . . . . . . . . . . . . . .
3.4.4 Model nacionalnog dohotka . . . . . . . . . . . . . .
3.4.5 Input-output analiza . . . . . . . . . . . . . . . . . .
4 Realne funkcije
4.1 Neke klase realnih funkcija . . .
4.2 Osobine funkcija . . . . . . . .
4.2.1 Elementarne funkcije . .
4.2.2 Inverzna funkcija . . . .
4.3 Primjena funkcija u ekonomiji .
4.3.1 Funkcija trokova . . . .
4.3.2 Prosjecni troak . . . . .
4.3.3 Funkcije prihoda i dobiti
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
5 Realni nizovi
5.1 Definicija i osnovni pojmovi . . . . . . . .
5.1.1 Definicija i osnovni pojmovi . . . .
5.1.2 Predstavljanje nizova . . . . . . . .
5.2 Aritmeticki niz . . . . . . . . . . . . . . .
5.3 Geometrijski niz . . . . . . . . . . . . . . .
5.4 Konvergencija nizova . . . . . . . . . . . .
5.4.1 Osobine konvergentnih nizova . . .
5.4.2 Beskonacne granicne vrijednosti . .
5.4.3 Monotoni nizovi . . . . . . . . . .
5.4.4 Kriteriji konvergencije mon. nizova
5.4.5 Alati za izracunavanje limesa . . .
6 Granicne vrijednosti
6.1 Intuitivni uvod u granicne vrijednosti .
6.1.1 Izacunavanje limesa . . . . .
6.2 Granicna vrijednost funkcije . . . . .
6.3 Neprekidnost . . . . . . . . . . . . .
6.3.1 Primjena limesa u ekonomiji .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
34
35
35
36
36
37
38
40
40
.
.
.
.
.
.
.
.
47
49
52
52
53
53
54
55
55
.
.
.
.
.
.
.
.
.
.
.
57
57
57
58
60
62
64
66
68
69
69
71
.
.
.
.
.
73
73
79
81
82
85
SADRAJ
7 Diferencijalni racun
87
7.1 Intuitivni uvod u izvode . . . . . . . . . . . . . . . . . . . . . . . 87
7.2 Izvod funkcije jedne promjenljive . . . . . . . . . . . . . . . . . 89
7.2.1 Pravila diferenciranja funkcije . . . . . . . . . . . . . . . 91
7.2.2 Geometrijsko i fizikalno tumacenje derivacije funkcije . . 92
7.2.3 Tablica izvoda . . . . . . . . . . . . . . . . . . . . . . . 93
7.2.4 Logaritamska derivacija i diferenciranje implicitne funkcije 94
7.3 Diferencijal funkcije . . . . . . . . . . . . . . . . . . . . . . . . 95
7.4 Derivacije i diferencijali viega reda . . . . . . . . . . . . . . . . 96
7.5 Derivacija i izracunavanje limesa funkcije . . . . . . . . . . . . . 97
7.5.1 LHospitalova pravila . . . . . . . . . . . . . . . . . . . . 98
7.6 Osnovni teoremi diferencijalnog racuna . . . . . . . . . . . . . . 98
7.6.1 Konveksnost i konkavnost . . . . . . . . . . . . . . . . . 101
7.6.2 Ispitivanje funkcije i crtanje grafika . . . . . . . . . . . . 103
7.7 Primjena izvoda u ekonomiji . . . . . . . . . . . . . . . . . . . . 103
7.7.1 Elasticnost . . . . . . . . . . . . . . . . . . . . . . . . . 105
8 Funkcije dvije i vie promjenljivih
8.1 Parcijalni izvodi funkcija vie promjenljivih . . . .
8.1.1 Parcijalni diferencijali . . . . . . . . . . .
8.1.2 Parcijalni izvodi drugog reda . . . . . . . .
8.2 Primjena diferencijalnog racuna vie promjenljivih
8.2.1 Homogene funkcije . . . . . . . . . . . . .
8.3 Ekstremi funkcija vie promjenljivih . . . . . . . .
8.3.1 Silvesterov kriterij . . . . . . . . . . . . .
8.3.2 Optimum - vezani (uvjetni) ekstrem . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
109
110
110
111
112
114
115
116
116
9 Integralni racun
9.1 Neodredeni
integral . . . . . . . . . . . . .
9.1.1 Povrinski problem . . . . . . . . .
9.1.2 Neke osobine neodredenog
integrala
9.1.3 Tablica osnovnih integrala . . . . .

9.1.4 Integracija metodom smjene . . . .
9.1.5 Metoda parcijalne integracije . . . .
9.1.6 Integracija racionalnih funkcija . .
9.2 Odredeni
integral . . . . . . . . . . . . . .
9.2.1 Osobine odredenog
integrala . . . .
9.2.2 Primjene odredenog

integrala . . .
9.3 Nesvojstveni integral . . . . . . . . . . . .

9.4 Primjena integrala u ekonomiji . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
119
119
119
122
123
125
126
128
129
130
131
133
134
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
SADRAJ
10 Diferencijalne jednacine
10.1 Obicne diferencijalne jednacine . . . . . . . . . . . . . . . . . .
10.1.1 Jednacina sa razdvojenim promjenljivim . . . . . . . . . .
10.1.2 Primjena u ekonomiji . . . . . . . . . . . . . . . . . . . .
10.2 Linearna diferencijalna jednacina prvog reda . . . . . . . . . . . .
10.3 Diferentne jednacine . . . . . . . . . . . . . . . . . . . . . . . .
10.3.1 Primjena diferentnih jednacina u ekonomiji . . . . . . . .
10.3.2 Diferentne jednacine vieg reda sa konstantnim koeficijentima . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.3.3 Nehomogena linearna diferentna jednacina vieg reda . .
135
136
137
138
139
141
143
146
147
Poglavlje 1
Uvod u matematicku ekonomiju
Matematicka ekonomija nije odvojena grana ekonomije kao to su to npr. javne
finansije ili internacinalna trgovina. Ona je pristup ekonomskoj analizi. Najveca
razlika izmedu
matematicke ekonomije i eksplicitne ekonomije je u tome to
se u prethodnoj pretpostavke i zakljucci iznose u obliku matematickih simbola, a
ne rijeci; k tomu jo se koristi matematickim teoremama u procesu rezonovanja.
Prednost matematickog modela je u slijedecem:
Jezik koji koristimo je precizniji i koncizniji;
Cijelo bogatstvo matematickih teorema nam je na raspolaganju;
Tjera nas da navedemo sve nae pretpostavke eksplicitno;
Moemo se posvetiti optem slucaju sa n-promjenljivih.
Matematicki jezik je postao dominantan u mnogim sferama ekonomije : recenice tipa 10-postotno povienje cijena sirove nafte dovodi do 5-postotnog pada
prodaje benzina su nam (naalost) i vie nego dobro znane! Iako je ekonomija
drutvena nauka, razlika izmedju drutvenog i naucnog aspekta ove nauke je sve
manja i manja. Izraz matematicka ekonomija se c esto mijea sa ekonometrijom.
Ovo nije tacna pretpostavka. Ekonometrija se preteno bavi mjerenjem ekonomskih podataka, dok matematicka ekonomija daje alate za manipulaciju istim. Trudit c emo se da vam u ovom semestru pokaemo to vie matematike koja c e vam
doista koristiti kao ekonomistima!
1.1 Matematika i kalkulator

Postoji uvrijeeno miljenje da je matematika ekonomistima nepotrebna, jer svejedno kalkulatori i racunari mogu sve da urade za nas. Ovo nije istina. I racunarski programeri moraju znati ta rade i alat bez pozadinskog znanja ne vrijedi
7

POGLAVLJE 1. UVOD U MATEMATICKU
EKONOMIJU
nita. Pokuajte uraditi neto konkretno u nekom programskom paketu a da ne

koristite svoje vec steceno srednjokolsko matematicko znanje.Cilj ovog kursa je
da vas osposobi da sve alate moete dobro i korisno da iskoristite!
Kao vrlo jednostavan test gore navedenog pokuajte sa svojim digitronom
izracunati slijedece:
16 3 4 1 =?
Koji ste rezultat dobili? 3? 7? 51? 39? Kalkulator ne misli za vas i nikada ga
nemojte koristiti na taj nacin! Usput budi receno, tacan odgovor je 3. Naravno da
su kalkulatori vrlo korisni u mnogim slucajevima, no oprez.
Primjer. Posmatrajmo relaciju:
q = 1.200 10p.
ta treba biti kvantitet q ako je cijena p jednaka 150? Racunar bi dao odgovor
300, to je dakako glupost, jer ne moemo imati negativan kvantitet nicega!
Kako je za p = 120, q = 0, onda to znaci da za svaku cijenu iznad 120, p = 130
na primjer, opet moramo imati q = 0! Ovaj primjer ilustruje kako ne smijemo
automatski uzimati svaki racunarski odgovor zdravo za gotovo!
1.2 Aritmetika i osnovne operacije

Naravno da pretpostavljamo da ste upoznati sa operacijama sabiranja, oduzimanja, mnoenja i dijeljenja, pa stoga vam necemo vrijedati
inteligenciju dajuci primjere iz tih osnovnih aritmetickih operacija! Ili moda ipak hocemo? :)
24 + 204
9089 393
12 24
4448 : 16
=
=
=
=
228
8696
288
278
Napomena: Koristite digitron!!!
1.2.1 Pravila aritmetickih operacija

PRVO : mnoenje i dijeljenje, pa onda sabiranje i oduzimanje!
DRUGO: pravilo s lijeva na desno!
60 : 6 2 = 10 2 = 20
a ne
60 : 6 2 = 60 : 12 = 5

1.3. PROCENTNI RACUN
Naravno uvijek moete koristiti zagrade!

Primjer. Ako neka firma proizvede 220 komada svog proizvoda po proizvodnoj
cijeni od 8, 25KM i proda ih po cijeni od 9, 95KM, koliki je profit?
=
=
=
=
profit po komadu
ukupni profit
9, 95 8, 25
220 (9, 95KM 8, 25KM)
220 1, 70KM
374KM
1.3 Procentni racun

Decimalni prikaz je samo drugaciji nacin prikazivanja razlomaka
1
10
1
0, 01 =
100
234
0, 234 =
1000
0, 1 =
U matematici se decimalni format preteno koristi za stvari koje se u svakodnevnom ivotu izraavaju kao procenti. Na primjer, kamatne stope se preteno
prikazuju u procentima! Format procenata je samo drugaciji nacin prikazivanja
decimalnog razlomka:
62
62% =
= 0, 62.
100
Dakle, ako dravi moramo dati 43% poreza na svoju platu koja (kad zavrite fax!)
iznosi 2345 KM, kolika nam je neto plata? Samo izvedemo slijedecu operaciju:

43
porez =
= 0, 43 2345 = 1008, 35.
100
plata neto = 2345 1008, 35 = 1336, 65.
Vidimo da je racunanje procenata doista samo c isti razlomacki racun iz petog
razreda osnovne kole!
Pogledajmo jo neke primjere
24% = 0, 24 0, 24% = 0, 0024
24, 56% = 0, 2456 2, 4% = 0, 024itd...

EKONOMIJU
10
Pretvaranje procenata u decimale c e te morati na primjer raditi sa kamatnim stopama kada budete ucili o metodama ocjene investicija i o drugim aspektima finansijske matematike. Ukratko, NON-STOP! Stoga, oprezno, koristite se svojim
kalkulatorima dakako!
Dakako, jedna vana stvar koju c e te morati raditi je zaokruivanje. Uobic ajeno je zaokruivanje na najmanje dva decimalna mjesta. Npr, ako trebate da
izracunate 1/7 neke vrijednosti, onda racunate 14, 29% te vrijednosti.
Vjezba.
1. Koliko iznosi milimetar kao decimalni oblik: centimetra, metra i
kilometra?
2. Prikaite slijedece procente u decimalnom obliku:
45, 2%;
243, 15%;
7, 5%;
0, 2%.
3. Kada je vlada Velike Britanije privatizovala vodovod 1989. godine, odluc ila je da c e godinje procentualno povecanje cijene vode biti ograniceno
razinom inflacije plus z, gdje je z cifra koju c e odrediti vlada. Napiite algebarski izraz za maksimalno godinje povienje cijene vode i izracunajte
povienje kada je rata inflacije 6% a faktor z jednak 3. Ako je cijena vode
po litru 1990. godine bila 4, 3 penija, kolika c e biti 1991. po gornjim parametrima?
4. Ako su voda, hljeb, mlijeko, ecer i kafa 2000. godine kotali respektivno
0, 80; 1; 1, 45; 2, 15; 4, 20 a 2001. godine 0, 95; 1, 20; 1, 55; 2, 55; 5, 05,
kolika je prosjecna stopa inflacije (u procentima) za 2000-tu godinu za te
osnovne proizvode?
1.4 Skupovi
Skup je jednostavno kolekcija razlicitih objekata. Ovi objekti mogu biti brojevi
ili neto sasvim drugo. Npr. svi studenti prve godine ekonomije se mogu smatrati
jednim skupom, isto kao to parni brojevi {2, 4, 6, 8, 10, . . .} formiraju skup.
Postoje dva nacina prikazivanja skupova: enumeracijom i deskripcijom. Skup
pozitivnih cijelih brojeva moemo prikazati kao
Z+ := {1, 2, 3, 4, 5, . . .},
ili kao
Z+ := {x Z | x > 0}.
1.4. SKUPOVI
11
Kao drugi primjer, skup A svih cijelih brojeva vecih od 2, a manjih od 6 se moe
predstaviti kao
A = {3, 4, 5},
ili kao
A = {x Z | 2 < x < 6}.
Skup sa ogranicenim brojem elemenata se zove konacan skup, inace je beskonac an. Pripadnost skupu se oznacava sa simbolom . Dakle 3 {2, 3, 4}. Nepripadnost skupu se oznacava sa ,
/ npr. 3
/ {4, 5, 6}.
1.4.1 Odnosi medu

skupovima
Odnosi medu
skupovima se predstavljaju simbolima
=, , , ,
Primjetite da dok se prikazuje odnos elementa i skupa, npr. prikazuje odnos
izmedu
dva skupa! Dok je npr. 3 N, N R.
Koliko podskupova skupa {1,2,3} moemo formirati? To su
{1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}.
Da li neto zaboravljamo? Prazan skup je podskup svakog skupa! Generalno,
ako skup ima n elemenata, onda on ima 2n podskupova. Jako je bitno razlikovati
slijedece: i {0}. Jo bitnija je razlika izmedu
i {}!!! Ako dva skupa nemaju
zajednickih elemenata, onda se oni zovu disjunktni.
1.4.2 Operacije na skupovima

Unija dva skupa je skup koji sadri sve elemente ta dva skupa, dakako bez ponavljanja!
A = {1, 3, 5, 6}, B = {2, 4, 6}, A B = {1, 2, 3, 4, 5, 6}.
Presjek dva skupa je skup koji sadri sve zajednicke elemente ta dva skupa.
A = {1, 3, 5, 6}, B = {2, 4, 6}, A B = {6}.
Razlika dva skupa je skup koji sadri sve elemente skupa A koji nisu u skupu B
A = {1, 3, 5, 6}, B = {2, 4, 6}, A \ B = {1, 3, 5}.

EKONOMIJU
12
Primjetite da je B \ A = {2, 4}! Uvedimo sada pojam univerzalnog skupa. Ako

posmatramo realne brojeve, onda o tome skupu moemo razmiljati kao o skupu
svih realnih brojeva R.
Onda moemo definisati komplement Ac nekog skupa A, kao skup svih elemenata uinverzalnog skupa koji nisu u skupu A.
A = N = {1, 2, 3, 4, . . .}, U = Z, Ac = {0, 1, 2, 3, 4, . . .}.
1.4.3 Zakoni operacija na skupovima

Komutativni zakoni:
A B = B A,
A B = B A.
Zakoni asocijacije:
A (B C) = (A B) C,
A (B C) = (A B) C.
Zakoni distribucije:
A (B C) = (A B) (A C),
A (B C) = (A B) (A C).
Vjezba. Provjerite zakone asocijacije i distribucije na skupovima:
A = {4, 5}, B = {3, 6, 7}, C = {2, 3}.
Poglavlje 2
Matrice
2.1 Uvod u matrice i vektore
Pretpostavite da ste odgovorni za iznajmljivanje automobila zaposlenicima svoje
firme. Sedmicni najmovi za razlicite velicine automobila su: kompaktni 139KM,
srednji 160KM, veliki 205KM, minivan 340KM i luksuzna limuzina 430KM. Za
slijedecu sedmicu znate da c e vam potrebe po velicinama biti: 4 kompaktna,
3 srednja, 12 velikih, 2 minivana i 1 luksuzna limuzina. Kako biste izracunali
ukupnu cijenu iznajmljivanja automobila? Ako biste izacunali
4 139KM + 3 160KM + 12 205KM + 2 340KM + 1 430KM = 4606KM
bili biste u pravu. No upravo ste uradili problem mnoenja matrica a da niste toga
bili svjesni!
Potrebno auta Sedmica 1 Sedmica 2 Sedmica 3
Kompakt
Srednji
Veliki
Minivan
Limuzina
4
3
12
2
1
7
5
9
1
1
2
5
5
3
2
Ukupna cijena iznajmljivanja za svaku sedmicu bi se izracunala tako to pomnoimo ove kolicine sa odgovarajucim cijenama.
Matrica se definie kao niz brojeva (ili algebarskih simbola) smjetenih u redove i kolone.
Stoga potrebe iznajmljivanja automobila za tri sedmice se moe napisati kao
13
POGLAVLJE 2. MATRICE
14
matrica:
A=
4
3
12
2
1
7
5
9
1
1
2
5
5
3
2
Svaki red odgovara velicini auta, a svaka kolona odgovara sedmici koju posmatramo. Uobicajeno je da se matrice oznacavaju velikim slovima, npr. A, B, C, M, N
i sl. a da su c lanovi matrice uokvireni zagradama () ili []. Svaki c lan matrice se
zove element matrice. Elementi matrice moraju formirati kompletan pravougaonik, bez praznih mjesta. U gornjem primjeru imamo 5 redova i 3 kolone. Velic ina matrice se naziva red matrice. Ako matrica ima m redova i n kolona, kaemo
da je matrica reda m n. Matrica A je reda 5 3.
Matrice sa samo jednom kolonom ili samo jednim redom se nazivaju vektori.
Na primjer, skup cijena iznajmljivanja automobila sa pocetka je vektor reda 1 5
(139 160 205 340 430),
dok su potrebe iznajmljivanja za prvu sedmicu 5 1 vektor:
4
3
12 .
2
1
2.2 Operacije na matricama

U ovoj sekciji bavit c emo se standardnim operacijama na matricama.
2.2.1 Oduzimanje i sabiranje matric

Matrice koje imaju isti red, tj. isti broj redova i kolona se mogu oduzimati i
sabirati. Sabiranje, odnosno, oduzimanje se radi na odgovarajucim elementima.
Primjer. Trgovac prodaje dva proizvoda, Q i R i ima dvije prodavnice, A i B.
Broj proizvoda koji su prodani u zadnje 4 sedmice su pokazane u matricama
A i B ispod, gdje kolone predstavljaju sedmice a redovi odgovaraju proizvodima
Q i R respektivno.

5 4 12 7
8 9 3 4
A=
, B=
10 12 9 14
8 18 21 5
2.2. OPERACIJE NA MATRICAMA
15
Kako prikazati ukupnu prodaju proizvoda po sedmicama u obje prodavnice? Jednostavno, saberemo matrice!

5 4 12 7
8 9 3 4
T =A+B =
+
10 12 9 14
8 18 21 5

5+8
4 + 9 12 + 3 7 + 4
=
10 + 8 12 + 18 9 + 21 14 + 5

13 13 15 11
=
.
18 30 30 19
Oduzimanje matrica radi na slican nacin, tj.

12 30
7 35
Primjer. Ako je A =
,aB =
, koliko je A B?
8 15
4 8

12 30
7 35
AB =
8 15
4 8

12 7 30 35
5 5
=
=
8 4 15 8
4 7
2.2.2 Mnoenje skalarom

Postoje dvije vrste mnoenja koja se mogu izvriti nad matricama. Matricu moemo pomnoiti specificnom vrijednocu, kao to je broj (mnoenje skalarom) ili
drugom matricom (matricno mnoenje).
Skalarno mnoenje je vrlo jednostavno i predstavlja mnoenje svakog elementa matrice datim skalarom! Matricno mnoenje je dosta komplikovanije, ali o
tome malo poslije.

12 30
Primjer. Data je matrica dva prodana proizvoda za dvije sedmice A =
,
8 15
gdje redovi predstavljaju proizvode, a kolone sedmice. Ako svaki proizvod kota
4KM, izracunajte pazar po proizvodima po sedmicama.

12 30
48 120
P = 4A = 4
=
8 15
32 60
Dijeljenje skalarom radi na apsolutno isti nacin (sve dok taj skalar nije nula!)
Primjer. Ako skup cijena iznajmljivanja automobila p = (139 160 205 340 430)
ukljucuje PDV od 17%, a vaa kompanija moe dobiti povrat poreza, dajte vektor
v cijena bez poreza.

1
v=
p = 118, 80 136, 75 175, 21 290, 60 367, 52 .
1, 17
16
2.2.3 Mnoenje matrica

Ako mnoimo jednu matricu s drugom matricom, osnovno pravilo je da mnoimo
elemente du redova prve matrice sa odgovarajucim elementima niz kolonu druge
matrice. Najjednostavniji nacin da se ovo razumije je da prvo pogledamo nekoliko primjera sa vektorima. Vratimo se naem primjeru s pocetka i posmatrajmo
vektore:
4
3
p = (139 160 205 340 430), q =

12
2
1
Dakle kao to smo uradili na pocetku, prvi element redovnog vektora mnoimo
sa prvim elementom kolonskog vektora, te to saberemo sa proizvodom drugog
elementa sa drugim, itd.
139 4 + 160 3 + 205 12 + 340 2 + 430 1 = 4606.
Posmatrajmo sada slucaj kada trebamo izracunati sve cijene po sedmicama, tj.
4 7 2
3 5 5
A=
12 9 5 .
2 1 3
1 1 2
Kako bismo izracunali sve cijene po sedmicama, trebamo naci vektor
4 7 2
3 5 5
t = p A = (139 160 205 340 430)

12 9 5
2 1 3
1 1 2
Rezultat je
t = (4606 4388 3983).

Ako prva matrica pri mnoenju ima vie od jednog reda, onda se postupak ponavlja dok ne iskoristimo sve redove.
Primjer. Pomnoimo matrice

4 7
7 5 2
A=
, B=
8 1
4 8 1
2.2. OPERACIJE NA MATRICAMA

17

7 5 2
AB =
4 8 1

47+74 45+78 42+71
56 76 15
=
=
87+14 85+18 82+11
60 48 17
4 7
8 1

Sad se moete zapitati ta se dogodi kada pokuamo pomnoiti matrice gdje

se broj elemenata du redova prve matrice ne poklapa sa brojem elemenata du
kolona druge matrice. Odgovor je da se tada te matrice ne mogu mnoiti! Dakle,
ako matrica A ima red m n, a druga matrica B ima red r s, mnoenje tih
matrica je moguce ako i samo ako je n = r i tada matrica AB ima red m s.
Opcu m n matricu moemo napisati kao
a11 a12 . . . a1n

a21 a22 . . . a2n
A = ..
..
..
..
.
.
.
.
am1 am2 . . . amn
U ovom optem slucaju kada mnoimo dvije matrice, A reda m n i B reda n r
b11 b12 . . . b1r

a11 a12 . . . a1n
a21 a22 . . . a2n b21 b22 . . . b2r
A B = ..
..
..
..
.. ..
..
..
.
.
.
.
.
.
.
.
bn1 bn2 . . . bnr
am1 am2 . . . amn
c11 c12 . . . c1r

c21 c22 . . . c2r
= ..
.. = C
..
..
.
.
.
.
cm1 cm2 . . . cmr
Ovdje su elementi matrice C dati sa
c11 = a11 b11 + a12 b21 + . . . + a1n bn1

c12 = a11 b12 + a12 b22 + . . . + a1n bn2
.. .. ..
. . .
cmr = am1 b1r + am2 b2r + . . . + amn bnr
Vjezba. Nadite
proizvod matrica
4 2 12
A = 6 0 20 ,
1 8 5
10 0, 5 1 7
3 8 2, 5
B= 6
4
4 2 0
18
Vjezba. Nadite
proizvod matrica
3 1 2
A = 1 0 3 ,
4 0 2
3
0 51 10
7
B = 1 15
10
2
1
10
0
5
Jedinicna matrica
Zadnja matrica iz vjebe AB predstavlja primjer specificne matrice. Matrica sa
jednicama na svojoj principalnoj dijagonali i nulama svugdje drugo se zove jedinicna matrica. Oznacava se sa I. Jedinicna matrica mora uvijek biti kvadratna,
tj. reda n n. Bilo koja matrica reda m n pomnoena sa jedinicnom matricom
reda n n ostaje nepromjenjena, tj.
A I = A.
Isto tako, bilo koja matrica reda m n pomnoena sa jedinicnom matricom reda
m m (s lijeve strane) ostaje nepromjenjena, tj.
I A = A.
Matrica koja na svim elementima ima nulu se zove nula matrica.
2.2.4 Problem dijeljenja

Problemu dijeljenja matrica se pristupa preko derivacije inverzne matrice. Jedna
od motivacija za traenje inverzne matrice je rjeavanje sistema jednacina. Npr.
3x1 + 8x2 + x3 + 2x4
20x1 2x2 + 4x3 + 0.5x4
11x1 + 3x2 + 3x3 5x4
x1 + 12x2 + x3 + 8x4
=
=
=
=
96
69
75
134
Rjeenje gornjeg sistema je

x1 =
3005
7405
35
758
, x2 =
, x3 = , x4 =
,
741
741
19
741
no to za sada nije najvanije. Ove jednacine moemo da predstavimo u matricnoj

formi Ax = b, naime
3 8 1 2
x1
96
20 2 4 0.5 x2 69
Ax =
11 3 3 5 x3 = 75 = b
1 12 1 8
x4
134
2.3. DETERMINANTE
19
Kako rijeiti ovaj sistem jednacina koristeci se gornjim matricnim oblikom? Sjetite se jedinicne matrice - ukoliko bismo na neki nacin mogli pomnoiti obje strane
jednacine odgovarajucom matricom B tako da sa lijeve strane jednakosti dobijemo
BA = I, tada bi na desnoj strani jednakosti dobili rjeenje sistema jednacina Bb!
No nalaenje te matrice B nije trivijalna stvar. Inverzna matrica je pojam koji
nam je neophodan kako bismo rjeili gornji problem.
Kako bismo pronali inverznu matricu, moramo posmatrati slijedece koncepte
u matricnoj teoriji:
Determinate;
Minori;
Kofaktori;
Adjungirana matrica.
2.3 Determinante
Svakoj kvadratnoj matrici A moemo pripisati jedinstven broj koji se naziva determinanta matrice det A.
Determinanta (kvadratne) matrice 1 1 je sam jedini element matrice!
Determinanta (kvadratne) matrice 22 je broj koji dobijemo kada pomnoimo
elemente na suprotnim cokovima matrice i oduzmemo proizvode, tj.

a11 a12

a21 a22 = a11 a22 a12 a21 .
Primjer. Naci determinantu matrice

Sarusovo pravilo

5 7

4 9
5 7
4 9

= 5 9 7 4 = 45 28 = 17.

Sarusovo pravilo je jednostavan nacin za izracunati determinantu treceg reda.

a11 a12 a13 a11 a12

a21 a22 a23 a21 a22 = a11 a22 a33 + a12 a23 a31 + a13 a21 a32

a31 a32 a33 a31 a32
a31 a22 a13 a32 a23 a11 a33 a21 a12
20
Primjer. Izracunati determinantu pomocu Sarusovog pravila:

1 2 3 1 2

4 5 6 4 5 = 1 5 10 + 2 6 7 + 3 4 8

7 8 10 7 8
3 5 7 1 6 8 2 4 10 = 3.
Definicija 2.3.1 (Minor). Minor Mij elementa aij matrice A je subdeterminanta

koja se dobije iz det A brisanjem i-te vrste i j-te kolone.
Primjer.

1 2 3
1 2
A = 0 1 4 , M23 =
2 0
2 0 3

0 1
= 2

M13 =
2 0

= 4,

Definicija 2.3.2 (Kofaktor). Kofaktor ili algebarski komplement Aij elementa aij
matrice A
Aij := (1)i+j Mij
Primjer.
A23 = (1)2+3 M23 = 4, A13 = (1)1+3 M23 = 2
Teorema 2.3.3 (Laplaceov teorem). Laplaceov teorem nam daje nacin racunanja
determinante proizvoljne kvadratne matrice, po formuli
det A =
n
X
j=1
aij Aij =
n
X
aij Aij
i=1
Ocito imamo dva nacina za racun, no oba daju isti rezultat. Prvo se zove razvoj
po i-toj vrsti, a drugo razvoj po j-toj koloni. Drukcije receno, imamo:
det A = a11 A11 + a12 A12 + . . . + a1n A1n = a11 A11 + a21 A21 + . . . + an1 An1
Primjedba 2.3.4. Laplaceov razvoj je najbolje raditi po onom redu (ili koloni) u
kojoj ima najvie nula!
Moguce je, ne mijenjajuci vrijednost determinante postici da u nekom redu
(koloni) imamo to veci broj nula. To se postie koritenjem osobina determinanti,
no o tomu malo poslije.
2.3. DETERMINANTE
21
Determinanta matrice treceg reda

Za opcu matricu treceg reda, determinanta se moe, na primjer, izracunati po formuli:

a11 a12 a13

a21 a22 a23 =

a31 a32 a33

a22 a23
a21 a23
a21 a22
a12

a11
a31 a33 + a13 a31 a32
a32 a33
a11 a22 a33 a11 a23 a32 a12 a21 a33 + a12 a23 a31 + a13 a21 a32 a11 a22 a31 .
Primjedba 2.3.5. Iako smo determinantu matrice 3 3 nali posmatrajuci du

prvog reda, mogli smo to uraditi du bilo kojeg drugog reda ili kolone.
No u tom slucaju treba obratiti panju!
Primjer. Naci determinantu matrice
4 6 1
2 5 2 .
9 0 4

4 6 1

2 5 2 = a31 A31 + a32 A32 + a33 A33

9 0 4

4 6
4 1
6 1

0
= 9
2 2 +4 2 5
5 2
= 9 (6 2 1 5) + 4 (4 5 6 2) = 9 7 + 4 8 = 95.
Prije nego sto predemo

na osobine determinanti, treba nam jedan koncept u
matricama koji do sada nismo koristili, a to je pojam transponovane matrice.

Definicija 2.3.6. Neka je data proizvoljna pravougaona matrica A reda m n.
Njena transponovana matrica AT je matrica reda n m koja se dobie iz matrice A
obrtanjem pojmova redova i kolona, tj. ako je A = (aij ), i = 1, . . . m, j = 1, . . . n,
AT = (aji ), j = 1, . . . , n, i = 1, . . . , m.
Primjer.
10
6
10 0, 5 1 7
0,
5
3
3 8 2, 5 AT =
A= 6
1
8
4
4 2 0
7 2, 5
3
4
2
0
22
2.3.1 Osobine determinanti

P1 det AT = det A
Primjer.
A=
2 0
3 1
P2 Zamjenom dva reda (ili dviju kolona) unutar determinante mijenja se znak
determinante, no ne i numericka vrijednost.
Primjer.

2 1

1 4 .
P3 Determinantu mnoimo nekim brojem tako da joj sve elemente jednog reda
(ili kolone) pomnoimo tim brojem. Drukcije, zajednicki faktor nekog reda
(ili kolone) se moe izvuci ispred determinante.
Primjer.
A=
2 2
3 6
P4 Determinanta je jednaka nuli ako su svi elementi jednog reda (ili kolone)
jednaki nuli.
P5 Determinanta je jednaka nuli ako su elementi jednog reda (ili kolone) proporcionalni odgovarajucim elementima nekog drugog reda (odnosno kolone)
Primjer.

1
0
2
1

2 3 4
1 5 8
= 0.
4 6 8
0 3 4
P6 Vrijednost determinante se nece promijeniti ako elementima jednog reda (ili

kolone) dodamo odgovarajuce elemente nekog drugog reda (kolone) pomnoene jednim istim brojem.
Primjer.

1 2
0

2 1 4

1 0 1
2.4. INVERZNA MATRICA
23
P7 det(A B) = det A det B

Primjer.
A=
P8 det(A1 ) =
1 2
3 4
,B =
0 1
2 3
1
.
det A
Primjer.
A=
1 2
2 6
,A
3 1
1 12
2.4 Inverzna matrica

Definicija 2.4.1. Neka je A kvadratna matrica n n. Ako postoji kvadratna
matrica Xnn takva da je
AX = XA = I,
tada se ona naziva inverznom matricom matrice A. Obicno se oznacava sa A1 .
Dakle imamo da je
AA1 = A1 A = I.
2.4.1 Osobine inverznih matrica

1. Nema svaka matrica svoju inverznu matricu. Prije svega, mora biti kvadratna matrica. Ako kvadratna matrica ima inverznu matricu, onda se ona
naziva regularnom, a inace se zove singularnom.
2. Ako postoji A1 , onda je i A inverzna matrica matrice A1 , tj.
(A1 )1 = A.
3. Ako inverzna matrica postoji, ona je jedinstvena.
4. (AB)1 = B 1 A1 . (Dokaz.)
5. (AT )1 = (A1 )T (Primjer.)
Dokaz Neka su matrice A, B, A B i B A inverzibilne.
(A B) (A B)1 = I A1 A B (A B)1 = A1
I B (A B)1 = A1 B 1 B (A B)1 = B 1 A1
I (A B)1 = B 1 A1 .
24
Uslovi za postojanje inverzne matrice
Inverznu matricu A1 moemo samo pronaci za kvadratnu matricu A.

U nekim slucajevima matrica A1 nece postojati!
Ako matrica ima inverznu matricu, ona se naziva regularnom. Inace naziva
se singularnom.
Matrica A je inverzibilna ako i samo ako postoji matrica A1 za koju vrijedi
AA1 = I.
Nula matrica nije inverzibilna.
Linearna zavisnost dva ili vie redova (ili kolona) unutar matrice takoder
onemogucava inverziju.
Teorema 2.4.2. Matrica A je singularna ako i samo ako je det A = 0, tj. Matrica
A je regularna ako i samo ako det A 6= 0.
Dokaz det A det(A1 ) = det(A A1 ) = det I = 1. Odavdje slijedi da je
det A 6= 0!
Dakle, kriterij regularnosti matrice A je da imamo det A 6= 0.
Kofaktorska matrica
Definicija 2.4.3. Kofaktorska matrica matrice A je matrica koja sadri kofaktore
elemenata matrice A na odgovarajucim mjestima
A11 A12 . . . A1n

A21 A22 . . . A2n
cof(A) = ..
..
..
.. .
.
.
.
.
An1 An2 . . . Ann
Adjungirana matrica
Definicija 2.4.4. Adjungirana matrica matrice A je matrica definisana sa adj(A) =
(cof(A))T , tj.
A11 A21 . . . An1

A12 A22 . . . An2
adj(A) = ..
.. .
..
..
.
.
.
.
A1n A2n . . . Ann
2.4. INVERZNA MATRICA
25
Izracunavanje inverzne matrice

Teorema 2.4.5. Neka je kvadratna matrica A regularna. Tada postoji njena
inverzna matrica A1 i imamo da je
1
adj(A).
det A

1 3
Primjer. Naci inverznu matricu matrice A =
.
2 4
det A = 10 6= 0, stoga postoji inverzna matrica! Nadimo
sada sve minore:
A1 =
M11 = 4, M12 = 2, M21 = 3, M22 = 1.

Stoga su kofaktorska matrica i adjungirana matrica:

4 2
4 3
cof (A) =
, adj(A) =
.
3 1
2 1
Konacno
1
1
=
10
4 3
2 1
2
5
15
3
10
1
10
Algoritam izracunavanja inverzne matrice

1. Izracunati determinantu det A! Ako je det A 6= 0, zakljuciti regularnost
matrice A i nastaviti na korak 2. U protivnom, zakljucujemo da A1 ne
postoji.
2. Izracunajte sve minore matrice A.
3. Izracunajte sve kofaktore matrice A i napiite cof(A).
4. Izracunajte adj(A) = [cof(A)]T .
5. Podijelite adj(A) sa determinantom!!!
6. Dobivena matrica je A1 . PROVJERITE REZULTAT!!
1 2 0
3 .
Primjer. Naci inverznu matricu matrice A = 1 0
2
1 4

0 3
1 3

= 7 6= 0! A1
1. det A = 1
(2)
1 4
2 4
26
2. M11 = 3, M12

1 0
= 2, M13
2 1

= 1

M21 = 8, M22 = 4, M23 = 5,

M31 = 6, M32 = 3, M33 = 2.
3. A11 = 3, A12 = 2, A13 = 1, A21 = 8,

A22 = 4, A23 = 5, A31 = 6, A32 = 3, A33
3
3 2 1
8 4 5 , adj (A) =
2
4. cof (A) =
6 3 2
1
5. A1 =
8
7
4
7
5
7
3
7
1
adj (A) = 72
det(a)
1
7
6
7
3
7
2
7
= 2.
8 6
4 3 .
5 2
6. A A1 = A1 A = I
2.4.2 Primjena u rjeavanju matricnih jednacina

Matricna jednacina je jednacina u kojoj su nepoznate i koeficijenti matrice.
Primjer. A X = B. Tada ovo rjeavamo tako to pomnoimo cijelu jednakost s
lijeve strane sa A1 .
A X = B A1 A X = A1 B I X = A1 B,
dakle X = A1 B.

2 1
1 2
Primjer. A =
,B =
. Rijeiti X A = B.
0 3
0 4
Ako matricnu jednacinu pomnoimo sa A1 sa desne strane, dobijemo X =
B A1 , pod uslovom da postoji. det A = 6 A1 .
adj A =
3 1
0 2
1
2
16
1
2
4
3
1
3
Stoga je nepoznata matrica

X=
1 2
0 4

1
2
16
1
3
1
2
2.5. LINEARNA (NE)ZAVISNOST MATRICA
27
2.5 Linearna (ne)zavisnost matrica

Mi c emo razmatrati samo linearnu (ne)zavisnost kolonskih i redovnih matrica
(vektora).
Za dvije matrice v1 , v2 kaemo da su linearno nezavisne ukoliko
1 v1 + 2 v2 = 0
1 = 2 = 0.
Za porodicu matrica v1 , v2 , . . . , vn kaemo da su linearno nezavisni ukoliko

1 v1 + 2 v2 + . . . + n vn = 0
1 = 2 = . . . = n = 0.
U suprotnom, kaemo da su linearno zavisni. Linearna zavisnost slijedi ako

barem jedan od i 6= 0.
Primjer. Provjerite linearnu (ne)zavisnost vektora v1 , v2 , v3 :
v1 = (1, 2, 0), v2 = (1, 0, 3), v3 = (2, 2, 3)
v1 + v2 + v3 = (, 2, 0) + (, 0, 3) + (2, 2, 3) =
( + + 2, 2 + 2, 3 + 3).
Ovaj zbir je jednak nula matrici ako i samo ako je zadovoljen
+ + 2 = 0
2 + 2 = 0
3 + 3 = 0.
Buduci da je ovo kvadratni sistem, on c e imati netrivijalnih rjeenja ako i samo
ako je determinanta sistem D = 0 (o tomu vie brzo!).

1 1 2

D = 2 0 2 = 0.
0 3 3
Stoga moemo naci , , 6= 0 tako da je v1 + v2 + v3 = 0. Takvi su na

primjer = 1, = 1, = 1.
Vjezba. Provjerite linearnu (ne)zavisnost vektora v1 , v2 , v3 i vektora v1 , v2 , v3 , v4 :
v1 = (0, 0, 1), v2 = (0, 2, 2), v3 = (1, 2, 1), v4 = (4, 2, 3)
28
2.6 Rang matrice

Koncept linearne zavisnosti vektora (tj. matrica) nam omogucava uvodenje
jednog
vanog pojma i osobine matrica, naime rang matrice. Vano je napomenuti da, za
razliku od determinanti, rang matrice A moemo pronaci za bilo koju matricu A,
tj. dimenzija m n.
Definicija 2.6.1. Ako je maksimalni broj linearno nezavisnih redova koji moemo
naci u matrici A jednak broju r, tada taj broj nazivamo rang matrice A i oznacavamo ga sa r(A).
Primjedba 2.6.2. Rang matrice r(A) takoder
u isto vrijeme oznacava maksimalni
broj linearno nezavisnih kolona!
Primjedba 2.6.3. Rang matrice moe biti maksimalno m ili n, tj.
r(A) min(m, n).
Primjedba 2.6.4. Po definiciji, nn regularna matrica ima n linearno nezavisnih
redova (tj. kolona) pa ima rang r(A) = n.
S obzirom na vezu linearne zavisnosti i determinanti, rang matrice moemo
drugacije definisati:
Definicija 2.6.5. Rang matrice r(A) je maksimalni red determinante razlicite od
nule koja se moe formirati od redova i kolona te matrice!
2.6.1 Izracunavanje ranga matrice

Pri odredivanju
ranga matrice koristit c emo tzv. elementarne transformacije ma
trice:
1. zamjena mjesta dva reda ili dvije kolone;
2. mnoenje reda ili kolone nekim brojem razlicitim od nule;
3. elementima jednog reda (kolone) moemo dodati odgovarajuce elemente
drugog reda (kolone).
Primjenom ovih transformacija, dobit c e se matrica koja ima isti rang kao i
pocetna matrica (kaemo A B ako r(A) = r(B)). Ovaj postupak ide na nacin
da svaki naredni red ima jednu nulu vie od prethodnog, to se naziva i postupak
Gaussove eliminacije. Ovaj postupak je slican onome videnom
kod izracunavanja
determinanti (svodenje
kolone ili reda na to vie nula). Rang ove dvije matrice
c e biti isti zato to c e se vrijednost maksimalne determinante moda promjeniti,

no nikada ne moe postati jednaka nuli! Po zavrenoj Gaussovoj eliminaciji, rang
je u stvari broj redova (tj. kolona) koji imaju barem jedan element razlicit od nule!
2.6. RANG MATRICE
29
Primjer.
1 2 3 4
2 1 0 1
3 1 2 3
5 0 2 4
Oduzevi 2 prvi red od drugog reda, 3 prvi red od treceg reda i 5 prvi red od
c etvrtog reda, dobivamo

1 2
3 4
1 2
3
0 3 6 9 0 1
2

A
0 7 7 15 0 7 7
0 10 13 24
0 10 13
4
3
15
24
Dodavi 7x drugi red trecem redu i 10x drugi red c etvrtom redu, dobivamo
1 2 3 4
0 1 2 3
A
0 0 7 6
0 0 7 6
Konacno, oduzimanjem treceg reda od c etvrtog reda, dobivamo
1 2 3 4
0 1 2 3
A
0 0 7 6
0 0 0 0
Ova matrica ima rang 3, jer se iz nje moe napraviti 3 3 determinanta razlicita
od nule, tj.

1 2 3

0 1 2 = 7,

0 0 7
a ne i 4 4 determinanta razlicita od nule, pa je rang pocetne matrice 3!
Primjer. Naci rang matrice
2
4 1 3
1 2 1 0
A=
0
0 2 2
3
6 2 5
30
Koristeci se Gaussovom eliminacijom, kao i prije, dobijemo
1 2 1 0
1 2 1
2 4 1 3 II2I,IV 3I 0 0 3
0 0 2 2
0 0 2
3 6 2 5
0 0 5
1
0
0
0

2 1 0
1 1 2 0
0 1 1 0 1 0 1
0 0 0 0 0 0 0
0 0 0
0 0 0 0
0
3
2
5
Buduci da je broj redova sa elementima razlicitim od nule 2, stog je i r(A)
Poglavlje 3
Sistemi linearnih algebarskih
jednacina
Jednostavnih sistema linearnih algebarskih jednacina se prisjecamo jo iz osnovne
kole :
Primjer. Neka je dat sistem od dvije jednacine sa dvije nepoznate:
xy = 0
2x + y = 3
Saberemo li ove dvije jednacine, dobijemo
3x = 3 x = 1.
Stoga, na osnovu prve jednacine, dobijamo 1 y = 0 y = 1. Stoga je rjeenje
ovog sistema uredeni
par (1, 1).
Primjer. Posmatrajmo sistem sa tri jednacine i tri nepoznate
xy+z = 1
2x + y z = 2
x + 2y z = 1
Iz prve jednacine imamo da je x = 1 + y z. Ubacimo li ovo u drugu i trecu
jednacinu, dobijamo
2 + 2y 2z + y z = 2
1 + y z + 2y z = 1
31
32
POGLAVLJE 3. SISTEMI LINEARNIH ALGEBARSKIH JEDNACINA
odnosno
3y 3z = 0
3y 2z = 0
Iz prve jednacine imamo da je y = z. Ubacimo li ovo u zadnju jednakost, imamo
3z 2z = 0 z = 0 y = 0 x = 1.
Tako imamo da je rjeenje ovog sistema uredena
trojka (1, 0, 0).
U oba gornja primjera, rjeenje je uredena

dvojka i trojka respektivno i jedins
tveno je.
Sada elimo da stvari posmatramo uopteno, tj. da imamo prozvoljan broj
jednacina i nepoznatih Promatramo stoga sistem linearnih algebarskih jednacina
oblika:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.
am1 x1 + am2 x2 + . . . + amn xn = bm
(3.1)
Ovo je sistem od m jednacina sa n nepoznatih x1 , x2 , . . . , xn . Posebni slucaj je

kada imamo m = n i tada se sistem naziva kvadratni.
Definicija 3.0.6. Pod rjeenjem sistema LAJ (3.6) podrazumjevamo odredenu
n
torku brojeva (1 , 2, . . . , n ) sa osobinom da sistem (3.6) bude zadovoljen ako
x1 zamjenimo sa 1 , x2 sa 2 , itd.
Definicija 3.0.7. Ukoliko postoji barem jedno rjeenje sistema (3.6), za sistem
(3.6) kaemo da je saglasan.
Kao to smo vec vidjeli, sistem (3.6) moemo prikazati u matricnom obliku
Ax = b,
(3.2)
gdje je A matrica koeficijenata aij , x vektor nepoznatih a b vektor slobodnih c lanova. Najvanija stvar koja nas u ovom momentu interesuje je da li i kad moemo
za sistem (3.6) reci da je saglasan, a da ga eksplicitno ne rijeimo? Odgovor na to
pitanje daje nam
Teorema 3.0.8 (Kronecker-Capellijev stav). Sistem linearnih algebarskih jednac ina (3.6) je saglasan ako i samo ako je r(A) = r(Ap ), gdje je Ap = (A | b),
dakle matrica A proirena (kolonski) matricom b.
Ukoliko je dakle r(A) 6= r(Ap ), sistem (3.6) je nesaglasan, tj. nema rjeenja.
3.1. SAGLASNI SISTEMI
33
3.1 Saglasni sistemi

Pretpostavimo da je sistem saglasan, tj. r(A) = r(Ap ) = r, dakle da je sistem
saglasan. Za sada tokode
pretpostavimo da je m n. Postavlja se drugo pitanje:
koliko rjeenja ima sistem i kako se ta rjeenja pronalaze? Posmatrat c emo dva
slucaja, naime:
1. r=n
2. r<n.
3.1.1 Slucaj r = n
Posmatrat c emo prvo slucaj kada je rang r jednak broju promjenljivih n.

a11 a12 . . . a1n b1

0 a22 . . . a2n b2
a11 a12 . . . a1n b1
..
.. ..
a21 a22 . . . a2n b2 ..
.
.
. .

Ap = ..

.. .. 0
..
0 . . . ann bn
.
. .
.

0 ... 0 0
0
am1 am2 . . . amn bm
.. ..
..
..
.
.
.
.
U posljednjoj matrici imamo m n redova koji se sastoje samo od nula. Sistem

(3.6) sada prelazi u sistem:
a11 x1 + a12 x2 + . . . + a1n xn = b1
a22 x2 + . . . + a2n xn = b2
..
..
.
.
ann xn = bn
(3.3)
Sistem (3.3) je kvadratni sistem. Odavdje vidimo da se nepoznanica xn moe

izracunati iz posljednje jednacine sistema (3.3). Zatim tu vrijednost uvrstimo u
predzadnju jednacinu i nademo
xn1 , . . ., nepoznatu x2 iz druge, a x1 iz prve
jednacine.
Kaemo da sistem rjeavamo unatrag i vidimo da sistem ima jedinstveno rjeenje (x1 , x2 , . . . , xn ) ako je r = n. Ova metoda rjeavanja sistema (3.6) se naziva
Gaussovom metodom.
Primjer.
(a) Ispitati saglasnost sistema;

x1 + 2x2 x3
2x1 x2 + 2x3
3x1 2x2 x3
3x1 + x2 + x3
=
=
=
=
2
3
4
5
34
(b) Ako je sistem saglasan, rijeiti Gaussovom metodom.

Kako bi sistem bio saglasan, potrebno je da rang matrice A bude jednak rangu
proirene matrice.

1 2 1 2
1 2 1 2
2 1 2 3 0 5 4 1

Ap =
3 2 1 4 0 8 2 2

3 1
1 5
0 5 4 1

1 2
1 2
1 2 1 2
0 40 32 8 0 40 32 8

0 40 10 10 0 0 22 2

0 0
0 0
0 0
0 0
Buduci da je ocito rang matrice A jednak rangu proirene matrice, tj. 3, sistem je
saglasan i ekvivalentan sistemu
x1 + 2x2 x3 = 2
5x2 4x3 = 1
22x3 = 2.
Iz zadnje jednacine imam da je x3 =
1
.
11
Iz druge jednacine onda imamo
4
15
3
= 1 5x2 =
x2 = .
11
11
11
Konacno, iz prve jednacine slijedi
5x2
6
1
17
= 2 x1 = .
11 11
11

17 3 1
Stoga imamo jedinstveno rjeenje, tj.
, ,
.
11 11 11
x1 +
3.1.2 Matricni metod rjeavanja

U slucaju da je r = n, sistem (3.3) se moe napisati u matricnom obliku A x = b ,
gdje su
a11 a12 . . . a1n

b1
0 a . . . a
b
22
2n
A = ..
,
b
=
..
..
..
.
.
.
.
0
0 . . . ann
bn
Po pretpostavci, rang matrice A je onda r(A ) = n i sigurno imamo da je det A 6=

0, tj. A je regularna matrica. Iz ovoga vidimo da se u slucaju regularnosti matrice
koeficijenata sistema, rjeavanje svodi na rjeavanje matricne jednacine.
3.1. SAGLASNI SISTEMI
35
Teorema 3.1.1. Kvadratni sistem linearnih algebarskih jednacina ima jedinstveno rjeenje ako je matrica A koeficijenata sistema regularna, tj. det A 6= 0.
Dokaz Posmatrajmo matricni oblik sistema, dakle Ax = b. Kako je A kvadratna i regularna matrica, to znaci da postoji jedinstvena inverzna matrica A1 .
Pomnoimo gornju jednacinu s lijeve strane sa A1 .
(A1 ) Ax = b
(A1 A)x = A1 b
x = A1 b
Dakle, x je jedinstveno rjeenje.
Primjer. Rijeiti sistem algebarskih jednacina matricnom metodom:
xy = 0
2x + y = 3

1 1 0
1 1 0
Ap =
2 1 3
0 3 3

1 1
Sistem je saglasan. Matrica A je matrica
, a njena inverzna matrica je
0 3

1 1/3
A1 =
. Dobivamo
0 1/3
x=
1 1/3
0 1/3

0
1
=
.
3
1
3.1.3 Slucaj r < n

U slucaju kada imamo situaciju da je rang manji od broja nepoznatih, imamo vie
redova sa svim nulama u matrici ekvivalentnoj matrici Ap , tj.
Ap
a11 a12
0 a22
..
..
.
.
0
0
0
0
..
..
.
.
. . . a1r
. . . a2r
..
.
. . . ar r
... 0
..
.
a1 r+1 . . . a1n
a2 r+1 . . . a2n
..
..
.
.
ar r+1 . . . ar n
..
.
..
.
b1
b2
..
.

br
0
..
.
36
Ovdje ima m r redova sa nulama. Sistem (3.6) postaje

a11 x1 + a12 x2 + . . . + a1r xr + a1 r+1 xr+1 + . . . + a1n xn = b1
a22 x2 + . . . + a2r xr + a2 r+1 xr+1 + . . . + a2n xn = b2
..
..
.
.
ar r xr + ar r+1 xr+1 + . . . + ar n xn = br
(3.4)
Ovaj sistem (3.4) nije kvadratni i imamo s = n r nepoznanica "vika" : xr+1 ,

xr+2 , . . . , xn . Ovih s vika nepoznanica tretiramo tako da im dodijelimo proizvoljnu vrijednost (to moemo uciniti na beskonacno mnogo nacina). Zatim ih
prebacimo s druge strane znaka jednakosti sistema (3.4).
Na taj nacin dobivamo kvadratni sistem od r jednacina sa r nepoznatih i rjeavamo ga na isti nacin koji je opisan ranije (Gaussovom ili matricnom metodom).
Dakle, vidimo da u ovom slucaju sistem (3.4), odnosno sistem (3.6) ima beskonacno mnogo rjeenja.
Primjedba 3.1.2. Zakljucujemo da sistem linearnih algebarskih jednacina, kada
je saglasan, moe imati iskljucivo:
1. jedinstveno rjeenje; ili
2. beskonacno mnogo rjeenja.
Vjezba. Ispitati saglasnost sistema:
x + y z = 2
2x 3y + 2z = 1
3x 2y + z = 1
U slaucaju saglasnosti, rijeiti ga proizvoljnom metodom.
3.1.4 Slucaj m < n

U slucaju kad je m < n, sistem se na isti nacin kao u prethodnoj sekciji treba
napraviti kvadratnim, te onda rijeimo proizvoljnom metodom.
Vjezba. Ispitati saglasnost sistema:
x1 + 2x2 x3 = 4
2x1 3x2 + 2x3 = 6
U slaucaju saglasnosti, rijeiti ga proizvoljnom metodom.
3.2. CRAMEROV METOD
37
3.2 Cramerov metod

Cramerov metod je nacin rjeavanja sistema algebarskih jednacina pomocu determinanti. Stoga se samo moe primjeniti na kvadratne sisteme, ili sisteme koji su
svedeni na kvadratne.
Teorema 3.2.1. Neka nam je dat kvadratni sistem linearnih algebarskih jednacina
Ax = b. Ako je det A 6= 0, tada sistem ima jedinstveno rjeenje i vrijedi:
D1
D2
Dn
, x2 =
, . . . , xn =
,
D
D
D
gdje su D = det A, a Dk , k = 1, 2, 3, . . . , n su determinante koje se dobiju iz
det A zamjenom njene k-te kolone vektorom slobodnih c lanova (b1 , b2 , . . . , bn ).
x1 =
Primjer. Rijeiti sistem Cramerovim pravilom:

x1 + 2x2 + x3 = 4
2x1 x2 x3 = 0
x1 + x2 + x3 = 3.
Buduci da lako dobijemo, npr. Sarusovim pravilom, da je
D = 3, D1 = 3, D2 = 3, D3 = 3,
po Cramerovom pravilu imamo jedinstveno rjeenje (1, 1, 1).
Primjedba 3.2.2.
1. Ako je D 6= 0, onda sistem ima jedinstveno rjeenje

x1 =
D1
,
D
x2 =
D2
Dn
, . . . , xn =
,
D
D
2. Ako je D = 0, a barem jedna od determinanti D1 , D2 , . . . , Dn je razlicita

od nule, tada sistem nema rjeenja.
3. Ako je D = D1 = D2 = . . . = Dn , tada je sistem neodreden,
tj. ili
nema rjeenja ili ima beskonacno mnogo rjeenja. Tada se moramo koristiti
nekom drugom metodom.
3.3 Homogeni sistemi

Definicija 3.3.1. Sistem linearnih algebarskih jednacina oblika
a11 x1 + a12 x2 + . . . + a1n xn = 0
a21 x1 + a22 x2 + . . . + a2n xn = 0
..
.
an1 x1 + an2 x2 + . . . + ann xn = 0
(3.5)
38
naziva se homogenim sistemom linearnih algebarskih jednacina.

Ocito je da ovaj sistem ima jedno rjeenje oblika
(x1 , x2 , . . . , xn ) = (0, 0, . . . , 0).
Ovo rjeenje naziva se trivijalno rjeenje. Ocito je da imamo da je D1 = D2 =
. . . = Dn = 0. Ako bi imali i da je det A 6= 0, onda bi po Cramerovom pravilu
imali jedinstveno rjeenje. Koje? Sistem ima samo trivijalno rjeenje ako je dakle
det A 6= 0. Homogeni sistem ima i netrivijalnih rjeenja ako i samo ako je determinanta sistema det A = 0, to direktno slijedi iz Cramerovog pravila (tada c e ih
biti beskonacno mnogo naravno!
Vjezba. Da li sistem:
x+yz = 0
2x 3y + 2z = 0
3x 2y + z = 0
ima drugih rjeenja sem trivijalnog i ako ima, koja?
3.4 Primjena sistema linearnih algebarskih jednac ina u ekonomiji

Analiticki proces opisan u prethodnoj sekciji c e biti primjenjen na neto to zovemo staticka analiza ili analiza ekvilibrijuma. Stoga prvo moramo shvatiti to to
uopce predstavlja ekvilibrijum.
3.4.1 Ekvilibrijum
Kao bilo koji ekonomski termin, ekvilibrijum moemo definisati na vie razlicitih
nacina. Po jednoj definiciji, ekvilibrijum je konstelacija odabranih medusobno
povezanih promjenljivih, podeenih tako u odnosu jedne na drugu da ne postoji

tendencija ka promjeni unutar sistema koji sacinjavaju.
Dakle, esencijalno ekvilibrijum za specificirani model predstavlja situaciju
koju karakterie manjak tendencije ka promjeni. Zbog toga se analiza ekvilibrijuma (odnosno proucavanje kakvo je to stanje ekvilibrijuma) c esto naziva statika.
Cinjenica
da ekvilibrijum nema tendencije ka promjeni bi nekoga naveo na pomisao da ekvilibrijum obavezno predstavlja najpoeljnije i idealno stanje stvari,
zasnovano na ideji da u savrenom stanju nema potrebe niti motivacije za promjenom. Ovakvo razmiljanje je bez osnova. Iako odredeni
ekvilibrijum moe

3.4. PRIMJENA SISTEMA LINEARNIH ALGEBARSKIH JEDNACINA
U EKONOMIJI39
predstavljati poeljno stanje (kao to je stanje maksimalne dobiti u okviru neke
kompanije), neki drugi ekvilibrijum je neto to je negativno i to treba izbjeci
kao to je recimo permanentno visoka stopa nezaposlenosti u Bosni i Hercegovini!
3.4.2 Linearni model parcijalnog trinog ekvilibrijuma

U staticnom ekvilibrijum modelu, standardni problem je pronalaenje skupa vrijednosti endrogenih promjenljivih koji bi zadovoljavao uslov ekvilibrijuma naeg
modela. Ovo c emo ilustrovati na parcijalnom ekvilibrijum trinom modelu, tj.
modelu odredivanje
cijene na izolovanom tritu.
Konstrukcija modela
Kako c emo posmatrati samo jednu vrstu robe, dovoljno je da imamo samo tri
promjenljive, naime:
cijenu robe P ;
kolicina potranje, tj. prodane robe Qd
kolicina ponude Qs .
Sada moramo postaviti na uslov ekvilibrijuma : standardna pretpostavka je da se
ekvilibrijum na tritu uspostavlja ako i samo ako nema vika potranje, tj.
Qd Qs = 0
Qd = Qs .
No ovo odmah postavlja pitanje kako odredujemo

samo Qd i Qs ?. Za Qd pretpos
tavljamo da je linearna opadajuca funkcija cijene P (tj. to je veca cijena, to je
manja potranja). Za Qs pretpostavljamo da je linearna rastuca funkcija cijene P
(tj. to je veca cijena, to je veca ponuda).
Takoder
pretpostavljamo da nema ponude ukoliko cijena ne dosegne odredeni
minimalni nivo. Sve u svemu, model c e sadrati jedan uslov ekvilibrijuma plus
dva uslova ponaanja koji upravljaju potranjom i ponudom respektivno.
Matematicki model
Prevedeno u matematicki jezik, model izgleda ovako
Qd = Qs
Qd = a bP (a, b > 0)
Qs = c + dP (c, d > 0).
(3.6)
40
6
y = - 3x + 6
y = 5x - 3
(P*, Q*)
2
0.5
1.0
1.5
2.0
-2
Slika 3.1: Funkcije ponude i potranje za konkretne a = 6, b = 3, c = 3, d = 5

Naa 4 parametra a, b, c, d su pozitivni. Vec primjetimo da funkcija potranje
ima negativan nagib b < 0, dok funkcija ponude ima pozitivan nagib d > 0.
Medutim,
vertikalni presjek funkcije ponude je negativan. Zato? Sada, iz naeg
sistema (3.6), lako rjeavanjem vidimo da je

P =
a+c
b+d
(jer je b + d > 0.
Primjetite da sada ovu cijenu ekvilibrijuma oznacavamo sa P i da je vrijednost pozitivna, kako cijena i treba biti. Sada trebamo izracunati vrijednost ekvilibrijuma
Q = Qd = Qs
a+c
ad bc
Q = a bP = a b
=
.
b+d
b+d
Buduci da je brojilac pozitivan i imenilac mora biti pozitivan. Stoga vidimo da
imamo jo jedan uslov kako bi na model bio smislen, odnosno ad > bc.
Vrlo je vec dobro znano da se P i Q trnog modela mogu odrediti graficki kao
presjek krivih potranje i ponude. Dakle trini ekvilibrijum se ostvaruje u

a + c ad bc
(P , Q) =
,
b+d b+d
to je rjeenje sistema (3.6) i ocito, ekvilibrijum je jedinstven, kao to bismo i
ocekivali.
3.4.3 Opci model trine ravnotee

Maloprije smo se bavili izolovanim tritem, gdje su Qd i Qs nekog proizvoda
funkcije cijene samo og proizvoda. U stvarnom svijetu medutim,
nijedan proizvod
se ne ponaa na takav hermeticki nacin. Realisticniji opis funkcije potranje nekog

U EKONOMIJI41
proizvoda bi trebao uzeti u obzir i cijene povezan proizvoda. Sada pretpostavimo
da imamo n razlicitih roba. Dakle promjenljive su
Qd1 , Qd2 , . . . , Qdn
Qs1 , Qs2 , . . . , Qsn
Uslovi ekvilibrijuma su
Qd1 = Qs1 , Qd2 = Qs2 , . . .
Na primjer, model s dvije robe:
Qd1
Qd1
Qs1
Qd2
Qd2
Qs1
=
=
=
=
=
=
Qs1
a1 + b1 P1 + c1 P2
a2 + b2 P1 + c2 P2
Qs2
1 + 1 P1 + 1 P2
2 + 2 P1 + 2 P2
O predznacima koeficijenata necemo diskutovati! Sistem se svede na

(b1 b2 )P1 + (c1 c2 )P2 = a2 a1
(1 2 )P1 + (1 2 )P2 = 2 1
Koristimo na primjer Cramerov metod, te izracunamo D, D1 , D2 . Kako znamo da
je tacka ravnotee jedinstvena, slijedi da sistem mora imati jedinstveno rjeenje,
tj. D 6= 0, odnosno
(b1 b2 )(1 2 ) 6= (c1 c2 )(1 2 ).
(a2 a1 )(1 2 ) (c1 c2 )(2 1 )

(b1 b2 )(1 2 ) (c1 c2 )(1 2 )
(b1 b2 )(2 1 ) (a2 a1 )(1 2 )
P2 =
(b1 b2 )(1 2 ) (c1 c2 )(1 2 )
P1 =
Treba voditi racuna o tome da treba biti P1 > 0, P2 > 0, Q1 > 0, Q2 > 0 i o vezi
koeficijenata koji se pri tome dobiju!
Primjer.
Qd1
Qs1
Qd2
Qs2
Rjeenje je P1 =
26
, P2
7
46
.
7
=
=
=
=
10 2P1 + P2
2 + 3P1
15 + P1 P2
1 + 2P2
42
3.4.4 Model nacionalnog dohotka

Iako je diskusija o ekvilibrijumu bila do sada ogranicena na trine modele, naravno da ekvilibrijum ima primjene i u drugim oblastima ekonomije. Kao jednostavan primjer, moemo promatrati Keynesov model nacionalnog dohotka:
Y = C + I0 + G 0
C = a + bY (a > 0, 0 < b < 1).
Ovdje Y i C predstavljaju endrogene promjenljive nacionalnog dohotka i potronje respektivno, dok I0 i G0 predstavljaju investiciju i potrnju vlade. Takoder
su
nam unaprijed poznater velicine a i b. a predstavlja autonomnu potronju, dok je
b granicna sklonost potronji.
Prva jednacina je uslov ekvilibrijuma (nacionalni dohodak je jednak nacionalnoj potronji). Druga jednacina je jednacina ponaanja. Cramerovo pravilo nas
odmah dovodi do rjeenja
Y =
I0 + G 0 + a
,
1b
C =
a + b(I0 + G0 )
.
1b
3.4.5 Input-output analiza

U svojoj statickoj verziji, input-output analiza Prof. Leontiefa se bavi slijedecim
pitanjem:
Koji nivo outputa bi svaka od n razlicitih industrija trebala proizvoditi, tako
da bi to bilo dovoljno da se zadovolji ukupna potranja za tim proizvodom?
Racionalitet input-output analize je ocit. Output mnogih industrija (kao to je
na primjer c elik) je input mnogih drugih industrija, ili c ak same pocetne industrije! Stoga bi korektan nivo proizvodnje c elika zavisio od input potreba svih
industrija gdje se c elik koristi, a s druge strane outputi raznih drugih industrija
c e se koristiti kao inputi u industriji c elika i konzekventno c e korektni nivoi
outputa drugih proizvoda zavisiti barem djelimicno od potreba industrije c elika.
Ocito je stoga da je input-output analiza od velikog znacaja prilikom planiranja
proizvodnje, kao na primjer prilikom planiranja ekonomskog razvoja neke zemlje
ili programa narodne odbrane. Stoga c emo sada u input-output analizi posmatrati
n-sektora industrije, I = 1, 2, 3, . . . , n.
Sa Qi oznacavamo ukupnu kolicinu outputa i-tog sektora (i I).
Sa Qij oznacavamo kolicinu outputa iz i-tog sektora neophodnog za proces
proizvodnje u j-tom sektoru (i, j I).
qi je finalna potranja outputa i-tog sektora.
Pretpostavka. Qi treba potroiti ili na medusektorsku
potranju Qij ili na fi
nalnu potranju qi .

U EKONOMIJI43
Qi
Q1
Q2
..
.
Q11
Q21
Q12
Q22
Qij
Q13
Q23
..
.
...
...
Q1n
Q2n
qi
q1
q2
..
.
Qn
Qn1
Qn2
Qn3
. . . Qnn
qn
Tablica 3.1: Input-output tabela

Uslov ekvilibrijuma
Pretpostavit c emo da je potronja jednaka potranji, dakle
Q1 = Q11 + Q12 + . . . + Q1n + q1
Q2 = Q21 + Q22 + . . . + Q2n + q2
...
Qn = Qn1 + Qn2 + . . . + Qnn + qn
(3.7)
Ovaj sistem (3.7) sada moemo napisati obliku koji nazivamo input-output tabela:
Sistem (3.7) je sistem jednacina ekvilibrijuma. Sistem (3.7) sadri n jednacina
sa n2 + 2n nepoznatih. U naem razmatranju pretpostavit c emo da se tehnoloki
uvjeti ne mijenjaju.
Ovo znaci da imamo konstantnu kolicinu proizvoda iz i-tog sektora neophodnih za proizvodnju jedne jedinice u j-tom sektoru. Oznacimo tu kolicinu sa aij .
Kako je izracunati? Prosto:
aij =
Qij
Qj
Qij = aij Qj
Pretpostavimo stoga da imamo tehnicke norme:
a11 a12 . . . a1n

a21 a22 . . . a2n
A=
...
an1 an2 . . . ann
Ako ove koeficijente zamijenimo u sistem (3.7), dobijemo

Q1 = a11 Q1 + a12 Q2 + . . . + a1n Qn + q1
Q2 = a21 Q1 + a22 Q2 + . . . + a2n Qn + q2
...
Qn = an1 Q1 + an2 Q2 + . . . + ann Qn + qn
44
Ovaj sistem moemo napisati u matricnoj formi:

Q = AQ + q,
(3.8)
gdje su
Q=
Q1
Q2
..
.
Qn
q=
q1
q2
..
.
qn
Prilikom planiranja proizvodnje, gdje c emo se sluiti ovim modelom, moguce su

slijedece situacije:
1. Poznat nam je vektor outputa svih sektora Q (novi plan proizvodnje).
2. Poznat nam je vektor finalne potranje q.
3. Za neke sektore ekonomije poznata nam je kolicina njihovih outputa, a za
preostale njihova finalna potranja.
Slucaj 1.
Pretpostavimo da nam je poznat vektor Q - trebamo stoga odrediti q i Qij (medu
sektorska potronja). Iskoristimo matricnu jednacinu (3.8) :
Q = AQ + q q = Q AQ q = (I A)Q
Matricu T = (IA) nazivamo matricom tehnologije. Stoga nova matrica ukupnih
outputa je
q = T Q
Novu medusektorsku
potronju racunamo pomocu ranije formule Qij = aij Qj ,
zbog pretpostavke da se tehnoloki uvjeti ne mijenjaju.

Primjer. Pretpostavimo da je ekonomija jedne zemlje podijeljena na 3 sektora i
da I-O tablica izgleda:
Qi
300
400
500
Qij
30 40 100
60 120 100
60 160 150
qi
130
120
130
Sastaviti novu I-O tablicu koja odgovara novom planu proizvodnje:

Q1 = 360, Q2 = 480, Q3 = 600,

U EKONOMIJI45
ako je poznato da se tehnoloki uvjeti nisu promjenili.
Prvo izracunamo matricu A, tj.
0.1 0.1 0.2

A = 0.2 0.3 0.2
0.2 0.4 0.3
Izracunamo matricu tehnologije
0.9 0.1 0.2

T = I A = 0.2 0.7 0.2
0.2 0.4 0.7
Izracunamo q = T (360, 480, 600) = (156, 144, 156). Upiimo ovo u novu IO
tabelu:
Qi
360
480
600
Qij
qi
156
144
156
Ostalo je samo jo da izracunamo medusektorsku

proizvodnju, to racunamo iz
matrice A i formule Qij = aij Qj .

Qi
360
480
600
Qij
36 48 120
72 144 120
72 192 180
qi
156
144
156
Slucaj 2.
Sada nam je poznata q, a trebamo odrediti Q i medusektorsku
potranju Qij .
\ T 1 (s lijeva)
q=T Q
T 1 q = T 1 T Q
Q = T 1 q
Medusektorsku
proizvodnju racunamo kao i prije.
Primjer. Zadana je I-O tablica dvosektorske ekonomije

Qi
Qij
600
1200
1200
1200
qi
600
1200
46
Najprije popuniti tablicu, a zatim odrediti novu I-O tablicu ako se finalna potranja prvog sektora poveca za 10%, a drugog smanji za 10%. IO tabela je
Qi
2400
3600
Qij
600
1200
1200
1200
qi
600
1200
Novi vektor finalne potranje je stoga q = (660, 1080). Izracunamo metricu A, tj.
1 1
3

31
4
3
4
A=
T =
1
1
12 23
2
3
Inverzna matrica matrice tehnologije je

2 1
1
T =
9
3
2
Pomnoimo ovu matricu sa novim vektorom finalne potranje kako bismo dobili
novi vektor ukupne proizvodnje Q = (2400, 3420). Popunimo novu IO tablicu
Qi
2400
3420
Qij
qi
660
1080
Qi
2400
3420
Qij
600 1140
1200 1140
qi
660
1080
Slucaj 3.
U ovom slucaju su nam poznati neki podaci jedne skupine i drugi podaci druge
skupine. U ovom, trecem slucaju, nema kratica, vec moramo istinski rijeiti sistem
jednacina.
Primjer. Pretpostavimo da je ekonomija neke zemlje podijeljena na 3 sektora.
I-O tablica izgleda
Qi
300
400
500
Qij
30 40 100
60 120 100
60 160 150
qi
130
120
130
Sastaviti novu I-O tablicu ako se pretpostavlja da c e ukupna proizvodnja biti Q1 =

330, q2 = 132, q3 = 143. Tehnoloki uvjeti se nece promijeniti.
Opet, kao i prije, prvo izracunamo matricu A:
0.1 0.1 0.2

0.9 0.1 0.2
A = 0.2 0.3 0.2 T = 0.2 0.7 0.2
0.2 0.4 0.3
0.2 0.4 0.7

U EKONOMIJI47
Vratimo se jednacini (3.8), tj. jednacini q = T Q, odnosno
q1
0.9 0.1 0.2
330
132 = 0.2 0.7 0.2 Q2
143
0.2 0.4 0.7
Q3
q1
297 0, 1Q2 0, 2Q3
132 = 66 + 0, 7Q2 0, 2Q3
143
66 0, 4Q2 + 0, 7Q3
Tako dobijamo sistem od 3 jednacine sa 3 nepoznate:
q1 + 0, 1Q2 + 0, 2Q3 = 297

0, 7Q2 0, 2Q3 = 198
0, 4Q2 + 0, 7Q3 = 209
ili vjerovatno jednaostavnije
10q1 + Q2 + 2Q3 = 2970
7Q2 2Q3 = 1980
4Q2 + 7Q3 = 2090
Iz zadnje dvije jednacine dobijemo Q2 = 440, Q3 = 550. Stoga, iz prve jednacine
dobijamo q1 = 143. Stoga je nova IO-tabela:
Qi
330
440
550
Qi
330
440
550
Qij
qi
143
132
143
Qij
33 44 110
66 132 110
66 176 165
qi
143
132
143
48
Poglavlje 4
Realne funkcije
Realna funkcija predstavlja osnovni pojam u matematickoj analizi i centralni objekat svih njenih razmatranja.
Definicija 4.0.1. Neka je dat skup D R. Ako je svakom x D po nekom
zakonu (pravilu) pridruen jedan i samo jedan y R, tada kaemo da je na skupu
D definirana realna funkcija f realne promjenljive x . Pravilo po kojem se vri
pridruivanje oznacavamo sa f , odnosno
y = f (x),
x D.
Ovdje je x argument ili nezavisno promjenljiva, a skup D (cesto se i Df )

je definiciono podrucje ili domen funkcije f . Broj y0 , pridruen vrijednosti x0
argumenta x, zove se vrijednost funkcije u tacki x = x0 i oznacava se f (x0 ). Skup
svih vrijednosti funkcije f oznacava se Rf i zove se kodomen funkcije f .
Ako nije unaprijed dato definiciono podrucje funkcije f , onda se podrazumijeva da je to maksimalan skup za c ije elemente x funkcija f (x) ima smisla.
Definicija 4.0.2. Neka je f R R binarna relacija i neka Df oznacava skup
svih prvih komponenti uredenih
parova (x, y) f .
Ako relacija f zadovoljava uslov da se svaki x Df pojavljuje samo jednom

kao prva komponenta svih uredenih
parova iz f , tj. ako
(x Df ) :
(x, y1 ) f (x, y2 ) f y1 = y2 ,
onda skup f nazivamo realnom funkcijom na skupu Df R.

Funkcija se moe zadati na razne nacine, ali je najzanimljiviji slucaj kad se
funkcija zadaje putem nekog analitickog izraza f (x) kojim se propisuju pravila
pridruivanja elementima skupa Df elemenata kodomena Rf . Funkcija
r
2
3 3x + 2
f (x) =
(4.1)
7x
49
POGLAVLJE 4. REALNE FUNKCIJE
50
je primjer gdje je f (x) eksplicitno dato u funkciji od argumenta x.

Inace, analiticki funkcija moe biti zadana, osim ovog tzv. eksplicitnog nac ina i parametarski. Naime, nekad se promjenljiva x i promjenljiva y mogu zadati
u funkciji nekog realnog parametra t. Neka je
y = (t), t A R,
x = (t) ;
gdje su i realne funkcije definirane na istome podskupu A R.

Relacijom (x, y) = 0, c esto, moe implicitno biti zadata funkcija
y = f (x),
ili funkcija x = g(y). Naprimjer, izrazom 7xy 3 3x2 2 = 0 je takode
zadata i
realna funkcija (4.1).
Cesto
se funkcija zadaje bez ikakve formule. Takav je primjer funkcije E(x)
"cijeli dio broja x" (ili cjelobrojno x). Nije teko uociti da za cijelobrojno x vrijedi
E(2) = 2, E(3, 5) = 3, E( 13) = 3, E( 2 ) = 2, ....

y
3
1
-3
-2
-1
1
-1
-2
y = E(x)
-3
Osim analitickog, zadavanje funkcije f moe biti tabelarno i graficko.

Tabelarno se funkcija zadaje u prilikama kad je moguce vrijednosti nezavisno
promjenljive x i zavisno promjenljive (tj. funkcije) y ispisati u jednoj tabeli, tako
da se moe uociti funkcionalna zavisnost y = y(x).
Prisjetimo se ovdje linearne funkcije y = ax + b. Ona se, uz napomenu da se
radi o linearnoj funkciji, moe tabelarno predstaviti sa samo dva para vrijednosti
(xi , yi ).
x
y
x0
ax0 + b
x1
ax1 + b
4.1. NEKE KLASE REALNIH FUNKCIJA
51
Definicija 4.0.3. Grafik funkcije y = f (x) je skup

Gf = {(x, y) R2 |x Df y = f (x)}.
Svaki podskup u R2 = R R, ne moe biti grafik funkcije. Da bi neki skup
A R2 , bio grafik jedne funkcije, potrebno je i dovoljno, da svaka prava paralelna
sa y- osom, sijece skup A najvie u jednoj tacki.
y
y 2= x
Naime, u definiciji funkcije f iz skupa X u skup Y , zahtjeva se da svakome

x X pridruimo jedan i samo jedan element y Y . Drugim rijecima, svaka
funkcija je po konvenciji jednoznacno preslikavanje, tj.,
f (x1 ) 6= f (x2 ) x1 6= x2 .
(4.2)
U nizu slucajeva moe se odrediti grafik funkcije y = F (x), transformacijom

vec poznatog grafika druge funkcije y = f (x). Neke od jednostavnijih primjera
takvih transformacija dajemo u sljedecoj tabeli.
Funkcija
y = F (x)
y = f (x) +
y = f (x + )
y = f (x)
y = f (x)
y = f (x)
y = f (x)
Transformacija grafika funkcije

y = f (x)
Pomak (shift) du Oy ose za
Pomak du apscisne ose za
udesno ako je < 0 , ulijevo ako je > 0
Simetrija u odnosu na osu ordinata
Simetrija u odnosu na apscisnu osu
Homotetija tacaka f (x)na ordinati
Homotetija tacaka x na apscisi
4.1 Neke klase realnih funkcija

Sve osobine koje posjeduju funkcije mogli bi podijeliti na lokalne i globalne, pa
prema tim svojstvima se i izdvajaju klase realnih funkcija. Preciznije, reci c emo
52
da je neko svojstvo globalno za funkciju f : Df R ako ono vrijedi (po definiciji) na c itavome skupu A Df , nasuprot lokalnog svojstva koje vrijedi ( takode,
po definiciji) samo u okolini tacke skupa A Df .

Za neki skup D kaemo da je simetrican skup, ako vrijedi
xD
x D.
Ocigledno da se ovdje radi o simetriji skupa D u odnosu na tacku 0.

Definicija 4.1.1. Funkcija f : Df R, definirana na simetricnom skupu Df
R, je parna na skupu Df , ako vrijedi
(x Df )f (x) = f (x);
a neparna na Df ako je
(x Df )f (x) = f (x).
y
Gf
Gf
1
f(x0 )
-x0
f(-x0 )
-x0 -1
1 x0
1 x0
-1
f(x0 )
f(-x0 )
-1
Primjer. Polinom parnih stepena

p(x) = a0 + a1 x2 + a2 x4 + + an x2n ,
je primjer parne funkcije koja je definirana na simetricnom skupu Dp = R.
Primjer. f (x) = sin x, koja je definirana na R , primjer je neparne funkcije.
Vecina funkcija nema svojstvo parnosti niti neparnosti. Sa druge strane, lako
se pokazuje da se svaka funkcija f definirana na simetricnom skupu X R, moe
predstaviti u obliku sume
f (x) = h(x) + s(x)
jedne parne i jedne neparne funkcije. To se postie sabiranjem funkcija h i s, koje
su zadate pomocu
h(x) = 12 (f (x) + f (x)), s(x) = 12 (f (x) f (x)),
od kojih je ocigledno prva parna, a druga neparna funkcija.
4.1. NEKE KLASE REALNIH FUNKCIJA
53
Definicija 4.1.2. Funkcija f : Df R je ogranicena sa donje strane na skupu

X Df , ako postoji m R, tako da je za svako x X, f (x) m. Simbolicki
f : X R je ogranicena na Xsa donje strane ako
(m R)(x X)(f (x) m)
Funkcija f : X R je ogranicena sa gornje strane na skupu X Df ako
postoji M R, tako da je za svako x X, f (x) M. Drugim rijecima, funkcija
f : Df R je ogranicena na X sa gornje strane ako
(M R)(x X)(f (x) M).
Definicija 4.1.3. Za funkciju f : Df R, kaemo da je perodicna, ako postoji
broj (perioda) takav da vrijedi
(x Df )(x + Df )(f (x + ) = f (x)).
(4.3)
Klasu tih funkcija (ako je Df = (a, b)) oznacicemo sa P(a,b) . Inace periodicnost
je prisutna i u prirodi u mnogim njenim pojavama; primjeri su: godinja doba,
noc-dan, plima-oseka, mjeseceva svjetlost i sl.
Definicija 4.1.4. Realna funkcija f : D R naziva se:
rastucom na razmaku A D, ako
(x1 , x2 A)(x1 < x2 f (x1 ) f (x2 ));
strogo rastucom na razmaku A, ako
(x1 , x2 A)(x1 < x2 f (x1 ) < f (x2 ));
opadajucom na razmaku A D, ako
(x1 , x2 A)(x1 < x2 f (x1 ) f (x2 ));
strogo opadajucom na razmaku A, ako
(x1 , x2 A)(x1 < x2 f (x1 ) > f (x2 )).
Za svaku od ovih funkcija f reci c emo da je monotona funkcija na razmaku
definiranosti ako je A = Df ; piemo f MA .
Dakako, osobina monotonosti je globalno svojstvo funkcije.
3
Primjer. Funkcija f (x) = x2 nije monotona na D = [1, +1].
Definicija 4.1.5. Realna funkcija f : Df R je ogranicena na skupu A Df ,
ako je {f (x) |x A} ogranicen skup. Drugim rijecima, ako
(M R+ )(x A)(|f (x)| M).
()
Ako je funkcija f ogranicena na skupu A, piemo f BA . Dakle, ogranicenost

funkcije na Df je globalno svojstvo te funkcije.
54
4.2 Osobine funkcija

1. Ako funkcija f : A 7 B ima osobinu da su svi elementi skupa B slike
elemenata skupa A, onda kaemo da funkcija f ima osobinu sirjektivnosti
ili da je preslikavanje "na".
2. Ako funkcija f : A 7 B ima osobinu da razlicitim originalima odgovaraju
razlicite slike, (tj. x 6= y f (x) 6= f (y)), kaemo da funkcija f ima
osobinu injektivnosti, ili da je f preslikavanje jedan-na-jedan.
Definicija 4.2.1. Ako funkcija f : A 7 B jeste i injekcija i sirjekcija, onda
kaemo da je funkcija f bijekcija.
Graf funkcije f odredujemo
tako da
1. Odredimo Df ;
2. Za svako x Df odredimo y = f (x);
3. u koordinatni sistem xOy unesemo sve tacke (x, f (y)).
4.2.1 Elementarne funkcije

Primjer. Linearna funkcija y = kx + l.
Primjer. Kvadratna funkcija y = ax2 + bx + c.
Primjer. Racionalna funkcija y = x1 .
Primjer. Korjenska funkcija y =
x.
Primjer. Eksponencijalna funkcija y = ax
a > 0 i a 6= 1.
Primjer. Logaritamske funkcije y = loga x.

Definiciono podrucje
Primjer. Odrediti definiciono podrucje funkcije
y=
x1
+ log(1 x).
x+1
4.3. PRIMJENA FUNKCIJA U EKONOMIJI
55
Kompozicija funkcija
Neka su date dvije funkcije f : A 7 B i g : B 7 C. Onda funkciju h : A 7 C
definisanu sa
h(x) = g(f (x)) = (g f )(x)
nazivamo kompozicijom funkcija f i g.
Primjer. Neka su date funkcije f : R 7 R, f (x) = 13 (2x 1) i g : R 7 R,

g(x) = 3x + 6. Odrediti g f i f g.
4.2.2 Inverzna funkcija

Neka je data funkcija f : A 7 B koja je bijekcija. Onda postoji njena inverzna
funkcija koja se oznacava sa f 1 i f 1 : B 7 A, za koju vrijedi da
f (f 1(x)) = f 1 (f (x)) = x.
Kako odrediti inverznu funkciju? Kod polinomskih i racionalnih funkcija je to
dosta jednostavno - slika i original samo zamjene mjesta!
Primjer.
f : R 7 R,
f (x) = y = 2x 4.
Primjer. Naci inverzne funkcije:
1. y =
2x1
;
x+2
2. Qd (P ) = a + bP ;
3. y = ax ;
4. y = x2 .
4.3 Primjena funkcija u ekonomiji

Vec smo vidjeli neke primjere funkcija u ekonomiji :
Qd (P ) = a bP,
Qs (P ) = c + dP
Primjer. Odnos cijena i ponude neke robe dat je tabelom: Odrediti i graficki
prikazati funkciju ponude oblika
s(p) = ap2 + bp + c,
(a, b, c R).
56
p
s
1
10
2
8
3
4
Primjer. Zadana je cijena p kao funkcija ponude s. Izraziti ponudu s kao funkciju
cijene p ako je
1 2
p(s) =
s + 2s + 5 + 2
2
s2 + 2s + 5 = 2p 4/ 2 s2 + 2s + 5 = (2p 4)2
s2 + 2s + 1 = (2p 4)2 4 (s + 1)2 = (2p 6)(2p 2)/

p
p
s + 1 = 2(p 3)(p 1) s(p) = 2(p 3)(p 1) 1
pod uslovom da je p 3.
4.3.1 Funkcija trokova

Ekonometrijski model koji se koristi kako bi se analizirali trokovi je model u
kojem glavna promjenljiva predstavlja ukupne trokove, a endrogene promjenljive
predstavljaju faktore koji uticu na njihov nivo.
Kvantitet proizvodnje je najvaniji faktor koji utice na ukupni nivo troka!
Funkcija moe imati razlicite forme, moe npr. biti linearna ili polinomska - ali je
u najvecem broju prakticnih slucajeva polinomska funkcija treceg reda.
Ukupni trokovi se sastoje od dva sastavna dijela, naime
1. fiksni trokovi - koji ne zavise od procesa proizvodnje (amortizacija, plate,
reije, itd.)
2. varijabilni trokovi - zavise o kolicini proizvodnje i mijenjaju se s porastom
ili padom proizvodnje!
Funkciju ukupnih trokova oznacavamo sa T (Q), gdje Q predstavlja potranju, tj.
ponudu.
T (Q) = F T + V T (Q).
Buduci da vidimo da su fiksni trokovi fiksni i ne zavise od proizvodnje, lako se
vidi da je:
Q = 0 V T (0) = 0 T (0) = F T !
Primjer. Posmatrajmo funkciju ukupnih trokova T (Q) = 3 + 5Q.
Ako posmatramo T (0) = 3, lako vidimo da je fiksni troak 3, dok je varijabilni
troak 5Q.
4.3. PRIMJENA FUNKCIJA U EKONOMIJI
57
-4
-2
-1
4.3.2 Prosjecni troak

Prosjecni (ili unitarni) troak treba da predstavlja troak proizvodnje jednog proizvoda i oznacava se sa T (Q). Stoga je ocito da c e prosjecni troak biti ukupni
troak podijeljen sa brojem proizvedenih artikala, tj.
T (Q) =
T (Q)
.
Q
Primjer. Ako je ukupni troak neke proizvodnje 10000KM, a proizvede se 385

10.000KM
artikala, koliki je prosjecni troak? Prosjecni troak je
= 25, 97KM.
385
Primjer. Zadana je funkcija trokova nekog preduzeca T (Q) = 2Q + 3, gdje je Q
kolicina proizvodnje. Izvedite graf funkcije prosjecnih trokova. Za koje kolicine
proizvodnje Q funkcija trokova i prosjecnog troka imaju ekonomskog smisla?
4.3.3 Funkcije prihoda i dobiti

Koliki je prihod neke kompanije? Pa naravno da c e (optimalno) biti jednak kolic ini proizvodnje/potranje pomnoene sa cijenom proizvoda!
P = Q p.
Postavlja se pitanje, c ega je dobit funkcija? Pa ocito, cijene!
P (p) = Q(p) p.
Medutim,
kako je uobicajeno u analizi trokova, funkcije trebaju ovisiti o pro
izvodnji, ne o cijeni! Stoga, prvo nademo
inverznu fukciju p(Q) iz Q(p)! Stoga
P (Q) = Q p(Q).
Kako izraziti ono najvanije, tj. funkciju dobiti? Ocito - dobit je prihod minus
troak!
D(Q) = P (Q) T (Q).
Primjetite - za razliku od trokova i prihoda, dobit moe biti negativna!
58
30
20
10
10
12
-10
-20
-30
-40
Primjer. Date su funkcije potranje Q(p) = p + 20 i prosjecnih trokova

T (Q) = Q 8 + 80
. Odrediti:
Q
funkciju dobiti D(Q) i grafik funkcije dobiti;
potranju za koju je dobit jednaka nuli;
interval renatbilne proizvodnje;
maksimalnu mogucu dobit i nivo potranje na kojoj se ostvaruje.
Poglavlje 5
Realni nizovi
5.1 Definicija i osnovni pojmovi
Nizove smo vec vidjeli u dosadanjem kolovanju i to mnogo puta, c ak i kada toga
moda nismo bili svjesni. Npr.
2, 3, 8, 15, 9, 12, . . .
a1 , a2 , a3 , a4 , a5 , a6 ,
Ukratko i jednostavno, niz je uredena
lista objekata ili dogadaja.
Kao i skup, niz ima c lanove, ali za razliku od skupa, redoslijed je bitan i
identicni elementi se mogu pojavljivati vie puta na razlicitim pozicijama unutar
niza!
5.1.1 Definicija i osnovni pojmovi

Definicija 5.1.1. Svako preslikavanje a : N R, skupa prirodnih brojeva u skup
realnih brojeva, nazivamo realnim nizom.
Broj koji se ovim preslikavanjem dodjeljuje prirodnom broju n oznacavamo
sa a(n), ili c ece sa an (xn , fn ) i nazivamo ga n-ti c lan niza.
Pri tome broj n u oznaci an nazivamo indeksom c lana niza. Ako je specificirana zavisnost an od n, onda se an naziva optim c lanom niza.
Za niz c iji su c lanovi a1 , a2 , ..., an , ... koristit c emo kracu oznaku (an )nN , ili
kratkoce radi samo (an ).
Na isti nacin moemo definisati nizove kompleksnih brojeva, nizove funkcija
ili uopteno nizove elemenata proizvoljnog skupa.
Mi c emo se ograniciti na posmatranje samo realnih numerickih nizova.
59
POGLAVLJE 5. REALNI NIZOVI
60
Primjer. Niz
1, 2, 3, ..., n, n + 1, ...
je niz prirodnih brojeva. Niz
1, 3, 5, ..., 2n + 1, ...
je niz neparnih prirodnih brojeva, a
1, 4, 9, 16, 25, ...
je niz kvadrata prirodnih brojeva.
Niz je potpuno odredjen svojim optim c lanom. Na primjer, ako je opti c lan
n
, niz je u potpunosti odredjen i njegovi c lanovi su 12 , 23 , 34 , ...,
niza dat sa xn = n+1
ili ako elimo odrediti stoti c lan ovog niza, x100 = 100
.
101
Za odredjivanje niza nije neophodno da postoji formula kojom se eksplicitno
odredjuje opti c lan xn u zavisnosti od n. Npr., ako je xn n-ti po redu prost broj,
niz (xn ) je korektno definisan, iako ne znamo formulu za odredjivanje n-tog c lana
tog niza.
Isto tako moemo govoriti
da je niz (an ) zadat tako da je an n-ta cifra u de
cimalnom razvoju broja 2, mada formulu za n-tu cifru tog razvoja ne znamo
eksplicitno.
Znati konacno mnogo prvih c lanova niza nije dovoljno za jednoznacno odredjivanje niza. Npr., ako je dato prvih pet c lanova niza
0, 7, 26, 63, 124,
pravilo po kome su konstruisani ovi c lanovi moe ali i ne mora da vai za esti,
sedmi i dalje c lanove ovog niza.
5.1.2 Predstavljanje nizova

Predstavljati nizove moemo na dva nacina. Iz samog opisa niza kao liste brojeva
dobijamo prvi nacin, predstavljajuci c lanove niza na realnoj pravoj. Tako bi niz
(2, 4, 6, ..., 14), naznacavajuci tackama c lanove niza, bio predstavljen
x1
x2
x3
x4
x5
x6
10
11
12
x7
b
13
14
Predstavljati beskonacne nizove na ovaj nacin bio bi problem jer bi se c esto

gubila predstava o nizu. Naprimjer za niz (1, 1, 1, 1, ...) slika bi predstavljala
samo dvije tacke
5.1. DEFINICIJA I OSNOVNI POJMOVI
61
a2n1
a2n
3 2 1
0
1
2
Slika 5.1: Graficko predstavljanje niza ((1)n )
n=1
a4 a3
b b
a2
a1
1
Slika 5.2: Graficko predstavljanje niza

1
n n=1
a oznakama a2n i a2n1 bi sugerisali parne i neparne pozicije c lanova naeg
niza. Jo tee bi bilo predstaviti niz n1 n=1 . Oznacili bi prvih nekoliko c lanova
niza, a dalje c lanove bi smo samo naznacili tackama.
Bolja, preglednija varijanta predstavljanja niza proizilazi iz c injenice da niz
moemo shvatiti i kao preslikavanje. Pod preslikavanjem shvatamo c injenicu da
c lanove niza numeriemo po njihovim pozicijama. Tako niz (xn )
n=1 moemo
predstaviti tabelom
n
xn
1
x1
2
x2
3
x3
...
...
k
xk
...
...
Ovo znaci da niz moemo posmatrati kao preslikavanje x : N R. Domen

ovog preslikavanja je skup prirodnih brojeva i kad god je domen preslikavanja
skup N, takvo preslikavanje nazivamo niz.
Sve ovo znaci da sada moemo koristiti sve osobine funkcija, ali takodje i
pojmove uvedene sa njima. Ovo prije svega znaci da niz moemo predstaviti u
obliku grafa. Tako bi niz (2, 4, 6, ..., 14), predstavljen grafom izgledao kao na
sljedecoj slici
15
b
b
10
b
b
5
b
b
0
0 1 2 3 4 5 6 7
62
Ovo je sada puno pogodniji nacin za predstavljanje beskonacnih nizova. Sada

graficki moemo predstaviti malopredanje
problematicne nizove:
1
b
0
1
1
Slika 5.3: Niz xn = (1)n .
b
b
b
b
b
b
0
0
Slika 5.4: Niz xn = n1 .
5.2 Aritmeticki niz

Aritmeticki niz je posebna podklasa nizova koji izgledaju kao
2, 4, 6, 8, 10, . . .
1, 5, 9, 13, . . .
8, 5, 2, 1, 4, . . .
tj. nizovi kod kojih je razlika izmedu
susjednih c lanova konstantna. Formalno,
Definicija 5.2.1. Niz (an )
1 gdje za svako n N vrijedi an+1 an = an+2
an+1 = d, (d R), naziva se aritmeticki niz.
NIZ
5.2. ARITMETICKI
63
Iz posljednje dvostruke jednakosti slijedi da je an+1 = 12 (an + an+2 ), dakle,

svaki c lan niza je aritmeticka sredina svoga prethodnika i svoga sljedbenika u
nizu.
a2 = a1 + d
a3 = a2 + d = a1 + 2d
a4 = a3 + d = a1 + 3d
Stoga dobivamo da je opci c lan aritmetickog niza dat sa
an = an1 + d = a1 + (n 1) d.
Sada nas interesuje zbir prvih n c lanova aritmetickog niza, tj.
Sn = a1 + a2 + a3 + . . . + an .
Posmatrajmo za primjer aritmeticki niz
1, 2, 3, 4, 5, 6, . . .
Zbir njegovih prvih 100 c lanova je
S100 = 1 + 2 + 3 + 4 + 5 + . . . + 96 + 97 + 98 + 99 + 100.
Grupiimo prvi sa zadnjim, drugi sa predzadnjim itd, tj.
1 + 100 = 101, 2 + 99 = 101, 3 + 98 = 101, . . .
Na ovaj nacin dobijemo koliko parova? Naravno, dobijemo 50 parova brojeva c iji
je zbir 101! Dakle odgovor je
S100 = 50 101 = 5050.
u opcem slucaju, za Sn = a1 + a2 + . . . + an1 + an
a1 + an = a1 + (a1 + (n 1) d) = 2a1 + (n 1) d
a2 + an1 = a1 + d + (a1 + (n 2) d) = 2a1 + (n 1) d . . .
A ovih parova ima koliko? Pa n/2! Stoga dobijemo da je suma prvih n c lanova
aritmetickog niza
n
Sn = (2a1 + (n 1) d),
2
ili drugacije
n
Sn = (a1 + an ).
2
Dakle zbir prvih n brojeva je
1 + 2 + 3+ 4 + ...+ n =
n
n(n + 1)
(1 + n) =
.
2
2
64
Primjer. Ako na pocetku godine u jastucnicu stavimo 1000KM i svaki slijedeci

mjesec stavimo po 50KM vie nego u prethodnom mjesecu, izracunati iznos utedevine
nakon 7 godina.
Dakle, ulaemo
1000, 1050, 1100, 1150, . . . .
Broj uloenih iznosa je 7 12 = 84, dakle interesuje nas ukupni zbir 84 ovakvih
ulaganja, tj. S84 . Koristeci formulu, imamo
S84 =
84
(2 1000 + (84 1) 50) = 42 (2000 + 4150) = 258300.
2
5.3 Geometrijski niz

Vec smo vidjeli i dosta geometrijskih nizova, kao to su
1, 2, 4, 8, 16, . . .
1 1 1
1, , , , . . . ,
2 4 8
tj. nizova kod kojih je medusobni
odnos susjednih c lanova konstantan! Formal
nije,
Definicija 5.3.1. Ako je
an+1
an+2
=
= q,
an
an+1
gdje je q realan broj, onda se (an )

1 naziva geometrijski niz.
Naziv niza dolazi iz osobine da je an+1 = an an+2 , dakle svaki c lan niza
an+1 je geometrijska sredina c lana an , koji mu neposredno prethodi i c lana an+2 ,
koji ga slijedi u nizu. Dakle
a2
a3
a4
an
=
=
= ... =
= . . . = q.
a1
a2
a3
an1
Odatle imamo da je
a2 = a1 q
a3 = a2 q = a1 q 2
a4 = a3 q = a1 q 3 ,
pa odatle dobijamo formulu za opci c lan geometrijskog niza
an = a1 q n1 .
5.3. GEOMETRIJSKI NIZ
65
No ako posmatramo obratno, tj.

a2 = a1 q,
a3 = a2 q q =
a3
,
a2
dobijamo
a3
a22 = a1 a3 a2 = a1 a3 ,
a2
tj. a2 je geometrijska sredina svojih susjednih c lanova! U opcem slucaju
a2 = a1
an =
an1 an+1 .
Sada nas, kao i kod aritmetickog niza zanima zbir prvih n c lanova, tj. Sn .
Sn = a1 + a1 q + a1 q 2 + . . . + a1 q n3 + a1 q n2 + a1 q n1 / (1 q)
(1 q)Sn = a1 a1 q + a1 q a1 q 2 + a1 q 2 a1 q 3 + . . .
+a1 q n3 a1 q n2 + a1 q n2 a1 q n1 + a1 q n1 a1 q n .
(1 q)Sn = a1 a1 q n = a1 (1 q n )
odakle dobijamo da je suma prvih n c lanova

Sn = a1
1 qn
!
1q
1 1 1 1
Primjer. Posmatrajno geometrijski red , , , , . . . dakle a1 = 1, q =
2 4 8 16
Posmatrajmo zbir prvih 10 c lanova
S10 =
1
.
2
1 1 1
1
+ + + . . . + 10
2 4 8
2
Ova suma je jednaka

S10
10
1 q 10
1 1 12
1
= a1
=
==
1
1q
2
2
1 2
S10 =
210 1
210
1
2
210 1
1024 1
=
= 0, 9990234375
210
1024
Primjer (Kamata na kamatu).

u banku.
Na pocetku godine uloimo iznos novca I0
Nakon odredenog
perioda obracunava se kamata od p% na iznos po principu
kamata na kamatu.
66
Na kraju prvog obracunskog perioda imamo

I0 + I0 p% = I0 + I0
p
p
= I0 (1 +
) = I0 k.
100
100
Na kraju drugog obracunskog perioda osnovica je I0 k, tj.

I0 k + (I0 k)
p
p
= I0 k(1 +
) = I0 k 2 .
100
100
Ako stanja nakon svakog obracunskog perioda posmatramo kao niz, dobijamo geometrijski niz!
Primjer. Ako u banku uloimo 1000KM i obracunava nam se kamata na kamatu
po stopi od 5%, koje c e biti stanje na kraju dvadesetog obracunskog perioda?
Dakle I0 iznosi 1000KM. ta u stvari mi trebamo izracunati?
Pa samo n-ti c lan geometrijskog niza! Dakle,
In = k n I0 = (1 +
5 20
p n
) I0 = (1 +
) 1000KM
100
100
Dakle poslije 20-tog obracunskog perioda, u banci c e biti

I20 = 1, 0520 1000KM = 2653, 30KM
5.4 Konvergencija nizova

U matematickoj analizi proucava se ponaanje c lanova niza kada njihov indeks
neograniceno raste, tj. kada indeks tei u beskonacnost.
Ideja je da se proucava "gomilanje" c lanova
niza

oko neke konkretne vrijed(1)n
1
nosti. Tako na primjer, c lanovi nizova ( n ) i n2 "gomilaju se" oko nule, tj. sve
su blie nuli kako indeks n postaje veci, to vidimo ako izracunamo po nekoliko
c lanova ovih nizova,
1 1 1 1
1, , , , , ...
2 3 4 5
1 1 1
1, , , , ... .
4 9 16
n
ne bismo mogli tvrditi

Za c lanove niza c iji je opti c lan dat sa xn = 2+(1)
n
da su sve blie nuli kada se n povecava jer je na primjer
0 < x2n1 =
1
3
<
= x2n ,
2n 1
2n
iz c ega vidimo da je x2n na vecoj udaljenosti od nule nego njemu prethodeci c lan.
Medjutim, i ovde se moe uociti neko gomilanje oko nule, to se vidi ako se
izracuna nekoliko prvih c lanova niza, 1, 32 , 13 , 34 , 15 , ....
5.4. KONVERGENCIJA NIZOVA
67
Definicija 5.4.1. Kaemo da je realan broj a granicna vrijednost ili limes niza
(xn ) ako za svako > 0, postoji prirodan broj n0 , takav da za svaki prirodan
broj n n0 vrijedi |xn a| < , to jednostavnije zapisujemo matematickom
simbolikom sa
( > 0)(n0 N)(n N)(n n0 |xn a| < ) .
(5.1)
Gornju c injenicu zapisujemo sa

lim xn = a ili xn a (n +) .
n+
Ako je lim xn = a, kaemo da niz (xn ) konvergira ka a ili da tei ka a, kada n

n+
tei u beskonacnost.
Ako postoji a R, takav da lim xn = a, kaemo da je niz konvergentan.
n+
2 + (1)n
Primjer. U primjeru ispred Definicije 5.4.1 smo pokazali da je lim
=
n+
n
n
1
0. Na slican nacin se pokazuje da je lim
= 0 ili lim
= 1. Pokaimo
n+ n
n+ n + 1
prvu relaciju.
lim
1
=0
n
Primjer. Neka je xn = 2 n . Posmatramo li nekoliko prvih c lanova ovog niza

1
x1 = 21 = 2 , x2 = 2 2 = 1, 41... , x3 = 2 3 = 1, 26... ,
1
x4 = 2 4 = 1, 19... , ... , x10 = 2 10 = 1, 07... ,

vidimo da se vrijednosti umanjuju i da se "krecu" ka 1, tj. "osjecamo" da je
lim xn = 1. Ali ovakvo razmiljanje ni u kom slucaju ne predstavlja dokaz ove
n+
tvrdnje.
Na isti nacin se pokazuje sljedeci vaan limes
lim n a = 1 , (a > 0)
n+
Primjer. Niz c iji je opti c lan xn = (1)n nije konvergentan. Zaista, pretpostavimo suprotno, tj. da je za neko a R, lim xn = a.
n+
Kako su svi c lanovi datog niza jednaki ili 1 ili 1, to znaci da se oba ta broja
moraju nalaziti u proizvoljnoj -okolini tacke a. Medjutim, to ocigledno nije moguce, npr. izaberemo li < 12 tada nije moguce da oba broja i 1 i 1 budu u
intervalu (a , a + ) c ija je duina manja od 1.
68
5.4.1 Osobine konvergentnih nizova

Teorema 5.4.2. Ako niz ima granicnu vrijednost onda je ona jedinstvena.
Definicija 5.4.3. Za niz (xn ) kaemo da je ogranicen odozgo ako vrijedi:
(M R)(n N) xn M .
Niz je ogranicen odozdo ako vrijedi:
(m R)(n N) xn m .
Definicija 5.4.4. Za niz (xn ) kaemo da je ogranicen ako je skup svih elemenata
tog niza ogranicen, tj. ako postoji realan broj M 0 takav da je |xn | M za
svako n N. Ovo zapisujemo sa
(M 0)(n N) |xn | M .
Teorema 5.4.5. Svaki konvergentan niz je ogranicen.
Teorema 5.4.6. Neka su dati nizovi (xn ) i (yn ).
1. Ako je xn = c R za skoro svako n N, tada je lim xn = c.
n+
2. Neka je lim xn = x i lim yn = y (x, y R) i neka su a, b i c proizvoljni

n+
n+
realni brojevi. Tada vai:

(a)
(b)
(c)
lim (axn + byn ) = ax + by.
n+
lim (xn + c) = x + c.
n+
lim (xn yn ) = x y.
n+
xn
x
= , ako je y 6= 0 i yn 6= 0 za n N.
n+ yn
y

1
1
Primjer. Izracunati: lim 3 2 n + 2 3 n .
n+
Koristeci pravilo 2.(a) i ranije pokazani limes niza ( n a) imamo da je

1
1
lim 3 2 n + 2 3 n = 3 1 + 2 1 = 5 .
(d)
lim
n+

1
Primjer. Izracunati: lim
+6 .
n+ n
Koristeci pravilo 2.(b) imamo

1
lim
+6 =0+6=6.
n+ n
69
Definicija 5.4.7. Niz (xn ) za koga vai lim xn = 0, nazivamo nula-niz.

n+
Zapravo, ispitivanje proizvoljnog konvergentnog niza se moe svesti na ispitivanje nula-niza, naime vai
Teorema 5.4.8. Niz (xn ) konvergira ka a R ako i samo ako niz (xn a) konvergira ka 0.
Teorema 5.4.9. Zbir, razlika i proizvod dva nula-niza je ponovo nula-niz.
Teorema 5.4.10. Neka je (xn ) proizvoljan nula-niz i neka je (yn ) proizvoljan
ogranicen niz ( ne obavezno konvergentan ). Tada je niz (zn ), gdje je zn = xn yn
(n N), nula-niz.
cos n
.
n+ n
cos n
1
Oznacimo sa zn =
= cos n. Kako je niz xn = n1 nula-niz, a niz
n
n
yn = cos n je ogranicen ( cos x 1 ), to je na osnovu gornje teoreme niz (zn )
nula-niz, tj.
cos n
=0.
lim
n+ n
Teorema 5.4.11 (Veza limesa i relacija poretka). Neka je (xn ) proizvoljan niz.
1. Ako je lim xn = x > p (< p), tada je xn > p (< p) za skoro svako n N.
n+
2. Ako je niz (xn ) konveregentan i ako je xn > p (< p), za skoro svako n N,
onda je lim xn p ( p).
n+
Dokaz
1. Neka je lim xn = a i neka je a > p. Stavimo li da je =
n+
ap
,
2
svi brojevi
koji pripadaju intervalu (a , a + ) su veci od p ali skoro svi c lanovi niza

(xn ) su u toj -okolini i time je tvrdjenje dokazano. Slucaj kada je a < p
dokazuje se analogno.
2. Neka je lim xn = a i neka je xn > p za skoro svako n. Ako bi bilo a < p,
n+
to bi na osnovu dokazanog pod 1) znacilo da je xn < p za skoro svako n,

to je ocigledna kontradikcija. Dakle mora biti a p.
Posljedica 5.4.12. Ako svi c lanovi niza (xn ) pripadaju segmentu [a, b], tada i
lim xn [a, b].
n+
70
5.4.2 Beskonacne granicne vrijednosti

Definicija 5.4.13. Kaemo da niz (xn ) divergira ka plus beskonacnosti, to oznac avamo sa lim xn = +, ako vrijedi
n+
(K > 0)(n0 N)(n n0 )xn > K .

Kaemo da niz (xn ) divergira ka minus beskonacnosti, to oznacavamo sa lim xn =
n+
, ako vrijedi
(K > 0)(n0 N)(n n0 )xn < K .
U oba slucaja kaemo da niz odredeno
divergira.
K
b
1 2 3 4 5 6 7 8 9 10 11 12 13
b
b
b
b
b
b
b
b
0 1 2 3 4 5 6 7 8 9 10 11
b
b
b
Slika 5.5: Odredeno

divergentni nizovi.
Sada moemo izvriti selekciju svih nizova u odnosu na konvergenciju. Svaki

realni niz spada u jednu od klasa:
Niz je konvergentan ( granicna vrijednost mu je neki realan broj ).
Niz je odredjeno divergentan ( granicna vrijednost mu je ili + ili ).
Niz je neodredjeno divergentan ( nema ni konacnu ni beskonacnu granicnu
vrijednost ).
Primjer. Posmatrajmo geometrijski niz xn = q n (n N). Za koje q R je dati
niz konvergentan?
Teorema 5.4.14. Neka je lim xn = x R i neka je lim yn = +. Tada
n+
vrijedi:
1.
2.
lim (xn + yn ) = +.
n+
lim (xn yn ) = sgnx (x 6= 0).
n+
n+

3.
71
xn
= 0.
n+ yn
lim
4. Ako je lim xn = 0 i ako su skoro svi c lanovi niza (xn ) pozitivni, tada je
n+
lim
n+
1
= +.
xn
Postoje kombinacije dva niza kada se rezultat ne moe direktno odrediti kao u
slucajevima opisanim u ovim teoremama. Tada kaemo da je granicna vrijednost
neodredjena ili da je neodredjenog tipa. To medjutim ne znaci da granicna vrijednost ne postoji, vec samo da se ne moe unaprijed odrediti primjenom pravila
datih u ovim teoremama.
Primjer. Za niz sa optim c lanom xn =
n2 + 3n 2
imamo neodredjenost tipa
2n2 + 5n + 4
Postoji sedam tipova neodredjenosti i oni su:

0
, , 0 , , 1 , 0 , 00 .
0
5.4.3 Monotoni nizovi

Definicija 5.4.15. Za niz (xn ) kaemo da je
strogo monotono rastuci ako vrijedi (n N) xn+1 > xn .
monotono rastuci (neopadajuci) ako vrijedi (n N) xn+1 xn .
strogo monotono opadajuci ako vrijedi (n N) xn+1 < xn .
monotono opadajuci (nerastuci) ako vrijedi (n N) xn+1 xn .
Za niz koji posjeduje bilo koju od navedenih osobina kaemo da je monoton niz.
5.4.4 Kriteriji konvergencije mon. nizova

Teorema 5.4.16. Svaki monoton niz je ili konvergentan ili odredjeno divergentan
( ima konacnu ili beskonacnu granicnu vrijednost ).
Teorema 5.4.17. Svaki monoton i ogranicen niz je konvergentan.
U ovoj teoremi treba razlikovati dva slucaja:
1. Ako je niz monotono rastuci, zahtijevamo ogranicenost odozgo.
72
2. Ako je niz monotono opadajuci, zahtijevamo da je niz ogranicen odozdo.

n
Primjer. Pokaimo da je niz xn = 1 + n1 rastuci i ogranicen odozgo.
Jednostavnim racunom se ima

n
xn+1
n+2
1
=
1
.
xn
n+1
(n + 1)2
Na osnovu Bernoullijeve nejednakosti je

n
1
n
1
>
1
, n2,
(n + 1)2
(n + 1)2
pa imamo
n+2
xn+1
>
xn
n+1

1
n
(n + 1)2
n3 + 3n2 + 3n + 2
>1.
n3 + 3n2 + 3n + 1
Dakle niz je strogo monotono rastuci.

n+1
Ako sada posmatramo i niz yn = 1 + n1
, ocigledna je nejednakost xn
yn za proizvoljno n N.
Pokazati da je niz (yn ) strogo monotono opadajuci, ostavljeno je za vjebu.
Iz ovoga onda zakljucujemo da je bilo koji c lan niza (yn ) gornje ogranicenje niza
(xn ), pa moemo reci da je xn y1 = 4 za proizvoljno n N.
Iz monotonosti i ogranicenosti niza (xn ) zakljucujemo njegovu konvergenciju.
Granicnoj vrijednosti ovog niza dajemo posebno ime ( prema Euleru ), a isticemo
i njegovu vanost za racunanje mnogih drugih limesa.
Definicija 5.4.18.

n
1
.
e = lim 1 +
n+
n
Broj e nazivamo Eulerovim brojem i on je jedna od najvanijih matematickih
konstanti. Prvih nekoliko decimala tog broja su
e = 2, 718281828...
Koristeci se algebrom limesa, lako se vidi da takoder
imamo

an
1
lim 1 +
= e (ako lim an = )
n
n
an
te direktno slijedi da
1
lim (1 + an ) an = e
(ako lim an = 0)
n
73
Primjer. Izracunati

2n1
3
1. lim 1 +
;
n
n

2n+1
n+1
2. lim
; lim n(ln(n + 1) ln n);
n n 1
n
5.4.5 Alati za izracunavanje limesa

Teorema 5.4.19 (Teorem o lopovu i dva policajca). Neka su (xn ) i (yn ) nizovi za
koje vrijedi
1.
lim xn = lim yn = A.
n+
n+
2. Za skoro svako n N je xn zn yn .
Tada i niz (zn ) ima granicnu vrijednost i vai lim zn = A.
n+
n+
2n + 3n .
Kako vai
3n 2n + 3n 2 3n ,
tada je
n
2n + 3n 3 2 .
Ako oznacimo sa xn = 3 i sa yn = 3 n 2, tada ocigledno vai

3
lim xn = lim yn = 3 ,
n+
n+
pa na osnovu teoreme o lopovu i dva policajca vrijedi
lim zn = lim n 2n + 3n = 3 .
n+
n+
74
Poglavlje 6
Granicne vrijednosti
6.1 Intuitivni uvod u granicne vrijednosti
Razvoj diferencijalnog racuna stimulisan je od strane dva geometrijska problema:
nalaenjem povrina ravnih povri;
nalaenjem tangenti na krive.
Oba ove problema zahtjevaju granicne procese za svoja opca rjeenja.
Medutim
koncept limesa ili granicne vrijednosti je fundamentalni graditelj
ski blok na kojem se zasniva cijeli diferencijalni i integralni racun! Na pocetku
ovog poglavlja c emo promatrati granicne procese informalno. Mnogi problemi
diferencijalnog i integralnog racuna se izvode iz slijedeca tri problema:
Tangentni problem. Ako nam je data funkcija f i tacka P (x0 , y0 ) na grafu
funkcije, naci jednacinu linije koja je tangentna na graf f u tacki p.
Povrinski problem. Ukoliko nam je data funkcija f , naci povrinu ispod
grafa funkcije f i intervala [a, b] na x-osi.
Problem trenutne brzine Ukoliko nam je data kriva pozicije u odnosu na
vrijeme za c esticu koja se krece du koordinatne linije, naci brzinu te c estice u
datom vremenu.
Promatranje ovih problema ima dugu historiju. Povrinske formule za osnovne geometrijske figure, kao to su pravougaonici, poligoni i krugovi idu nazad
do najranijih matematickih zapisa. Prvi pravi napredak od najprimitivnih pokuaja je napravio starogrcki matematicar Arhimed (A), koji je razvio genijalnu, ali napornu tehniku, koja se zove tehnika iscrpljenja, kako bi naao povrine regija koje su ogranicene parabolama, spiralama i raznim drugim krivim.
Do 17. stoljeca mnogi su matematicari otkrili nacine kako izracunati ove povrine koristeci limese. Medutim,
svim ovim metodama je nedostajala generalnost.
75
76
POGLAVLJE 6. GRANICNE
VRIJEDNOSTI
Veliki napredak su napravili nezavisno jedan od drugoga Newton i Leibniz,

koji su otkrili da se povrine mogu dobiti obrcuci proces diferencijacije. Newtonov rad De Analysi per Aequationes Numero Terminorum Infinitas izdat 1711 se
smatra pocetkom vie matematike.
Slika 6.1: Sir Isaac Newton

Tradicionalno se smatra da matematika koja proizilazi iz tangentnog problema
c ini diferencijalni racun, dok matematika koja proizilazi iz povrinskog problema
predstavlja integralni racun. Medutim,
vidjet c emo da su ova dva problema toliko
vezani jedan za drugi da je c esto teko napraviti razliku izmedu

diferencijalnog i
integralnog racuna!

6.1. INTUITIVNI UVOD U GRANICNE
VRIJEDNOSTI
77
Slika 6.2: Gottfried Wilhelm Leibniz
Slika 6.3: De Analysi per Aequationes ...

Kako bismo bolje razumjeli gornje probleme, potrebno je da damo precizniju
definiciju onoga to smatramo tangentnom linijom, povrinom i brzinom.
Sada kada imamo motivaciju, vrijeme je se pozabavimo samim pojmom granicne vrijednosti. Najosnovnija upotreba limesa je da opiemo kako se funkcija
78
VRIJEDNOSTI
Slika 6.4: Sekanta i problem tangente
Slika 6.5: Povrinski problem

VRIJEDNOSTI
79
ponaa kada se nezavisna promjenljiva pribliava odredenoj

vrijednosti!
Primjer. Posmatrajmo stoga npr. funkciju y = 3x + 1 i razlicite vrijednosti

funkcije za razlicite argumente
x
y
0,5
2,5
0,7
3,1
0,8
3,4
0,9
3,7
0,95
3,85
0,99
3,97
0,999
3,997
0,9999
3,9997
Ocito, kako se argument funkcije pribliava vrijednosti 1 sa lijeve strane, vrijednost funkcije se pribliava vrijednosti 4. Kaemo da funkcija tei vrijednosti 4
kako vrijednost x tei ka 1 (ovaj put s lijeve strane).
x
y
1,5
5,5
1,3
4,9
1,2
4,3
1,1
4,6
1,05
4,15
1,01
4,03
1,001
4,003
1,0001
4,0003
Kaemo da funkcija tei vrijednosti 4 kako vrijednost x tei ka 1 (ovaj put s

desne strane).
Ako su desna i lijeva granicna vrijednost funkcije jednake, onda kaemo da
funkcija ima granicnu vrijenost u toj tacki! Intuitivna i veoma neformalna definicija limesa:
Definicija 6.1.1. Ako se vrijednosti funkcije f (x) mogu napraviti onoliko blizu
vrijenosti L koliko elimo, tako to c emo napraviti x dovoljno blizu vrijednosti a
(ali ne jednako vrijednosti a!), onda piemo
lim f (x) = L,
xa
to c itamo limes funkcije f (x) kada x tei ka a.

Primjer. Napravite konjekturu o vrijednosti limesa
lim
x0
x
.
x+11

lim
x0
sin x
.
x
lim sin .
x0
x
Definicija 6.1.2. Vrijednost
lim
R+
a Dxa
f (x) oznacavamo sa lim f (x) ili krace

xa+0
f (a + 0), kad god ta vrijednost postoji i zovemo desnom granicnom vrijednosti

funkcije f u tacki a.

VRIJEDNOSTI
80
Po analogiji se definira i lijeva granicna vrijednost

lim f (x) = f (a 0).
xa0
Nije teko zakljuciti da vrijedi

lim f (x) = b lim f (x) = lim f (x) = b.
xa
xa0
xa+0
Ako se vrijednosti funkcije f (x) konstantno povecavaju kako se x pribliava

vrijednosti a sa desne ili lijeve strane, onda piemo
lim f (x) = + ili lim f (x) = +
xa+
xa
kako je odgovarajuce i kaemo da se funkcija f neograniceno povecava kako x

tei ka a sa desne, odnosno lijeve strane.
Ako se vrijednosti funkcije f (x) konstantno smanjuju kako se x pribliava
vrijednosti a sa desne ili lijeve strane, onda piemo
lim f (x) = ili lim f (x) =
xa+
xa
kako je odgovarajuce i kaemo da se funkcija f neograniceno smanjuje kako x

tei ka a sa desne, odnosno lijeve strane.
Definicija 6.1.3 (Vertikalna asimptota). Linija x = a se naziva vertikalna asimptota grafa funkcije f , ukoliko se f (x) pribliava + ili kako se x pribliava
a sa lijeve ili desne strane.
Do sada smo samo posmatrali granicne vrijednosti funkcija kada se x pribliavalo nekoj konkretnoj vrijednosti a. Medutim,
veoma c esto nas interesuje kako
se funkcija ponaa kada vrijednost argumenta neograniceno raste ili opada.

Definicija 6.1.4 (Granicne vrijednosti u beskonacnosti - informalno). Ako se vrijednosti funkcije f (x) sve vie i vie pribliavaju nekom broju L kako se argument
x neograniceno povecava, onda piemo
lim f (x) = L.
x+
Ako se vrijednosti funkcije f (x) sve vie i vie pribliavaju nekom broju L kako
se argument x neograniceno smanjuje, onda piemo
lim f (x) = L.

VRIJEDNOSTI
81
Geometrijski, ako se f (x) L kako x +, onda se graf funkcije eventualno sve vie i vie pribliava horizontalnoj liniji y = L (kada graf pomatramo u
pozitivnom smjeru).
Slicno, ako se f (x) L kako x , onda se graf funkcije eventualno
sve vie i vie pribliava horizontalnoj liniji y = L (kada graf pomatramo u negativnom smjeru).
Definicija 6.1.5 (Horizontalna asimptota). Linija y = L naziva se horizontalna
asimptota grafa funkcije f ako f (x) L kako x + ili x .
Definicija 6.1.6. Ako se vrijednosti funkcije f (x) sve vie i vie povecavaju kako
se argument x neograniceno povecava ili smanjuje, onda piemo
lim f (x) = + ili
x+
lim f (x) = +
Ako se vrijednosti funkcije f (x) sve vie i vie smanjuju kako se argument x
neograniceno povecava ili smanjuje, onda piemo
lim f (x) =
x+
ili
lim f (x) =
Takoder
granicna vrijednost u beskonacnosti moe da uopce ne postoji ukoliko
funkcija beskonacno oscilira na takav nacin da se vrijednost funkcije ne pribliava
nijednoj vrijednosti, niti se neograniceno povecavaju niti smanjuju. Takve su na
prijer trigonometrijske funkcije sin i cos. U tom slucaju kaemo da granicnna
vrijednost ne postoji zbog oscilacije.
6.1.1 Izacunavanje limesa

Deset standardnih granicnih vrijednosti c e formirati osnovu za izracunavanje granicnih vrijednosti. Tri ukljucuju konstantnu funkciju, tri ukljucuju linearnu funkciju, dok c etiri ukljucuju racionalnu funkciju.
lim k = k,
xa
lim x = a,
xa
lim k = k,
x+
lim x = +,
x+
lim k = k,
lim x = ,
1
1
1
1
= +, lim = ,
lim
= 0,
lim
= 0.
x+ x
x x
x0 x
x0 x
Neka lim oznacava jednu od granicnih vrijednosti limxa , limxa , limxa+ , limx+,
ili limx. Pretpostavimo da postoje granicne vrijednost funkcije L1 = lim f (x)
i L2 = lim g(x). Tada
lim+
1. lim[f (x) g(x)] = lim f (x) lim(x) = L1 + L2

VRIJEDNOSTI
82
20
10
-3
-2
-1
-10
Slika 6.6: Grafici funkcija x,x2 ,x3 ,x4 ,x5

2. lim k f (x) = k lim f (x) = k L1 (k R)
3. lim(f (x) g(x)) = lim f (x) lim g(x) = L1 dotL2
(x)
4. lim fg(x)
=
lim f (x)
lim g(x)
L1
, (L2
L2
6= 0)
5. lim[f (x)]k = (lim f (x))k = Lk1 , (k R).

Primjer. Izracunati:
1.
lim (2x2 5x + 10)
x1
2.
x2
x1 x 1
lim
3.
x2 5x + 6
x2
x2
lim
Za svaki polinom
p(x) = c0 + c1 x + + cn xn
i za bilo koji realan broj a,
lim p(x) = p(a) = c0 + c1 a + + cn an
xa
A ta je s polinomima oblika xn u beskonacnosti? Pogledajmo sliku!

6.2. GRANICNA
VRIJEDNOST FUNKCIJE
83
Mnoenje sa pozitivnom brojem nita ne mijenja, dok mnoenje sa negativnim brojem mijenja znak beskonacnosti. Takoder
moemo posmatrati granicne
vrijednosti funkcija definisanih dio po dio
2
x 5,
x3
f (x) =
x + 13, x > 3
6.2 Granicna vrijednost funkcije

Do sada se sva diskusija zasnivala na intuitivnoj predodbi ta to znaci da se vrijednost funkcije sve vie i vie pribliava nekoj granicnoj vrijednosti. Sada se
konacno moemo i trebamo, pozabaviti problemom granicne vrijednosti formalnije. Stoga posmatrajmo funkciju za koju f (x) L kako x a.
Ako f (x) L kako x a, onda za bilo koji pozitivan broj , moemo naci
otvoreni interval na x-osi koji sadri tacku x = a i ima osobinu da za svako x u
tom intervalu, osim moda u x = a vrijednost funkcije f (x) je izmedu
Li
L + .
Definicija 6.2.1 (Formalna definicija limesa). Neka je funkcija f (x) definisana za
svako x u nekom otvorenom intervalu koji sadri broj a, sa mogucim izuzetkom
u samom a. Onda c emo pisati
lim f (x) = L
xa
ako za bilo koji dati broj > 0 moemo naci broj > 0 takav da
|f (x) L| < ako
0 < |x a| < .
Definicija 6.2.2. + je granicna vrijednost funkcije y = f (x) u tacki a ako

vrijedi da za svako M > 0 postoji koje zavisi od M takvo da c im je x iz O (a),
imao da je f (x) > M, tj.
(M > 0)( = (M) > 0)
x O (a) f (x) > M.
Za , imamo
(M < 0)( = (M) > 0)
x O (a) f (x) < M.
L je granicna vrijednost funkcije y = f (x) kada x + ako

( > 0)(M = M() > 0) x > M |f (x) L| < .
L je granicna vrijednost funkcije y = f (x) kada x ako
( > 0)(M = M() < 0) x < M |f (x) L| < .

VRIJEDNOSTI
84
6.3 Neprekidnost
Objekt koji se krece ne moe (ma koliko mi to moda eljeli u stilu sci-fi filmova)
tek tako samo nestati i pojaviti se na drugom mjestu. Stoga ukoliko put objekta u
kretanju posmatramo kao krivu, on aje neprekidna, bez rupa, skokova ili prekida.
Ranije smo razmatrali neprekidnost informalno. Medutim,
taj pogled je i vie
nego dobar, kao to vidimo iz definicije

Definicija 6.3.1. Funkcija f je neprekidna u tacki c ukoliko su zadovoljeni slijedeci uslovi:
1. f (c) je definisana.
2. limxc f (x) postoji.
3. limxc f (x) = f (c).
Ukoliko je jedan ili vie od navedenih uslova nezadovoljen, kaemo da funkcija f ima prekid u tacki c.
Ako je f neprekidna u svakoj tacki intervala (a, b) onda kaemo da je funkcija neprekidna na intervalu (a, b). Ukoliko je funkcija neprekidna na intervalu
(, ) onda kaemo da je svuda neprekidna. Primjetite da su prva dva uslova
suvini!
Primjer. Odrediti da li su slijedece funkcije neprekidne u tacki x = 2:
x2 4
x2 4
x2 4
, x 6= 2
, x 6= 2
x2
x2
, g(x) =
h(x) =
f (x) =
3,
x=2
4,
x=2
x2
U primjenama, prekidi obicno signaliziraju pojave vanih fizikalnih fenomena.
S obzirom da prekidi imaju znacajne fizikalne interpretacije, vano je da smo u
mogucnosti identificirati tacke prekida specificnih funkcija i da smo u mogucnosti
napraviti opca tvrdenja
o osobinama neprekidnosti cijelih familija funkcija.
Uobicajeni pristup da pokaemo da je funkcija neprekidna je da pokaemo da

je neprekidna u nekoj proizvoljnoj tacki. Na primjer, kao to smo vijeli ranije, ako
je p(x) polinom i ako je a proizvoljan realni broj da
lim p(x) = p(a).
xa
Stoga, imamo slijedeci rezultat:

Teorema 6.3.2. Polinomi su svugdje neprekidni.
Primjer. Pokazati da je funkcija |x| svuda neprekidna.
6.3. NEPREKIDNOST
85
Teorema 6.3.3. Ukoliko su funkcije f i g neprekidne u tacki c, onda

f + g je neprekidna u c;
f g je neprekidna u c;
f g je neprekidna u c;
f
g
je neprekidna u c ako je g(c) 6= 0, a ima prekid u c ako je g(c) = 0.
Teorema 6.3.4. Racionalna funkcija je neprekidna svuda osim u tackama gdje je

imenioc jednak nuli.
Primjer. Za koje vrijednosti x imamo rupu u grafu funkcije
x2 9
?
x2 5x+6
Ako lim oznacava jednu od granicnih vrijednosti limxc , limxc , limxc+ , limx+
ili limx . Ako je lim g(x) = L a funkcija f je neprekidna u tacki L, onda je
lim f (g(x)) = f (L).
To jest,
lim(f (g(x))) = f (lim g(x)).
Drugim rijecima, znak granicne vrijednosti moe zamijeniti mjesto sa znakom
funkcije, ukoliko je funkcija neprekidna i ukoliko postoji granicna vrijednost izraza unutar funkcije.
Primjer. Ispitati neprekidnost funkcije |5 x2 |.
Teorema 6.3.5.
1. Ako je funkcija g neprekidna u tacki c i ako je funkcija f
neprekidna u tacki g(c), onda je u kompozicija funkcija f g neprekidna u
tacki c.
2. Ako je funkcija g neprekidna svuda i ako je funkcija f neprekidna svuda,
onda je u kompozicija funkcija f g neprekidna svuda.
Stoga na osnovu prethodnog primjera zakljucujemo na primjer da je apsolutna
vrijednost neprekidne funkcije neprekidna funkcija!
Teorema 6.3.6 (Teorem srednje vrijednosti). Ako je f neprekidna funkcija na zatvorenom intervalu [a, b] i ako e k bilo koji broj izmedu
f (a) i f (b) (inkluzivno),
onda postoji najmanje jedan broj x na intervalu [a, b] takav da je f (x) = k.
Primjedba 6.3.7. Ako je f neprekidna na [a, b] i ako su f (a) i f (b) razliciti od
nule i suprotnog znaka, ona postoji najmanje jedno rjeenje jednacine f (x) = 0 u
intervalu (a, b).

VRIJEDNOSTI
86
Primjer. Naci rjeenje (priblino) realno jednacine x3 x 1 = 0.

Teorema 6.3.8. Ako je c R proizvoljan broj u domeni specificirane trigonometrijske funkcije, onda
lim sin x = sin c, lim cos x = cos c, lim tg x = tg c,
xc
xc
xc
lim csc x = csc c, lim sec x = sec c, lim ctg x = ctg c.
xc
xc
xc
Teorema 6.3.9 (Teorem stezanja/sendvic/lopovi i policajci). Ako su f, g i h funkcije koje zadovoljavaju nejednakosti
g(x) f (x) h(x)),
za sva x u nekom otvorenom intervalu koji sadri tacku c, sa mogucim izuzetkom
u samoj tacki c. Ako g i h imaju istu granicnu vrijednost kako se x pribliava c,
recimo
lim g(x) = lim = h(x) = L,
xc
xc
onda i f mora imati istu granicnu vrijednsot kako se x priliava c, tj.

lim f (x) = L.
xc
Primjedba 6.3.10. Ova teorema takoder

vrijedi i za beskonacne granicne vrijednosti.
Primjer. Dokazati da je
sin x
= 1,
x0 x
lim
1 cos x
= 1.
x0
x
lim
6.3. NEPREKIDNOST
87
6.3.1 Primjena limesa u ekonomiji

Zadana je cijena p kao funkcija potranje d:
p(d) =
d+1
d2
Izrazite potranju kao funkciju cijene i izracunajte limp+ d(p).

x
1
lim 1 +
= e,
x+
x
odakle smjenom
1
x
= t dobijamo
1
lim (1 + x) x = e.
x0
Primjer. Izracunati
lim
x0 ex
x
1
sin x
= 1.
x0 x
lim
Primjer.
sin 2x
x0
x
lim
88
VRIJEDNOSTI
Poglavlje 7
Diferencijalni racun
7.1 Intuitivni uvod u izvode
Mnogi fizikalni fenomeni ukljucuju mijenjajuce kvantitete - brzina rakete, monetarna inflacija, broj bakterija u kulturi, intenzitet udara u zemljotresu, napon
elektricnog signala i tako dalje. U ovom poglavlju razvit c emo pojam izvoda ili
derivacije, to je matematicki alat pomocu kojeg se proucavaju stope po kojima
se mijenjaju fizikalne vrijednosti.
M
P
MN se naziva sekanta ili sjecica krive y = f (x). Posmatrajmo MNP .

tg =
NP
y
=
MP
x
je nagib sjecice MN. Kako x 0, tacka N klizi po grafiku krive y = f (x)

prema tacki M.
89

POGLAVLJE 7. DIFERENCIJALNI RACUN
90
Kako x 0 u stvari sjecica MN tei da zauzme granicni poloaj, tj. poloaj

tangente t na krivu y = f (x) u tacki M. Tangens ugla je stoga nagib tangente t
na krivu u tacki M. Kako x 0 onda , tj. tg tg .
y
= y (x)
x0 x
tg = lim tg = lim
x0
Geometrijska interpretacija prosjecne brzine Ako se c estica krece u pozitivnom smjeru du neke s-ose i ako je kriva pozicije u odnosu na vrijeme s = f (t),
onda je prosjecna brzina c estice izmedu
vremena t0 i t1 predstavljena geometrijski
pomocu nagiba sekante koja povezuje tacke (t0 , f (t0 )) i (t1 , f (t1 )).
Geometrijska interpretacija trenutne brzine Ako se c estica krece u pozitivnom
smjeru du neke s-ose i ako je kriva pozicije u odnosu na vrijeme s = f (t), onda
je trenutna brzina c estice u vremenu t0 predstavljena geometrijski pomocu nagiba
tangente na krivu f (t) u tacki (t0 , f (t0 )).
Brzina se moe promatrati kao mjera promjene - mjera promjene pozicije u
odnosu na vrijeme ili mjera promjene s u odnosu na t. Mjere promjene se mogu
pojaviti u mnogim primjerima:
Mikrobiolog je zainteresiran za razinu promjene broja bakterija u koloniji
tokom vremena;
Ininjer moe biti zainteresiran za mjeru promjene duine metalne ipke u
odnosu na promjenu temperature;
Ekonomista je zainteresiran kako se mijenja cijena proizvodnje u ondosu na
kvantitet proizvodnje;
Medicinski istraitelj je zainteresiran za promjenu radijusa arterije kada se
poveca koncentracija alkohola u krvi...
Definicija 7.1.1. Ako je y = f (x), onda je prosjecna mjera promjene y u odnosu na x na intervalu [x0 , x1 ] nagib msek sekantne linije koja povezuje tacke
(x0 , f (x0 )) i (x1 , f (x1 )) na grafu funkcije f , tj.
msek =
f (x1 ) f (x0 )
.
x1 x0
Definicija 7.1.2. Ako je y = f (x), onda je trenutna mjera promjene y u odnosu

na x na intervalu [x0 , x1 ] nagib mtan tangente na krivu f u tacki (x0 , f (x0 )), tj.
mtan = lim
x1 x0
f (x1 ) f (x0 )
.
x1 x0
7.2. IZVOD FUNKCIJE JEDNE PROMJENLJIVE
91
Primjer. Ako je data funkcija y = x2 + 1, naci prosjecnu mjeru promjene y u

odnosu na x preko intervala [3, 5], trenutnu mjeru promjene y u odnosu na x u
tacki x = 4 te trenutnu mjeru promjene y u odnosu na x u nekoj proizvoljnoj
tacki x = x0 .
Prethodno smo promatrali nagib tangente na jedan nacin. Sada, zbog kalkulacijskih potreba i izbjegavanja "vika" promjenljivih, novu promjenljivu h = x1 x0 ,
odakle jasno slijedi da je x1 = x0 + h, pa konzekventno x1 x0 ako h 0.
Stoga, nagib tangente na krivu f u tacki x0 sada moemo izraziti kao
f (x0 + h) f (x0 )
.
h0
h
Definicija 7.1.3. Ako je P (x0 , y0 ) tacka na grafu funkcije f , onda je tangentna
linija na graf funkcije f u tacki P ili tangentna linija na graf funkcije f u x0 se
definie kao linija kroz tacku P sa nagibom
mtan = lim
f (x0 + h) f (x0 )
.
h0
h
pod uslovom da ovaj limes postoji, dakako. Ako limes ne postoji, kaemo da kriva
nema tangentne linije u P .
mtan = lim
Iz ove definicije slijedi da je jednacina tangentne linije data sa

y y0 = mtan (x x0 ).
Primjer. Naci tangentu na krivu y = x2 + 1 u tacki x0 = 1.

Primjer. Naci tangentu na krivu y = |x| u tacki x0 = 0.
Definicija 7.1.4 (Izvod informalno). Funkcija f definisana formulom
f (x + h) f (x)
h0
h
naziva se izvodom ili derivacijom funkcije f u odnosu na x.
f (x) = lim
7.2 Izvod funkcije jedne promjenljive

Neka je x proizvoljno izabrana unutranja tacka razmaka Df , dakle x (a, b).
Ako argument x promijenimo za neko malo h, tada c e se promijeniti i vrijednost
funkcije f (x) u novu vrijednost f (x + h). Mi c emo razliku
def
f = f (x + h) f (x)
def
zvati prirastom (priratajem) funkcije f u tacki x, a velicinu h = x prirastom

argumenta.

92
-2
-1
-2
-4
Slika 7.1: Tangenta na krivu x2 + 1 u tacki x0 = 1.

2.0
1.5
1.0
0.5
-2
-1
-0.5
-1.0
Slika 7.2: Moguce tangente na krivu |x| u tacki x0 = 0.

Definicija 7.2.1. Derivacija ili izvod funkcije f u tacki x (a, b) naziva se granicna vrijednost
f (x + h) f (x)
lim
,
(7.1)
h0
h
ukoliko postoji konacna ili beskonacna.
Za derivaciju funkcije f u tacki x, koristi se oznaka f (x).
Jednako tako derivacija funkcije y = f (x) po promjenljivoj x, oznacava se
df
fx , y , yx i dx
, ali one oznacavaju da je u pitanju derivacija po x, a nije naglaeno
na koju tacku se to odnosi.
Ako funkcija f (x) ima derivaciju u svim tackama skupa D (a, b), onda
derivacija predstavlja novu funkciju od x, koja je definirana na tome skupu, u
93
optem slucaju razlicitom od (a, b). U tackama toga skupa, dakle ta funkcija f ,
ima konacnu ili pak beskonacnu vrijednost.
Prema tome
f : D R {, +} .
Treba zapaziti da razmak moe imati tacaka koje nisu unutranje tacke, pa se
c ini da ostaje ne definirana derivacija u takvim tackama. Implicitno su i takve
derivacije uvedene datom definicijom, a eksplicitno c emo o tome govoriti u okviru
jednostranih derivacija. Postupak nalaenja funkcije f naziva se diferenciranje ili
deriviranje funkcije f .
Definicija 7.2.2. Za funkciju y = f (x) kaemo da je diferencijabilna u tacki
x (a, b) ako ima konacnu derivaciju u toj tacki.
Stav. Ako je f diferencijabilna funkcija u tacki x (a, b), tada je ona i neprekidna
u istoj tacki.
Ako je f neprekidna funkcija u nekoj tacki ona ne mora biti diferencijabilna u
toj tacki, kao to pokazuje slijedeci primjer.
3
Primjer. Funkcija f zadana pomocu f (x) = x2 je neprekidna na R, ali nije
diferencijabilna u tacki x = 0.
Primjer. Funkcija f zadana pomocu f (x) = 3 x je neprekidna na R, ali nije

diferencijabilna u tacki x = 0.
Slika 5.1
7.2.1 Pravila diferenciranja funkcije

1
Teorema 7.2.3. Neka su f, g : (a, b) R. Tada ako f, g D(a,b)
onda je
f
1
f g, f g, g D(a,b)
, (g(x) 6= 0 ).

94
Jo vie, za svako x (a, b) vrijedi:

(i) (f g) (x) = f (x) g (x);
(ii) (f
= f (x)g(x) + f (x)g (x);
g)(x)
f (x)g(x) f (x)g (x)

f
(x) =
.
(iii)
g
g 2 (x)
7.2.2 Geometrijsko i fizikalno tumacenje derivacije funkcije

Neka se materijalna tacka krece po pravoj tako da funkcija s = s(t) izraava
predeni
put, od neke pocetne tacke O(0, 0), u funkciji od vremena t. Prema tome,
u trenutku t materijalna tacka se nalazi u tacki M(t, 0), a u trenutku t + t u tacki
N(t + t, 0). Predeni
put do trenutka t je s(t), a do t + t je s(t + t). Nas
zanima kako odrediti brzinu te tacke kada je ona u tacki M(t, 0).
Oznacimo sa vsr srednju brzinu tacke na putu MN, tada je
s(t + t) s(t)
vsr =
.
t
Prirodna definicija trenutne brzine tacke u momentu M je granicna vrijednost
srednje brzine kada N tei prema M (a to c e se dogoditi ako t 0). Dakle,
brzina v(t) u tacki M se definira kao
s(t + t) s(t)
= s (t),
t0
t
tj. prvom derivacijom funkcije s(t) po argumentu t. Geometrijski, prva derivacija
(konacna ili beskonacna) funkcije f , u tacki x0 , predstavlja koeficijent pravca
tangente (t) na krivu Gf u tacki x0 .
Da bismo se u to uvjerili, najprije trebamo definirati tangentu krive.
v(t) = lim
Definicija 7.2.4. Tangenta na neku krivu Gf , u zadatoj tacki (x0 , f (x0 )) te krive,
definira se kao prava koja sadri tacku (x0 , f (x0 )) Gf , a predstavlja granicni
poloaj snopa sjecica (tetiva) krive, koje spajaju tacku (x0 , f (x0 )) kao stalnu i bilo
koju drugu tacku (x, f (x)) na krivoj. Pri tome snop sjecica nastaje pomijeranjem
tacke (x, f (x)) po krivoj prema stalnoj tacki (x0 , f (x0 )).
Ako fiksiramo tacku M(x0 , f (x0 )) Gf , tada snop pravih koje prolaze kroz tacku
M imaju jednacinu
y f (x0 ) = k(x x0 ),
gdje sve prave snopa imaju koeficijent pravca k. Prava koja ima koeficijent k =
tg2 = f (x), jasno, predstavlja tangentu krive Gf . Naime, koeficijent pravca
sjecice (s) je
M1 M
f (x0 + h) f (x0 )
tg1 =
=
.
h
h
95
7.2.3 Tablica izvoda

Tablica derivacija
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
Funkcija
f (x)
C = const.
x
x
Derivacija
f (x)
0
1
x1
ax
loga x
cos x
sin x = cos( 2 x)
cos( 2 x)
tgx =
cos x
1
ctgx = tgx
arc cos x
arcsin x
arctg x
arcctgx
shx
thx
arshx =
= ln(x + 1 + x2 )
arhx = 12 ln 1+x
1x
ax ln a
1
x ln a
sin x
cos x
1
cos2 x
sin12 x
1
1x
2
1
1x2
1
1+x2
1
1+x
2
chx
1
ch2 x
1
1+x2
1
1x2
Vrijedi za
xR
xR
= pq Q, q = 2k 1; x 6= 0
= pq > 1, q = 2k 1; x R
a R+ \ {1} ; x R
a R+ \ {1} ; x R+
xR
xR
x 6= 2 + k; k Z
x 6= k; k Z
|x| < 1
|x| < 1
xR
xR
xR
xR
xR
|x| < 1
Teorema 7.2.5 (Derivacija sloene funkcije). Neka su zadate funkcije f ig takve da je

definirana sloena funkcija (g f )(x) = g(f (x)). Neka, dalje, funkcija f ima konacnu
derivaciju u tacki x, a funkcija g ima prvu derivaciju u tacki f (x). Tada superpozicija
g f ima derivaciju u tacki x i vrijedi:
(g f ) (x) = g(f (x)) = gf (f )fx (x).

96
Ovaj proces moemo onda nastaviti, tj. na primjer

z = z(w), w = w(y), y = y(x)
dz dw dy
dz
=
dx
dw dy dx
Primjer. Naci izvod funkcije z = 3(3x2 2)2 .
Primjer. Naci izvod funkcije y = 6 2x 3.

2
Primjer. Naci izvod funkcije y = e2x .

Teorema 7.2.6 (Derivacija inverzne funkcije). Neka funkcija y = y(x) ima derivaciju u
tacki x. Neka dalje, postoji inverzna funkcija x = x(y), koja je neprekidna u tacki y.
Ako je y (x) 6= 0 tada je funkcija x(y) diferencijabilna i vrijedi
yx xy = 1.
Primjer. Funkcija y = arcsin x za x (1, +1) predstavlja inverznu funkciju funkcije
x = sin y. Koristeci gornju formulu, moemo odrediti derivaciju funkcije y(x).
7.2.4 Logaritamska derivacija i diferenciranje implicitne funkcije

Neke funkcije mogu biti zadane analitickim izrazom koji nije pogodan za odredivanje
de
rivacije po definiciji, buduci da se komplikuje izracunavanje odgovarajucih limesa. Takav
je primjer funkcije
F (x) = [f (x)](x) ,
(7.2)
gdje su f i diferencijabilne funkcije na E = (a, b), na kome je i f (x) > 0.
Sa druge strane ako se logaritmira (7.2), onda dobijamo funkciju
(x) = ln F (x) = (x) ln [f (x)] .
(7.3)
Prema tome, funkcija F (x) je implicitno zadata pomocu

ln F (x) (x) ln [f (x)] = 0.
Potraimo derivaciju funkcije (7.3) kao superpozicije dvije funkcije F i ln. Dakle
(x) =
dobijamo izraz na desnoj strani
F
F ,
F (x) = [f (x)]
1
F (x),
F (x)
(7.4)
koji se naziva logaritamska derivacija funkcije F .
(x)

f (x)
(x) ln [f (x)] + (x)
.
f (x)
7.3. DIFERENCIJAL FUNKCIJE
97
Primjer. Naci izvode funkcija

y = xsin x
i
y = (x + 1)2x1) .
Ako je izrazom F (x, y) = 0 implicitno zadata diferencijabilna funkcija y(x), njena
se derivacija moe odrediti iz relacije
Fx + Fy yx = 0,
koja diferenciranjem (po promjenljivoj x) slijedi iz F (x, y) = 0.
Prema tome za derivaciju diferencijabilne funkcije y(x), zadate implicitno F (x, y) =
0, koristicemo formulu
yx = FFx .
y
(P8)
Primjer. Naci izvod funkcije x2 + y 2 5 = 0.

Primjer. Naci izvod funkcije x ln y + y 2 ln x + 3y.
7.3 Diferencijal funkcije

Definicija 7.3.1 (Diferencijal funkcije). Diferencijal funkcije f u tacki x u kojoj je funkcija diferencijabilna, u oznaci df (x) ili df , je proizvod derivacije funkcije i prirataja
nezavisno promjenljive u toj tacki, tj.
df (x) = f (x)h.
(7.5)
Ako uzmemo i(x) = x, onda je prvi diferencijal

di(x) = dx = (x) h = h;
vidimo da je diferencijal funkcije, koja je identicki x, jednak h zbog toga, po dogovoru,
piemo h = dx.
Prema tome, diferencijal funkcije f , je df = f dx. Sad ovu jednakost moemo podf
dijeliti sa dx ; odakle dobijamo dx
= f (x), to smo vec uveli u uznakama za prvu
derivaciju funkcije.
Geometrijski, diferencijal funkcije u tacki x predstavlja prirataj tangente, koji se
definira kao duina M N na slici geometrijske interpretacije.
Teorema 7.3.2. Neka su funkcije f i g diferencijabilne na skupu (a, b). Tada, u tackama
intervala (a, b) gdje je g 6= 0, vrijedi
(i) d(f g) = df dg;
(ii) d(f
= (df )g + f (dg);
g)
(dg)
f
.
(iii) d g = (df )gf
g2

98
7.4 Derivacije i diferencijali viega reda

Pretpostavimo sada da postoji derivacija f (x) neke funkcije f u okolini tacke x0 (a, b).
Cesto
deriviranjem funkcije f dobijamo funkciju koja, zapravo, i sama ima derivaciju u
nekoj okolini te ili druge tacke, tj. postoji
f (x0 + h) f (x0 )
.
h0
h
lim
Posljednju granicnu vrijednost oznacavamo sa f (x0 ) (koristimo i oznake yx (x0 ), yx0 ,

d2 f
(x0 )) i zovemo druga derivacija funkcije (ili drugim izvodom funkcije) f u tacki
dx2
x0 (a, b). Indukcijom moemo uvesti i derivaciju n toga reda funkcije (n ti izvod
funkcije) f u tacki x0 V (x0 ) Df (n1) , kao
f (n1) (x0 +h)f (n1) (x0 )
h
h0
f (n) (x0 ) = lim
def.

= f (n1) (x0 ) ,
(*)
gdje je n N. Jasno, f (0) (x0 ) = f (x0 ).

Dakle, n ta derivacija funkcije f je prva derivacija funkcije f (n1) u svakoj unutranjoj tacki x0 Df (n1) , za koju postoji limes (*).
Ako se pretpostavi da su funkcije f i f diferencijabilne u svakoj tacki x (a, b) =
d
, vrijedi
Df , tada za linearno preslikavanje dx
d
dx
1
1
: D(a,b)
D(a,b)
;
a pretpostavka da postoji f (n) , n > 1, za svako x (a, b) znaci da funkcija f ima sve
derivacije do n toga reda u svim tackama intervala (a, b). Klasu funkcija koje imaju sve
(n)
derivacije do n toga reda u svim tackama skupa E = (a, b), oznacicemo D(a,b) , a ako
funkcija ima derivaciju bilo kojeg reda u tackama skupa E = (a, b) onda pripada klasi
.
beskonacno puta diferencijabilnih funkcija D(a,b)
x
Dakle, e DR = D(,+) .
Primjer. Pokazati da funkcija (x) = ln(1 + x) ima n tu (n N) derivaciju u svakoj
tacki skupa E = (1, +).
Definicija 7.4.1. Diferencijal ntoga reda funkcije f , u oznaci dn f , jeste prvi diferencijal
( n 1 )og diferencijala funkcije f , odnosno

dn f (x) = d dn1 f (x) .
Buduci da je dn1 f = f (n1) (x)dxn1 , to je dn f (x) = f (n) (x)dxn . Ako podijelimo

def.
poslednju jednakost sa dxn = (dx)n , dobicemo da je f (n) =

oznaku za ntu derivaciju funkcije f .
dn f
dxn ,
to predstavlja takode
Principom potpune matematicke indukcije, dokazuje se Leibnizova formula za n tu

derivaciju proizvoda dvije funkcije

7.5. DERIVACIJA I IZRACUNAVANJE
LIMESA FUNKCIJE
u(n) v (0) +
n
1
u(n1) v +
99
(n)
(u v) =

n
n
(n2)
u
v ++
u v (n1) + v (n) u(0) ,
2
n1
gdje je u(0) = u(x); v (0) = v(x).
7.5 Derivacija i izracunavanje limesa funkcije

Funkcija F (x) za neku tacku x = a (koja je tacka nagomilavanja skupa DF ), moe
predstavljati izraz koji nije definiran, te se ne moe odmah reci kolika bi bila vrijednost
F (a), niti pak, koliko je lim F (x), ako uopte taj limes postoji.
xa
Dakle F (a) prividno nema smisla, ali kada x a (x tei prema a) funkcija F moe
imati granicnu vrijednost pa c ak i beskonacnu. Tada A = lim F (x) ima smisla i funkcija
xa
F se moe dodefinirati u tacki x = a, naprimjer tako da je F (a) = A. Naravno tacka x =

a kao i A, moe pripadati i skupu {, +}. Neodredeni
oblici funkcija predstavljaju
oblike neodredenosti
koji se c esto susrecu, pa c emo ovdje, dakle za

0
,
0

00 ,
(0 ) , ( ) ,

0 , (1 )
(7.6)
pokazati kako se mogu pogodnim transformacijama svesti na oblike koji pri racunanju
limesa ne predstavljaju osobito teku prepreku. Ako je lim f (x) = lim g(x) = , tada
xa
1
g
1
f
xa

transformacijom funkcije F = fg u F = ocito neodredenost
oblika
moe se svesti

na oblik 00 .
Isto tako, funkcija F = f g neodredenog
oblika (0 ) u tacki x = a, na ocigledan
nacin prelazi u F = f1 , tj. u neodredenost

oblika 00 .
Transformacijom f g =
1
g
1
f
funkcija F = f g, koja u tacki x = a ima oblik

( ), dobija neodredeni
oblik 00 .
Ako funkciju F = f g logaritmiramo, dobijamo novu funkciju ln F = g ln(f ). Desna
strana u poslednjoj jednakosti pokazuje da nova funkcija moe imati samo oblik (0 ),
pri svim pretpostavkama kada funkcija F = f g ima neki od poslednja tri oblika neodrede
nog izraza, pobrojanih u (7.6). Jo vie, elementarnom transformacijom iz ln F = g ln(f )
dolazimo do
1
fg
ln(f )
g ln(f )
F =e
=e
1
g
Sada, ako je naprimjer, f (a) = 1 i lim g(x) = , ponovo se dobija oblik

xa
0
0

100
7.5.1 LHospitalova pravila

Teorema 7.5.1 (Prvo LHospitalovo pravilo). Ako f, g neprekidne na nekom segmentu
[a, b] i diferencijabilne na (a, b) sa istom domenom i neka je x0 (a, b).
(x)
Ako je f (x0 ) = g(x0 ) = 0 i postoji lim fg (x)
, konacan ili beskonacan, tada postoji
xx0
lim f (x) .
xx0 g(x)
Jo vie, tada vrijedi

lim
xx0
Primjer. Izracunati lim
x0
f (x)
f (x)
= lim
.
g(x) xx0 g (x)
cos x1
.
x2
Teorema 7.5.2. Neka su funkcije f i g diferencijabilne u [a, +) , a > 0 i pri tome je

g (x) 6= 0 za x [a, +) i neka je lim f (x) = lim g(x) = 0. Tada, ako postoji
x
f (x)
,
x g (x)
lim
f (x)
x g(x)
onda postoji i lim
i vrijedi
f (x)
f (x)
= lim
.
x g (x)
x g(x)
lim
(7.7)
Teorema 7.5.3 (Drugo LHospitaleovo pravilo). Neka su funkcije f i g diferencijabilne u

intervalu (a, b), na kome je g 6= 0 i neka je
lim f (x) = lim g(x) = .
xa+0
f (x)
,
xa+0 g (x)
Tada, ako postoji lim
xa+0
f (x)
.
xa+0 g(x)
onda postoji i lim
Jo vie, vrijedi
f (x)
f (x)
= lim
.
xa+0 g(x)
xa+0 g (x)
lim
Primjer. Naci limese:

ex 1
,
x0
x
lim
Primjer. Izracunati L = lim
h0
xsin x
,
x x+sin x
Primjer. Limes lim
ex + 2x
,
x+ x2 3x + 1
lim
lim x ln x.
x0
eh h1
.
h2
primjenom LHospitalova pravila, se ne moe odrediti.
7.6 Osnovni teoremi diferencijalnog racuna

Definicija 7.6.1. Kaemo da funkcija f ima u tacki c Df lokalni maksimum f (c), ako
postoji okolina V (c) Df tacke c, sa svojstvom da je
f (x) f (c) 0, (x V (c)) ;
(7.8)

7.6. OSNOVNI TEOREMI DIFERENCIJALNOG RACUNA
101
vidi sliku a. Funkcija f ima u tacki d Df lokalni minimum f (d), ako postoji okolina
V (d) Df tacke d, tako da vrijedi
f (x) f (d) 0, (x V (d)) ;
(7.9)
vidi sliku b.
Vrijednosti f (c) i f (d) su lokalni ekstremumi funkcije f.
Slika a
Slika b
Teorema 7.6.2. Neka je funkcija f definirana na Df = (a, b) i ima derivaciju u okolini

V (x0 ) (a, b) tacke x0 . Ako je f (x) > 0 za svako x V (x0 ), tada funkcija f strogo
raste na skupu V = V (x0 ).
Teorema 7.6.3. Neka je funkcija f definirana na Df = (a, b) i ima derivaciju u okolini
V (x0 ) (a, b) tacke x0 . Ako je f (x) < 0 za svako x V (x0 ), tada funkcija f strogo
opada na skupu V = V (x0 ).
Teorema 7.6.4 (Fermat). Neka je funkcija f definirana na Df = (a, b) i ima lokalni
ekstremum f (c) u tacki c (a, b). Tada, ako funkcija f ima derivaciju u tacki c, onda je
f (c) = 0.
Definicija 7.6.5. Tacku a Df zovemo stacionarnom tackom funkcije f , ako je f (a) =
0.
Primjer. Pokazati da funkcija moe imati lokalni ekstremum, a da derivacija u tacki toga
ekstremuma ne mora ni postojati.
3
Posmatrajmo sljedecu funkciju kao primjer: f (x) = x2 , Df = [1, +1].
Buduci da je funkcija parna, onda je Gf simetrican u odnosu na y osu.

102
Prema tome za bilo koje h V (0), vrijednost funkcije je f (0+h) =

Dakle,
3
f (0 + h) f (0) = h2 > 0, (h V (0)) ,
h2 > 0 ; f (0) = 0.
pa funkcija f ima lokalni minimum u nuli.

Sa druge strane,
3
f (0 + h) f (0)
h2
1
= +.
lim
= lim
= lim
3
+
+
+
h
R h0
R h0 h
R h0
h
Medutim,
poto je
3
f (0 + h) f (0)
h2
1
lim
= lim
= lim
= ,
3
h
R h0
R h0 h
R h0
h
f (0) ne postoji, to je trebalo i pokazati.
Nalaenje ekstrema funkcije

Vidjeli smo da, diferencijabilna funkcija u nekoj tacki, negativne derivacije u okolini (koja
je dio domena funkcije) te tacke, je opadajuca na tome skupu. Analogno, funkcija c ija je
derivacija pozitivna je rastuca. Ovdje c emo pokazati da vrijedi i obrat.
Teorema 7.6.6. Ako je diferencijabilna funkcija f (x) rastuca (opadajuca) na intervalu
(a, b), tada je f (x) 0 (f (x) 0) za x (a, b).
3
Prije toga, razmotrimo ponovo funkciju f (x) = x2 iz primjera 12, na skupu D =
[1, 1]. Pokazali smo da je f (0) lokalni minimum funkcije, ali da je u isto vrijeme f (0)
ne postoji. Osim toga, uocavamo da je
f (x) < 0, zax [1, 0) i f (x) > 0, zax (0, 1], tj., prva derivacija mijenja znak
u tacki a = 0 u kojoj funkcija f ima lokalni ekstremum. Da to nije slucajno, pokazuje
Teorema 7.6.7 (Prvo pravilo). Pretpostavimo da je U (a) okolina tacke a i f CU (a) .
Ako je f (x) diferencijabilna na skupu U (a)\ {a} , tada je u tacki a lokalni ekstremum
funkcije f (x) ako funkcija f (x) mijenja znak u tacki a. Pri tome
(i) ako je f (x) < 0, x U (, a) if (x) > 0, x U (a, ) ,

7.6. OSNOVNI TEOREMI DIFERENCIJALNOG RACUNA
103
tada je u tacki a lokalni minimum;

(ii) ako je f (x) > 0, x U (, a) if (x) < 0, x U (a, ) ,
u tacki a je lokalni maksimum.
Primjer. Funkcija (t) = |2t 1| ima derivaciju

2, za t >
(t) =
2, za t <
pa je jasno da u tacki t =
1
2
1
2
1
2
postoji lokalni minimum, koji iznosi ( 12 ) = 0.
Teorema 7.6.8 (Drugo pravilo). Neka je f (x) definirana u stacionarnoj tacki c funkcije
f (x). Tada ako je f (c) > 0 (f (c) < 0), funkcija f (x) u stacionarnoj tacki c ima lokalni
minimum (maksimum).
Primjer. Funkcija f (x) = x ln x ima u tacki x = e1 lokalni minimum f ( 1e ) = 1e .
Zaista, jednacina f (x) = ln x + 1 = 0, anulira se u tacki x = e1 . Dakle funkcija f
ima stacionarnu tacku e1 . Osim toga, druga derivacija f (x) = x1 , u stacionarnoj tacki,
ima vrijednost f (e1 ) = e > 0.
Razmotricemo opti slucaj, tj. slucaj kada u stacionarnoj tacki c, n prvih derivacija
funkcije f imaju svojstvo
f (c) = f (c) = = f (n1) (c) = 0, f (n) (c) 6= 0.
(7.10)
Ako je n = 2k 1, tj. ako je n neparan broj, funkcija nema lokalnog ekstremuma u

stacionarnoj tacki c.
Sa druge strane, ako je n = 2k, tj. n je parno i ako je f (n) (c) > 0 funkcija f ima
lokalni minimum u c. Jednako tako, ako je f (n) (c) < 0 funkcija f ima lokalni maksimum
u c.
7.6.1 Konveksnost i konkavnost

Definicija 7.6.9. Za funkciju f : Df R kaemo da je konveksna na (a, b) Df ako
za proizvoljno izabrane x, y (a, b) i, R+ , + = 1, vrijedi
f (x + y) f (x) + f (y).
(7.11)
Funkcija je konkavna na (a, b) Df ,tj. ima drugi tip konveksnosti, ako u (7.11) vrijedi
obrnuta nejednakost.
(1)
Teorema 7.6.10. Neka je f D(a,b) . Da bi f bila konveksna na (a, b) potrebno je i

dovoljno da funkcija f raste na (a, b) .
Neposredna posljedica prethodnog teorema je

104
Teorema 7.6.11. Neka funkcija f : Df R ima drugu derivaciju u svakoj tacki (a, b)
Df . Da bi f bila konveksna (konkavna) na (a, b), potrebno je i dovoljno da bude f (x)
0 (f (x) 0), za svako x (a, b) .
Definicija 7.6.12. Neka je funkcija f (x) definirana u nekoj okolini U (x0 ) tacke x0 i
diferencijabilna na U (x0 )\ {x0 }. Tacka P (x0 , f (x0 )) naziva se prevojna tacka krive Gf
ako funkcija f (x) na skupovima (, x0 ) U (x0 )iU (x0 ) (x0 , +) ima razlicit tip
konveksnosti
Potreban uslov da kriva Gf funkcije y = f (x), f CU (x0 ) ima prevojnu tacku
(x0 , f (x0 )) u x0 , c ija je U (x0 ) dovoljno mala okolina, jeste anuliranje druge derivacije,
tj. f (x0 ) = 0.
(1)
Teorema 7.6.13. Neka je f DU (x0 ) i ima konacnu drugu derivaciju u svim tackama
okoline U (x0 )tacke x0 , osim moda same tacke x0 . Ako funkcija f (x) mijenja znak pri
prolazu argumenta kroz tacku x0 , tada je (x0 , f (x0 )) prevojna tacka krive y = f (x).
Teorema 7.6.14. Neka je f (x0 ) = 0, af (x0 ) 6= 0. Tada je (x0 , f (x0 )) prevojna tacka
krive y = f (x).
Primjer. Funkcija (t) = t2 ln t, D = (0, ) mijenja konveksnost na D .
Buduci da je (t) = 2t lnt + t; (t)

= 2 ln t + 3, to je (t) = 0 za t = e 2 . Osim
3
toga, (t) > 0 za svako t e 2 , , pa je na tome intervalu funkcija konveksna, a

3
2
zbog (t) < 0 na 0, e

ona je konkavna na tome dijelu skupa D . Prevoj funkcije

3
2
3 3
je, dakle, na osnovu teorema 22, tacka P e , 2 e
.
7.7. PRIMJENA IZVODA U EKONOMIJI
105
7.6.2 Ispitivanje funkcije i crtanje grafika

Ovdje c emo, na izvjestan nacin, sumirati glavne rezultate koje smo u ovoj glavi dokazali i
iste iskoristiti u procesu ispitivanja elementarne funkcije f i skiciranja njenog grafika Gf
.
U dosadanjoj analizi funkcija, pokazala se veoma korisnom skica grafika funkcije,
zbog ociglednosti prilikom sagledavanja osobina te funkcije.
U cilju odredivanja
slike skupa Gf ( koja moe posluiti u mnogim prilikama), ele
mentarne funkcije y = f (x) koja je zadata analitickim izrazom, uobicajeno je koristi
sljedecu shemu:
I korak.
Odrediti oblast definiranosti Df funkcije f .
II korak.
Ispitati specijalna svojstva funkcije (parnost, periodicnost i sl.).
III korak. Ispitati kako se funkcija ponaa na rubovima domena; odrediti asimptote.
IV korak.
Odrediti nule (tacno ili priblino) i znak funkcije.
V korak.
Odrediti prvu i drugu derivaciju funkcije.
VI korak.
Odrediti intervale monotonosti funkcije i njene ekstremne vrijednosti.
VII korak.
Odrediti tip konveksnosti funkcije i njene prevojne tacke.
VIII korak.
Ispitati i sve ostale specificnosti grafika Gf date funkcije f (poloaj
grafika prema asimptotama, presjek sa njima ako postoji i sl.).
7.7 Primjena izvoda u ekonomiji

Sada nas interesuje da gore isneseno primjenimo na ekonomskim funkcijama, posebno u
smislu posmatranja monotonosti i ekstrema funkcije.
Primjer. T (Q) = Q2 + 5Q 6. Za koje vrijednosti proizvodnje trokovi rastu, a za
koje opadaju?
Lokalni ektremi su tacke od posebne vanosti za odredjivanje neke funkcije. Treba
razlikovati lokalne ekstreme od apsolutnih ili globalnih ektrema. Relativni minimum npr.
se postie u onoj tacki u kojoj dolazi do promjene znaka prvog izvoda iz negativnog u
pozitivni, dok se relativni maksimum postie u onoj tacki u kojoj dolazi do promjene
znaka prvog izvoda iz pozitivnog u negativni.
Granicne funkcije u ekonomiji su funkcije koje dobijemo iz vec znanih pomocu izvoda, tj. granicna funkcija je izvod pocetne funkcije. Dakle
GT (Q) - funkcija granicnog troka :
GT (Q) = T (Q) =
dT (Q)
;
dQ
GP (Q) - funkcija granicnog prihoda :

GP (Q) = P (Q) =
dP (Q)
;
dQ

106
GD(Q) - funkcija granicne dobiti :

GD(Q) = D (Q) =
dT (Q)
.
dQ
Sjetite se da je izvod u stvari granicna vrijednost - stopa promjene za veoma malu proD
mjenu argumenta (D (Q) = lim
).
Q0 Q
Teorema 7.7.1. Prosjecni trokovi su jednaki granicnim trokovima ako su ti prosjecni
trokovi minimalni.
Dokaz Dakle posmatramo T(Q), gdje je T (Q) = 0. Odnosno :
T (Q)
T(Q) =
T (Q) =
Q
T (Q)
Q
Q T (Q) T (Q
= 0.
Q2
Odavdje slijedi
Q T (Q) T (Q) = 0 QT (Q) = T (Q) T (Q) =
T (Q)
.
Q
Ali po definiciji granicnog troka, imamo

GT (Q) =
T (Q)
.
Q
Sa Q oznacavamo vrijednost za koju je T(Q ) = Tmin . Dakle

T(Q ) = 0 GT (Q ) = T(Q ).
Primjer. Naci lokalne ekstreme funkcije T(Q) = Q2 6Q + 16 koristeci se izvodima.

Da li je ovo i globalni ekstrem?
Primjer. Poznata je funkcija ukupnih trokova T (Q) = Q3 6Q2 + 16Q.
(a) Odrediti minimalni prosjecni troak;
(b) Odrediti minimalni prosjecni troak koristeci se gornjim teoremom.
Teorema 7.7.2. Dobit je maksimalna na nivou proizvedenih i prodatih proizvoda Q0 na
kojem je granicni prihod jednak granicnom troku.
107
16
14
12
10
8
6
Slika 7.3: Prosjecni troak i granicni troak jednaki za Q = 3

3000
2000
1000
15
20
25
30
Slika 7.4: Granicni troak, granicni prihod jednaki za Q = 23, 5, dobit

Dokaz
D(Q) = P (Q) T (Q) D (Q) = P (Q) T (Q) = 0
P (Q ) = T (Q ) GP (Q ) = GT (Q )
Primjer. Neka je data funkcija

T (Q) = Q3 + 40, 25Q2 + 191Q + 1200, P (Q) = 50Q 2Q2 .
(a) Odrediti funkcije ukupne dobiti i nacrtati grafove funkcije T, P, D.
(b) Odrediti za koje vrijednosti Q se ne ostvaruje gubitak.
(c) Verificirajte rezultat iz teorema.
7.7.1 Elasticnost
Elasticnost je sposobnost ekonomske velicine y da reaira manjim ili vecim intenzitetom
na promjene u nekoj drugoj velicini x s kojom je ona u funkcionalnoj meduzavisnosti

108
y = y(x). Racuna se tako da se u omjer stave relativna promjena ekonomske velicine y

(tj. y
cine x (tj. x
y i relativna promjena ekonomske veli
x ).
Tu mjeru oznacavamo sa
Ey,x =
y
y
x
x
(7.12)
ali samo pod uvjetom da su promjene x i y beskonacno male velicine, tj.

x 0, y 0.
Pretpostavimo da je y neprekidna funkcija i kada x 0 :
lim y = lim [y(x + y) y(x)] = lim y(x + y) lim y(x) =
x0
x0
x0
x0
= y( lim (x + x)) y(x) = y(x) y(x) = 0.

x0
Stoga ako je y neprekidna tada imamo x 0 y 0. Buduci da su u formuli

(7.12) velicine x i y beskonacno male, imamo
Ey,x =
y
y
lim
x0 x
x
x y
x
y
=
lim
x0 y x
y x0 x
= lim
odnosno
x dy
y dx
Ey,x =
(7.13)
je mjera ili koeficijent elasticnosti funkcije y u tacki x (Marshallova formula). VANO:

Ovo je sve uz pretpostavku da je y neprekidna funkcija.
Interpretacija koeficijenta elasticnosti

Pretpostavimo da je x promjenjena za 1%, tj.
x
1
= 1% =
.
x
100
Ey,x
y
y
x
x
y
100
y
dakle Ey,x u tom slucaju predstavlja promjenu ekonomske velicine y u procentima koja
nastaje promjenom neovisne velicine x za 1%.
Ey,x > 0 povecanje promjene y.
Ey,x < 0 smanjenje promjene y.
Ako je |Ey,x | < 1, tada kaemo da je funkcija y neelasticna (to znaci da 1% promjene
velicine x izaziva promjenu velicine y manju od 1% i to smanjenjem ako je 1 < Ey,x <
0, odnosno povecanjem ako je 0 < Ey,x < 1).
109
Ako |Ey,x | > 1, tada kaemo da je funkcija elasticna (to znaci da 1% promjene x
izaziva promjene y vecu od 1%.
Ako je Ey,x = 0 tada je funkcija perfektno neelasticna.
Ako |Ey,x | = , tada je funkcija perfektno elasticna.
Ako je |Ey,x | = 1, tada funkcija y ima jedinicnu elasticnost.
Definicija 7.7.3. Podrucje elasticnosti funkcije y je skup
PEL (y) = {x|x D(y) i |Ey,x | > 1}.
Definicija 7.7.4. Podrucje neelasticnosti funkcije y je skup
PN EEL (y) = {x|x D(y) i |Ey,x | < 1}.
Primjer. Odrediti koeficijent elasticnosti Paretove funkcije
y(x) =
0.4567
.
x2,3
Interpretacija: Vidimo da ovaj koeficijent uopce ne zavisi o velicini x, tj. on je 2, 3 na

svim nivoima. Ako se x poveca za 1% to prouzrokuje smanjenje y za 2.3%.
A
x ,
Generalno govoreci, ako je y(x) =
Ey,x = .
Primjer. Odrediti koeficijent elasticnosti funkcije
y=
2x
2x 3
i interpretirati rezultat.
Primjer. Izracunati koeficijent elasticnosti funkcije
log y = 0, 23 + 0, 32 log x.
Generalno
Ey,x
x dy
=
=
y dx
dy
y
dx
x
Ey,x =
d(ln y)
d(log x)
=
.
d(ln x)
d(log x)
d(ln y)
d(ln x)
ako je funkcija u logaritamskom obliku.

Primjer. Odrediti podrucje elasticnosti i podrucje neelasticnosti funkcije potranje Q(p) =
200p + 1000 kao funkcije cijene p.
110
Primjer. Funkcija izdataka za hranu ima oblik

y(x) =
19x
x + 96
gdje je x dohodak. Izracunati elasticnost izdatka za hranu prema promjeni dohotka domacinstva i interpretirati rezultat.
Primjer. Zadana je cijena p kao funkcija proizvodnje Q
p(Q) =
1 10Q
.
20Q
Odrediti koeficijent elasticnosti potranje u odnosu na razinu p = 4 i interpretirati rezultat.
Poglavlje 8
Funkcije dvije i vie promjenljivih
Zamislimo situaciju u kojoj dva proizvoda A i B i njihove potranje zavise o cijenama pA
i pB . QA je potranja za proizvodom A, dok je QB potranja za proizvodom B.
Onda bi bilo realno ocekivati da su potranje ovisne o obje cijene, tj. QA (pA , pB ) i
QB (pA , pB ). Naprimjer
QA (pA , pB ) = 100 5pA + 2pB ,
QB (pA , pB ) = 3pA
1
2p2B
Neka su recimo ukupni trokovi tada

T (QA , QB ) = 100 + 21QA + 3QB ,
a prosjecni trokovi proizvodnje proizvoda A i B zajedno su
T (QA , QB )
T(QA , QB ) =
QA + QB
Opcenito, ako imamo n proizvoda sa cijenama p1 , p2 , . . . , pn onda c e odgovarajuce funkcije potranje biti
Q1 = Q1 (p1 , p2 , . . . pn )
Q2 = Q2 (p1 , p2 , . . . pn )
..
.
Qn = Qn (p1 , p2 , . . . pn )
Ovdje su Qi funkcije ili zavisno promjenljive, dok su cijene nezavisno promjenljive. Opc enito:
y = f (x1 , x2 , . . . , xn )
se naziva funkcija sa n promjenljivih x1 , x2 , . . . xn . Ovakava funkcija uzima n brojeva i
vrace jedan broj, tj.
f : Rn 7 R.
111
POGLAVLJE 8. FUNKCIJE DVIJE I VIE PROMJENLJIVIH
112
Specijalno, ako je n = 2, imamo funkcije dvije promjenljive, f (x1 , x2 ) ili f (x, y). Na
primjer
f (x1 , x2 ) = x21 3x1 x2 + 2x22 10,
f (x, y) = x2 3xy + 2y 2 10,
Primjer. Neka je data funkcija proizvodnje P u nekoj fabrici koja zavisi o uloenom radu
L i kapacitetu C:
1. P (L, C) = La1 C a - Doublasova funkcija
L
2. P (L, C) = L2 ln C
+ C 2 . Ako je L = 10, a C = 5, tada je
P (10, 5) = 102 ln
10
+ 52 = 100 ln 2 + 25
5
8.1 Parcijalni izvodi funkcija vie promjenljivih

Ako nam je data funkcija vie promjenljivih f (x1 , x2 , . . . , xn ), izvod ove funkcije po promjenljivoj x1 dobivamo na uobicajen nacin, dok sve ostale promjenljive x2 , x3 , . . . drimo
fiksnim! Opcenito, izvod funkcije po xk nalazimo tako to x1 , x2 , . . . , xk1 , xk+1 , . . . , xn
drimo fiksnim.
Posmatrajmo sada izvod po promjenljivoj x1 . Slicno kao kod standarnih izvoda, ako
postoji limes
lim
x1
f
f (x1 + x1 , x2 , . . . , xn ) f (x1 , x2 , . . . , xn )
=
x1
x1
onda se vrijednost tog limesa naziva prvi parcijalni izvod funkcije f po promjenljivoj x1 .
Piemo
f
, fx 1 , fx1 .
x1
Prilikom izracunavanja ovog izvoda, sve ostale promjenljive su fiksne. Obratno,
izracunava kada se smatra da su x1 , x3 , . . . , xn fiksne, itd.
Primjer.
f
x2
se
1. f (x1 , x2 ) = 3x21 2x1 x22 + x22 10x1 + 5
2. f (x, y) = (2x 3y)(6xy 1)

3. f (x1 , x2 ) = (x21 2x2 ) ex1 x2 .
8.1.1 Parcijalni diferencijali

Ako je kod funkcija jedne promjenljive diferencijal bio definisan kao dy = y dx, za
funkciju n promjenljivih definiemo n parcijalnih diferencijala:
d1 f =
f
dx1
x1
8.1. PARCIJALNI IZVODI FUNKCIJA VIE PROMJENLJIVIH

d2 f =
f
dx2
x2
dn f =
f
dxn
xn
113
Imamo da je totalni diferencijal

df = d1 f + d2 f + . . . + dn f
df =
f
f
f
dx1 +
dx2 + . . . +
dxn
x1
x2
xn
Specijalno, za n = 2,
df =
f
f
dx1 +
dx2
x1
x2
8.1.2 Parcijalni izvodi drugog reda

f f
f
Generalno govoreci, a kako smo vidjeli iz primjera, x
, , . . . , x
su takoder
funkcije
n
1
vie nezavisnih promjenljivih x1 , x2 , . . . xn . Od svake od njih moemo traiti izvod po
bilo kojoj promjenljivoj, te dobiti parcijalni izvod drugog reda!
=
f (x1 , x2 , . . . , xn )
x1
x1

2f
f
2f
=
.
=
x1 x1
x1 x1
x21
Ukoliko traimo drugi parcijalni izvod prvog izvoda, dobijemo mjeoviti drugi parcijalni
izvod

f
2f
=
.
x2 x1
x2 x1

f
2f
=
.
xn x1
xn x1
Na isti nacin dobijemo za parcijalni izvod po x2 :

f
2f
=
.
x1 x2
x1 x2
Vana c injenica : ovi mjeoviti izvodi nisu obavezno isti!

Ovaj proces onda moemo nastaviti unedogled kako bismo dobili treci, c etvrti, peti,
itd. mjeoviti parcijalni izvod, npr. za funkciju dvije promjenljive
2f 2f 3f
3f
, 2,
,
...
xy y yx2 xyx
Primjenjujemo tacno isti pristup kao prije, dakle ako izvodimo po x1 , onda ostale promjenljive drimo fiksnim!
114
Primjer. Naci sve druge parcijalne izvode funkcije

f (x, y) = xexy .
Teorema 8.1.1 (Schwartz). Ako su f (x, y) i parcijalni izvodi fx , fy , fxy , fyx definirane
i neprekidne u tacki n(x, y) i nekoj njenoj okolini, tada su mjeoviti parcijalni izvodi
medusobno
jednaki, tj.
2f
2f
=
xy
yx
Napomena, Iz prethodnog primjera se vidi da ovaj teorem vrijedi opcenito za bilo
koje parcijalne izvode. Vano je koliko se puta derivira po odredenoj
promjenljivoj a da
pri tome uopce nije bitan poredak deriviranja.

Primjer. z(x, y) = x2 log[y sin y + yey ln(2y 3 13)] + 31
8.2 Primjena diferencijalnog racuna vie promjenljivih

Neka je sada dozvoljeno da i nae ekonomske funkcije imaju vie promjenljivih, npr.
Q1 (p1 , p2 , . . . , pn , k, t),
gdje su pi cijene razlicitih proizvoda, k dohodak, t vrijeme. Onda moemo definisati
keoficijent parcijalne elasticnosti funkcije Q1
p1 Q1
Q1 p1
EQ1 ,p1 =
No moemo posmatrati kako promjene cijena drugih proizvoda uticu na Q1 . To nazivamo

koeficijent ukrtene elasticnosti
EQ1 ,pi =
pi Q1
,
Q1 pi
i = 2, 3, . . . , n.
S druge strane imamo i koeficijent dohodovne elasticnosti

EQ1 ,k =
k Q1
,
Q1 k
te koeficijent elasticnosti u odnosu na vrijeme

EQ1 ,t =
t Q1
.
Q1 t
Primjer. Izracunati koeficijente parcijalne i ukrtene elasticnosti funkcije

QA (pA , pB ) = 50 3pA + 5pB
na nivou cijene pA = 10 i pB = 4. Interpretirati rezultat.

8.2. PRIMJENA DIFERENCIJALNOG RACUNA
VIE PROMJENLJIVIH 115
Primjer.
Q2 (p1 , p2 ) = 100 + 2p1 4p2
je funkcija potranje sa cijenama p1 , p2
1. Za koje cijene p1 i p2 ova funkcija imaju ekonomskog smisla.
2. Skicirati graf u koordinatnoj ravni p1 i p2 .
3. Izracunati stopu promjene prethodne funkcije u odnosu na cijene p1 = 5, p2 = 1.
Funkcija potranje (ponude)

Qi (p1 , p2 , . . . , pn ).
Qi
pk
je stopa promjene funkcije potranje Qi u odnosu na cijenu pk , (i, k = 1, 2, . . . , n).

Ako je ovaj parcijalni izvod veci od nule, Qi je rastuca funkcija u odnosu na cijenu
pk .
Ako je ovaj parcijalni izvod manji od nule, Qi je opadajuca funkcija u odnosu na
cijenu pk .
Funkcija ukupnih trokova

Ako pretpostavimo da imamo proizvodnju dva dobra sa potranjama Q1 i Q2 , funkcija
ukupnih trokova je
T (Q1 , Q2 ) = V T (Q1 , Q2 ) + F T.
Ocito, kao i prije, F T = T (0, 0). Sada je funkcija prosjecnih trokova medutim
T (Q1 , Q2 )
T(Q1 , Q2 ) =
.
Q1 + Q2
T
Qi
je marginalni (granicni) troak u odnosu na potranju Qi , i = 1, 2, . . . n.
Primjer. Ako je T(Q1 , Q2 ) = 1 + 10(Q1 + Q2 )1 , odrediti koji su fiksni trokovi te

naci funkcije granicnih trokova u odnosu na Q1 , a onda u odnosu na Q2 . Interpretirati
rezultat.
Funkcija ukupnih prihoda i dobiti

Posmatrajmo proizvodnju dva dobra c ije su potranje Q1 i Q2 , a cijene p1 i p2 . Tada je
P (p1 , p2 ) = Q1 p1 + Q2 p2 = Q1 (p1 , p2 )p1 + Q2 (p1 , p2 )p2
funkcija ukupnog prihoda kao funkcija cijena, dok je
P (Q1 , Q2 ) = Q1 p1 (Q1 , Q2 ) + Q2 p2 (Q1 , Q2 )
116
funkcija ukupnog prihoda kao funkcija potranji.

potranju Qi , i = 1, 2, . . . , n.
P
Qi
je granicni prihod u odnosu na
D(Q1 , Q2 ) = P (Q1 , Q2 ) T (Q1 , Q2 )

je onda funkcija dobiti, dok je
P (Q1 , Q2 )
P (Q1 , Q2 ) =
.
Q1 + Q2
prosjecni prihod.
Primjer. Date su cijene dva dobra p1 i p2 kao funkcije proizvodnje Q1 i Q2 , kao i funkcija
ukupnih trokova T (Q1 , Q2 )
p1 = 10 Q1 , p2 = 20 Q2 , T (Q1 , Q2 ) = 4Q21 + Q22 + 10.
Izvesti funkciju dobiti u ovisnosti o Q1 , Q2 .
8.2.1 Homogene funkcije

Definicija 8.2.1. Za funkciju f = f (x1 , x2 , . . . , xn ) kaemo da je homogena stepena
homogenosti ako vrijedi
f (x1 , x2 , . . . , xn ) = f (x1 , x2 , . . . , xn ).
Primjer.
f (x1 , x2 , x3 ) = x21 + 2x22 + 3x1 x3 .
Primjer. Proizvodnja P zavisi o uloenom radu L i uloenom kapitalu C:
P (L, C) = L2 ln
C
+ C 2.
L
Ako se oba proizvoda faktora (L, C) istovremeno povecaju za 10%, za koliko procenata
se promjeni proizvodnja.
Opcenito, za proizvoljnu funkciju f (x1 , x2 , . . . , xn ) koja je homogena stepena homogenosti
f
= ( 1) 100%,
f
tj. procenat promjene funkcije f kada se svaka promjenljiva uveca za = 1 +
procenat promjene svake promjenljive.
p
100 .
p je
8.3. EKSTREMI FUNKCIJA VIE PROMJENLJIVIH
117
Eulerov teorem
Teorema 8.2.2. Neka je funkcija f homogena funkcija stepena homogenosti . Tada
vrijedi
f
f
f
x1
+ x2
+ . . . + xn
=f
x1
x2
xn
Ako cijelu jednakost podijelimo sa f , dobijemo ekvivalent:
Teorema 8.2.3. Neka je funkcija f homogena funkcija stepena homogenosti . Tada je
zbir svih koeficijenata elasticnosti te funkcije jednak stepenu homogenosti funkcije i
vrijedi
x2 f
xn f
x1 f
+
+ ... +
=
f x1
f x2
f xn
2
Primjer. EP,L + EP,C = 2, gdje je P (L, C) = L2 ln C
L + C , tj. P je homogena funkcija
stepena homogenosti = 2.
8.3 Ekstremi funkcija vie promjenljivih

Na slican nacin kao to je to bio slucaj kod funkcija jedne promjenljive, sada posmatramo
lokalne ekstreme funkcija vie promjenljivih.
Definicija 8.3.1. Za funkciju f = f (X) = f (x1 , x2 , . . . , xn ) kaemo da ima lokalni
minimum u tacki A(a1 , a2 , . . . , an ) ako je ona definisana u nekoj okolini UA tacke A i
ako vrijedi da je f (X) > f (A) za svako x UA .
Definicija 8.3.2. Za funkciju f = f (X) = f (x1 , x2 , . . . , xn ) kaemo da ima lokalni
maksimum u tacki A(a1 , a2 , . . . , an ) ako je ona definisana u nekoj okolini UA tacke A i
ako vrijedi da je f (X) < f (A) za svako x UA .
Stacionarna tacka je tacka u kojoj su svi parcijalni izvodi funkcije jednaki nuli, tj.
f
f
f
=
= ... =
= 0.
x1
x2
xn
Primjedba 8.3.3. Stacionarna tacka ne mora biti tacka lokalnog ekstrema.
Da li je stacionarna tacka uopce tacka lokalnog ekstrema i ako jeste, da li je maksimum ili minimum, ispituje se po tzv. Silvestrovom kriteriju.
Definicija 8.3.4 (Hessian). Neka je f = f (x1 , x2 , . . . , xn ). Za ovu funkciju definiramo

Hesseovu matricu ili Hessian funkcije:
f11 f12 . . . f1n

f21 f22 . . . f2n
H= .
..
.. ,
.
.
.
.
fn1 fn2 . . . fnn
gdje su
fij =
2f
, i, j {1, 2, . . . , n}.
xi xj
118
8.3.1 Silvesterov kriterij

1. Ako za Hessian racunat u stacionarnoj tacki funkcije f = f (x1 , x2 , . . . , xn ) vrijedi
D1 = f11

f
f
> 0, D2 = 11 12
f21 f22

f11 f12 f13

> 0, D3 = f21 f22 f23

f31 f32 f33
Dn = |H| > 0 tada je stacionarna tacka tacka lokalnog minimuma.

> 0, . . . ,

2. Ako za Hessian racunat u stacionarnoj tacki vrijedi
D1 = f11

f
f
< 0, D2 = 11 12
f21 f22

f11 f12 f13

> 0, D3 = f21 f22 f23

f31 f32 f33

< 0, . . . ,

tj. Hessian naizmjenicno mijenja znak glavnih minora Hessiana, tada je stacionarna
tacka tacka lokalnog maksimuma.
Primjer. Naci lokalne ekstreme funkcije f (x, y) = x2 + y 2 16.
Primjer. Naci optimalnu kombinaciju proizvodnje u cilju maksimiziranja dobiti iz primjera funkcija prihoda i dobiti:
D(Q1 , Q2 ) = 5Q21 2Q22 + 10Q1 + 20Q2 10
8.3.2 Optimum - vezani (uvjetni) ekstrem

Imamo funkciju cilja f (x, y) i traimo ili maksimum ili minimum te funkcije nezavisnih
promjenljivih x, y pod uslovom g(x, y) = 0.
Metod supstitucije. Ovaj metod primjenjujemo kada iz uslova g(x, y) = 0 moemo
jednu od promjenljivih izraziti pomocu one druge, npr. y = (x), a zatim to zamjenimo
(supstituiemo) u jednacinu funkcije f (x, y).
Na taj nacin funkcija postaje funkcija jedne promjenljive za koju znamo kako se odreduje
minimum i maksimum - f (x, y) = f (x, (x)) = F (x).
Primjer. Zadana je funkcija korisnosti za potroaca u(Q1 , Q2 ) = Q1 Q2 , gdje je Q1
kolicina proizvoda A a Q2 kolicina proizvoda B. Jedinicna cijena proizvoda A je 1KM a
cijena proizvoda B je 4KM . Ukoliko potrac ima na raspolaganju 1200KM koje eli u
potpunosti potroiti, pronadite
kolicine proizvoda A i B uz koje se ostvaruje maksimalna
korisnost. Kolika je maksimalna korisnost?
Metod Lagrangeovih multiplikatora Ovaj se metod koristi u slucaju kad iz dodatnog
uvjeta ne moemo izraziti jednu nepoznanicu preko druge, ako je u pitanju funkcija cilja
sa dvije promjenljive.
8.3. EKSTREMI FUNKCIJA VIE PROMJENLJIVIH
119
Dakle ako je funkcija cilja f (x, y) a dodatni uvjet g(x, y) = 0, umjesto funkcije
f (x, y) uvodimo novu funkciju
F (x, y, ) = f (x, y) g(x, y)
i sada se problem svodi na odredivanje
ekstrema funckije F (x, y, ). Stacionarne tacke
odredujemo
iz
Fx = fx gx = 0
Fy = fy gy = 0
F = g(x, y) = 0.
Dalji postupak je isti kao u slucaju ekstrema sa vie promjenljivih kada koristimo Silvesterov kriterij.
Primjer. Maksimizirati funkciju f (x, y) = x + y na jedinicnoj krunici.
Primjer. Rijeiti problem
f (x, y) = x2 + y 2 ext
x+y =1.
Kao to smo rekli, formiramo prvo lagranijan
(x, y, ) = f (x, y) g(x, y) = x2 + y 2 (x + y 1) ,
gdje je sa g(x, y) = x + y 1 zadata uslovna funkcija.
U drugom koraku racunamo gradijent lagranijana

(x, y, ) =
,
,
= (2x , 2y , x + y 1) .
x y
Sada rjeavamo sistem
2x = 0
2y = 0
x+y1 = 0.
Iz prve dvije jednacine sistema imamo 2x = 2y, tj. x = y, pa uvrtavajuci to u trecu
1
jednacinu, dobijamo x =
y = 2 i za ove vrijednosti je = 1. Dakle, imamo jednu staci1 1
oarnu tacku X0 2 , 2 , 1 . Posljedni korak je utvrdjivanje karaktera tacke X0 . Racunajuci
druge parcijalne izvode, imamo
d2 f (X0 ) = 2dx2 + 2dy 2 ,
i vidimo da je d2 f (X0 ) > 0 (kao suma kvadrata), te dakle imamo minimum funkcije f ,
pri uslovu g, u tacki 12 , 12 , i on iznosi fmin = 12 .
120
Poglavlje 9
Integralni racun
9.1 Neodredeni
integral
9.1.1 Povrinski problem

Iako vecina razmilja o integralu iskljucivo kao o obratu izvoda, osnove integralnog rac una seu mnogo dalje u prolost od modernih vremena. Jedan od velikih problema vie
matematike je:
Definicija 9.1.1. Ako je data realna funkcija f koja je neprekidna i nenegativna na intervalu [a, b], nadjite povrinu koja se nalazi izmedu
grafa funkcije f i intervala [a, b] na
x-osi.
Slika 9.1: Povrinski problem

Povrinske formule za osnovne geometrijske figure, kao to su pravougaonici, poligoni i krugovi idu nazad do najranijih matematickih zapisa. Prvi pravi napredak od
najprimitivnih pokuaja je napravio starogrcki matematicar Arhimed (A), koji
121
122
POGLAVLJE 9. INTEGRALNI RACUN
je razvio genijalnu, ali napornu tehniku, koja se zove tehnika iscrpljenja, kako bi naao
povrine regija koje su ogranicene parabolama, spiralama i raznim drugim krivim.
Do 17-og stoljeca mnogi su matematicari otkrili nacine kako izracunati ove povrine
koristeci limese. Medutim,
svim ovim metodama je nedostajala generalnost. Veliki na
predak su napravili nezavisno jedan od drugoga Newton i Leibnitz, koji su otkrili da se
povrine mogu dobiti obrcuci proces diferencijacije. Newtonov rad De Analysi per Aequationes Numero Terminorum Infinitas izdat 1711 se smatra pocetkom vie matematike.
Slika 9.2: Sir Isaac Newton
Slika 9.3: Gottfried Wilhelm Leibniz

Primjer. Posmatrajmo funkciju y = cos2 x. Onda znamo da je izvod ove funkcije y =
2 cos x sin x = sin 2x. No ta ako moramo raditi unatrag, odnosno da nam je data
funkcija y = sin 2x i iz nje trebamo pronaci originalnu funkciju?
Ocito, u ovom slucaju je y = cos2 x, ali smo to vec unaprijed znali. U opcem slucaju,
to nije tako jednostavno i zahtjeva poseban pristup.
9.1. NEODREENI INTEGRAL
123
Slika 9.4: De Analysi per Aequationes ...

Definicija 9.1.2. Funkciju F definisanu na intervalu I, nazivamo primitivom ili primitivnom funkcijom ili prim funkcijom ili anti-izvodom ili integralom funkcije f (x), ako je na
tom intervalu f (x) izvod funkcije F (x), tj. ako vrijedi relacija
F (x) = f (x),
x I.
(9.1)
Definicija 9.1.2 se moe formulisati tako da umjesto termina izvod koristimo termin
diferencijal i tada vrijedi
d F (x) = F (x)dx = f (x)dx,
x I.
(9.2)
Primjer. Funkcija 13 x3 je primitiv funkcije f (x) = x2 na intervalu (, ), zato to je

za svako x (, )

d 1 3
F (x) =
x = x2 = f (x).
dx 3
Primjetite da ovo nije jedini primitiv funkcije f na ovom intervalu. Ako dodamo bilo
koju konstantu C na 13 x3 , onda je funkcija F (x) = 13 x3 + C takoder
primitiv funkcije
f (x) = x2 , jer je x (, )
1
1
F (x) = ( x3 + C) = (x3 ) + C = x2 .
3
3
Teorema 9.1.3. Neka je F (x), na intervalu I, primitiv funkcije f (x). Tada je i funkcija
F (x) + C, gdje je C proizvoljna konstanta, takoder
primitiv funkcije f (x).
Teorema 9.1.4. Neka su F (x) i (x) razliciti primitivi funkcije f (x) na intervalu I. Tada
je
(x) = F (x) + C, C R.
(9.3)

124
Dokaz Na osnovu pretpostavke teoreme je

F (x) = f (x),
(x) = f (x),
odakle slijedi da je
(x) F (x) = [(x) F [x]] = 0,
odnosno, vrijedi
(x) F (x) = C (x) = F (x) + C.
Proces nalaenja primitiva nazivamo anti-izvodenjem
ili, poznatije, integracijom. Funk
ciju F (x) + C nazivamo neodredeni
integral funkcije f (x) i oznacavamo je sa
Z
f (x)dx = F (x) + C,
gdje je C proizvoljna konstanta.
Produeno S koje se pojavljuje s lijeve strane definicije neodredenog
integrala se zove
znak integracije, to je notacija koju je izumio Leibnitz 1675 godine. Funkcija f (x) se
zove integrand ili podintegralni izraz. C se naziva konstanta integracije.
Pridjev neodreden
se odnosi na c injenicu da integracija ne daje jednu, odredenu
funkciju, vec citav snop funkcija (zbog konstante integracije).

Primjer. Provjeriti da je
ln x
x dx
d
dx
ln2 x
2
ln2 x
+C
2
+ C. Kako je
=2
ln x 1
ln x
=
,
2 x
x
to je prema definiciji neodredenog

integrala funkcija
ln x
x .
ln2 x
2 +C
neodredeni
integral funkcije
9.1.2 Neke osobine neodredenog

integrala
Iz definicije neodredenog
integrala direktno slijedi
Z
f (x)dx
Z
d f (x)dx
Z
dF (x)
Z
F (x)dx
= [F (x) + C] = F (x) = f (x),
(9.4)
= d[F (x) + C] = F (x)dx = f (x)dx,

Z
Z
=
F (x)dx = f (x)dx = F (x) + C,
Z
=
f (x)dx = F (x) + C.
(9.5)
(9.6)
(9.7)
125
Pravilo 1 Neka je a R konstanta. Tada vrijedi

Z
Z
af (x)dx = a f (x)dx
(9.8)
R
Pravilo 2 Ako postoje fi (x)dx, i = 1, 2, . . . , n, tada vrijedi
Z
Z
Z
Z
(f1 + f2 + . . . + fn)(x)dx = f1 (x)dx + f2 (x)dx + . . . fn (x)dx. (9.9)
Pravilo 3 Neka je
f (t)dt = F (t) + C. Tada je

Z
1
f (ax + b)dx = F (ax + b) + C.
a
(9.10)
Dokaz. Kako je
dF (t)
= F (t) = f (t),
dt
d
F (ax + b) = a F (ax + b) = a f (ax + b),
dt
imamo da je

d 1
1
F (ax + b) = a F (ax + b) = F (ax + b) = f (ax + b).
dt a
a
9.1.3 Tablica osnovnih integrala

Integracija je u osnovi pogadanje
- no inteligentno pogadanje!
Mi u osnovi pokuavamo
da pogodimo ta je funkcija iz njenog izvoda. Veliki broj integrala moemo rijeiti koristeci se nekim, osnovnim integralima standardnih funkcija. Ovdje c emo navesti neke od
njih.
1.
2.
3.
4.
0 dx = C;
xa dx =
1
xa+1 + C,
a+1
Z
dx = x + C,
a 6= 0, 1, a R,
1
dx = ln |x| + C,
x
1
dx = arc tg x + C;
1 + x2
1
dx = arc ctg x + C,
1 + x2

126
5.
dx = arcsin x + C;
1 x2
6.
8.
ex dx = ex + C,
sin xdx = cos x + C;
cos xdx = sin x + C,
ax dx =
1
dx = tg x + C;
cos2 x
cos x
dx =
sin2 x
Z
1 cos x
dx =
sin x sin x
t2 2t4
dt =
t4
=
1
dx = ctg x + C,
sin2 x

p
1

dx = ln x + x2 a2 + C.
x2 a2
Primjer.
Primjer.
1
dx = arccos x + C,
1 x2
9.
ax
+ C,
ln a
7.
Z
csc x ctg xdx = csc x + C
Z
Z
1
2
2 = t dt + (2)dt
t2
t1
1
2t + C = 2t + C.
1
t
Vjezba. Izracunati slijedece neodredene

integrale:
1.
(x3 + 2x 5)dx.
2.
3.
4.
5.
xdx.
sin(3x)dx.
1
dx.
x+3
x2
2x + 5
dx.
+ 5x + 1
127
6.
7.
8.
9.
tg2 xdx.
x ex
2 +1
dx.
dx
.
x ln x
2dx
.
sin 2x
9.1.4 Integracija metodom smjene

U dosadanjim primjerima smo se samo koristili osnovnim pravilima i tablicama integrala.
Takvi slucajevi su rijetki i u nekim slucajevima uvodenjem
smjene nezavisne promjenljive
podintegralne funkcije moemo svesti integral na tablicni slucaj. Neka trebamo izracunati
Z
f (x)dx.
(9.11)
Umjesto nezavisne promjenljive x uvedimo novu promjenljivu t, i neka je
x = g(t),
dx = g (t)dt.
(9.12)
Tada integral (9.11) glasi

Z
f [g(t)]g (t)dt.
(9.13)
Teorema 9.1.5. Neka su J1 i J2 otvoreni integrali u skupu R. Neka je f : J2 7 R, x

J2 , neprekidna funkcija na J2 i neka funkcija g : J1 7 J2 ima neprekidne izvode na J1 .
Tada za svako t J1 i svako x = g(t) J2 vrijedi
Z
Z
f (x)dx = f [g(t)]g (t)dt.
(9.14)
Tacnost tvrdnje prati na osnovu definicije izvoda posredne funkcije i definicije neodredenog
integrala.
Primjer.
Z
sin3 x cos xdx.
Uvodimo smjenu sin x = t, cos xdx = dt. Tada posmatrani integral glasi
Z
Z
1
1
sin3 x cos xdx = t3 dt = t4 + C = sin4 x + C.
4
4

128
Vjezba. Izracunati slijedece neodredene

integrale:
1.
2.
3.
4.
dx
dx.
1 + 4x
5.
xex dx.
dx
dx.
1+x
cos x
dx.
1 + sin2 x
Z
sin3 xdx.
9.1.5 Metoda parcijalne integracije

Neka su u = f (x) i v = g(x) funkcije promjenljive x i neka imaju izvode u = f (x) i
v = g (x). Tada je po pravilu diferenciranja proizvoda
d(u v) = u dv + v du,
odakle slijedi
u dv = d(u v) v du
odnosno
v du = d(u v) u dv.
Iz prethodnih jednakosti integracijom dobivamo
Z
Z
u dv = u v v du
(9.15)
odnosno
Z
v du = u v
Gornje relacije daju pravila parcijalne integracije.
u dv.
(9.16)

Primjer. Neka treba naci
129
xe2x dx. Uzmimo da je

2x
u = x, du = dx, dv = e
v=
e2x dx =
1 2x
e .
2
Tada je prema relaciji (9.15)

Z
Z
x 2x 1
x
1
2x
e2x dx = e2x e2x + C.
xe dx = e
2
2
2
4
Primjer.

u = ln x du = dx
x

x ln x =
dv = x2 dx v = 13 x3
Z
Z
x3 ln x 1
x3 ln x 1
3 dx
=
x
=
x2 dx
3
3
x
3
3
Z
x3 ln x x9
+ C.
3
9
Primjer. Izracunati
Z
eax cos(bx)dx.
Oznacimo dati integral sa J i neka je
u = eax , dv = cos(bx)dx.
Tada je

u = eax du = aeax dx

J = e cos(bx)dx =
1
dv = cos(bx)dx v = b sin(bx)
Z
a
1
= eax sin(bx)
eax sin(bx)dx.
b
b
R
Ako se za izracunavanje eax sin(bx)dx uzme

1
ax
ax
u = e (du = ae dx), dv = sin(bx)dx v = cos(bx) ,
b
Z
ax
tada slijedi

Z
1 ax
a
1 ax
a
ax
J = e sin(bx)
e cos(bx) +
e cos(bx)dx ,
b
b
b
b
1
a
a2
J = eax sin(bx) + 2 eax cos(bx) 2 J.
b
b
b
Rjeavanjem prethodne jednacine po J dobijamo
J=
ili
b sin(bx) + a cos(bx) ax
e ,
a2 + b2
eax cos(bx)dx =
b sin(bx) + a cos(bx) ax
e + C.
a2 + b2

130
9.1.6 Integracija racionalnih funkcija

Racionalna funkcija je funkcija oblika:
R(x) =
Pn (x)
an xn + an1 xn1 + . . . + a1 x + a0
=
Qn (x)
bm xm + bm1 xm1 + . . . + b1 x + b0
Ako je
1. n m tada je funkcija R(x) neprava racionalna funkcija;
2. n < m tada je funkcija R(x) prava racionalna funkcija.
U prvom slucaju, prvo polinome Pn (x) i Qm (x) podijelimo, tj.
R(x) =
Pn (x)
R1 (x)
= nm (x) +
.
Qn (x)
Qm (x)
Drugi dio desne strane ove jednakosti je onda prava racionalna funkcija.
Primjer.
27x 2
2x3 x2 + x + 5
= 2x + 7 + 2
.
x2 4x + 1
x 4x + 1
Izracunavanje integrala racionalne funkcije svodi se na izracunavanje prave racionalne

funkcije. No, prije toga moramo pravu racionalnu funkciju razloiti na prostije racionalne
funkcije, tzv. parcijalne razlomke, a zatim racunati integrale za svaki od tih parcijalnih
razlomaka.
Prostim racionalnim funkcijama zovemo racionalne funkcije oblika
A
(x )k
(k N )
(9.17)
gdje su A ia realni brojevi, odnosno

Mx + N
k
(x2 + px + q)

k N ; p2 4 q < 0 ,
(2.26 )
gdje su M, N, p i q realni brojevi. Svaku pravu racionalnu funkciju moemo predstaviti u

obliku (prema fundamentalnoj teoremi algebre):
Pn (x)
Pn (x)
=
,
Qm (x)
(x a1 )k1 (x aM )kM (x2 + p1 x + q1 )l1 (x2 + pN x + qN )lN
gdje su ki , li N, M + N = m. Pri tome je p2 4q < 0, tj. x2 + px + q se ne moe
dalje rastaviti na proste realne faktore (nema nula u R).
Posmatrajmo konkretan slucaj. Racionalnu funkciju moemo izraziti kao:
(x
Pn (x)
k
a) (x2 + px
A1
A2
Ak
+
+ ... +
+
2
+
x a (x a)
(x a)k
M1 x + N1
M2 x + N2
Mm x + Nm
+ 2
+
+ ... + 2
x + px + q (x2 + px + q)2
(x + px + q)m .
q)m
9.2. ODREENI INTEGRAL
131
A1 , A2 , . . . , An , M1 , M2 , . . . , Ml , N1 , N2 , . . . , Nl su nepoznati koeficijenti koje treba odrediti. Onda integral

Z
Pn (x)
Qn (x)
se u stvari pretvara u k + m integrala koje vec moemo rijeiti standardnim putem!
Primjer.
3x2 x + 2
(x 1)2 (x2 + 1)
Z
Z
Z
1
1
1
1
1x
=2
dx +
dx +
dx
(x 1)2
2
x1
2
1 + x2
Z
2
1
1
1
+ ln(x 1) + arctan x ln(x2 + 1) + C.
x1 2
2
4
Napomena: U optem slucaju, integral oblika

Z
Z
Mx + N
Mx + N
dx
=
x2 + px + q
(x + p/2)2 + a2
p
2
rjeavamo pomocu smjene x +
= at.
9.2 Odredeni
integral
Neka je funkcija nam je data funkcija f (x) i neka procesom izracunavanja neodredenog
integrala moemo naci njen primitiv F (x). U ovoj sekciji c emo se baviti pojmom tzv.
odredenog
integrala, ali ne teoretskim, vec samo primjenjenim putem. Dakle, necemo
formalno definisati odredeni

integral, vec samo pomocu njegove veze sa neodredenim
integralom.
Odredeni
integral funkcije f integrabilne na segmentu [a, b] oznacavamo sa
Z
f (x)dx
Ispostavlja se da je
Z
f (x)dx = F (b) F (a)!
Ova formula se po dogovoru zapisuje kao

Z
b
a
f (x)dx = F (x)|ba .
Ova formula se naziva Newton-Leibnitzova formula! Vidimo da nam odredeni

integral
vraca konkretnu vrijednost, pa stoga i njegovo ime! Osobinu da postoji odredeni

integral
funkije na segmentu [a, b] c emo oznacavati sa f I[a, b].

132
9.2.1 Osobine odredenog

integrala
Neka je f I[a,b] . Tada je, po definiciji

Ra
b
f (x)dx =
Rb
f (x)dxi
f (x)dx =0, [a, b].
Lema 9.2.1. Ako je f I[a,b] i a < b, tada je f integrabilna na segmentu

[, ] .
Lema 9.2.2. Neka je a < c < b i neka je funkcija f integrabilna na [a, b]. Tada vrijedi
Zb
f (x)dx =
Zc
f (x)dx +
Zb
f (x)dx.
(9.18)
Teorema 9.2.3. Neka f, g I[a,b] . Tada su funkcije f + g, f g, g integrabilne na

segmentu [a, b], gdje je R ; pri tome vrijedi
Rb
Rb
Rb
(a) (f (x) g(x))dx = f (x)dx g(x)dx,
a
(b)
Rb
(f (x)) dx =
Rb
f (x)dx.
Teorema 9.2.4. Neka su f, g I[a,b] takve da je f (x) g(x) za svako x [a, b] , tada
vrijedi
Zb
Zb
f (x)dx g(x)dx.
(9.19)
a
Teorema 9.2.5. Ako je f integrabilna funkcija na segmentu [a, b], tada su integrabilne i
funkcije f + i |f | ; osim toga, vrijedi nejednakost
b

Z
Zb

f (x)dx |f (x)| dx.
(9.20)

a
Teorema 9.2.6. Ako je f C[a,b] , tada je f I[a,b] .
Primjer. Izracunati integral
R3
3
dx
1+x2
dx
1+x2 .

= arctgx 1 3 = arctg( 3) arctg(1) =
( 4 ) =
7
12 .
Glavni metodi izracunavanja neodredenog

integrala, metod smjene promjenljive i me
tod parcijalne integracije, mogu se primijeniti i kod izracunavanja odredenog
integrala.
9.2. ODREENI INTEGRAL
133
Teorema 9.2.7. Neka su funkcije u(x) i v(x) glatke na segmentu [a, b]. Tada vrijedi
jednakost
Zb
Zb

b
u(x)dv(x) = u(x)v(x) a v(x)du(x).
(9.21)
a
Primjer. Izracunati odredeni

integral
Z
x2 ln xdx.
Teorema 9.2.8. Neka je f : [A, B] R neprekidna, a funkcija

: [0 , 0 ] [A, B]
ima neprekidnu derivaciju (t). Ako je
, [0 , 0 ] , a = (), b = (),
tada vrijedi jednakost
Zb
f (x)dx =
f ((t)) (t)dt.
(9.22)
Primjer. Izracunati
Z
1p
1 x2 dx.

=
4
9.2.2 Primjene odredenog

integrala
Teorema 9.2.9. Neka je za y = f (x), x [a, b] prva derivacija f (x) neprekidna funkcija
na [a, b] i = (x, f (x)) , x [a, b]. Tada se otvorena kriva y = f (x), x [a, b] moe
rektificirati i duina krive , L(f ; a, b), izraava se formulom
L(f ; a, b) =
Zb q
1 + (f (x))2 dx.
(9.23)
Teorema 9.2.10. Neka su (t)i(t), t , funkcije c ije su prve derivacije neprekidne funkcije na [, ]. Tada se kriva , odredena
jednacinama x = (t), y =
(t), t moe rektificirati. Jo vie, ako je () = ai () = b, tj. ([, ]) =

[a, b] R+ {0}, njena duina s() iznosi
s() =
Z p
2 (t) + 2 (t)dt.
134
Primjer. Naci obim jedinicnog kruga centriranog u nuli.

Sada se konacno moemo vratiti i naem antickom problemu povrine ispod krive!
Naime povrina ispod neke nenegativne krive (do x-ose) na intervalu [a, b] je jednaka
odredenom
integralu :
Z b
P =
f (x)dx!
a
Ukoliko se kriva nalazi ispod x ose, onda je povrina iznad te krive na intervalu [a, b]
jednaka
Z b
P =
f (x)dx.
a
Primjer. Izracunati povrinu lika omedenog

krivim y = x2 + 4x + 5 i y = x 5.
9.3. NESVOJSTVENI INTEGRAL
135
9.3 Nesvojstveni integral

Nesvojstveni (ili nepravi) integral je granicna vrijednost odredenog
integrala, kada se
jedna granicna tacka (ili obje granicne tacke) intervala integracije pribliava/ju bilo nekom odredenom
realnom broju ili + ili . Prvi slucaj je kada je desni kraj intervala
integracije jednak + (slicno i kada je lijevi kraj intervala jednak :

Z +
Z b
f (x)dx = lim
f (x)dx = lim [F (b) F (a)]
b+ a
f (x)dx = lim
f (x)dx = lim [F (a) F (b)]
b b
b+
Druga mogucnost je kada funkcija ima prekid u tacki x = c. Tada posmatramo

Z b
Z c
Z b
f (x)dx =
f (x)dx +
f (x)dx.
a
No kako posmatrati te individualne integrale? U slucaju prvog integrala:

Z b
Z b
= lim
f (x)dx,
0 c+
a u slucaju drugog
Z
= lim
a
dx
x2
0 a
Primjer.
Z
f (x)dx
136
9.4 Primjena integrala u ekonomiji

Sjetimo se granicnih funkcija (prihoda, trokova, dobiti, itd). One su bile definisane kao
izvodi originalnih funkcija. Koristeci se integralima, moemo naci ukupnu funkciju iz
granicne funkcije!
Z
ukupna funkcija =
granicna funkcija
Primjer. Zadana je funkcija granicnih trokova GT (Q) = Q(2 Q)eQ+10 i fiksni

ukupni trokovi su nula F T = 0. ODrediti funkciju prosjecnih trokova.
Primjer. Zadana je funkcija granicnih trokova GT (Q) = 8(Q2), fiksni trokovi su 10,
dok je funkcija potranje data kao funkcija cijene Q = p + 2. Izvesti funkciju ukupne
dobiti.
Poglavlje 10
Diferencijalne jednacine
Citav
problem izvoda kao takvih je naravno izrastao iz potreba fizikalne prirode - u 17.
stoljecu, Europski matematicari kao to su Isaac Barrow, Ren Descartes, Pierre de Fermat, Blaise Pascal, John Wallis i drugi su diskutovali ideju izvoda.
Kokretno, u djelima Methodus ad disquirendam maximam et minima i De tangentibus linearum curvarum, Fermat je razvio metodu pomocu koje su se mogli odrediti
maksimumi, minimumi i tangente razlicitih krivih, koja je u stvari bila ekvivalentna diferenciranju. Naravno, tek djelo De Analysi per Aequationes Numero Terminorum Infinitas
Isaaca Newtona se smatra pravim pocetkom analize, iako je ostalo neobjavljeno za njegovog ivota.
Naravno, kalkulus kao takav je izrastao pod paskom Newtona i Leibniza. Newton je
to kalkulusa doao tokom istraivanja fizike i geometrije, te je kalkulus smatrao naucnim
opisom stvaranja kretanja i velicina. U suprotnosti, Leibniz se fokusirao na problem tangenti i smatrao je da je kalkulus metafizicno objanjenje promjene. Sve ove metode koje
su nezavisno jedan od drugoga razvili Newton i Leibniz su naravno proistekle iz potrebe
modernih naucnika za novim alatima kojima mogu rijeiti probleme iz fizike, pogotovu u
oblastima mehanike i optike.
Diferencijalne jednacine su pocele sa Lebnizom, bracom Bernoulli i drugima od
1680tih godina, ne zadugo od Newtonovih fluksionalnih jednacina iz 1670tih. 1676 god.
Isaac Newton je rijeio svoju prvu diferencijalnu jednacinu, dok je 1693. god. Gottfried
Leibniz rijio svoju prvu diferencijalnu jednacinu i te iste godine Newton objavljuje svoje
prethodne rezultate metoda rijeavanja diferencijalnih jednacina i ta godina se opcenito
uzima kao pocetak teorije diferencijalnih jednacina kao zasebne matematicke grane.
vicarski matematicari, braca Jacob i Johann Bernoulli su bili medu
prvim interpretatorima Leibnizove verzije diferencijalnog racuna, koji se nisu slagali sa Newtonovim
rezultatima i smatrali su ih plagijatima Leibnizovog rada.
Navodno je prva knjiga o diferencijalnim jednacinama bila knjiga talijanskog matematicara Gabrielea Mafredia iz 1707. god. pod naslovom O konstrukciji diferencijalnih
jednacina prvog reda (De constructionae aequationum differentialium primi gradus). Vec ina radova o obicnim i parcijalnim diferencijalnim jednacinama objavljenih tokom 18.
137
138
POGLAVLJE 10. DIFERENCIJALNE JEDNACINE
stoljeca su razvijali Leibnizov pristup, te je teorija znacajno uzapredovala zahvaljujuci

Leonhardu Euleru, Danielu Bernoulliu, Josephu Lagrangeu i Pierreu Laplaceu.
10.1 Obicne diferencijalne jednacine

Nae izucavanje ove problematike zapocet c emo pregledom metoda za nalaenje rjeenja
obicnih diferencijalnih jednacina u zatvorenoj formi, zatim c emo posmatrati rjeenja u
formi stepenih redova, te neke aproksimativne metoda.
Diferencijalne jednacine su, najjednostavnijim rijecnikom receno, jednacine koje sadre izvode! Obicne diferencijalne jednacine (ODE) kao to samo ime kae sadre samo
obicne izvode, a ne parcijalne i opisuju odnose izmedu
ovih izvoda zavisne promjenljive,
koju obicno oznacavamo sa x. Rjeenje ODE je stoga funkcija od x i obicno se oznacava
sa y(x).
Definicija 10.1.1. Obilna diferencijalna jednacina (n-tog reda) je jednacina oblika
f (x, y, y , y , . . . , y (n) ) = 0,
gdje je x nezavisna promjenljiva, y nepoznata funkcija, a y , y , . . . su izvodi nepoznate
funkcije.
Kako bi ODE imala rjeenje zatvorenog oblika, moramo moci izraziti y(x) koristeci
se elemetarnim funkcijama od x. Rjeenja nekih jednacina se ne mogu napisati u takvoj
formi, no tada se moda mogu zapisati na neki drugaciji nacin.
Ocito, obicne diferencijalne jednacine mogu se podijeliti na zgodan nacina u razlic ite kategorije, prema njihovim karakteristikama. Primarno grupiranje koje koristimo je
prema redu jednacine. Red jednacine je jednostavno najveci red izvoda koji se pojavljuje
u jednacini.
Takoder,
moemo podijeliti ODE prema stepenu - tj. prema stepenu na koji je izvod
najveceg reda dignut nakon racionalizacije jednacine.
d3 y
+x
dx3
dy
+ x2 + y = 0
dx
2
d3 y
je treceg reda i drugog stepena, jer se nakon racionalizacije pojavljuje
. Prvo
dx3
c emo se prisjetiti nekih metoda za rjeavanje ODE prvog reda. tj. rjeavat c emo problem

y = f (x, y) ,
sa pocetnim (inicijalnim) uslovom y(x0 ) = y0 .
(10.1)
10.1. OBICNE
DIFERENCIJALNE JEDNACINE
139
10.1.1 Jednacina sa razdvojenim promjenljivim

Jednacina sa razdvojenim promjenljivim je jednacina kod koje se u (10.1) desna strana
moe napisati kao proizvod dviju funkcija od kojih jedna zavisi samo od x, a druga samo
od y, tj. jednacina koja ima formu
y = f (x)g(y) .
(10.2)
Sljedecim teoremom dati su uslovi za postojanje i jedinstvenost rjeenja jednacine (10.2).

Teorema 10.1.2. Neka je funkcija f (x) neprekidna na intervalu (a, b) i neka je funkcija
g(y) neprekidna i razlicita od nule na intervalu (c, d). Tada postoji jedinstveno rjeenje
jednacine (10.2) koje zadovoljava polazni uslov y(x0 ) = y0 (x0 (a, b) , y0 (c, d)) i
definisano je u nekoj okolini tacke x0 .
y
Primjer. Rijeiti jednacinu: xy =
. Jednacinu dovodimo u oblik
y+1
y
,
y =
x(y + 1)
iz koga uocavamo da je data jednacina sa razdvojenim promenljivima (f (x) =
y
dy
ci jednakost y = dx
,
y+1 ). Razdvajamo promjenljive koriste
1
x
, g(y) =
dx
(y + 1)dy
=
.
y
x
Sada integralimo posljednju jednacinu i rjeavanjem integrala na lijevoj i desnoj strani
dobijamo rjeenje diferencijalne jednacine, y + ln y = ln x + C .
Primjer. Odrediti ono rjeenje diferencijalne jednacine y = 6y 2 x koje zadovoljava uslov
1
. Data diferencijalna jednacina je jednacina sa razdvojenim promjenljivima.
y(1) = 25
Zato prvo razdvojimo promjenljive
y =
dy
dy
= 6y 2 x 2 = 6xdx .
dx
y
Nakon integriranja posljednje jednakosti

Z
Z
2
y dy = 6 xdx ,
dobijamo
1
= 3x2 + C ,
y
1
, gdje je C proizvoljna
+C
realna konstanta. Za razne C imamo razlicite funkcije rjeenja, to je prikazano na sli1
kama 10.1 i 10.2. Naci ono rjeenje koje zadovoljava uslov y(1) = 25
, znaci od svih
1
1
funkcija izabrati onu za koju je C odredjen ovim uslovom, tj.
=
, odakle
25
3+C
nakon kraceg racuna dobijamo C = 28, c iji je graf dat na Slici 10.3.
odnosno, rjeenje diferencijalne jednacine je y(x) =
3x2

140
3
C
C
C
C
= 2
= 3
= 4
= 5
2
1
1
1
Slika 10.1: Grafovi rjeenja za C < 0
3
C
C
C
C
=2
=3
=4
=5
1
2
1
1
Slika 10.2: Grafovi rjeenja za C > 0
3
2
1
4
1
1
Slika 10.3: Graf funkcije y(x) = 3x2128
10.1.2 Primjena u ekonomiji

Koristeci se ovim, moemo naci funkciju iz njenog koeficijenta elasticnosti.

10.2. LINEARNA DIFERENCIJALNA JEDNACINA
PRVOG REDA
141
Primjer. Odrediti funkciju ukupnih prihoda P (Q) ako je

EP,Q =
2Q + 1
,
Q+1
a uz jedinicnu potranju ukupni prihod jednak 10.

Primjer. Odrediti funkciju prosjecnih trokova T (Q) ako je
ET,Q =
Q
,
(2 Q)(Q 1)
a uz proizvodnju Q = 3 ukupni trokovi iznose 4.
10.2 Linearna diferencijalna jednacina prvog reda

Diferencijalnu jednacina oblika
y + f (x)y = g(x) ,
(10.3)
gdje su f i g proizvoljne neprekidne funkcije, nazivamo linearna diferencijalna jednacina.

Posmatrajmo sljedecu tehniku nalaenja rjeenja jednacine (10.3), neocekivana ali
jako korisna. Pomnoimo nekom funkcijom (x) jednacinu (10.3) dakle,
(x)y + (x)f (x)y = (x)g(x) .
(10.4)
Neocekivanu ulogu ove funkcije (x), kakva god ona bila, pojacajmo i zahtjevom
(x)f (x) = (x) .
(10.5)
Stavljajuci (10.5) u (10.4), dobijamo

(x)y + (x)y = (x)g(x) ,
(10.6)
i primjecujemo da je tada izraz na lijevoj strani izvod proizvoda, tj.

(x)y + (x)y = ((x)y) ,
(10.7)
te stavljajuci (10.7) u (10.6), dobijamo

((x)y) = (x)g(x) .
(10.8)
Integrirajmo sada jednacinu (10.8), imamo

Z
Z
((x)y) dx = (x)g(x)dx ,
odnosno, primjenjujuci poznato pravilo za neodredjeni integral, slijedi
Z
(x)y + C = (x)g(x)dx .
(10.9)

142
Kako nam je cilj naci funkciju y(x), onda iz (10.9) lagano racunamo
R
(x)g(x)dx + C
y(x) =
,
(x)
(10.10)
pri c emu smo iskoristili c injenicu da je konstanta integracije C nepoznata, pa smo njen
zapis na desnoj strani, jednostavnosti radi, zapisali sa +C, a ne kako bi racun dao sa C.
Posljednom jednacinom mi smo dobili rjeenje jednacine (10.3). Ostaje "samo" da se
odgonetne, a ta je ona neocekivana funkcija (x). Iz jednacine (10.5) imamo
(x)
= f (x) (ln (x)) = f (x) .
(x)
Opet, integrirajuci posljednju jednakost, dobijamo
Z
ln (x) + D = f (x)dx ,
pa po istom principu kao malo prije, moemo pisati
Z
ln (x) = f (x)dx + D .
Eksponencirajuci obje strane posljednje jednakosti, i koristeci pravila stepenovanja, imamo
R
(x) = e
f (x)dx+D
= eD e
f (x)dx
Kako je i eD konstanta, ne gubeci na optosti, konacno imamo

R
(x) = De
f (x)dx
(10.11)
i uobicejeno se ovakve funkcije sa ovakvom ulogom nazivaju integracioni faktor. Stavljajuci (10.11) u (10.10), slijedi
R
R
De f (x)dx g(x) + C
R
y(x) =
(x)dx
eD fZ

R
R
C
f (x)dx
f (x)dx
= e
e
g(x) +
,
D
pa konacno uzimajuci da je
(10.3)
C
D
nova konstanta C, dobijamo krajnji oblik rjeenja jednacine
y(x) = e
f (x)dx
Z
Sve ovo gore receno iskazujemo tvrdjenjem
f (x)dx
g(x) + C
Teorema 10.2.1. Neka su f (x) i g(x) neprekidne funkcije na intervalu (a, b). Tada postoji
jedinstveno rjeenje jednacine (10.3) koje zadovoljava polazni uslov y(x0 ) = y0 (x0
(a, b) , y0 R) i definisano je u (a, b). Rjeenje jednacine je dato sa

Z
R
R
f (x)dx
f (x)dx
y(x) = e
C + g(x)e
dx

10.3. DIFERENTNE JEDNACINE
143
Primjer. Rijeiti diferencijalnu jednacinu: y + xy x3 = 0 i odrediti ono rjeenje koje

zadovoljava uslov y(0) = 1. Dovedimo jednacinu na zahtijevani oblik
y + xy = x3 .
To je linearna jednacina kod koje je f (x) = x i g(x) = x3 . Sada je rjeenje dato sa

Z
R
R
xdx
xdx
3
y(x) = e
C+ x e
dx

Z
2
2
x2
3 x2
= e
C + x e dx

x2
x2
= e 2 C + (x2 2)e 2
C
C
C
C
C
C
C
3
2
1
2
1
1
= 1
=0
=1
=2
=3
=4
=5
2
3
x2
Slika 10.4: Grafik funkcije y(x) = e

Postavljeni uslov daje nam jednacinu po C

x2
2
2
C + (x 2)e
1 = 1 (C + (0 2) 1) ,
iz koje dobijamo C = 3, a to je graf obojen crvenom bojom na Slici 10.4.
10.3 Diferentne jednacine

Definicija 10.3.1. Jednacina oblika
xn+1 = f (xn ),
(n = 0, 1, 2, . . .)
(10.12)
gdje je f : I 7 I neka funkcija a I je interval, naziva se diferentna jdnacina prvog reda.

144
Definicija 10.3.2. Jednacina oblika

xn+1 = an xn + bn ,
(n = 0, 1, 2, . . .)
(10.13)
se naziva linearnom diferentnom jednacinom prvog reda, pri c emu su (an ) i (bn ) unaprijed
znani nizovi.
Primjer. xn+1 = 2nxn n2
Ako je bn = 0, n {0, 1, 2, . . .}, tj.
xn+1 = an xn ,
(10.14)
onda se to naziva homogenom linearnom diferentnom jednacinom prvog reda.

Kako je
xn+1 = an xn = an (an1 xn1 ) = an an1 (an2 xn2 ) = . . . ,
imamo da je
xn = an1 an2 . . . a1 a0 x0 =
n1
Y
ai x0
i=0
Q
Ovo xn = n1
ce rjeenje homogene diferentne jednacine (10.14).
i=0 ai x0 predstavlja op
Umjesto x0 moemo pisati i c - konstanta.
Primjer.
2. xn
1. xn+1 = 3xn ;
3n+1
3n+7 xn
= 0.
Ako sada posmatramo jednacinu xn+1 = an xn + bn , moemo to promatranje razdijeliti na slucajeve u zavisnosti od toga da li su (an ) i bn konstante:
xn+1 = an xn + b
(10.15)
xn+1 = axn + bn
(10.16)
xn+1 = axn + b
(10.17)
Opce rjeenje diferentne jednacine (10.13) je

!
n1
n1
Y
X
xn =
ai x0 +
r=0
i=0
n1
Y
ai
i=r+1
br
ai
Opce rjeenje jednacine (10.15) je

xn =
n1
Y
i=0
ai
x0 + b
n1
X
r=0
n1
Y
i=r+1

145
Opce rjeenje jednacine (10.16) je

n
xn = a x0 +
n1
X
ank1 br
r=0
opce rjeenje jednacine (10.17) je

(
x0 +n b

xn =
b
x0 1a
an +
za a = 1
b
1a
za a 6= 1
10.3.1 Primjena diferentnih jednacina u ekonomiji

Obracun kamate
Ako je sa A0 oznacen ulog novca (zajam), a sa r% oznacena kamatna stopa po principu
sloenog ukamacivanja.
An oznacava iznos novca nakon n-tog obracunskog perioda. Kako odrediti An ?
A0
A1
A0 + rA0 = A0 (1 + r)
A2
A1 + rA1 = A1 (1 + r) = A0 (1 + r)(1 + r) = A0 (1 + r)2
An
(1 + r)n A0
Ako se kamata izraava u procentima, onda de facto imamo

An = (1 +
p n
) A0
100
Primjer. Pretpostavimo da se konstantna suma novca R deponuje na kraju svakog obrac unskog perioda u nekoj banci, pri c emu se na taj novac primjenjuje sloeni kamatni
racun sa stopom r po svakom obracunskom periodu. Izvesti formulu kolicine novca na
kraju n-tog obracunskog perioda. Poseban slucaj R = 1000KM , r = 5%.
Primjer. Odrediti broj godina potrebnih da se odredena
suma novca uloenog u banku
udvostruci ako se na nju primjenjuje sloeno ukamacivanje sa r = 2%.
Amortizacija
Amortizacija je u osnovi plan otplate zajma. Ona omogucava uklanjanje zajmovno opterecenje tokom odredenog
fiksnog perioda vremena tako to se naprave mjesecne ili peri
odicne isplate. Ove isplate koje se c ine u regularnim periodicnim ratama su sacinjene od
mjesecne kamatne stope i dijela principalnog balansa, tj. dijela koji smanjuje ukupni dio
stvarnog duga. Visina mjesecnih (periodicnih) isplata ostaje ista tokom cijelog trajanja
zajma.
146
U ranom periodu ivota zajma otplacivanje stvarnog duga je mali, dok je kamata
veoma visoka. U kasnijem dijelu zajma, situacija se obrce.
Neka je stoga p0 iznos zajma, dok je r kamatna stopa u procentima. Onda se amortizacioni plan zasniva na diferentnog jednacini prvog reda
pn+1 = pn + rpn gn ,
gdje je gn iznos rate otplate. Sjetimo se da je rjeenje ovog tipa diferentne jednacine
n
pn = (1 + r) p0
= (1 + r)n p0
n1
X
(1 + r)nk1 gk
k=0
n1
X
k=0
(1 + r)n
gk
(1 + r)k+1
= (1 + r) p0 (1 + r)
n1
X
k=0
1
gk
(1 + r)k+1
No po konstrukciji znamo da je gk odnosno iznos rate otplate fiksan, odnosno konstantan!

Dakle gk = G. Stoga
n
pn = (1 + r) p0 (1 + r) G
n1
X
k=0
1
(1 + r)k+1
Po klasicnom geometrijskom nizu, imamo da je

n1
X
k=0
1
1 (1+r)
n
1
=
k+1
(1 + r)
r
Stoga je
pn = (1 + r)n p0 (1 + r)n G
1
(1+r)n
G
r
Sada, znamo da ako je n broj perioda otplate zajma, pn = 0, jer vie otplata nece biti!
Dakle
G
0 = (1 + r)n p0 [1 (1 + r)n ]
r
G
[1 (1 + r)n ]
= (1 + r)n p0
r
(1 + r)n p0
G=
r
(1 + r)n 1
Tako da imamo da je mjesecna (periodicna) otplata
p0 r
G=
(10.18)
1
1 (1+r)
n
pn = (1 + r)n p0 [1 (1 + r)n ]

147
Primjer. Napraviti amortizacioni plan ako je pocetni zajam 100$, broj obracunskih perioda n = 5 a kamatna stopa iznosi 5%.
Mjesec
1
2
3
4
5
ukupno
Neplaceni dug
100 $
81,90 $
62,90 $
42,95 $
22,00 $
Anuitet
23,10 $
23,10 $
23,10 $
23,10 $
23,10 $
115,50 $
Kamata
5,00 $
4,10 $
3,15 $
2,15 $
1,10 $
15,50 $
Otplata glavnice
18,10 $
19,00 $
19,95 $
20,95 $
22,00 $
100,00 $
Model nacionalnog dohotka

Model nacionalnog dohotka je model koji se koristi slijedecim promjenljivim:
Yt nacionalni dohodak
Ct potronja
It investicije
Nacionalni dohodat je zbir potronje i investicija, tj.
Y t = Ct + It
Sa druge strane, potronja je i funkcija nacionalnog dohotka na slijedeci nacin
Ct = c + mYt
(c > 0, 0 < m < 1).
Promjena nacionalnog dohotka se moe mjeriti investicijom:

Yt = rIt
Y = Yt+1 Yt = rIt = r(Yt Ct ) = r(Yt c mYt ).
Dakle,
Yt+1 = Yt + rYt rc rmYt = [1 + r(1 m)]Yt rc
Iz ovoga onda moemo izvesti Yt , pa Yt1 pa sve do Y0 , tj- u pitanju je diferentna jednac ina. Ravnoteno stanje nastupa kada je zadovoljen uslov
Y =
b
rc
c
=
=
1a
1 1 r(1 m)
1m
148
10.3.2 Diferentne jednacine vieg reda sa konstantnim koeficijentima

Diferentna jednacina k-tog reda ima oblik:
xn+k + p1 xn+k1 + p2 xn+k2 + . . . + pk xn = rn
(10.19)
gdje je rn neki zadani niz brojeva. Ako je rn = 0, n onda se jednacina (10.19) naziva
homogenom. Ukoliko je rn 6= 0 za bilo koje n, (10.19) se naziva nehomogenom.
xn+k + p1 xn+k1 + p2 xn+k2 + . . . + pk xn = 0
(10.20)
Pretpostavimo da je rjeenje oblika xn = n . Dakle

n+k + p1 n+k1 + p2 n+k2 + . . . + pk n = 0/ : n
k + p1 k1 + p2 k2 + . . . + pk1 + pk = 0.
(10.21)
Jednacina (10.21) je karakteristicna jednacina diferentne jednacine (10.20).

Imamo slijedece slucajeve:
1) 1 , 2 , . . . , k su rjeenja (10.21) i sva su medusobno
razlicita i realni brojevi. Tada
je fundamentalni skup (FS) rjeenja (10.20)

{n1 , n2 , . . . , nk }.
Opce rjeenje diferentne jednacine (10.20) je
xn = c1 n1 + c2 n2 + . . . + ck nk =
k
X
ci ni ,
i=1
gdje su c1 , c2 , . . . , ck su proizvoljne konstante.

Primjer. xn+2 5xn+1 + 6x1 = 0.
Primjer. xn+2 5xn+1 + 4xn = 0 (n = 0, 1, . . .) uz pocetni uvjet x0 = 1x1 = 0.
2) drugi slucaj je ukoliko imamo rjeenja karakteristicne jednacine i R sa viestukocu mi > 1. Tada dio fundamentalnog skupa koji se odnosi na i ima oblik
{ni , nni , . . . , nm1 1 ni }.
Primjer. xn+3 5xn+2 + 8xn+1 4xn = 0.
3) Ukoliko nije realan broj, tada slucaj ne promatramo, jer smo samo zainteresovani
za realni slucaj.

149
10.3.3 Nehomogena linearna diferentna jednacina vieg reda

Posmatramo ponovno jednacinu (10.19), tj.
xn+k + p1 xn+k1 + p2 xn+k2 + . . . + pk xn = rn .
Neka je rn = P( n)an , gdje je Pm (n) polinom po n stepena m.
xn+k + p1 xn+k1 + p2 xn+k2 + . . . + pk xn = P( n)an .
Opce rjeenje ovoga je xn = xk + xp , gdje je xk rjeenje koje odgovara homogenom
dijelu jednacine, a xp neko konkretno (partikularno) rjeenje diferentne jednacine (10.19).
Postoje dvije situacije kako se odreduje
xp :
1. Ako a nije rjeenje odgovarajuce karakteristicne jednacine, tada se partikularno
rjeenje trai kao xp = Qm (n)an , gdje je Qm (n) polinom s nepoznatim koeficijentima koje treba odrediti a odreduje
se tako to se to rjeenje xp uvrsti u jednacinu
(10.19).
2. Ako je a rjeenje odgovarajuce karakteristicne jednacine s viestukocu mi , tada
se partikularno rjeenje trai u obliku
xp = nmi Qm (n)an ,
gdje je postupak za odredivanje
nepoznatih koeficijenata u polinomu Qm (n) pot
puno isti kao u prethodnom slucaju.
Primjer.
xn+2 + 3xn+1 4xn = n3n .

Matematika Za Ekonomiste

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matematika Za Ekonomiste

Uploaded by

Copyright:

Available Formats

Matematika za ekonomiste 1

Predmet: Matematika za ekonomiste

3.1.4 Slucaj m < n . . . . . . . . . . . . . . . . . . . . . .

9.1.3 Tablica osnovnih integrala . . . . .

9.2.2 Primjene odredenog

9.3 Nesvojstveni integral . . . . . . . . . . . .

1.1 Matematika i kalkulator

nita. Pokuajte uraditi neto konkretno u nekom programskom paketu a da ne

1.2 Aritmetika i osnovne operacije

Napomena: Koristite digitron!!!

1.2.1 Pravila aritmetickih operacija

Naravno uvijek moete koristiti zagrade!

1.3 Procentni racun

1.4.1 Odnosi medu

1.4.2 Operacije na skupovima

Primjetite da je B \ A = {2, 4}! Uvedimo sada pojam univerzalnog skupa. Ako

1.4.3 Zakoni operacija na skupovima

2.2 Operacije na matricama

2.2.1 Oduzimanje i sabiranje matric

2.2. OPERACIJE NA MATRICAMA

2.2.2 Mnoenje skalarom

2.2.3 Mnoenje matrica

p = (139 160 205 340 430), q =

t = p A = (139 160 205 340 430)

t = (4606 4388 3983).

2.2. OPERACIJE NA MATRICAMA

Sad se moete zapitati ta se dogodi kada pokuamo pomnoiti matrice gdje

a11 a12 . . . a1n

U ovom optem slucaju kada mnoimo dvije matrice, A reda m n i B reda n r

b11 b12 . . . b1r

c11 c12 . . . c1r

Ovdje su elementi matrice C dati sa

c11 = a11 b11 + a12 b21 + . . . + a1n bn1

2.2.4 Problem dijeljenja

Rjeenje gornjeg sistema je

no to za sada nije najvanije. Ove jednacine moemo da predstavimo u matricnoj

Sarusovo pravilo je jednostavan nacin za izracunati determinantu treceg reda.

Primjer. Izracunati determinantu pomocu Sarusovog pravila:

Definicija 2.3.1 (Minor). Minor Mij elementa aij matrice A je subdeterminanta

Determinanta matrice treceg reda

Primjedba 2.3.5. Iako smo determinantu matrice 3 3 nali posmatrajuci du

Prije nego sto predemo

matricama koji do sada nismo koristili, a to je pojam transponovane matrice.

2.3.1 Osobine determinanti

P6 Vrijednost determinante se nece promijeniti ako elementima jednog reda (ili

2.4. INVERZNA MATRICA

P7 det(A B) = det A det B

2.4 Inverzna matrica

2.4.1 Osobine inverznih matrica

Inverznu matricu A1 moemo samo pronaci za kvadratnu matricu A.

A11 A12 . . . A1n

A11 A21 . . . An1

2.4. INVERZNA MATRICA

Izracunavanje inverzne matrice

M11 = 4, M12 = 2, M21 = 3, M22 = 1.

Algoritam izracunavanja inverzne matrice

M21 = 8, M22 = 4, M23 = 5,

3. A11 = 3, A12 = 2, A13 = 1, A21 = 8,

2.4.2 Primjena u rjeavanju matricnih jednacina

Stoga je nepoznata matrica

2.5. LINEARNA (NE)ZAVISNOST MATRICA

2.5 Linearna (ne)zavisnost matrica

Za porodicu matrica v1 , v2 , . . . , vn kaemo da su linearno nezavisni ukoliko