mmpasve.pdf
TRANSCRIPT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 1/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir Hunjak
FOI, Varazdin
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 2/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Matematicki modeli i struktura
matematike
Matematicki modeli i struktura matematike
Znanje
Model
Matematicki modeli
Matematicko modeliranje
Struktura matematike
Induktivno i deduktivno zakljucivanje
Aksiomi i teoremi
Principi aksiomatike
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 3/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Skupovi
Skupovi i relacije
Zadavanje skupa
Relacije medu skupovimaPartitivni skup
Operacije sa skupovima
Svojstva skupovskih operacija
Simetricna razlika
Kartezijev produkt
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 4/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Matrice i determinante
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva determinanti
Minore i kofaktoriLaplaceov razvoj determinante
Inverzna matrica
Matricne jednadzbe
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 5/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Sustavi linearnih jednadzbi
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav linearnih jednadzbi
Rjesavanje sustava pomocu inverzne matrice
Rjesavanje sustava pomocu determinanti
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 6/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sadrzaj
Dio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Realne funkcije realne varijable
Realne funkcije realne varijable
Definicija funkcije
Klasifikacija realnih funkcija realne varijable
Kompozicija funkcija
Inverzna funkcija
Svojstva realnih funkcija realne varijable
Eksponencijalna funkcija
Logaritamska funkcijaDomene realnih funkcija realne varijable
Transformacija grafa funkcije
Funkcijski model
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 7/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
SadrzajDio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Derivacija funkcije
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 8/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
SadrzajDio I
Dio II
Dio III
Dio IV
Dio V
Dio VI
Dio VII
Funkcije u ekonomiji
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 9/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Dio I
Matematicki modeli i struktura matematike
”Inteligencija ne moze biti prisutna bez razumijevanja. Racunalo nema
svijesti o tome sto radi” Roger Penrose
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 10/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Sadrzaj
Matematicki modeli i struktura matematike
Znanje
Model
Matematicki modeli
Matematicko modeliranje
Struktura matematike
Induktivno i deduktivno zakljucivanje
Aksiomi i teoremi
Principi aksiomatike
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 11/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Znanje
Osnova za razumijevanje svijeta – opazanje
(promatranje)
dobivanje informacija
Upotrebljivo znanje
Generalizacija temeljena na pojedinacnim
informacijama
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 12/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
jednostavneklasifikacije −−−−→ ZNANJE −−−−→ razumijevanje bazirano
na sistemu principa
PRINCIP – poopcenje ili apstraktna tvrdnja
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 13/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Model
Model predstavlja zamjenu za neki realni objekt ili
pojavu
Analogija s nekim objektom ili interesantnimmodelom
Koristi se za objasnjenje nekog procesa ili
predvidanje dogadaja
Pojednostavljuje i objasnjava kompleksnost onoga
sto se promatra (i modelira)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 14/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Matematicki modeli
Matematika – dobro sredstvo (jezik) za izrazavanje
principa
Matematicki modeli
modeli bazirani na matematicki postavljenim
principima
matematicka karakterizacija ili opis nekog fenomena
ili procesa
Bitne komponente matematickog modela:
PROCES −−−−→ MATEMATICKASTRUKTURA KORESPODENCIJA
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 15/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Proces urealnom svijetu
Matematičkastruktura
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 16/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Svrha (matematickog) modela
Prezentacija informacija u lako prihvatljivom obliku
(autokarta)
Omogucavanje ”lakog” racunanja
Istrazivanje i predvidanje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 17/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Matematicko modeliranje
je proces matematicke reprezentacije nekog
fenomena s ciljem njegovog boljeg razumijevanja
Postupak apstrakcije – elementi bitni za
funkcioniranje sustava
M i k d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 18/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Matematicko modeliranje – koraci
1 Pojednostavljivanje (apstrakcija)
2 Prikaz (reprezentacija)
matematicki simboli, jednadzbe
3 Transformacije – interpretacije
4 Verifikacija
usporedba s rezultatima opazanja
M t tiˇk t d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 19/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Matematicki modeli – podjela
Obzirom na temelje:
Deterministicki – na temelju fizikalnih zakona
Stohasticki – na temelju empirijskih podataka
Obzirom na matematicku strukturu:
Linearni – sve jednadzbe i funkcije u modelu su
linearne
Nelinearni
Obzirom na odvijanje u vremenu:Modeli u kontinuiranom vremenu
Modeli s diskretnim vremenom – pogodniji za
racunarsku primjenu
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 20/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Struktura matematike
(Matematicki) pojam
Osnovni – ne definira se
Izvedeni (slozeni) – definira se pomocu osnovnih
pojmova
Definicija – sud pomocu kojeg se odreduje sadrzaj nekog
pojma
– definicija nekog pojma na vise ekvivalentnih nacina
Osnovni matematicki pojmovi
– apstrakcija predmeta stvarnog fizickog svijeta
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 21/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Induktivno i deduktivno zakljucivanje
Zakljucivanje – nacin misljenja kojim se vise sudova
dovodi u vezu i izvodi novi sud
premise zakljucivanje−−−−−−−−−→ zakljucak (rezultat)
a) po analogiji
b) indukcijom
c) dedukcijomMatematicki oblici
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 22/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Indukcija nepotpuna
potpuna
Matematicka
indukcija
Deduktivna metoda karakterizira visi nivo razvoja neke
znanosti
Euklid – primjena deduktivnih metoda u geometriji
– aksiomatska metoda
– S. Mintakovic, Neeuklidska geometrija Lobacevskog ,
Skolska knjiga Zagreb, 1972.
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 23/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Bitni elementi matematicke teorije
(deduktivni prikaz)
1 Nabrajanje osnovnih pojmova
2 Definiranje slozenih pojmova
3 Postavljanje aksioma
4 Iznosenje teorema
5 Dokazi teorema
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 24/703
t t c to
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Aksiomi i teoremi
Aksiomi i teoremi (poucci, stavci) – izricu
ekvivalentne tvrdnje i iznose zakljucke o
matematickim pojmovima i njihovim medusobnimodnosima i vezama
Aksiomi – tvrdnje koje smatramo istinitima bez
posebnog dokaza
Teoremi – tvrdnje koje logicki izviru iz aksioma
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 25/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Teoremi i dokazi
Svaki teorem treba izvesti (deducirati, dokazati) iz
jednog ili vise aksioma u konacno mnogo koraka.
Dokaz – zakljucivanje kojim se pokazuje da je neki
teorem logicka posljedica nekih aksioma ili vec
dokazanih teorema
Dokaz
indirektan
direktan
Matematicke metode
P i i i k i ik
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 26/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Principi aksiomatike
1 Princip nezavisnosti – zahtjev
ekonomicnosti
2 Princip potpunosti
3
Princip neproturjecnosti
Matematicke metode
D d k i d i k i ik
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 27/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Mat. modeli i strukturaZnanje
Model
Matematicki modeli
Mat. modeliranje
Struktura matematike
Indukcija i dedukcija
Aksiomi i teoremiPrincipi aksiomatike
Deduktivna metoda i aksiomatika
Z. Dadic, Povijest ideja i metoda u matematici i fizici
– aksiomatizacija geometrije
Tales, Pitagora, Hipokrat iz Hiosa, Aristotel
Euklid (roden oko 365.P.K.) – ElementiArhimed
Z. Sikic, Kako je stvarana novovjekovna matematika,
Skolska knjiga, Zagreb, 1989.
Aksiomatizacija aritmetike – druga polovica 19.
stoljeca
Peanova aksiomatizacija prirodnih brojeva 1889.
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 28/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Dio II
Skupovi i relacije
”Umijece postavljanja pravih pitanja i problema u matematici treba
vrednovati vise nego njihovo rjesavanje” Georg Cantor
Matematicke metode
S d ˇ j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 29/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Sadrzaj
Skupovi i relacije
Zadavanje skupa
Relacije medu skupovimaPartitivni skup
Operacije sa skupovima
Svojstva skupovskih operacija
Simetricna razlika
Kartezijev produkt
Matematicke metode
Zada anje sk pa
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 30/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Zadavanje skupa
Georg Cantor – utemeljitelj teorije skupova
Skup je osnovni matematicki pojam pa se ne definira.
Skup cine elementi koji su po nekom kriteriju povezani u
cjelinu.Prazan skup je skup koji nema niti jedan element.
Oznaka za prazan skup je ∅.
Skup je zadan ako su poznati svi njegovi elementi.
Ako skup A sadrzi element a, to zapisujemo u obliku
a ∈ A. Ako b nije element skupa A, to zapisujemo u
obliku b /
∈ A.
Matematicke metode
l liSkup se moze zadati na dva nacina:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 31/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Skup se moze zadati na dva nacina:
1 Nabrajanjem elemenata skupa – ovaj nacin je
pogodan samo kada se radi o skupovima koji nemaju
veliki broj elemenata ili ako se radi o skupovima kod
kojih je jasno od kojih se elemenata sastoje ako se
navede nekoliko njihovih elemenata
A = {3, 8, 12, −4}B = {♣, ♥, 1}N = {1, 2, 3, . . .}
Evo nekoliko istinitih relacija:
8 ∈ A, 1 /∈ A, ♣ ∈ B, 5 ∈ N, 1
2 /∈ N
Matematicke metode
l li
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 32/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
2 Definiranjem karakteristicnog svojstva koji moraju
elementi zadovoljavati da bi pripadali skupu.
Opci oblik ovako zadanog skupa je S = {x | P (x)},
sto znaci da skupu S pripadaju samo oni elementi
koji zadovoljavaju predikat P (x).
C = {x ∈ N | 3 x < 6}
Q =m
n
m ∈ Z, n ∈ N
Naravno, skup C mozemo napisati i na prvi nacin
tako da nabrojimo sve njegove elemente
C = {3, 4, 5}.
Matematicke metode
a poslo ne anali e
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 33/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Sa zadavanjem skupa bilo je dosta problema. Fregeov
pristup je bio da svako svojstvo definira neki skup.
Medutim, neki matematicari su uocili da takav pristup
dovodi do paradoksa, tj. da se moze opisati skup i
specificirati objekt za koji se ne moze utvrditi da li
pripada ili ne pripada tom skupu.
Cantor – ne postoji skup svih skupova
Russellov paradoks o brijacu
U nekom selu postoji brijac koji brije sve one i samo onesuseljane koji ne briju sami sebe. Pitanje je tko brije
brijaca?
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 34/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Ako brijac brije sam sebe, onda on radi ono sto ne bi
smio jer mu u opisu radnog mjesta stoji da brije samo one
koji se sami ne briju.Ako pak brijac ne brije sam sebe, morao bi to uraditi jer
on brije one koji se sami ne briju.
Fregeov princip da svako svojstvo definira skup ne vrijedi.Zermelo je utvrdio da kod zadavanja skupa treba uvaziti
dodatan zahtjev da se elementi koji odreduju skup
uzimaju iz nekog univerzalnog skupa U na kojemu je
definirano svojstvo P (x). Najcesce je jasno o kojem se
univerzalnom skupu radi pa se on ne spominje eksplicitno.
Skupove brojeva cesto koristimo kao univerzalne skupove.
Matematicke metode
za poslovne analizeSkupovi brojeva
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 35/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeZadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Skupovi brojeva
Skup prirodnih brojeva
N = {1, 2, 3, . . .}
Skup cijelih brojeva
Z = {. . . , −2, −1, 0, 1, 2, . . .}Skup racionalnih brojeva
Q = m
n m ∈ Z, n ∈ NSkup realnih brojeva: R
Skup kompleksnih brojeva
C=
{x + yi
| x, y
∈ R, i2 =
−1}
Matematicke metode
za poslovne analizeKardinalni broj konacnog skupa
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 36/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Kardinalni broj konacnog skupa
Neka je A skup koji ima konacno mnogo elemenata.
Kardinalni broj skupa A je broj elemenata koje taj skup
sadrzi.
Oznake za kardinalni broj skupa A su
k(A), card A, |A|
Mi cemo najcesce koristiti oznaku k(A).
Pojam kardinalnog broja za bilo koji skup se strogo
matematicki definira i za beskonacne skupove.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 37/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 1.
Odredite kardinalne brojeve skupova A = {1, 2, 5, 8} i
B = {a,b,c,d}.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 38/703
p
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 1.
Odredite kardinalne brojeve skupova A = {1, 2, 5, 8} i
B = {a,b,c,d}.
Rjesenje.
Skup A ima cetiri elementa i skup B ima cetiri elementa,
pa je k(A) = 4 i k(B) = 4. Ovdje odmah mozemo
primijetiti da ako dva skupa imaju isti kardinalni broj to
ne povlaci da oni moraju biti jednaki, tj. da moraju imati
iste elemente.
Matematicke metode
za poslovne analizeRelacije medu skupovima
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 39/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Relacije medu skupovimaRelacija sadrzavanja
Skup A je podskup skupa B ukoliko su svi elementiskupa A ujedno i elementi skupa B.
A ⊆ B ⇔ ∀x(x ∈ A ⇒ x ∈ B)
A B
Matematicke metode
za poslovne analizeJednakost skupova
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 40/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Je ost s po
Za dva skupa kazemo da su jednaka ukoliko sadrze iste
elemente.
A = B ⇔ (A ⊆ B ∧ B ⊆ A)
Primjer 2.
Da li su skupovi A = {a,b,c} i B = {c,c,a,b,b,b} jednaki?
Matematicke metode
za poslovne analizeJednakost skupova
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 41/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
p
Za dva skupa kazemo da su jednaka ukoliko sadrze iste
elemente.
A = B ⇔ (A ⊆ B ∧ B ⊆ A)
Primjer 2.
Da li su skupovi A = {a,b,c} i B = {c,c,a,b,b,b} jednaki?
Rjesenje.
A = B zato jer oni sadrze iste elemente. Nije vazno ako
je neki element napisan vise puta i nije vazan redoslijed
kojim su elementi napisani.
Matematicke metode
za poslovne analizePravi podskup
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 42/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
p p
Skup A je pravi podskup skupa B ako je A podskup od
B i B sadrzi barem jedan element koji nije sadrzan u A.
A ⊂ B ⇔ (A ⊆ B ∧ A = B)
Vrijedi takoder
A ⊂ B ⇔ A ⊆ B ∧ ∃x(x ∈ B ∧ x /∈ A)
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 43/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je X = {1, 2, 3}, Y = {a, 1, b, 3, 2, 2}. Tada je
X ⊆ Y jer je svaki element skupa X ujedno i element
skupa Y . Medutim, vrijedi i X ⊂ Y jer je X ⊆ Y i
X = Y .
Za skupove brojeva vrijede sljedece inkluzije
N ⊂ Z ⊂ Q ⊂ R ⊂ C
Ocito je da vrijedi
Propozicija 1.
Za svaki skup A vrijedi A ⊆ A i ∅ ⊆ A.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 44/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
∅ → Ovo je prazan skup i on nema niti jedan e-
lement.
{∅} → Ovo nije prazan skup. To je skup koji sadrzi
jedan element i taj element je bas prazan
skup. Kratko receno, ovo je skup koji sadrzi
prazan skup, tj. ∅ ∈ {∅}.{{∅}} → Ovo je skup koji sadrzi jedan element i taj
element je skup koji ima jedan element i taj
element je bas prazan skup. Kratko receno,
to je skup koji sadrzi skup koji sadrzi prazan
skup, tj. {∅} ∈ {{∅}}, ali ∅ /∈ {{∅}}.
Matematicke metode
za poslovne analize{∅, {∅}} → Ovo je skup koji ima dva elementa ∅ i {∅}.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 45/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
{{∅, {∅}}} → Ovo je skup koji ima samo jedan element
{∅, {∅}}.
Matematicke metode
za poslovne analize{∅, {∅}} → Ovo je skup koji ima dva elementa ∅ i {∅}.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 46/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
{{∅, {∅}}} → Ovo je skup koji ima samo jedan element
{∅, {∅}}.
Primjer 3.
Objasnite zasto vrijede sljedece relacije: ∅ ⊆ {{∅}} i
{∅} {{∅}}.
Matematicke metode
za poslovne analize{∅, {∅}} → Ovo je skup koji ima dva elementa ∅ i {∅}.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 47/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
{{∅, {∅}}} → Ovo je skup koji ima samo jedan element
{∅, {∅}}.
Primjer 3.
Objasnite zasto vrijede sljedece relacije: ∅ ⊆ {{∅}} i
{∅} {{∅}}.
Rjesenje.
∅ ⊆ {{∅}} vrijedi zbog toga jer je prazan skup podskup
svakog skupa.Sto se tice druge relacije, s lijeve strane imamo skup koji
ima jedan element i to bas prazan skup, tj. ∅ ∈ {∅}, ali
∅ /∈ {{∅}} iz cega slijedi {∅} {{∅}}.
Matematicke metode
za poslovne analizePartitivni skup
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 48/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Partitivni skup skupa A je skup svih podskupova od A.
Partitivni skup skupa A oznacavamo sa
P (A).
P (A) = {X : X ⊆ A}
Kako je ∅ ⊆ A i A ⊆ A, slijedi da je partitivni skup uvijek
neprazan skup.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 49/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 4.
Odredite partitivni skup skupa A = {a,b,c}.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 50/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 4.
Odredite partitivni skup skupa A = {a,b,c}.
Rjesenje.
P (A) = ∅,
{a
},
{b
},
{c
},
{a, b
},
{a, c
},
{b, c
}, A.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 51/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 4.
Odredite partitivni skup skupa A = {a,b,c}.
Rjesenje.
P (A) = ∅,
{a
},
{b
},
{c
},
{a, b
},
{a, c
},
{b, c
}, A.
Uocimo da je u prethodnom primjeru bilo k(A) = 3, a
k(P (A)) = 8 = 23
= 2k(A)
. To vrijedi i opcenito za bilokoji konacan skup A.
Matematicke metode
za poslovne analize
Propozicija 2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 52/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
p j
Neka je A konacan skup i k(A) = n. Tada je
k(P
(A)) = 2n.
Dokaz.
Trebamo prebrojiti sve podskupove skupa A. Preciznije,
trebamo vidjeti koliko k-clanih podskupova ima skup A,pri cemu je k ∈ {0, 1, 2, . . . , n}. Broj k-clanih
podskupova u n-clanom skupu jednak jen
k
. Stoga je
ukupni broj podskupova skupa A jednak
k(P (A)) =n
k=0
n
k
Matematicke metode
za poslovne analize
f
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 53/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Uvrstimo li x = y = 1 u binomnu formulu
(x + y)n =n
k=1
n
k
xn−kyk
dobivamo
2n =n
k=0
n
k
,
pa je zaista
k(P (A)) = 2n
.
♥
Matematicke metode
za poslovne analize
f d Tih i
Operacije sa skupovimaU ij
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 54/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Unija
Unija dva skupa A i B je skup A ∪ B koji se sastoji odelemenata skupa A i elemenata skupa B.
A ∪ B = {x : x ∈ A ∨ x ∈ B}
A
B
A B
Matematicke metode
za poslovne analize
of d sc Tihomi
Presjek
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 55/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Presjek dva skupa A i B je skup A ∩ B koji se sastoji od
elemenata koji pripadaju skupu A i skupu B.
A ∩ B = {x : x ∈ A ∧ x ∈ B}
A
B
A B
Za skupove A i B kazemo da su disjunktni ako nemaju
zajednickih elemenata, tj. ako je A∩
B = ∅
.
Matematicke metode
za poslovne analize
prof dr sc TihomirD fi i ij ij i j k ˇ i iti iˇ d d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 56/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Definicija unije i presjeka se moze prosiriti na vise od dva
skupa.
Unija n skupova A1, A2, . . . , An je skup
n
i=1
Ai = A1∪A2∪···∪An = {x : x ∈ A1 ∨ x ∈ A2 ∨···∨ x ∈ An}
Presjek n skupova A1, A2, . . . , An je skup
ni=1
Ai = A1∩A2∩···∩An = {x : x ∈ A1 ∧ x ∈ A2 ∧···∧ x ∈ An}
Matematicke metode
za poslovne analize
prof dr sc Tihomir
Razlika
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 57/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Razlika dva skupa A i B je skup A \ B koji se sastoji od
elemenata koji pripadaju skupu A, a ne pripadaju skupu
B.
A \ B = {x : x ∈ A ∧ x /∈ B}
A B
A B\
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Komplement
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 58/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Komplement skupa A je skup Ac koji se sastoji od svih
elemenata iz univerzalnog skupa U koji nisu elementi
skupa A. Ponekad komplement od A oznacavamo s CA
ili kada zelimo naglasiti univerzalni skup s C U A.
Ac
= U \ A = {x : x ∈ U ∧ x /∈ A}
A
U
AC
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Primjer 5.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 59/703
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je U = {x ∈ N : 1 x 10} univerzalni skup i
neka je A =
{1, 2, 5, 6, 7, 8
} i B =
{3, 4, 8, 1
}. Odredite
A ∪ B, A ∩ B, A \ B, B \ A i Ac.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Primjer 5.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 60/703
p
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je U = {x ∈ N : 1 x 10} univerzalni skup i
neka je A =
{1, 2, 5, 6, 7, 8
} i B =
{3, 4, 8, 1
}. Odredite
A ∪ B, A ∩ B, A \ B, B \ A i Ac.
Rjesenje.
A ∪ B = {1, 2, 5, 6, 7, 8, 3, 4}A ∩ B = {1, 8}A \ B = {2, 5, 6, 7}
B \ A = {3, 4}Ac = {3, 4, 9, 10}
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Svojstva skupovskih operacija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 61/703
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Idempotentnost
A ∪ A = A, A ∩ A = A
Komutativnost
A ∪ B = B ∪ A, A ∩ B = B ∩ A
Asocijativnost
(A ∪ B) ∪ C = A ∪ (B ∪ C )
(A ∩ B) ∩ C = A ∩ (B ∩ C )
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Di ib i
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 62/703
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Distributivnost
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C )
De Morganovi zakoni
(A ∩ B)c = Ac ∪ Bc
(A ∪ B)c = Ac ∩ Bc
Zakon involucije(Ac)c = A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Zakon identitete
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 63/703
Hunjak
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
A ∪ ∅ = A, A ∩ ∅ = ∅A ∪ U = U, A ∩ U = A
Primjer 6.
Dokazite da je (A
∪B)c = Ac
∩Bc.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Zakon identitete
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 64/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
A ∪ ∅ = A, A ∩ ∅ = ∅A ∪ U = U, A ∩ U = A
Primjer 6.
Dokazite da je (A
∪B)c = Ac
∩Bc.
Rjesenje.
Dokazat cemo ovu jednakost na dva nacina. Prvi nacin je
pomocu tablice pripadnosti koji se ne moze uvijek
primijeniti, a drugi nacin je direktan koji se bazira na
definiciji jednakosti dva skupa. Drugi nacin je zapravo
pravi matematicki dokaz.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Pomocu tablice pripadnosti
Ako izaberemo neki element x iz univerzalnog skupa U ,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 65/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
tada u slucaju dva skupa A i B imamo samo 4 moguca
slucaja:
(1) x ∈ A, x ∈ B (2) x ∈ A, x /∈ B
(3) x /∈ A, x ∈ B (4) x /∈ A, x /∈ B
Na temelju toga radimo tablicu pripadnosti koja se radina slican nacin kao i semanticka tablica za formulu
algebre sudova.
A B A
∪B (A
∪B)c Ac Bc Ac
∩Bc
∈ ∈ ∈ /∈ /∈ /∈ /∈∈ /∈ ∈ /∈ /∈ ∈ /∈/∈ ∈ ∈ /∈ ∈ /∈ /∈/
∈ /
∈ /
∈ ∈ ∈ ∈ ∈
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirDirektan dokaz preko definicije jednakosti skupova
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 66/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Relacija (A ∪ B)c = Ac ∩ Bc je zapravo jednakost dva
skupa, a iz definicije jednakosti skupova slijedi damoramo dokazati da vrijede sljedece inkluzije:
(A ∪ B)c ⊆ Ac ∩ Bc i Ac ∩ Bc ⊆ (A ∪ B)c.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
H j k
Direktan dokaz preko definicije jednakosti skupova
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 67/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Relacija (A ∪ B)c = Ac ∩ Bc je zapravo jednakost dva
skupa, a iz definicije jednakosti skupova slijedi damoramo dokazati da vrijede sljedece inkluzije:
(A ∪ B)c ⊆ Ac ∩ Bc i Ac ∩ Bc ⊆ (A ∪ B)c.
Dokazimo prvo da je (A ∪ B)c ⊆ Ac ∩ Bc. Moramo
zapravo dokazati da je svaki element skupa (A ∪ B)c
ujedno i element skupa Ac ∩ Bc. Uzmimo stoga bilo koji
x ∈ (A ∪ B)c
. To znaci da x /∈ A ∪ B. Ako neki elementne pripadi uniji dva skupa, tada on ne pripada niti jednom
od ta dva skupa. Dakle, x /∈ A i x /∈ B .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
H j kNo, tada je x ∈ Ac i x ∈ B c. Stoga je x ∈ Ac ∩ Bc (ako
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 68/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
(
neki element pripada nekim dvama skupovima, tada on
pripada i njihovom presjeku).Sjetimo se sada od cega smo krenuli. Uzeli smo bilo koji
x ∈ (A ∪ B)c i dokazali da je tada x ∈ Ac ∩ Bc, tj.
dokazali smo
∀x
x ∈ (A ∪ B)c ⇒ x ∈ Ac ∩ Bc
,
a to znaci da je
(A ∪ B)c ⊆ Ac ∩ Bc.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Na slican nacin dokazujemo da je Ac ∩ Bc ⊆ (A ∪ B)c.
U i bil k ji Ac Bc I d fi i ij j k d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 69/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Uzmimo bilo koji y ∈ Ac ∩ Bc. Iz definicije presjeka dva
skupa slijedi da je tada y ∈
Ac i y ∈
B c. Iz definicije
komplementa skupa slijedi y /∈ A i y /∈ B . Iz ovoga slijedi
y /∈ A ∪ B (ako neki element ne pripada nekim dvama
skupovima, tada on ne pripada niti njihovoj uniji). No,
tada je y ∈ (A ∪ B)c. Dakle, dokazali smo da vrijedi
∀y
y ∈ Ac ∩ Bc ⇒ y ∈ (A ∪ B)c
,
odnosno da je
Ac ∩ Bc ⊆ (A ∪ B)c.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
HunjakDakle, dokazali smo da je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 70/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
(A∪
B)c
⊆ Ac
∩Bc i Ac
∩Bc
⊆ (A
∪B)c,
a po definiciji jednakosti dva skupa to znaci da je
(A
∪B)c = Ac
∩Bc.
Zadatak 1.
Dokazite preostala navedena svojstva skupovskih
operacija na dva nacina, preko tablice pripadnosti i direktno preko definicije jednakosti skupova.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Napomena.
Uocite da u slucaju da se u nekoj skupovnoj jednakosti
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 71/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
javlja n skupova, tada tablica pripadnosti ima 2n redaka
pa je u tom slucaju nezgodno dokazivati tu jednakost na
taj nacin zbog prevelikog broja mogucih slucajeva.
Kompliciranije relacije izmedu skupova je nemoguce
dokazivati na taj nacin, cak ako je i broj skupova koji se
javljaju u tim relacijama malen.
Najbolji, odnosno pravi nacin dokazivanja relacija medu
skupovima provodi se uz koristenje definicija skupovskih
operacija, definicije jednakosti skupova i definicijepodskupa. Za takav dokaz potrebno je razumjeti te
definicije i primijeniti ih na pravi nacin kako smo
pokazali u primjeru 6.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Teorem 1.
Za sve skupove A i B vrijedi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 72/703
Hunjak
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
a A ⊆ B ⇔ P (A) ⊆ P (B)
b P (A) ∩ P (B) = P (A ∩ B)
c P (A) ∪ P (B) ⊆ P (A ∪ B)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Teorem 1.
Za sve skupove A i B vrijedi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 73/703
j
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
a A ⊆ B ⇔ P (A) ⊆ P (B)
b P (A) ∩ P (B) = P (A ∩ B)
c P (A) ∪ P (B) ⊆ P (A ∪ B)
Dokaz.
Za dokaz tvrdnje (a) imamo dva smjera. Dokazimo prvo
da A ⊆ B ⇒ P (A) ⊆ P (B).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Teorem 1.
Za sve skupove A i B vrijedi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 74/703
j
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
a A ⊆ B ⇔ P (A) ⊆ P (B)
b P (A) ∩ P (B) = P (A ∩ B)
c P (A) ∪ P (B) ⊆ P (A ∪ B)
Dokaz.
Za dokaz tvrdnje (a) imamo dva smjera. Dokazimo prvo
da A ⊆ B ⇒ P (A) ⊆ P (B).
Pretpostavimo da je A ⊆ B. Tvrdimo da je tada
P (A) ⊆ P (B).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Teorem 1.
Za sve skupove A i B vrijedi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 75/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
a A ⊆ B ⇔ P (A) ⊆ P (B)
b P (A) ∩ P (B) = P (A ∩ B)
c P (A) ∪ P (B) ⊆ P (A ∪ B)
Dokaz.
Za dokaz tvrdnje (a) imamo dva smjera. Dokazimo prvo
da A ⊆ B ⇒ P (A) ⊆ P (B).
Pretpostavimo da je A ⊆ B. Tvrdimo da je tada
P (A) ⊆ P (B).Neka je X ∈ P (A). To znaci da je X ⊆ A. Kako je po
pretpostavci A ⊆ B , slijedi da je tada i X ⊆ B , odnosno
X
∈ P(B). Dakle, zaista je
P(A)
⊆ P(B).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Dokazimo da vrijedi i P (A) ⊆ P (B) ⇒ A ⊆ B .
Pretpostavimo da je P(A) ⊆ P(B) Kako je uvijek
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 76/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Pretpostavimo da je P (A) ⊆ P (B). Kako je uvijek
A ∈ P
(A), tada zbog pretpostavke da je P
(A) ⊆ P
(B)
slijedi A ∈ P (B), a to znaci da je A ⊆ B .
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Dokazimo da vrijedi i P (A) ⊆ P (B) ⇒ A ⊆ B .
Pretpostavimo da je P(A) ⊆ P(B) Kako je uvijek
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 77/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Pretpostavimo da je P (A) ⊆ P (B). Kako je uvijek
A
∈ P (A), tada zbog pretpostavke da je
P (A)
⊆ P (B)
slijedi A ∈ P (B), a to znaci da je A ⊆ B .
Dokazimo sada tvrdnju (b). U toj tvrdnji imamo
jednakost dva skupa pa treba dokazati da je
P (A) ∩ P (B) ⊆ P (A ∩ B) i P (A ∩ B) ⊆ P (A) ∩ P (B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Dokazimo da vrijedi i P (A) ⊆ P (B) ⇒ A ⊆ B .
Pretpostavimo da je P(A) ⊆ P(B). Kako je uvijek
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 78/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Pretpostavimo da je P (A) ⊆ P (B). Kako je uvijek
A
∈ P (A), tada zbog pretpostavke da je
P (A)
⊆ P (B)
slijedi A ∈ P (B), a to znaci da je A ⊆ B .
Dokazimo sada tvrdnju (b). U toj tvrdnji imamo
jednakost dva skupa pa treba dokazati da je
P (A) ∩ P (B) ⊆ P (A ∩ B) i P (A ∩ B) ⊆ P (A) ∩ P (B).
Dokazimo prvo da je P (A) ∩ P (B) ⊆ P (A ∩ B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Dokazimo da vrijedi i P (A) ⊆ P (B) ⇒ A ⊆ B .
Pretpostavimo da je P (A) ⊆ P (B). Kako je uvijek
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 79/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
p j P( ) ⊆ P( ) j j
A
∈ P (A), tada zbog pretpostavke da je
P (A)
⊆ P (B)
slijedi A ∈ P (B), a to znaci da je A ⊆ B .
Dokazimo sada tvrdnju (b). U toj tvrdnji imamo
jednakost dva skupa pa treba dokazati da je
P (A) ∩ P (B) ⊆ P (A ∩ B) i P (A ∩ B) ⊆ P (A) ∩ P (B).
Dokazimo prvo da je P (A) ∩ P (B) ⊆ P (A ∩ B).
Neka je X ∈ P (A) ∩ P (B) proizvoljan. To znaci da je
X ∈ P (A) i X ∈ P (B), odnosno X ⊆ A i X ⊆ B. No,tada je i X ⊆ A ∩ B, odnosno X ∈ P (A ∩ B). Dakle,
zaista je P (A) ∩ P (B) ⊆ P (A ∩ B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakDokazimo da je takoder P (A ∩ B) ⊆ P (A) ∩ P (B).
N k j Y P(A ∩ B) T i d j Y ⊆ A ∩ B N
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 80/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je Y ∈ P (A ∩ B). To znaci da je Y ⊆ A ∩ B. No,
tada je Y ⊆ A i Y ⊆ B. Dakle, Y ∈ P (A) i Y ∈ P (B)pa je Y ∈ P (A) ∩ P (B). Dakle, zaista je
P (A ∩ B) ⊆ P (A) ∩ P (B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakDokazimo da je takoder P (A ∩ B) ⊆ P (A) ∩ P (B).
N k j Y ∈ P(A ∩ B) T i d j Y ⊆ A ∩ B N
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 81/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je Y ∈ P (A ∩ B). To znaci da je Y ⊆ A ∩ B. No,
tada je Y ⊆ A i Y ⊆ B. Dakle, Y ∈ P (A) i Y ∈ P (B)pa je Y ∈ P (A) ∩ P (B). Dakle, zaista je
P (A ∩ B) ⊆ P (A) ∩ P (B).
Dokazimo jos tvrdnju (c). Tu treba dokazati inkluziju
P (A) ∪ P (B) ⊆ P (A ∪ B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakDokazimo da je takoder P (A ∩ B) ⊆ P (A) ∩ P (B).
Neka je Y ∈ P(A ∩ B) To aci da je Y ⊆ A ∩ B No
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 82/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je Y ∈ P (A ∩ B). To znaci da je Y ⊆ A ∩ B. No,
tada je Y ⊆ A i Y ⊆ B. Dakle, Y ∈ P (A) i Y ∈ P (B)pa je Y ∈ P (A) ∩ P (B). Dakle, zaista je
P (A ∩ B) ⊆ P (A) ∩ P (B).
Dokazimo jos tvrdnju (c). Tu treba dokazati inkluziju
P (A) ∪ P (B) ⊆ P (A ∪ B).
Neka je X ∈ P (A) ∪ P (B). Tada je X ∈ P (A) ili
X ∈ P (B), odnosno X ⊆ A ili X ⊆ B . No, tada je
sigurno X ⊆ A ∪ B pa je X ∈ P (A ∪ B).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakDokazimo da je takoder P (A ∩ B) ⊆ P (A) ∩ P (B).
Neka je Y ∈ P(A ∩ B) To znaci da je Y ⊆ A ∩ B No
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 83/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je Y ∈ P (A ∩ B). To znaci da je Y ⊆ A ∩ B. No,
tada je Y ⊆ A i Y ⊆ B. Dakle, Y ∈ P (A) i Y ∈ P (B)pa je Y ∈ P (A) ∩ P (B). Dakle, zaista je
P (A ∩ B) ⊆ P (A) ∩ P (B).
Dokazimo jos tvrdnju (c). Tu treba dokazati inkluziju
P (A) ∪ P (B) ⊆ P (A ∪ B).
Neka je X ∈ P (A) ∪ P (B). Tada je X ∈ P (A) ili
X ∈ P (B), odnosno X ⊆ A ili X ⊆ B . No, tada je
sigurno X ⊆ A ∪ B pa je X ∈ P (A ∪ B).
Pogledajmo zasto ne vrijedi obrnuta inkluzija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Neka je A {1 2} a B {1 3} Tada je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 84/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Neka je A = {1, 2}, a B = {1, 3}. Tada je
P (A) =∅, {1}, {2}, {1, 2}
P (B) =∅, {1}, {3}, {1, 3}
P (A ∪ B) =
∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}
P (A) ∪ P (B) = ∅, {1}, {2}, {1, 2}, {3}, {1, 3}Vidimo da je P (A) ∪ P (B) ⊆ P (A ∪ B), ali
P (A)
∪ P (B)
=
P (A
∪B).
♥
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Simetricna razlika
Simetricnu razliku dva skupa definiramo na dva nacina
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 85/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Simetricnu razliku dva skupa definiramo na dva nacina.
A B = (A ∪ B) \ (A ∩ B)
A B = (A \ B) ∪ (B \ A)
A B
A B
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Zadatak 2.
Dokazite da su navedene definicije simetricne razlike
ekvivalentne. Dokaz provedite na dva nacina, preko
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 86/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
p , p
tablice pripadnosti i direktno.
Zadatak 3.
Dokazite da je simetricna razlika komutativna i
asocijativna operacija. Dokaz provedite na dva nacina,
preko tablice pripadnosti i direktno.
Tablica pripadnosti za simetricnu razliku:
A B A B
∈ ∈ /∈∈ /∈ ∈/∈ ∈ ∈/∈ /∈ /∈
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Kartezijev produkt skupova
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 87/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Dvoclani skup {
a, b}
zove se par. Kako se radi o skupu,
vrijedi {a, b} = {b, a}. Ovakav skup moze se urediti tako
da razlikujemo njegovu prvu i drugu komponentu i u tom
slucaju ga zovemo uredenim parom i za njega koristimo
oznaku (a, b).Opcenito je (a, b) = (b, a), a jednakost vrijedi jedino u
slucaju a = b.
Definicija uredenog para (K. Kuratowski)
(a, b) =
a, {a, b}
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Zadatak 4.
Koristeci definiciju Kuratowskog dokazite da vrijedi:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 88/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
j g j
(a, b) = (c, d) ⇔ a = c i b = d
Neka su A i B neprazni skupovi. Kartezijev produkt
skupova A i B je skup A × B koji se sastoji od svih
uredenih parova cija prva komponenta pripada skupu A, a
druga skupu B.
A × B = (x, y) : x ∈ A, y ∈ BU slucaju da je A = ∅ ili B = ∅, tada je A × B = ∅.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Kartezijev produkt A × A zapisujemo kratko A2 i zovemo
ga Kartezijevim kvadratom skupa A.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 89/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
A
2
= A × A
Kartezijev produkt skupova moze se prosiriti i na konacno
mnogo skupova.
Neka su A1, A2, . . . , An neprazni skupovi. Kartezijevprodukt skupova A1, A2, . . . , An je skup
A1×A2×···×An =
(a1, a2, . . . , an) : ai ∈ Ai, i = 1, . . . , n
(a1, a2, . . . , an) zovemo uredenom n-torkom i kod nje je
vazan poredak elemenata. Element ai zove se i-ta
komponenta n-torke.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakU slucaju da je za neki i ∈ {1, 2, . . . , n} Ai = ∅, tada je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 90/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
A1
×A2
× · · · ×An =
∅.
An = A × A × · · · × A n
Napomena.
Definicija Kartezijevog produkta skupova moze se prosiriti
i na beskonacno mnogo skupova. Medutim, mi ovdje
necemo toliko duboko ulaziti u tu teoriju.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 7.
Neka je A = {1, 2, 3} i B = {a, b}. Odredite A × B,
B × A i A2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 91/703
Skupovi i relacije
Zadavanje skupaSkupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 7.
Neka je A = {1, 2, 3} i B = {a, b}. Odredite A × B,
B × A i A2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 92/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Rjesenje.A × B =
(1, a), (1, b), (2, a), (2, b), (3, a), (3, b)
B × A =
(a, 1), (a, 2), (a, 3), (b, 1), (b, 2), (b, 3)
A2 = (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 7.
Neka je A = {1, 2, 3} i B = {a, b}. Odredite A × B,
B × A i A2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 93/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Rjesenje.A × B =
(1, a), (1, b), (2, a), (2, b), (3, a), (3, b)
B × A =
(a, 1), (a, 2), (a, 3), (b, 1), (b, 2), (b, 3)
A2 = (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)Odmah ovdje jedna napomena. Nije A2 = {1, 4, 9} jer
smo se dogovorili da kada se radi o skupovima, tada je
A2 = A
×A.
Takoder, uocavamo da je
A × B = B × A
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
S
Primjer 8.
Prikazite graficki A × B ako je
(a) A {1 2 3} B {1 3 5} (b) A [1 3] B 2 5]
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 94/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
(a) A = {1, 2, 3}, B = {1, 3, 5} (b) A = [1, 3], B = 2, 5]
Rjesenje.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sk i i l ij
Primjer 8.
Prikazite graficki A × B ako je
(a) A = {1 2 3} B = {1 3 5} (b) A = [1 3] B = 2 5]
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 95/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
(a) A = {1, 2, 3}, B = {1, 3, 5} (b) A = [1, 3], B = 2, 5]
Rjesenje.
(a)
1 2 3 4 x
1
2
3
4
5
y
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sk i i l ij
Primjer 8.
Prikazite graficki A × B ako je
(a) A = {1 2 3} B = {1 3 5} (b) A = [1 3] B = 2 5]
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 96/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
(a) A = {1, 2, 3}, B = {1, 3, 5} (b) A = [1, 3], B = 2, 5]
Rjesenje.
(a)
1 2 3 4 x
1
2
3
4
5
y(b)
1 2 3 4 x
1
2
3
4
5
y
1 2 3 4 x
1
2
3
4
5
y
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijePrimjer 9.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 97/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 9.
ˇ Sto predstavljaju sljedeci Kartezijevi produkti:
(a) pravac × pravac (b) pravac × kruznica
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijePrimjer 9.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 98/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Primjer 9.
ˇ Sto predstavljaju sljedeci Kartezijevi produkti:
(a) pravac × pravac (b) pravac × kruznica
Rjesenje.
pravac × pravac = ravnina
pravac × kruznica = cilindar
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Primjer 10.
Dokazite da vrijedi A × (B ∪ C ) = (A × B) ∪ (A × C ).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 99/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Primjer 10.
Dokazite da vrijedi A × (B ∪ C ) = (A × B) ∪ (A × C ).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 100/703
Skupovi i relacije
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Rjesenje.Treba dokazati jednakost dva skupa, a to znaci da treba
dokazati da je A × (B ∪ C ) ⊆ (A × B) ∪ (A × C ) i
(A
×B)
∪(A
×C )
⊆ A
×(B
∪C ).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Primjer 10.
Dokazite da vrijedi A × (B ∪ C ) = (A × B) ∪ (A × C ).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 101/703
p j
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
Rjesenje.Treba dokazati jednakost dva skupa, a to znaci da treba
dokazati da je A × (B ∪ C ) ⊆ (A × B) ∪ (A × C ) i
(A
×B)
∪(A
×C )
⊆ A
×(B
∪C ).
Dokazimo prvo da je A × (B ∪ C ) ⊆ (A × B) ∪ (A × C ).
Neka je x ∈ A × (B ∪ C ) proizvoljan. To znaci da je
x = (x1, x2) pri cemu je (x1 ∈ A) ∧ (x2 ∈ B ∪ C ),
odnosno (x1 ∈ A) ∧ (x2 ∈ B) ∨ (x2 ∈ C ). Koristecidistributivnost konjunkcije prema disjunkciji, slijedi da je
(x1 ∈ A) ∧ (x2 ∈ B) ∨ (x1 ∈ A) ∧ (x2 ∈ C )
.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Kako je x = (x1, x2), slijedi da je
(x ∈ A × B) ∨ (x ∈ A × C ),
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 102/703
p j
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
odnosnox ∈ (A × B) ∪ (A × C ).
Dakle, zaista je A × (B ∪ C ) ⊆ (A × B) ∪ (A × C ).
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacije
Kako je x = (x1, x2), slijedi da je
(x ∈ A × B) ∨ (x ∈ A × C ),
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 103/703
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
odnosnox ∈ (A × B) ∪ (A × C ).
Dakle, zaista je A × (B ∪ C ) ⊆ (A × B) ∪ (A × C ).
Dokazimo jos da je i (A × B) ∪ (A × C ) ⊆ A × (B ∪ C ).
Neka je y ∈ (A × B) ∪ (A × C ) proizvoljan. To znaci
da je (y ∈ A × B) ∨ (y ∈ A × C ) . Slijedi da je
y = (y1, y2) pri cemu vrijedi
(y1 ∈ A
) ∧ (y2 ∈ B) ∨
(y1 ∈ A
) ∧ (y2 ∈ C )
.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Skupovi i relacijeKoristeci distributivnost konjunkcije prema disjunkciji,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 104/703
Zadavanje skupa
Skupovske relacije
Partitivni skup
Operacije sa skupovima
Svojstva operacija
Simetricna razlika
Kartezijev produkt
slijedi da je
(y1 ∈ A) ∧ (y2 ∈ B) ∨ (y2 ∈ C )
,
odnosno
(y1 ∈ A) ∧ (y2 ∈ B ∪ C ).
Kako je y = (y1, y2), slijedi da je y ∈ A × (B ∪ C ), pa je
stvarno (A
×B)
∪(A
×C )
⊆ A
×(B
∪C ).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 105/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Dio III
Matrice i determinante
”Ekspert je netko tko poznaje najgore greske koje se mogu napraviti u
njegovom podrucju i zna kako ih treba izbjeci” Werner Heisenberg
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Sadrzaj
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 106/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva determinanti
Minore i kofaktori
Laplaceov razvoj determinante
Inverzna matrica
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 107/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matrice su jedan od najvaznijih matematickih objekata
koje imaju siroku primjenu u raznim podrucjima ljudske
djelatnosti, a pogotovo u informatici.
Matrice se koriste:
za zapisivanje i obradu podataka
za razlicita modeliranja u ekonomici
u kompjutorskoj grafici
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
U d
Definicija matrice
Neka su M = {1, 2, . . . , m} i N = {1, 2, . . . , n}.
Realna matrica A tipa (formata) (m, n) je funkcija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 108/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Realna matrica A tipa (formata) (m, n) je funkcija
A : M × N → R
pri cemu se funkcijska vrijednost A(i, j) oznacava s aij i
smjesta u i-ti redak i j-ti stupac tablice s m redova i nstupaca.
A =
a11 a12 · · · a1n
a21 a22
· · · a2n
... ...
...
am1 am2 · · · amn
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
U d
Neka su M = {1, 2, . . . , m} i N = {1, 2, . . . , n}.
Kompleksna matrica A tipa (formata) (m, n) je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 109/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
funkcijaA : M × N → C
pri cemu se funkcijska vrijednost A(i, j) oznacava s aij i
smjesta u i-ti redak i j-ti stupac tablice s m redova i n
stupaca.
Skup svih realnih matrica tipa (m, n) oznacavamo s
M mn(R), a skup svih kompleksnih matrica tipa (m, n)
oznacavamo s M mn(C).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Ponekad se kratko skup svih matrica tipa (m, n)
oznacava s M mn pri cemu je iz konteksta jasno da li se
radi o realnim ili kompleksnim matricama ili pak nam je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 110/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
p p j
svejedno. Naime, uglavnom cemo se baviti realnim
matricama, ali sve definicije i operacije koje cemo imati
na realnim matricama, analogno se prenose i na
kompleksne matrice, tim vise sto je
M mn(R) ⊂ M mn(C).
Za element aij matrice A koristi se i oznaka [A]ij. S
druge strane, za matricu ciji su elementi aij koristi se i
oznaka [aij ].
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Primjer 11.
Napisite matricu A tipa (2, 3) ako je aij = |i − j| + |i + j|.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 111/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Primjer 11.
Napisite matricu A tipa (2, 3) ako je aij = |i − j| + |i + j|.
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 112/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
a11 = |1 − 1| + |1 + 1| = 2
a12 = |1 − 2| + |1 + 2| = 4
a13 =
|1
−3
|+
|1 + 3
| = 6
a21 = |2 − 1| + |2 + 1| = 4
a22 = |2 − 2| + |2 + 2| = 4
a23 =
|2
−3
|+
|2 + 3
| = 6
A =
a11 a12 a13
a21 a22 a23
=
2 4 6
4 4 6
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Jednakost matrica
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 113/703
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Za matrice A = [aij] tipa (m, n) i B = [bij] tipa ( p, q )
kazemo da su jednake i pisemo A = B ako vrijedi
a m = p, n = q
b aij = bij ∀i, j
Jednostavnije receno, dvije matrice su jednake ako su
istog tipa i ako su im odgovarajuci elementi jednaki.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
UvodPrimjer 12.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 114/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Da li su matrice A =
1 2 3
4 5 6
i B =
1 2
3 4
5 6
jednake?
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
UvodPrimjer 12.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 115/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Da li su matrice A =
1 2 3
4 5 6
i B =
1 2
3 4
5 6
jednake?
Rjesenje.Matrica A je tipa (2, 3), a matrica B je tipa (3, 2) pa one
nisu jednake jer nisu istog tipa.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Primjer 13.Odredite vrijednosti realnih parametara a i b tako da
matrice A i B budu jednake, ako je
a2 b2 (a + b)2 9 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 116/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A = −( )
(a − b)2 a2 + b2 , B = −81 41
.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Primjer 13.Odredite vrijednosti realnih parametara a i b tako da
matrice A i B budu jednake, ako je
a2 b2 (a + b)2 9 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 117/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A = −( )
(a − b)2 a2 + b2 , B = −81 41
.
Rjesenje.
Matrice A i B su tipa (2, 2) pa da bi bile jednake moraju
im odgovarajuci elementi biti jednaki.
a2 − b2 = −9
(a + b)2 = 1
(a − b)2 = 81
a2 + b2 = 41
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Iz prve i cetvrte jednadzbe dobivamo da je a2=16 i2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 118/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
b = 25, odnosno a = ±4 i b = ±5.Iz druge i trece jednadzbe slijedi da mora biti
a + b = ±1, a − b = ±9.
To je moguce jedino u dva slucaja:
a a = −4, b = 5
b a = 4, b = −5
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Specijalne matrice
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 119/703
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Kvadratna matrica reda n je matrica tipa (n, n). Dakle,
to je matrica koja ima jednak broj redaka i stupaca.
Primjer kvadratne matrice reda 3:
A =
2 4 −3
0 2 1
−3 4 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Neka je A = [aij] kvadratna matrica reda n.
Glavna dijagonala matrice A je uredena n-torka
(a11, a22, . . . , ann).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 120/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Sporedna dijagonala matrice A je uredena n-torka
(a1n, a2 n−1, . . . , an1).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Neka je A = [aij] kvadratna matrica reda n.
Glavna dijagonala matrice A je uredena n-torka
(a11, a22, . . . , ann).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 121/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Sporedna dijagonala matrice A je uredena n-torka
(a1n, a2 n−1, . . . , an1).
Glavna dijagonala
A =
2 4
−3
0 2 1
−3 4 2
B =
3 4 6 −2
−8 5 1 017 1 −3 2
9 8 −4 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Neka je A = [aij] kvadratna matrica reda n.
Glavna dijagonala matrice A je uredena n-torka
(a11, a22, . . . , ann).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 122/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Sporedna dijagonala matrice A je uredena n-torka
(a1n, a2 n−1, . . . , an1).
Sporedna dijagonala
A =
2 4
−3
0 2 1
−3 4 2
B =
3 4 6 −2
−8 5 1 017 1 −3 2
9 8 −4 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Dijagonalna matrica je kvadratna matrica ciji su
elementi izvan glavne dijagonale jednaki 0, tj.
aij = 0 za i = j.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 123/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
A = 2 0 0
0 −3 00 0 8
B =
3 0 0 0
0 0 0 0
0 0 5 0
0 0 0 −2
Jednostavniji zapis dijagonalnih matrica:
A = diag
2, −3, 8
, B = diag
3, 0, 5, −2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
D fi i ij i
Gornje trokutasta matrica je kvadratna matrica kojoj
su elementi ispod glavne dijagonale jednaki 0, tj.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 124/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
aij = 0 za i > j.
A =
0 3 5
0 −3 2
0 0 9
B =
3 4 0 10 −5 9 3
0 0 5 4
0 0 0 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
D fi i ij t i
Donje trokutasta matrica je kvadratna matrica kojoj su
elementi iznad glavne dijagonale jednaki 0, tj.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 125/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
aij = 0 za i < j.
A =
3 0 0
−4 0 0
1 −8 9
B =
3 0 0 0
5 0 0 0
4 −3 9 0
3 0 −
9 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
D fi i ij t i
Jedinicna matrica je dijagonalna matrica kojoj su
elementi na glavnoj dijagonali jednaki 1, tj.
ij δij
1, i = j
K k i b l
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 126/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
aij = δ ij = 0, i = j ← Kroneckerov simbol
Jedinicne matrice treceg i cetvrtog reda:
I =
1 0 0
0 1 0
0 0 1
I =
1 0 0 00 1 0 0
0 0 1 0
0 0 0 1
Standardna oznaka za jedinicnu matricu je I bez obzira
na red koji ce iz konteksta biti jasan.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Jednoredna matrica je matrica tipa (1, n), tj. to je
matrica koja ima samo jedan redak.
A 1 4 5 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 127/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
A = 1 −4 5 9Jednostupcana matrica je matrica tipa (m, 1), tj. to je
matrica koja ima samo jedan stupac.
A =
−3
4
−2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Nulmatrica je matrica ciji su svi elementi jednaki 0, tj.
ij 0 ∀i j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 128/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
aij = 0, ∀i,j.
Nulmatrice tipa (2, 3) i (2, 2):
O = 0 0 0
0 0 0 O = 0 0
0 0
Standardna oznaka za nulmatricu je O bez obzira kojeg je
tipa koji ce iz konteksta biti jasan.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Za kvadratnu matricu A = [aij] kazemo da je simetricna
ako vrijedi
aij
= aji
,∀
i,j.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 129/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
ij ji ∀Drugim rijecima, takva matrica je simetricna s obzirom
na svoju glavnu dijagonalu.
A =
1 4 −3 2
4 0 8 −1
−3 8 9 10
2 −1 10 6
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Za kvadratnu matricu A = [aij] kazemo da je
antisimetricna ako vrijedi
aij
= aji
,∀
i,j.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 130/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
ij − ji ∀U slucaju da je i = j dobivamo da je aii = −aii, odnosno
aii = 0 za svaki i. Dakle, antisimetricne matrice na
glavnoj dijagonali imaju nule.
A =
0 4 −3 2
−4 0 8 −1
3 −
8 0 −
10
−2 1 10 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Operacije s matricamaTransponiranje matrica
Transponirana matrica matrice A tipa (m n) je matrica
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 131/703
Definicija matriceSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Transponirana matrica matrice A tipa (m, n) je matricaAT tipa (n, m) za koju vrijedi
AT
ij
= [A] ji.
Transponirana matrica zadane matrice dobije se tako da
se svi njezini redovi napisu u stupce.
Transponiranje matrica je unarna operacija na
matricama. AT
T = A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Primjer 14.
Transponirajte matricu A =
2 − 3 1 4
π − 9 1 0
2 1 1 7
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 132/703
jSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
−2 1 1 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Primjer 14.
Transponirajte matricu A =
2 − 3 1 4
π − 9 1 0
2 1 1 7
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 133/703
jSpecijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
−2 1 1 7Rjesenje.
Matrica A je tipa (3, 4). Transponirana matrica AT ce
biti tipa (4, 3).
AT =
2 π −2
−3 −9 1
1 1 14 0 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceS ij l i
Zbrajanje matrica
Zbrajati se mogu samo matrice istog tipa i kao rezultat
opet dobijemo matricu istog tipa kojeg su bile i pocetne
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 134/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
opet dobijemo matricu istog tipa kojeg su bile i pocetne
matrice. Preciznije, neka su A, B ∈ M mn dane sa
A = [aij], B = [bij]. Zbroj matrica A i B je matrica
C = [cij] ∈ M mn za koju vrijedi
cij = aij + bij, ∀i,j.
Pisemo: C = A + B.
Dakle, dvije matrice istog tipa zbrajamo tako da im
zbrojimo odgovarajuce elemente.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceS ij l t i
Primjer 15.
Odredite zbroj matrica A =
−1 4
2 3
8
−3
i B =
−3 7
12 6
0 5
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 135/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Primjer 15.
Odredite zbroj matrica A =
−1 4
2 3
8
−3
i B =
−3 7
12 6
0 5
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 136/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Rjesenje.
A + B = −1 4
2 3
8 −3
+ −3 7
12 6
0 5
=
= −1 + (−3) 4 + 7
2 + 12 3 + 6
8 + 0 −3 + 5
= −4 11
14 9
8 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Kako se zbrajanje matrica svodi na zbrajanje realnihbrojeva po komponentama, vrijede sljedeca svojstva
zbrajanja matrica.
Za matrice A, B i C tipa (m, n) vrijedi:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 137/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
1 Komutativnost zbrajanja matrica:
A + B = B + A
2 Asocijativnost zbrajanja matrica:
(A + B) + C = A + (B + C )
3 Postoji neutralni element: nulmatrica tipa (m, n)
A + O = O + A = A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Mnozenje matrice skalarom (brojem)
Matricu mnozimo brojem tako da svaki element matrice
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 138/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
Matricu mnozimo brojem tako da svaki element matrice
pomnozimo tim brojem i dobivamo matricu istog tipa
kojeg je bila i pocetna matrica.
Preciznije, neka je A = [aij ] ∈ M mn i k ∈ R. Produktmatrice A i realnog broja k je matrica C = [cij] ∈ M mn
takva da je
cij = kaij,
∀i,j.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Primjer 16.
Odredite produkt matrice A = −1 4
2 3 i broja
3
2 .
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 139/703
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
p 8 −3
j
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Primjer 16.
Odredite produkt matrice A = −1 4
2 3 i broja
3
2 .
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 140/703
Sp j
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
p 8 −3
j
Rjesenje.
3
2A =
3
2
−1 4
2 3
8 −3
=
32 · (−1) 3
2 · 4
32 · 2 3
2 · 3
32 · 8 3
2 · (−3)
=
−32 6
3 92
12 −92
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Propozicija 3.Neka su k, l ∈ R, a A, B ∈ M mn. Tada vrijedi:
1 kvaziasocijativnost
k(lA) = (kl)A
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 141/703
p j
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
( ) ( )
2 posjedovanje jedinice
1
·A = A
3 distributivnost u odnosu na zbrajanje skalara
(k + l)A = kA + lA
4 distributivnost u odnosu na zbrajanje matrica
k(A + B) = kA + kB
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Dokaz.
Sva nabrojena svojstva mnozenja matrice skalarom slijede
iz svojstava mnozenja i zbrajanja realnih brojeva.
1 Neka je A [a ] Tada je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 142/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
1 Neka je A = [aij ]. Tada je
k(lA) = k
laij
=
k(laij)
=
(kl)aij
= kl
aij
= (kl)A↓
asocijativnost mnozenja realnih brojeva
2 Neka je A = [aij ]. Tada je
1 · A = [1 · aij] = [aij] = A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
3
Neka je A = [aij ]. Tada je(k + l)A = (k + l)
aij
=
(k + l)aij
=
kaij + laij
=
distributivnost mnozenja prema zbrajanju realnih brojeva
= kaij + laij
= kaij + laij
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 143/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
ij
ij
ij
ij
= kA + lA
4 Neka je A = [aij ] i B = [bij]. Tada je
k(A + B) = k
[aij] + [bij]
= k
aij + bij
=
=
k(aij + bij)
=
kaij + kbij
=
distributivnost mnozenja prema zbrajanju realnih brojeva
=
kaij
+
kbij
= k
aij
+ k
bij
= kA + kB
♥
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Oduzimanje matricaA − B = A + (−1)B
Jednostavnije receno, dvije matrice istog tipa oduzimamo
tako da im oduzmemo odgovarajuce elemente i kao
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 144/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
rezultat dobijemo opet matricu istog tipa kojeg su bile i
pocetne matrice.
Dakle, ako je A = [aij ] i B = [bij ], tada je
A − B = [aij − bij].
Primijetimo da za svaku matricu A = [aij]
∈ M mn postoji
tzv. suprotna matrica oblika −A = [−aij] za koju vrijedi
A + (−A) = −A + A = O.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
Binarna operacija. Grupoid
Neka je S neprazan skup. Binarna operacija na skupu S
je preslikavanje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 145/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
je preslikavanje
⊕ : S × S → S.
Dakle, to je preslikavanje koje dvama elementima skupa
S pridruzuje opet neki element skupa S .
Grupoid je ureden par (S, ⊕) koji se sastoji od nepraznog
skupa S i binarne operacije na tom skupu.
Umjesto da pisemo ⊕(a, b) = c, kratko pisemo a ⊕ b = c.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
GrupaGrupoid (G, ⊕) je grupa ako vrijedi sljedece:
G1 Binarna operacija je asocijativna, tj.
(a ⊕ b) ⊕ c = a ⊕ (b ⊕ c), ∀a,b,c ∈ G
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 146/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matricaMatricne jednadzbe
( ⊕ ) ⊕ ⊕ ( ⊕ ), , ,
G2 Binarna operacija ima neutralni element, tj. postoji
e
∈ G takav da je
a ⊕ e = e ⊕ a = a, ∀a ∈ G
G3 svaki element ima suprotni (inverzni) element, tj.
∀a ∈ G, ∃b ∈ G, a + b = b + a = e
Suprotni element elementa a oznacavamo sa −a.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
O ij i
Ako jos vrijedi i
G4 Binarna operacija je komutativna, tj.
a + b = b + a ∀a b ∈ G
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 147/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
a + b = b + a, ∀a, b ∈ G,
tada (G, ⊕) zovemo komutativna ili Abelova grupa.
Propozicija 4.
(M mn, +) je Abelova grupa, gdje je + zbrajanje matrica.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matriceSpecijalne matrice
O ij t i
Realni vektorski (linearni) prostor
Uredena trojka (V, ⊕, ) je realni vektorski prostor ako
je (V,
⊕) Abelova grupa, a
R V V
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 148/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
: R× V → V
je preslikavanje koje kratko zapisujemo (α, v) = α v
za α ∈ R, v ∈ V i koje ima sljedeca svojstva:V1 Kvaziasocijativnost
α (β v) = (αβ ) v, ∀α, β ∈ R, ∀v ∈ V
V2 Posjedovanje jedinice
1 v = v, ∀v ∈ V
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
V3 Distributivnost u odnosu na zbrajanje skalara
(α + β )v = (α v) + (β v), ∀α, β ∈ R, ∀v ∈ V
V4 Distributivnost u odnosu na zbrajanje u V
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 149/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Distributivnost u odnosu na zbrajanje u V
α(v +w) = (αv)+(αw), ∀α ∈ R, ∀v, w ∈ V
Propozicija 5.
(M mn, +,·) je realni vektorski prostor, gdje je +
zbrajanje matrica, a · mnozenje matrica realnim brojem.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Mnozenje matrica
Mnozenje matrica se ne definira na nacin slican zbrajanju.
Za to postoje dublji razlozi u koje ovdje necemo ulaziti,ali cemo dati jedan primjer koji bi nam trebao opravdati
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 150/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
ali cemo dati jedan primjer koji bi nam trebao opravdati
tu definiciju u smislu da ona ima primjene na stvarne
probleme.
Neka su a =
a1, a2, . . . , an
i b =
b1, b2, . . . , bn
dvije
uredene n-torke realnih brojeva. Skalarni produkt tih
uredenih n-torki je
ab = a1b1 + a2b2 + · · · + anbn =n
i=1
aibi.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Primjer 17.Nadite skalarni produkt uredenih cetvorki (1, 3, −2, 0) i
(9, 8, −3, −7).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 151/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Primjer 17.Nadite skalarni produkt uredenih cetvorki (1, 3, −2, 0) i
(9, 8, −3, −7).
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 152/703
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
(1, 3, −2, 0) · (9, 8, −3, −7) =
= 1 · 9 + 3 · 8 + (−2) · (−3) + 0 · (−7) = 39
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Primjer 17.Nadite skalarni produkt uredenih cetvorki (1, 3, −2, 0) i
(9, 8, −3, −7).
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 153/703
Op c j s t c
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
(1, 3, −2, 0) · (9, 8, −3, −7) =
= 1 · 9 + 3 · 8 + (−2) · (−3) + 0 · (−7) = 39
Kazemo da je matrica A ulancana s matricom B ako
matrica B ima onoliko redaka koliko matrica A ima
stupaca, tj. ako je A tipa (m, n), a B tipa (n, p). U tom
slucaju matrica B ne mora biti ulancana s matricom A
(to ce biti jedino u slucaju p = m). Dakle, za ulancanost
je bitan poredak matrica.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Mnoziti se mogu jedino ulancane matrice.
Neka su dane matrice
A = [aij]
∈ M mn i B = [bij ]
∈ M n p.
P d k i A i B j i C [ ] i ( )
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 154/703
p j
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Produkt matrica A i B je matrica C = [cij ] tipa (m, p)
za cije elemente vrijedi
cij =n
k=1
aikbkj .
Pisemo: C = AB.
Pogledamo li malo bolje, u i-tom retku i j-tom stupcu uAB se nalazi skalarni produkt i-tog retka matrice A sa
j-tim stupcem matrice B.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Dakle,
cij =
i-ti redak matrice A · j-ti stupac matrice B
↓
skalarni produkt
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 155/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Dakle,
cij =
i-ti redak matrice A · j-ti stupac matrice B
↓
skalarni produkt
Primjer 18.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 156/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
j
Odredite AB i BA ako je
a A = 3 4 0
5 1 2
−1 2 0
, B = 0 1 1−5 −1 2
1 2 1
b A =
0 12 1
2 3
, B =
1 2
2 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB
3 4 0 0 1 1 c11 c12 c13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 157/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
Konacno rjesenje
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB
3 4 0
5 1 2
0 1 1
5 1 2
c11 c12 c13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 158/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c11 = (3, 4, 0) · (0, −5, 1) = 3 · 0 + 4 · (−5) + 0 · 1 = −20
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB
3 4 0
5 1 2
0 1 1
5 1 2
−20 c12 c13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 159/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c11 = (3, 4, 0) · (0, −5, 1) = 3 · 0 + 4 · (−5) + 0 · 1 = −20
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
i
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB
3 4 0
5 1 2
0 1 1
5 1 2
−20 c12 c13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 160/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c12 = (3, 4, 0) · (1, −1, 2) = 3 · 1 + 4 · (−1) + 0 · 2 = −1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
D t i t
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
0 1 1
5 1 2
=
−20 −1 c13
c c c
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 161/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c12 = (3, 4, 0) · (1, −1, 2) = 3 · 1 + 4 · (−1) + 0 · 2 = −1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
5 1 2
=
−20 −1 c13
c c c
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 162/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c13 = (3, 4, 0) · (1, 2, 1) = 3 · 1 + 4 · 2 + 0 · 1 = 11
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
5 1 2
=
−20 −1 11
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 163/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
·−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c13 = (3, 4, 0) · (1, 2, 1) = 3 · 1 + 4 · 2 + 0 · 1 = 11
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 164/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB =
5 1 2
−1 2 0
−5 −1 2
1 2 1
=
c21 c22 c23
c31 c32 c33
c21 = (5, 1, 2) · (0, −5, 1) = 5 · 0 + 1 · (−5) + 2 · 1 = −3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 165/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB
5 1 2
−1 2 0
5 1 2
1 2 1
3 c22 c23
c31 c32 c33
c21 = (5, 1, 2) · (0, −5, 1) = 5 · 0 + 1 · (−5) + 2 · 1 = −3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 166/703
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AB
5 1 2
−1 2 0
5 1 2
1 2 1
3 c22 c23
c31 c32 c33
c22 = (5, 1, 2) · (1, −1, 2) = 5 · 1 + 1 · (−1) + 2 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 167/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
5 1 2
−1 2 0
5 1 2
1 2 1
3 8 c23
c31 c32 c33
c22 = (5, 1, 2) · (1, −1, 2) = 5 · 1 + 1 · (−1) + 2 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 168/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
5
−1 2 0
5
1 2 1
3 8 23
c31 c32 c33
c23 = (5, 1, 2) · (1, 2, 1) = 5 · 1 + 1 · 2 + 2 · 1 = 9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 169/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
c31 c32 c33
c23 = (5, 1, 2) · (1, 2, 1) = 5 · 1 + 1 · 2 + 2 · 1 = 9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 170/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
c31 c32 c33
c31 = (−1, 2, 0) ·(0, −5, 1) = −1 ·0+ 2 ·(−5)+0 ·1 = −10
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 171/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 c32 c33
c31 = (−1, 2, 0) ·(0, −5, 1) = −1 ·0+ 2 ·(−5)+0 ·1 = −10
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 172/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 c32 c33
c32 = (−1, 2, 0) · (1, −1, 2) = −1 · 1 + 2 · (−1)+0 · 2 = −3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
S
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
·
0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 173/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 −3 c33
c32 = (−1, 2, 0) · (1, −1, 2) = −1 · 1 + 2 · (−1)+0 · 2 = −3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
S j D
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 174/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 −3 c33
c33 = (−1, 2, 0) · (1, 2, 1) = −1 · 1 + 2 · 2 + 0 · 1 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
S j t D t
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 175/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 −3 3
c33 = (−1, 2, 0) · (1, 2, 1) = −1 · 1 + 2 · 2 + 0 · 1 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a A je tipa (3, 3), B je tipa (3, 3) ⇒ AB je tipa (3, 3).
AB =
3 4 0
5 1 2
· 0 1 1
−5 −1 2
=
−20 −1 11
−3 8 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 176/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
−1 2 0
1 2 1
−10 −3 3
Cijeli postupak mnozenja
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1
−5 −1 2
· 3 4 0
5 1 2
=
c11 c12 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 177/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
Konacno rjesenje
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1
−5 −1 2
· 3 4 0
5 1 2
=
c11 c12 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 178/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c11 = (0, 1, 1) · (3, 5, −1) = 0 · 3 + 1 · 5 + 1 · (−1) = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1
−5 −1 2
· 3 4 0
5 1 2
=
4 c12 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 179/703
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c11 = (0, 1, 1) · (3, 5, −1) = 0 · 3 + 1 · 5 + 1 · (−1) = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
· 3 4 0
5 1 2
=
4 c12 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 180/703
j
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c12 = (0, 1, 1) · (4, 1, 2) = 0 · 4 + 1 · 1 + 1 · 2 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
· 3 4 0
5 1 2
=
4 3 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 181/703
j
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c12 = (0, 1, 1) · (4, 1, 2) = 0 · 4 + 1 · 1 + 1 · 2 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
· 3 4 0
5 1 2
=
4 3 c13
c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 182/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c13 = (0, 1, 1) · (0, 2, 0) = 0 · 0 + 1 · 2 + 1 · 0 = 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 183/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c13 = (0, 1, 1) · (0, 2, 0) = 0 · 0 + 1 · 2 + 1 · 0 = 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2c21 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 184/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c21 = (−5, −1, 2) · (3, 5, −1) = −5 · 3 − 1 · 5 − 2 · 1 = −22
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2−22 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 185/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c21 = (−5, −1, 2) · (3, 5, −1) = −5 · 3 − 1 · 5 − 2 · 1 = −22
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2−22 c22 c23
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 186/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c22 = (−5, −1, 2) ·(4, 1, 2) = −5 ·4+ (−1) ·1 + 2 ·2 = −17
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Mi i k f k i
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2−22 −17 c23
c c c
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 187/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c22 = (−5, −1, 2) ·(4, 1, 2) = −5 ·4+ (−1) ·1 + 2 ·2 = −17
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Mi i k f kt i
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2−22 −17 c23
c31 c32 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 188/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c23 = (−5, −1, 2) · (0, 2, 0) = −5 · 0 + (−1) · 2 + 2 · 0 = −2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
1 2 0
=
4 3 2−22 −17 −2
c31 c32 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 189/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
−1 2 0
c31 c32 c33
c23 = (−5, −1, 2) · (0, 2, 0) = −5 · 0 + (−1) · 2 + 2 · 0 = −2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.
a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
c31 c32 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 190/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
1 2 0
c31 c32 c33
c31 = (1, 2, 1) · (3, 5, −1) = 1 · 3 + 2 · 5 + 1 · (−1) = 12
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 c32 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 191/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
1 2 0
12 c32 c33
c31 = (1, 2, 1) · (3, 5, −1) = 1 · 3 + 2 · 5 + 1 · (−1) = 12
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 c32 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 192/703
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
1 2 0
12 c32 c33
c32 = (1, 2, 1) · (4, 1, 2) = 1 · 4 + 2 · 1 + 1 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 8 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 193/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 2 1
1 2 0
12 8 c33
c32 = (1, 2, 1) · (4, 1, 2) = 1 · 4 + 2 · 1 + 1 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 8 c33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 194/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
33
c33 = (1, 2, 1) · (0, 2, 0) = 1 · 0 + 2 · 2 + 1 · 0 = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 8 4
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 195/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
c33 = (1, 2, 1) · (0, 2, 0) = 1 · 0 + 2 · 2 + 1 · 0 = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Rjesenje.a B je tipa (3, 3), A je tipa (3, 3) ⇒ BA je tipa (3, 3).
BA =
0 1 1−5 −1 2
1 2 1
· 3 4 0
5 1 2
−1 2 0
=
4 3 2−22 −17 −2
12 8 4
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 196/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Cijeli postupak mnozenja
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
c11 c12
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 197/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Konacno rjesenje
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
c11 c12
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 198/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec11 = (0, 1) · (1, 2) = 0 · 1 + 1 · 2 = 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 c12
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 199/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec11 = (0, 1) · (1, 2) = 0 · 1 + 1 · 2 = 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
L l j
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 c12
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 200/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec12 = (0, 1) · (2, 3) = 0 · 2 + 1 · 3 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
L l j
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 201/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec12 = (0, 1) · (2, 3) = 0 · 2 + 1 · 3 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
c21 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 202/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec21 = (2, 1) · (1, 2) = 2 · 1 + 1 · 2 = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 203/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbec21 = (2, 1) · (1, 2) = 2 · 1 + 1 · 2 = 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matriceOperacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 c22
c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 204/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
c22 = (2, 1) · (2, 3) = 2 · 2 + 1 · 3 = 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 7c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 205/703
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
c22 = (2, 1) · (2, 3) = 2 · 2 + 1 · 3 = 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 7c31 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 206/703
p j
Inverzna matrica
Matricne jednadzbe
c31 = (2, 3) · (1, 2) = 2 · 1 + 3 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 78 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 207/703
p j
Inverzna matrica
Matricne jednadzbe
c31 = (2, 3) · (1, 2) = 2 · 1 + 3 · 2 = 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 78 c32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 208/703
Inverzna matrica
Matricne jednadzbe
c32 = (2, 3) · (2, 3) = 2 · 2 + 3 · 3 = 13
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 78 13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 209/703
Inverzna matrica
Matricne jednadzbe
c32 = (2, 3) · (2, 3) = 2 · 2 + 3 · 3 = 13
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b A je tipa (3, 2), B je tipa (2, 2) ⇒ AB je tipa (3, 2).
AB = 0 1
2 12 3
· 1 2
2 3 =
2 3
4 78 13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 210/703
Inverzna matrica
Matricne jednadzbe
Cijeli postupak mnozenja
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b B je tipa (2, 2), A je tipa (3, 2) ⇒ BA nije definirano.
BA =
1 2
2 3
·
0 1
2 1
2 3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 211/703
Inverzna matrica
Matricne jednadzbe2 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
b B je tipa (2, 2), A je tipa (3, 2) ⇒ BA nije definirano.
BA =
1 2
2 3
·
0 1
2 1
2 3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 212/703
Inverzna matrica
Matricne jednadzbe2 3(1, 2) · (0, 2, 2) ne mozemo izracunati.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
I i
Iz prethodnog primjera uocavamo da mnozenje matrica
nije komutativno, tj. opcenito je
AB
= BA.
Moze se dogoditi da AB jest definirano, a da BA nije
definirano.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 213/703
Inverzna matrica
Matricne jednadzbeNadalje, dijeljenje matrica nije definirano.
Pogledajmo sada jedan primjer koji ce nam pokazati da
ovakvo ”cudno” mnozenje matrica ima primjenu na
realne probleme.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
I t i
Primjer 19.Proizvode N 1, N 2, N 3 moguce je kupiti u trgovinama T 1 i
T 2 po sljedecim cijenama:
u T 1 po 20, 13, 10 kuna redom,
u T 2 po 21, 12, 11 kuna redom.
Sastavite matricu A tipa (2, 3) tako da sadrzi dane
d tk ij K ji b j l i j t ?
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 214/703
Inverzna matrica
Matricne jednadzbepodatke o cijenama. Koji se broj nalazi na mjestu a21?
Nadalje, zelimo li kupiti
5 komada N 1, 3 komada N 2, 4 komada N 3,
izracunajte koliko bi to ukupno doslo u trgovini T 1
, a
koliko u trgovini T 2.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Rjesenje.
A =
20 13 10
21 12 11
N 1↓
N 2↓
N 3↓
T 1←T 2←
Na mjestu a21 nalazi se cijena proizvoda N 1 u trgovini T 2.
Pitamo se sada koliko bismo platili u trgovini T 1, a koliko
i i T k k i 5 k d i d N 3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 215/703
Inverzna matrica
Matricne jednadzbeu trgovini T 2 ako kupimo 5 komada proizvoda N 1, 3
komada proizvoda N 2 i 4 komada proizvoda N 3. Jasno je
da to mozemo jednostavno izracunati i bez upotrebe
matrica.
5 · 20 + 3 · 13 + 4 · 10 = 179 → u trgovini T 1
5 · 21 + 3 · 12 + 4 · 11 = 185 → u trgovini T 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Medutim, mozemo definirati jednostupcanu matricu X u
kojoj ce se nalaziti broj pojedinih proizvoda koje zelimokupiti. Dakle,
X = 5
34
broj proizvoda N 1←broj proizvoda N 2←broj proizvoda N 3←
Sada je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 216/703
Inverzna matrica
Matricne jednadzbe
AX =
20 13 10
21 12 11
·
5
3
4
=
179
185
Vidimo da su elementi matrice AX upravo trazene cijene
koje bismo platili u pojedinim trgovinama za navedenu
kolicinu pojedinih proizvoda.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Svojstva mnozenja matrica
Iako ne vrijedi komutativnost mnozenja matrica, mnoga
lijepa svojstva mnozenja koja vrijede za brojeve ostaju
sacuvana i kod matrica.
Propozicija 6.
Neka su A, B, C matrice, a k ∈ R. Tada vrijedi
1 A(BC ) = (AB)C
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 217/703
Inverzna matrica
Matricne jednadzbe2
(A + B)C = AC + BC 3 A(B + C ) = AB + AC
4 k(AB) = (kA)B = A(kB)
5 AI = IA = A, gdje je A kvadratna matrica
6 (AB)T = BT AT
kada god su navedeni produkti definirani.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Determinante
Grubo receno, determinanta je broj koji se pridruzuje
kvadratnoj matrici. Ako se radi o kvadratnoj matrici A,
tada taj broj oznacavamo sa det A ili
|A
|.
Preciznije, determinanta kvadratne matrice A reda n je
broj
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 218/703
Inverzna matrica
Matricne jednadzbedet A = p
(−
1)I ( p)a1 p(1)
a2 p(2) · · ·
anp(n)
gdje p prolazi kroz sve permutacije skupa {1, 2, . . . , n}, a
I ( p) je broj inverzija permutacije p.
Uocimo da se u produktima koji se zbrajaju javljaju po
jedan element iz svakog retka i svakog stupca matrice.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A = [a11]
kvadratna matrica reda 1. Determinanta te matrice jetada
det A = |a11| = a11.
D kl b j k ji id ˇ j k d j i i d 1 j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 219/703
Matricne jednadzbeDakle, broj koji pridruzujemo kvadratnoj matrici reda 1 je
bas broj koji pise u toj matrici. Napomenimo samo ovdje,
da ne dode do zabune, |a11| je ovdje oznaka za
determinantu, a ne za apsolutnu vrijednost broja a11.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12
a21 a22
kvadratna matrica reda 2. Determinanta te matrice je
det A =
a11 a12
a21 a22
= a11a22 − a12a21
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 220/703
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12
a21 a22
kvadratna matrica reda 2. Determinanta te matrice je
det A =
a11 a12
a21 a22
= a11a22 − a12a21
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 221/703
Matricne jednadzbe 3 − 2
4 8
=
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12
a21 a22
kvadratna matrica reda 2. Determinanta te matrice je
det A =
a11 a12
a21 a22
= a11a22 − a12a21
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 222/703
Matricne jednadzbe 3 − 2
4 8
= 3 · 8
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12
a21 a22
kvadratna matrica reda 2. Determinanta te matrice je
det A =
a11 a12
a21 a22
= a11a22 − a12a21
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 223/703
Matricne jednadzbe 3 − 2
4 8
= 3 · 8 − (−2) · 4
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12
a21 a22
kvadratna matrica reda 2. Determinanta te matrice je
det A =
a11 a12
a21 a22
= a11a22 − a12a21
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 224/703
Matricne jednadzbe 3 − 2
4 8
= 3 · 8 − (−2) · 4 = 32
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Neka je
A =
a11 a12 a13
a21 a22 a23
a31 a32 a33
kvadratna matrica reda 3. Determinanta te matrice jea11 a12 a13
a21 a22 a23
= a11a22a33 − a11a23a32 − a21a12a33 +
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 225/703
Matricne jednadzbea31 a32 a33 + a21a13a32 + a31a12a23 − a31a13a22
Zadatak 5.
Upotrebom definicije determinante provjerite da vrijedi gornja formula za racunanje determinante 3. reda.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
M i j d d b
Sarrusovo pravilo
Formula za racunanje determinante 3. reda je malo
nezgodna za pamtiti. Medutim, za determinante 3. reda
postoji jednostavna shema po kojoj se formiraju sviprodukti koji su nam potrebni za racunanje njezine
vrijednosti. To je tzv. Sarrusovo pravilo i ono vrijedi
samo za determinante treceg reda.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 226/703
Matricne jednadzbesamo za determinante treceg reda.
Potrebno je prvo nadopisati prva dva stupca desno od
determinante i zatim formirati produkte elemenata u
smjeru glavne dijagonale, te oduzeti produkte elemenata
u smjeru sporedne dijagonale.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
M t i j d dˇb
Na pocetku
a11 a12 a13
a21 a22 a23
a31
a32
a33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 227/703
Matricne jednadzbe
Preskoci objasnjavanje Sarrusa
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Nadopisemo prvi stupac
a11 a12 a13 a11
a21 a22 a23 a21
a31
a32
a33
a31
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 228/703
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Nadopisemo drugi stupac
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31
a32
a33
a31
a32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 229/703
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Napisemo jednako
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31
a32
a33
a31
a32
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 230/703
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru glavne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31
a32
a33
a31
a32
=
= a11a22a33 +
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 231/703
Matricne jednadzbe
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru glavne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 232/703
Matricne jednad be
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru glavne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31 + a13a21a32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 233/703
j
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru sporedne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31 + a13a21a32 − a31a22a13
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 234/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru sporedne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31 + a13a21a32 − a31a22a13 −− a32a23a11
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 235/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U smjeru sporedne dijagonale
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31 + a13a21a32 − a31a22a13 −− a32a23a11 − a33a21a12
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 236/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Gotovo je!
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
=
= a11a22a33 + a12a23a31 + a13a21a32 − a31a22a13 −− a32a23a11 − a33a21a12
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 237/703
Vrati se na objasnjavanje Sarrusa
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −21 2 8
−3 7 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 238/703
Konacno rjesenje
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 31 2 8 1
−3 7 9 −3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 239/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 240/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 241/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 +
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 242/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 243/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3) + (−2) · 1 · 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 244/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3) + (−2) · 1 · 7 − (−2) · 2 · (−3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 245/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3) + (−2) · 1 · 7 − (−2) · 2 · (−3) −− 3 · 8 · 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 246/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3) + (−2) · 1 · 7 − (−2) · 2 · (−3) −− 3 · 8 · 7 − 4 · 1 · 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 247/703
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 4 −2 3 41 2 8 1 2
−3 7 9 −3 7
=
= 3 · 2 · 9 + 4 · 8 · (−3) + (−2) · 1 · 7 − (−2) · 2 · (−3) −− 3 · 8 · 7 − 4 · 1 · 9 = −272
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 248/703
Objasnjavanje citavog postupka
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Uocimo da smo kod racunanja determinanti drugog reda
imali dva sumanda od kojih je svaki bio produkt od dva
elementa. Kod determinanti treceg reda imali smo sest
sumanada od kojih je svaki bio produkt od tri elementa.
Opcenito, kod determinanti n-tog reda imat cemo n!sumanada od kojih je svaki produkt od n elemenata.
Dakle, racunanje determinati viseg reda po definiciji je
d t j i t k i i di k
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 249/703
dugotrajno i takoreci neizvedivo u nekom razumnomvremenu. Vec kod determinanti petog reda imali bismo
120 sumanada koji su produkti od pet elemenata.
Stoga nam trebaju neka svojstva determinanti koja ce
nam olaksati njihovo racunanje.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 250/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 251/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
1
3
−2
7
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 252/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
1 3
3 2
−2 0
7 −8
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 253/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
1 3 4
3 2 −6
−2 0 −7
7 −8 1
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 254/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
1 3 4 2
3 2 −6 7
−2 0 −7 2
7 −8 1 1
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Svojstva determinanti
U ovom dijelu pretpostavljamo da su A i B kvadratne
matrice n-tog reda. Ilustraciju svojstava determinanti
pokazivat cemo na determinantama cetvrtog reda.
1 det A = det AT
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 255/703
1 3 −2 7
3 2 0 −8
4 −6 −7 1
2 7 2 1
=
1 3 4 2
3 2 −6 7
−2 0 −7 2
7 −8 1 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
2 Ako su svi elementi jednog reda u determinanti jednaki
nula, tada je ta determinanta jednaka nula. Analogno
vrijedi i za stupce.
1 3 −2 7
3 2 0
−8
0 0 0 0
= 0
1 0 −2 7
3 0 0
−8
2 0 5 3
= 0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 256/703
0 0 0 0
2 7 2 1
= 0
−2 0 5 3
2 0 2 1
= 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3 Ako determinanta ima dva jednaka reda, tada je ona
jednaka nula. Analogno vrijedi i za stupce.
7 3 2 −9
3 2 0 −8
7 3 2 −9
= 0
4 4 −2 7
−2 −2 0 −8
−3 −3 5 3
= 0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 257/703
7 3 2 92 7 2 1
3 3 5 38 8 2 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
4 Determinanta jedinicne matrice I jednaka je 1.
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
= 1
1 0 0
0 1 0
0 0 1
= 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 258/703
0 0 0 1 0 0 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
5 Determinanta gornjetrokutaste ili donjetrokutaste
matrice jednaka je produktu elemenata na glavnoj
dijagonali.
7 3 2 −
9
0 2 0 −8
0 0 2 −9
0 0 0 1
= 7 · 2 · 2 · 1 = 28
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 259/703
7 0 0 0
2 3 0 0
5 4 0 0
−9 8 1 4
= 7 · 3 · 0 · 4 = 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricamaDeterminante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
6 Zamijenimo li mjesta bilo kojim dvama retcima u
determinanti, determinanta mijenja predznak.
Analogno vrijedi i za stupce.
1 3
−2 7
3 2 0 − 8
4 − 6 − 7 1
2 7 2 1
←−←− = −
4
−6
−7 1
3 2 0 −8
1 3 −2 7
2 7 2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 260/703
1 3 − 2 7
3 2 0 − 8
4
−6
−7 1
2 7 2 1
= −
1 −2 3 7
3 0 2 −8
4 −
7 −
6 1
2 2 7 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
7 Ako bilo koji redak u matrici A pomnozimo realnim
brojem k, determinanta rezultirajuce matrice jednaka je
k det A. Analogno vrijedi i za stupce.
1 3 − 2 7
3 2 0 − 84 − 6 − 7 1
2 7 2 1
/·5 = 5 ·
1 3 −2 7
3 2 0 −84 −6 −7 1
2 7 2 1
/·3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 261/703
/1 3 − 2 7
3 2 0 − 8
4
−6
−7 1
2 7 2 1
= 3 ·
1 3 −2 7
3 2 0 −8
4
−6
−7 1
2 7 2 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
8 Zajednicki faktor svih elemenata nekog retka moze se
izluciti izvan determinante. Analogno vrijedi i za
stupce.
12 8 16 20
3 2 0 −8
4 −6 −7 1
2 7 2 1
= 4 ·
3 2 4 5
3 2 0 −8
4 −6 −7 1
2 7 2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 262/703
3 6 −5 1
3 12 0 −8
4 21
−7 1
2 −15 2 1
= 3 ·
3 2 −5 1
3 4 0 −8
4 7
−7 1
2 −5 2 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 263/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
=
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 2 3 4 −2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 264/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
= 2 ·
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 2 3 4 −2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 265/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
= 2 · 2 ·
0 −1 5 7
−4 −6 8 16
−6 12
−2 18
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 2 3 4 −2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 266/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
= 2 · 2 · 2 ·
0 −1 5 7
−2 −3 4 8
−6 12
−2 18
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 2 3 4 −2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 267/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
= 2 · 2 · 2 · 2 ·
0 −1 5 7
−2 −3 4 8
−3 6
−1 9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
9 det(kA) = kn det A, gdje je n red matrice A
A =
3 4 −2 1
0
−1 5 7
−2 −3 4 8
−3 6 −1 9
2A =
6 8 −4 2
0
−2 10 14
−4 −6 8 16
−6 12 −2 18
6 8 −4 20 2 10 14
3 4 −2 10 1 5 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 268/703
0 −2 10 14
−4 −6 8 16
−6 12
−2 18
= 24 ·
0 −1 5 7
−2 −3 4 8
−3 6
−1 9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
10 Ako neki redak u determinanti dodamo nekom drugom
retku, vrijednost determinante se nece promijeniti.
Analogno vrijedi za stupce.
1 3 − 2 7
3 2 0 − 84 − 6 − 7 1
2 7 2 1
←−+=
1 3 −2 7
3 2 0 −87 −4 −7 −7
2 7 2 1
+
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 269/703
1 3 − 2 7
3 2 0 − 8
4 −
6 −
7 1
2 7 2 1
=
8 3 − 2 7
− 5 2 0 − 8
5 −
6 −
7 1
3 7 2 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
11 Ako umnozak nekog retka s nekim brojem dodamo
nekom drugom retku, vrijednost determinante se necepromijeniti. Analogno vrijedi za stupce.
1 3 − 2 7
3 2 0
−8
4 − 6 − 7 1
2 7 2 1
/
·4
←−−+
=
1 3 −2 7
3 2 0
−8
7 −4 −7 −7
14 15 2 −31
/·( 5)
+
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 270/703
/·(−5) 1 3 − 2 7
3 2 0 − 8
4 − 6 − 7 12 7 2 1
=
8 3 − 7 7
− 5 2 − 15 − 8
5 − 6 − 27 13 7 − 8 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
12 Binet-Cauchyjev teorem. Ako su A i B kvadratne
matrice istog reda, tada je
det(AB) = det A det B.
13 det(Ak) = (det A)k, k ∈ Z \ {0}
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 271/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
14 Neka se A i B razlikuju samo u elementima i-tog
retka. Tada je det A + det B jednaka determinanti
matrice ciji je i-ti redak suma odgovarajucih clanova
i-tih redova iz A i B, a ostali elementi su jednaki
odgovarajucim elementima iz A odnosno B. Analogno
vrijedi za stupce.
Napomena.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 272/703
det(A + B) = det A + det B
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
a b c d
e f g h
a1 + b1 a2 + b2 a3 + b3 a4 + b4
k l m n
=
=
a b c d
e f g h
+
a b c d
e f g h
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 273/703
=a1 a2 a3 a4
k l m n
+b1 b2 b3 b4
k l m n
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
a1 + b1 a e ka2 + b2 b f l
a3 + b3 c g m
a4 + b4 d h n
=
a1 a e ka2 b f l
a3 c g m
a4 d h n
+
b1 a e kb2 b f l
b3 c g m
b4 d h n
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 274/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Sada kada smo se upoznali sa nekim svojstvima
determinanti, pitamo se kako primijeniti ta svojstva naracunanje determinanti reda veceg od tri. Vidjeli smo da
se lako racunaju determinante gornjetrokutastih i
donjetrokutastih matrica kao produkt elemenata na
glavnoj dijagonali. Isto tako smo vidjeli da se vrijednost
determinante ne mijenja ako neki njezin redak (stupac)
pomnozimo nekim brojem i dodamo nekom drugom retku
(stupcu) te da pri zamjeni dvaju redaka (stupaca)
determinanta samo mijenja predznak. Stoga je ideja da
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 275/703
determinantu koju trebamo izracunati pomocu ovih
svojstava svedemo na gornjetrokutastu ili
donjetrokutastu, tj. da u toj determinanti ispod ili iznadglavne dijagonale napravimo nule.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 0 2 0
−1 4 3 6
0 − 2 1 − 3
3 2 1 0
←−
+
/·(−3)
←−−−−−−−−+
=
=
1 0 2 00 4 5 6
0 − 2 1 − 3
0 2 − 5 0
←−←− =
1 0 2 0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 276/703
= −
1 0 2 0
0 − 2 1 − 3
0 4 5 6
0 2 − 5 0
/·2
←−−+
←−−−−−+
=
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
= −
1 0 2 0
0 − 2 1 − 3
0 0 7 0
0 0 − 4 − 3
=
1 0 0 2
0 − 2 − 3 1
0 0 0 7
0 0 − 3 − 4
←−←−
=
= −
1 0 0 2
0
−2
−3 1
0 0 − 3 − 4
= −1 · (−2) · (−3) · 7 = −42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 277/703
0 0 0 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Minore i kofaktori
Neka je A matrica tipa (m, n). Ako se iz matrice A ukloni
m − k redaka i n − k stupaca, preostali elementi cine
jednu submatricu ili podmatricu matrice A, k-tog reda.
A =
2 3 4 6 7
8 1 0 2 1
5 4 3 2 11 0 5 6 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 278/703
1 0 5 6 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Minore i kofaktori
Neka je A matrica tipa (m, n). Ako se iz matrice A ukloni
m − k redaka i n − k stupaca, preostali elementi cine
jednu submatricu ili podmatricu matrice A, k-tog reda.
A =
2 3 4 6 7
8 1 0 2 1
5 4 3 2 11 0 5 6 7
B = 3 4 7
4 3 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 279/703
1 0 5 6 7
B je submatrica reda 2 matrice A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Neka je A kvadratna matrica n-tog reda. Minora M ij
elementa aij je determinanta submatrice matrice A koja
sadrzi elemente koji preostanu nakon sto se uklone i-ti
redak i j-ti stupac matrice A.
Kofaktor ili algebarski komplement elementa aij je broj
Aij = (−1)i+ jM ij
Uocimo da je kofaktor do na predznak jednak minori, sto
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 280/703
j p j
ovisi o parnosti sume njihovih indeksa.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 281/703
Preskoci postupak
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 11 = 0 2
1 2 = −2
A11 = (−1)1+1M 11 = −2
M 11 = −2, A11 = −2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 282/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 12 = 3 2
3 2 = 0
A12 = (−1)1+2M 12 = 0
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 283/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 13 = 3 0
3 1 = 3
A13 = (−1)1+3M 13 = 3
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 284/703
A13 = 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 21 = 1 −1
1 2 = 3
A21 = (−1)2+1M 21 = −3
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3 M21 = 3 A21 = −3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 285/703
A13 3, M 21 3, A21 3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 22 = 2 −1
3 2 = 7
A22 = (−1)2+2M 22 = 7
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M21 = 3, A21 = −3, M22 = 7, A22 = 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 286/703
A13 3, M 21 3, A21 3, M 22 7, A22 7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A =
2 1
−1
3 0 2
3 1 2
M 23 = 2 1
3 1 = −1
A23 = (−1)2+3M 23 = 1
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M 21 = 3, A21 = −3, M 22 = 7, A22 = 7,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 287/703
13 , 21 , 21 , 22 , 22 ,
M 23 = −1, A23 = 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A = 2 1
−1
3 0 2
3 1 2
M 31 = 1 −1
0 2 = 2
A31 = (−1)3+1M 31 = 2
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M 21 = 3, A21 = −3, M 22 = 7, A22 = 7,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 288/703
13 , 21 , 21 , 22 , 22 ,
M 23 = −1, A23 = 1, M 31 = 2, A31 = 2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A = 2 1
−1
3 0 2
3 1 2
M 32 = 2 −1
3 2 = 7
A32 = (−1)3+2M 32 = −7
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M 21 = 3, A21 = −3, M 22 = 7, A22 = 7,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 289/703
3
M 23 = −1, A23 = 1, M 31 = 2, A31 = 2, M 32 = 7,
A32 =
−7
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A = 2 1
−1
3 0 2
3 1 2
M 33 = 2 1
3 0 = −3
A33 = (−1)3+3M 33 = −3
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M 21 = 3, A21 = −3, M 22 = 7, A22 = 7,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 290/703
M 23 = −1, A23 = 1, M 31 = 2, A31 = 2, M 32 = 7,
A32 =
−7, M 33 =
−3, A33 =
−3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 20.
Odredite minore i kofaktore matrice A = 2 1 −13 0 23 1 2 .
Rjesenje.
A = 2 1
−1
3 0 2
3 1 2
M 11 = −2, A11 = −2, M 12 = 0, A12 = 0, M 13 = 3,
A13 = 3, M 21 = 3, A21 = −3, M 22 = 7, A22 = 7,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 291/703
M 23 = −1, A23 = 1, M 31 = 2, A31 = 2, M 32 = 7,
A32 =
−7, M 33 =
−3, A33 =
−3
Pokazi postupak
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Laplaceov razvoj determinante
Do sada smo se upoznali s mnogim lijepim svojstvima
determinanti koja nam olaksavaju racunanje njihovih
vrijednosti. Jedan od najvaznijih postupaka koji smo dosada upoznali bio je svodenje determinante na
gornjetrokutastu ili donjetrokutastu cija se vrijednost lako
izracuna, tj. jednaka je produktu elemenata na glavnoj
dijagonali.
U dij l ´ k ti k k ˇ j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 292/703
U ovom dijelu cemo pokazati kako se racunanje
determinante n-tog reda moze svesti na racunanje n
determinanti (n − 1)-og reda.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 21.
Zadana je matrica A =
2 1 −13 0 23 1 2
. Izracunajte:
a det A preko Sarrusovog pravila
b a11A11 + a12A12 + a13A13
c a12A12 + a22A22 + a32A32
d a11A21 + a12A22 + a13A23
e a12A13 + a22A23 + a32A33
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 293/703
12 13 + 22 23 + 32 33
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Rjesenje.
Kofaktore matrice A smo izracunali u Primjeru 20. .
A11 = −2, A12 = 0, A13 = 3, A21 = −3, A22 = 7,
A23 = 1, A31 = 2, A32 = −7, A33 = −3
det A =
2 1 −13 0 2
3 1 2
= −7
a11A11 + a12A12 + a13A13 = 2 · (−2) + 1 · 0 + (−1) · 3 = −7
a12A12 + a22A22 + a32A32 = 1 · 0 + 0 · 7 + 1 · (−7) = −7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 294/703
12 12 + 22 22 + 32 32 + + ( )
a11A21 + a12A22 + a13A23 = 2 · (−3) + 1 · 7 + (−1) · 1 = 0
a12A13 + a22A23 + a32A33 = 1 · 3 + 0 · 1 + 1 · (−3) = 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Iz prethodnog primjera uocavamo da je
a11A11 + a12A12 + a13A13 = det A.
Pomocu skalarnog produkta to mozemo zapisati
a11, a12, a13
· A11, A12, A13
= det A.
Dakle, skalarni produkt prvog retka matrice A s
kofaktorima odgovarajucih elemenata tog retka jednak jedeterminanti matrice A.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 295/703
Izraz a11A11 + a12A12 + a13A13 zovemo Laplaceov
razvoj determinante po prvom retku matrice A.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Isto tako, uocavamo da je
a12A12 + a22A22 + a32A32 = det A.
Pomocu skalarnog produkta to mozemo zapisati
a12, a22, a32
· A12, A22, A32
= det A.
Dakle, skalarni produkt drugog stupca matrice A s
kofaktorima odgovarajucih elemenata tog stupca jednak je determinanti matrice A.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 296/703
Izraz a12A12 + a22A22 + a32A32 zovemo Laplaceov
razvoj determinante po drugom stupcu matrice A.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Nadalje, vidjeli smo da je
a11A21 + a12A22 + a13A23 = 0
a12A13 + a22A23 + a32A33 = 0
odnosno
a11, a12, a13
· A21, A22, A23
= 0
a12, a22, a32
·
A13, A23, A33
= 0
Dakle, skalarni produkt nekog retka matrice A s
kofaktorima odgovarajucih elemenata nekog drugog retka
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 297/703
jednak je 0. Isto tako, skalarni produkt nekog stupca
matrice A s kofaktorima odgovarajucih elemenata nekog
drugog stupca jednak je 0.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Cinjenice koje smo uocili na prethodnom primjeru vrijede
i opcenito za bilo koju kvadratnu matricu.
Neka je A = [aij] kvadratna matrica reda n.
Laplaceov razvoj determinante po i-tom retku
det A = ai1Ai1 + ai2Ai2 + · · · + ainAin =n
k=1
aikAik
Laplaceov razvoj determinante po j-tom stupcu
det A = a1 A1 + a2 A2 + + a A =n
ak Ak
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 298/703
det A = a1 j A1 j + a2 j A2 j + · · · + anjAnj =k=1
akj Akj
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Laplaceov razvoj po drugom retku
a11 a12 a13 a14
a21 a22 a23 a24
a31 a32 a33 a34
a41 a42 a43 a44
= a21A21 + a22A22 + a23A23 + a24A24
= −a21
a12 a13 a14
a32 a33 a34
a42 a43 a44
+ a22
a11 a13 a14
a31 a33 a34
a41 a43 a44
−
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 299/703
− a23
a11 a12 a14
a31 a32 a34
a41 a42 a44
+ a24
a11 a12 a13
a31 a32 a33
a41 a42 a43
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Laplaceov razvoj po trecem stupcu
a11 a12 a13 a14
a21 a22 a23 a24
a31 a32 a33 a34
a41 a42 a43 a44
= a13A13 + a23A23 + a33A33 + a43A43
= a13
a21 a22 a24
a31 a32 a34
a41 a42 a44
− a23
a11 a12 a14
a31 a32 a34
a41 a42 a44
+
a a a
a a a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 300/703
+ a33
a11 a12 a14
a21 a22 a24
a41 a42 a44
− a43
a11 a12 a14
a21 a22 a24
a31 a32 a34
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Pogledajmo opet determinantu
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
.
Nju smo vec prije izracunali svodenjem na trokutastu.
svodenje na trokutastu
Izracunajmo ju sada pomocu Laplaceovog razvoja.Moramo odabrati neki redak ili stupac u toj determinanti.
Kako mozemo birati uzimamo onaj redak ili stupac u
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 301/703
Kako mozemo birati, uzimamo onaj redak ili stupac u
kojemu ima puno nula tako da neke kofaktore necemo
morati racunati. Uzmimo, npr. prvi redak.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 0 2 0
−1 4 3 60 −2 1 −3
3 2 1 0
= 1 · A11 + 0 · A12 + 2 · A13 + 0 · A14
Sada kofaktore A12 i A14 ne treba racunati jer ih
mnozimo s nulom, a preostala dva kofaktora izracunamo
pomocu Sarrusovog pravila.
A11 = (−1)1+1 4 3 6
−2 1 −32 1 0
= −30
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 302/703
A13 = (−
1)1+3
−1 4 6
0 −
2 −
3
3 2 0
=
−6
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Stoga je
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
= 1 · (−30) + 2 · (−6) = −42
Mogli smo odabrati, npr. cetvrti stupac pa bismo imali
1 0 2 0
−1 4 3 6
0 2 1 3
= 0 · A14 + 6 · A24 + (−3) · A34 + 0 · A44
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 303/703
0 −2 1 −3
3 2 1 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
U tom slucaju treba isto izracunati samo dva kofaktora
A24 i A34.
A24 = (−1)2+4
1 0 2
0 −2 1
3 2 1
= 8
A34 = (−1)3+4
1 0 2−1 4 3
3 2 1
= 30
Stoga je 1 0 2 0
1 4 3 6
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 304/703
−1 4 3 6
0
−2 1
−3
3 2 1 0
= 6 · 8 + (−3) · 30 = −42
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Ako odaberemo drugi redak, tada trebamo izracunati sva
cetiri kofaktora.
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
= −1 · A21 + 4 · A22 + 3 · A23 + 6 · A24
A21 = (−
1)2+1
0 2 0
−2 1
−3
2 1 0
= 12
1 2 0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 305/703
A22 = (−1)2+2
1 2 0
0 1 −3
3 1 0
= −15
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A23 = (−1)2+31 0 0
0 −2 −3
3 2 0
= −6
A24 = (−1)2+4 1 0 2
0 −2 1
3 2 1
= 8
Stoga je
1 0 2 0
−1 4 3 6
= 1 12+4 ( 15)+3 ( 6)+6 8 = 42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 306/703
0 −2 1 −3
3 2 1 0
= −1·12+4·(−15)+3·(−6)+6·8 = −42
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Napomena.
Vidjeli smo da se racunanje determinanti cetvrtog reda
pomocu Laplaceovog razvoja svodi na racunanje najvise
cetiri determinante treceg reda (sto ovisi o tome da li u
toj determinanti ima neki redak ili stupac koji sadrzi i
nule) koje onda mozemo dalje izracunati Sarrusovimpravilom.
Racunanje determinante petog reda pomocu Laplaceovog
razvoja svodi se na racunanje najvise pet determinanti
cetvrtog reda. No, na te determinante ne mozemo
primijeniti Sarrusovo pravilo pa ako bismo na svaku od
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 307/703
njih primijenili Laplaceov razvoj, dobili bismo najvise 20
determinanti treceg reda koje bismo onda izracunaliSarrusovim pravilom.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Medutim, 20 determinanti treceg reda i nije tako mali
broj za racunanje. A sto ako bismo imali determinantu
reda veceg od pet? Tada bi taj broj determinanti treceg
reda na koje bi se svela ta determinanta bio znatno veci.
Dakle, samo primjenjivanje Laplaceovog razvoja i nijetako efikasan nacin za racunanje determinanti. To ima
smisla do determinanti reda 4. Isto tako ima smisla
primjenivati taj postupak ako imamo determinantu u kojoj
neki redak ili stupac ima ”puno” nula i ako sve ostale
determinante na koje se svodi ta determinanta takoder
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 308/703
imaju neki redak ili stupac koji ima ”puno” nula jer u tom
slucaju treba izracunati samo maleni broj kofaktora.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
No, sto ako imamo determinantu reda n koja u sebi nema
niti jednu nulu ili ih ima jako malo? U tom slucaju
odaberemo neki redak ili stupac u toj determinanti.
Zatim u odabranom retku ili stupcu odaberemo neki
element razlicit od nule. Sada je ideja da, prije negoprimijenimo Laplaceov razvoj, u odabranom retku ili
stupcu napravimo same nule, a onaj odabrani element
”ostavimo na miru”. Nule cemo napraviti koristeci se
cinjenicom da determinanta ne mijenja vrijednost ako
neki redak ili stupac pomnozimo nekim brojem i dodamo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 309/703
nekom drugom retku, odnosno stupcu.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Ako nakon toga napravimo Laplaceov razvoj po takotransformiranom retku ili stupcu, tada ce se determinanta
n-tog reda svesti na samo jednu determinantu (n − 1)-og
reda. Ako isti postupak primijenimo na dobivenu
determinantu (n − 1)-og reda, ona ce se svesti na samo
jednu determinantu (n − 2)-og reda itd. Dakle, pomocu
ovog postupka moguce je svaku determinantu reda n 3
svesti na samo jednu determinantu reda 3 koju ondamozemo izracunati Sarrusovim pravilom ili ju svesti na
determinantu reda 2 pa onda nju izracunati.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 310/703
determinantu reda 2 pa onda nju izracunati.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Pogledajmo opet determinantu
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
.
Odaberemo li prvi redak i element a11 = 1, tada u tom
retku na preostalim mjestima zelimo napraviti nule. No
na dva mjesta vec imamo nule, jedino jos treba element
a13 = 2 pretvoriti u nulu. To cemo postici tako da prvi
stupac pomnozimo s −2 i dodamo ga trecem stupcu.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 311/703
Nakon toga cemo primijeniti Laplaceov razvoj po prvom
retku i dobit cemo samo jednu determinantu treceg reda.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
/·(−2)
+1 0 2 0
−1 4 3 6
0 − 2 1 − 3
3 2 1 0
=
1 0 0 0
−1 4 5 6
0 − 2 1 − 3
3 2 − 5 0
=
= (−1)1+1 · 1 ·
4 5 6
− 2 1 − 3
= −42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 312/703
2 − 5 0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Odaberemo li drugi redak u determinanti
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
i element a21 = −1, tada na preostalim mjestima u
drugom retku trebamo napraviti nule. Ovaj put imamo
vise posla jer smo odabrali redak u kojemu nema niti
jedne nule. Dakle, prvi stupac mnozimo sa 4 i dodajemo
ga drugom, zatim ga mnozimo s 3 i dodajemo trecem i
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 313/703
na kraju ga mnozimo sa 6 i dodajemo cetvrtom. Nakon
toga napravimo Laplaceov razvoj po drugom retku.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
/·4 +
/·3 +
/
·6 +
1 0 2 0
−1 4 3 6
0 − 2 1 − 3
3 2 1 0
=
1 4 5 6
− 1 0 0 0
0 − 2 1 − 3
3 14 10 18
=
= (−1)2+1 · (−1) ·
4 5 6
− 2 1 − 3
= −42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 314/703
( ) ( )
14 10 18
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Odaberemo li opet drugi redak u determinanti
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
i element a23 = 3, tada na preostalim mjestima u drugom
retku trebamo napraviti nule. Ovaj put ce biti jos teze jer
ce nam se pojaviti razlomci. Dakle, bitno je pametnoodabrati redak ili stupac, ali isto tako je bitno pametno
odabrati element u odabranom retku ili stupcu.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 315/703
odabrati element u odabranom retku ili stupcu.
Pametnim odabirom si olaksavamo kasnije racunanje.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
/· 1
3+
/·−43+
/·(−2) +
1 0 2 0
− 1 4 3 6
0 − 2 1 − 3
3 2 1 0
=
53 − 8
3 2 − 4
0 0 3 0
13 − 10
3 1 − 5
103
23 1 − 2
=
( 1)2+3 3
53 −8
3 −4
1 10 5
42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 316/703
= (−1)2+3 · 3 ·
13 −10
3 −5
103
23 −2
= −42
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
DeterminanteSvojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Odaberemo li cetvrti stupac u determinanti
1 0 2 0
−1 4 3 6
0 −2 1 −3
3 2 1 0
i element a34 = −3, tada na preostalim mjestima u
cetvrtom stupcu trebamo napraviti nule. No, na dvama
mjestima vec imamo nule tako da samo element a24 = 6treba pretvoriti u nulu. To cemo napraviti tako da treci
redak pomnozimo sa 2 i dodamo ga drugom retku. Nakon
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 317/703
p g g
toga napravimo Laplaceov razvoj po cetvrtom stupcu.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
1 0 2 0
− 1 4 3 6
0 − 2 1 −33 2 1 0
/·2
←−−+
=
1 0 2 0
− 1 0 5 0
0 − 2 1 − 33 2 1 0
=
= (−1)3+4 · (−3) · 1 0 2
− 1 0 5
3 2 1
= −42
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 318/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 22.
Izracunajte determinantu petog reda
3 4 5 −1 2
8 0 2 1 5
3 4 2 6 81 5 1 0 3
−8 −9 4 6 7
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 319/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 22.
Izracunajte determinantu petog reda
3 4 5 −1 2
8 0 2 1 5
3 4 2 6 81 5 1 0 3
−8 −9 4 6 7
.
Rjesenje.
Odabrat cemo, npr. cetvrti redak i element a41 = 1. Na
preostalim mjestima u cetvrtom retku cemo napraviti nule
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 320/703
preostalim mjestima u cetvrtom retku cemo napraviti nule
i zatim primijeniti Laplaceov razvoj po cetvrtom retku.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
/·(−5) +
/
·(
−1) +
/·(−3) +
3 4 5 − 1 2
8 0 2 1 5
3 4 2 6 8
1 5 1 0 3
− 8 − 9 4 6 7
=
3 − 11 2 − 1 − 7
8 − 40 − 6 1 − 19
3 − 11 − 1 6 − 1
1 0 0 0 0
− 8 31 12 6 31
−11 2 −1 −7
−40 −6 1 −19
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 321/703
= (−1)4+1 · 1 · −40 −6 1 −19
−11
−1 6
−1
31 12 6 31
=
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
= −
− 11 2 −1 − 7
− 40 − 6 1 − 19
− 11 − 1 6 − 1
31 12 6 31
←−+
←−−−
/·6
+
←−−−−−−−
/·6
+
=
= −− 11 2 − 1 − 7
− 51 − 4 0 − 26
− 77 11 0 − 43
− 35 24 0 − 11
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 322/703
− 35 24 0 − 11
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
= −(−1)1+3 · (−1) ·
− 51 − 4 − 26
− 77 11 − 43
−35 24
−11
=
=
− 51 − 4 − 26
− 77 11 − 43
−35 24
−11
= −11055
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 323/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Propozicija 7.
Neka je A = [aij] kvadratna matrica.
a Skalarni produkt nekog retka s odgovarajucim
kofaktorima tog retka jednak je det A.
b Skalarni produkt nekog stupca s odgovarajucim
kofaktorima tog stupca jednak je det A.
c Skalarni produkt nekog retka s odgovarajucim
kofaktorima nekog drugog retka jednak je 0.d Skalarni produkt nekog stupca s odgovarajucim
kofaktorima nekog drugog stupca jednak je 0.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 324/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
n j=1
aijAkj = δ ik det A
n
i=1 aijAik = δ jk det A
Kroneckerov simbol
δ pq =
1, p = q
0, p = q
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 325/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Inverzna matrica
Poznato nam je da ako je a ∈ R, tada njega moramo
pomnoziti s 1a da bismo dobili 1 (neutralni element za
mnozenje). Znamo da to mozemo napraviti za svakirealni broj a razlicit od nule i u tom slucaju broj a−1 = 1
a
zovemo inverzni broj broja a.
Dakle, kod brojeva je
aa−1 = a−1a = 1, ∀a ∈ R \ {0}.
Z li ij i i i
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 326/703
Zelimo ovo prenijeti i na matrice.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Neka je A kvadratna matrica. Inverzna matrica matrice
A je matrica A−1 za koju vrijedi
AA−1 = A−1A = I .
Dakle, inverzna matrica kvadratne matrice je matrica skojom ju moramo pomnoziti da bismo dobili jedinicnu
matricu (neutralni element za mnozenje).
Napomena.
Znamo da mnozenje matrica nije komutativno, ali u
definiciji zahtijevamo da matrica komutira sa svojom
inverznom matricom
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 327/703
inverznom matricom.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Znamo da svaki realni broj razlicit od nule ima inverz.
Pitamo se da li svaka kvadratna matrica ima inverznumatricu.
Odgovor je negativan. Nema svaka kvadratna matrica
inverznu matricu. Naime, iz
AA−1 = I
slijedi
det AA−1 = det I.
Zbog Binet-Cauchyjevog teorema je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 328/703
det A det A−1 = 1.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Stoga je
det A−1 = 1
det A.
Vidimo da ako inverzna matrica A−1
postoji, tada jenjezina determinanta jednaka reciprocnoj vrijednosti
determinante matrice A. Drugim rijecima, kvadratna
matrica cija je determinanta jednaka nula nema inverznu
matricu.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 329/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Neka je A = [aij] kvadratna matrica.
Kvadratna matrica A je regularna ako je det A = 0.
Kvadratna matrica A je singularna ako je det A = 0.
Adjunkta matrice A je matrica
A∗ = [Aij ]T
tj., to je transponirana matrica matrice kofaktoraelemenata matrice A.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 330/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A =
a11 a12 a13
a21 a22 a23
a31 a32 a33
A∗ =
A11 A12 A13
A21 A22 A23
A31 A32 A33
T
Aij = (−1)i+ jM ij
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 331/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Teorem 2.
Svaka regularna matrica A ima inverznu matricu i vrijedi
A−1 = 1
det AA∗.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 332/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Teorem 2.
Svaka regularna matrica A ima inverznu matricu i vrijedi
A−1 = 1
det AA∗.
Dokaz. A
1
det AA∗
ij
= 1
det A
nk=1
aikAkj = δ ij
1det A
A∗A
ij
= 1det A
nk=1
Aikakj = δ ij
Stoga je zaista A 1d A A∗ = 1
d A A∗A = I odnosno
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 333/703
Stoga je zaista A det A A det A A A I , odnosno
A−1 = 1det A A∗. ♥
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 23.
Odredite inverznu matricu matrice A = a b
c d uz uvjet da
je det A = 0.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 334/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 23.
Odredite inverznu matricu matrice A = a b
c d uz uvjet da
je det A = 0.
Rjesenje.
Izracunajmo kofaktore matrice A.
A11 = (−1)1+1|d| = d
A12 = (−1)1+2|c| = −c
A21 = (−1)2+1|b| = −b
A22 = (−1)2+2|a| = a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 335/703
Sada mozemo izracunati adjunktu matrice A.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A∗ =
A11 A12
A21 A22
T
=
d −c
−b a
T
=
d −b
−c a
Stoga je
A−1 = 1
det AA∗ =
1
ad−
bc d −b
−c a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 336/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Inverz regularne matrice reda 2 se lagano racuna.
A = a b
c d A−1
=
1
det A d
−b
−c a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 337/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Inverz regularne matrice reda 2 se lagano racuna.
A = a b
c d A−1
=
1
det A d
−b
−c a
Na glavnoj dijagonali elementi zamijene mjesta.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 338/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Inverz regularne matrice reda 2 se lagano racuna.
A = a b
c d A−1
=
1
det A d
−b
−c a
Na sporednoj dijagonali elementi ostaju na svome mjestu,
ali promijene predznak.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 339/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 24.
Odredite inverz matrice A = 2 3
1 5
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 340/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 24.
Odredite inverz matrice A = 2 3
1 5
.
Rjesenje.
det A =
2 3
1 5
= 2 · 5 − 1 · 3 = 7
A−1 = 1
7
5 −3
−1 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 341/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 25.
Odredite inverz matrice A = 2 1 −13 0 23 1 2 .
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 342/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 25.
Odredite inverz matrice A =
2 1 −13 0 23 1 2
.
Rjesenje.
Najprije izracunamo determinantu matrice A.
det A = −7
Kako je det A = 0, matrica A ima inverznu matricu.
Zatim izracunamo kofaktore matrice A.
A11 = −2, A12 = 0, A13 = 3
A21 = −3, A22 = 7, A23 = 1
A31 = 2, A32 = −7, A33 = −3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 343/703
Ponovi postupak racunanja kofaktora
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Na kraju odredimo adjunktu matrice A.
A∗ =
A11 A12 A13
A21 A22 A23
A31 A32 A33
T
=−
2 0 3
−3 7 1
2 −7 −3
T
A∗ =
−2 −3 20 7 −7
3 1 −3
Stoga je
A−1 = 1
det AA∗ =
−1
7
−2 −3 2
0 7 −7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 344/703
3 1 −3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva Det
Minore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Napomena.
Racunanje inverza regularne matrice A po formuliA−1 = 1
det A A∗ je komplicirano ako je red matrice veci od
3. Naime, ako je A regularna matrica reda 4, tada bi za
racunanje inverza trebalo izracunati 16 determinanti
treceg reda, a ako bi A bila reda 5, tada bi trebalo
izracunati 25 determinanti cetvrtog reda, itd. Dakle,
gornja formula je korisna za teoretska razmatranja, ali za
prakticne svrhe je neupotrebljiva za matrice velikog reda
(cak vec za matrice reda 4).
Kasnije cemo vidjeti kako se efikasno racuna inverz
matrice reda veceg od 3 pomocu Gaussovog postupka
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 345/703
matrice reda veceg od 3 pomocu Gaussovog postupka.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Zadatak 6.
Neka je D = diag d1
, . . . , dn dijagonalna matrica reda
n.
a Uz koji uvjet je D regularna matrica?
b Dokazite da je D−1 = diag 1d1
, . . . , 1dn u slucaju da
je D regularna matrica.
Propozicija 8.
Za regularne matrice A i B istog reda vrijedi:
a
A−1−1
= A
b
AT −1
=
A−1T
c (AB)−1 = B−1A−1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 346/703
c (AB) = B A
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Dokaz.
a A−1A = AA−1 = I pa je A−1
−1
= A jer je inverzna
matrica jedinstvena.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 347/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Dokaz.
a A−1A = AA−1 = I pa je A−1
−1
= A jer je inverzna
matrica jedinstvena.
b AA−1 = A−1A = I ⇒ AA−1
T =
A−1AT
= I T
⇒
A−1
T
AT = AT
A−1
T
= I
Zbog jedinstvenosti inverzne matrice slijedi da jeAT
−1=
A−1T
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 348/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Dokaz.
a A−1A = AA−1 = I pa je A−1
−1
= A jer je inverzna
matrica jedinstvena.
b AA−1 = A−1A = I ⇒ AA−1
T =
A−1AT
= I T
⇒
A−1
T
AT = AT
A−1
T
= I
Zbog jedinstvenosti inverzne matrice slijedi da jeAT
−1=
A−1T
.
c (AB) ·
B−1A−1
= A
BB−1
=I
A−1 = AA−1 = I
B−1A−1
· (AB) = B−1
A−1A
=I
B = B−1B = I
1 1 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 349/703
Dakle, (AB)−1
= B−1
A−1
.♥
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Matricne jednadzbe
Matricne jednadzbe su jednadzbe u kojima se javljaju
poznate i nepoznate matrice. Rijesiti matricnu jednadzbu
znaci odrediti sve matrice koje ju zadovoljavaju.
Sjetimo se linearne jednadzbe ax = b s jednom
nepoznanicom x, gdje su a, b ∈ R.
a a = 0. Jednadzba ima jedinstveno rjesenje x = ba .
b a = 0, b = 0. Jednadzbu zadovoljavaju svi realni
brojevi.
c a = 0, b = 0. Jednadzba nema rjesenja.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 350/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Analogno mozemo promatrati i osnovne matricne
jednadzbe
AX = B i XA = B.
One nisu ekvivalentne jer mnozenje matrica nijekomutativno.
Ako je B nulmatrica, onda gornje jednadzbe zovemo
homogenim, a ako je B razlicita od nulmatrice, onda ih
zovemo nehomogenim jednadzbama.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 351/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Pretpostavimo da je A regularna matrica. Tada imamo
A−1 ·AX = B mnozenje slijeva s A−1A−1
AX
= A−1B
A−1AX = A−1B asocijativnostIX = A−1B
X = A−1B
Propozicija 9.
Ako je A regularna matrica, tada jednadzba AX = B
ima jedinstveno rjesenje X = A−1B.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 352/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Pretpostavimo da je A regularna matrica. Tada imamo
XA = B · A−1 mnozenje zdesna s A−1
XA
A−1 = BA−1
X AA−1 = BA−1 asocijativnostXI = BA−1
X = BA−1
Propozicija 10.
Ako je A regularna matrica, tada jednadzba XA = B
ima jedinstveno rjesenje X = BA−1.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 353/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
AX = B, det A = 0 ⇒ X = A−1B
XA = B, det A = 0 ⇒ X = BA−1
Vidimo da se u slucaju da je A regularna matrica
jednadzbe AX = B i BX = A ponasaju analogno kao ilinearna jednadzba ax = b u slucaju da je a = 0. Naime,
rjesenje te jednadzbe dobijemo tako da tu jednadzbu
podijelimo s a, odnosno pomnozimo s a−1. Kod
matricnih jednadzbi radimo istu stvar, samo sto je bitno s
koje strane mnozimo s A−1 zbog toga jer mnozenje
matrica nije komutativno. Oprez, ne dijelimo s A, nego
mnozimo s A−1 jer dijeljenje matrica nije definirano
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 354/703
mnozimo s A jer dijeljenje matrica nije definirano.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Naravno, postavlja se pitanje rjesivosti jednadzbi
AX = B i XA = B
u slucaju da A nije regularna matrica ili jos opcenitije,
ako je A bilo koja matrica (ne nuzno kvadratna).
Specijalni slucaj tog problema obradit cemo u sljedecem
poglavlju o sustavima linearnih jednadzbi, gdje ce B biti
jednostupcana matrica (a onda mora biti i X
jednostupcana matrica).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 355/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 26.
Rijesite matricnu jednadzbu AX + B = A2X + I ako je
A = 1 2
3 4
i B =
3 0−1 5
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 356/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Primjer 26.
Rijesite matricnu jednadzbu AX + B = A2X + I ako je
A = 1 2
3 4
i B =
3 0−1 5
.
Rjesenje.
AX + B = A2X + I
AX − A2X = −B + I
A − A2
−1 ·A − A2
X = I − B
X =
A − A2−1(I − B)
X =
A − A2−1
(I − B) je rjesenje zadane matricne
jednadzbe jedino uz uvjet da je A A2 regularna
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 357/703
−matrica.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
A
2
= 7 10
15 22 A − A
2
= −6
−8
−12 −18
I − B = −2 0
1 −4 A − A2
−1
= 1
12 −18 8
12 −6
X = A − A2−1
(I − B) =
1
12 −18 8
12 −6−2 0
1 −4
X = 1
12
44 −32
30 24
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 358/703
−
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Jednadzba AX + XB = C
Jednadzba
AX + XB = C
ne moze se rijesiti pomocu inverzne matrice. Oprez, ne
mozemo izluciti X jer se uz matricu A nalazi s desne
strane, a uz matricu B s lijeve strane, a ne smijemo
mijenjati redoslijed jer mnozenje matrica nije
komutativno. Dakle,
(A + B)X = AX + BX = AX + XB
X (A + B) = XA + XB = AX + XB
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 359/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Takva jednadzba se rjesava tako da se odredi format
matrice X i u zadanu jednadzbu uvrsti matrica tog
formata s nepoznatim elementima. Izracuna se matrica
na lijevoj strani pa se nakon toga izjednace odgovarajuci
elementi matrice s lijeve i desne strane. Dobije se sustav
linearnih jednadzbi koji se rijesi.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 360/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Takva jednadzba se rjesava tako da se odredi format
matrice X i u zadanu jednadzbu uvrsti matrica tog
formata s nepoznatim elementima. Izracuna se matrica
na lijevoj strani pa se nakon toga izjednace odgovarajuci
elementi matrice s lijeve i desne strane. Dobije se sustav
linearnih jednadzbi koji se rijesi.
Primjer 27.
Rijesite matricnu jednadzbu 2 1
−3 4
X + X
1 0
−1 2
=
5 6
7 −3
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 361/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
Rjesenje.
Matrica X mora biti tipa (2, 2), tj.
X =
a b
c d
,
gdje su a, b, c, d ∈ R nepoznati brojevi koje treba odrediti.
Uvrstimo to u jednadzbu i dobivamo
2 1
−3 4a b
c d + a b
c d 1 0
−1 2 = 5 6
7 −3 .
Mnozenjem matrica na lijevoj strani i zbrajanjem njihovih
produkata dobivamo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 362/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Matrice i determinante
Uvod
Definicija matrice
Specijalne matrice
Operacije s matricama
Determinante
Svojstva DetMinore i kofaktori
Laplaceov razvoj
Inverzna matrica
Matricne jednadzbe
3a − b + c 4b + d
−3a + 5c
−d
−3b + 6d
=
5 6
7
−3
Iz definicije jednakosti dvije matrice slijedi da mora biti
3a − b + c = 5
4b + d = 6
−3a + 5c − d = 7
−3b + 6d = −3
Rjesenje ovog sustava je a = 2518 , b = 139 , c = 4118 , d = 29 ,
pa je rjesenje zadane matricne jednadzbe matrica
X =
2518
139
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 363/703
4118 29
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – DetDio IV
Sustavi linearnih jednadzbi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 364/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sadrzaj
Sustavi lin. jednadzbiLinearna jednadzba
Sustav linearnih jednadzbi
Rjesavanje sustava pomocu inverzne matrice
Rjesavanje sustava pomocu determinanti
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 365/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Linearna jednadzba
Znamo da jednadzba
ax = b
ima jedinstveno rjesenje x = ba uz uvjet da je a = 0.
Takvu jednadzbu zovemo linearna jednadzba s jednom
nepoznanicom.
U slucaju da je a = 0 i b = 0 ta jednadzba nema rjesenja,
a ako je a = b = 0, tada ima beskonacno mnogo rjesenja,
odnosno preciznije, svaki realni broj zadovoljava tu
jednadzbu.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 366/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Linearna jednadzba s dvije nepoznanice je jednadzba
oblika
ax + by = c,
gdje su a, b, c
∈R, a x, y su nepoznanice.
Rjesenje takve jednadzbe je svaki uredeni par (x0, y0)
realnih brojeva koji zadovoljava tu jednadzbu.
U slucaju da je a2 + b2
= 0 jednadzba ima beskonacno
mnogo rjesenja i sva ta rjesenja leze na pravcu
ax + by − c = 0.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 367/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 28.
Rijesite jednadzbu 2x + y = 3.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 368/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 28.
Rijesite jednadzbu 2x + y = 3.
Rjesenje.
Jednadzba ima beskonacno mnogo rjesenja koja leze na
pravcu 2x + y − 3 = 0. Za odabrani x, y = 3 − 2x.
Neka specijalna rjesenja: (1, 1), (2, −1), (−1, 5)
Drugim rijecima,
za x = 1 je y = 1
za x = 2 je y = −1za x = −1 je y = 5
Dakle, ovdje imamo jedan stupanj slobode, x biramo, ali
d i bi j j j 3 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 369/703
za y onda nema vise biranja jer je y = 3 − 2x.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
1 2 3 4−
1−
2−
3−
4
1
2
3
4
5
−1
−2
3
x
y
(1, 1)
(2,−1)
(−1, 5)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 370/703
−3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Linearna jednadzba s tri nepoznanice je jednadzba
oblika
ax + by + cz = d,
gdje su a, b, c, d
∈R, a x, y, z su nepoznanice.
Rjesenje takve jednadzbe je svaka uredena trojka
(x0, y0, z0) realnih brojeva koja zadovoljava tu jednadzbu.
U slucaju da je a2 + b2 + c2 = 0 jednadzba ima
beskonacno mnogo rjesenja i sva ta rjesenja leze u ravnini
ax + by + cz − d = 0.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 371/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Napomena.
Kako sto jednadzba
Ax + By + C = 0, A2 + B2 = 0
predstavlja jednadzbu pravca u ravnini, tako i jednadzba
Ax + By + Cz + D = 0, A2 + B2 + C 2 = 0
predstavlja jednadzbu ravnine u prostoru.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 372/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 29.
Rijesite jednadzbu 2x + 3y − z = −5.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 373/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 29.
Rijesite jednadzbu 2x + 3y − z = −5.
Rjesenje.
Jednadzba ima beskonacno mnogo rjesenja koja leze u
ravnini 2x + 3y − z + 5 = 0. Za odabrane x, y je
z = 2x + 3y + 5.Neka specijalna rjesenja: (0, 0, 5), (1, 0, 7), (2, −2, 3)
Drugim rijecima,
za x = 0 i y = 0 je z = 5
za x = 1 i y = 0 je z = 7
za x = 2 i y = −2 je z = 3
Dakle, ovdje imamo dva stupnja slobode, x i y biramo,
ali za z onda nema vise biranja jer je z 2x + 3y + 5
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 374/703
ali za z onda nema vise biranja jer je z = 2x + 3y + 5.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
-2
0
2x
-4
-2
0
2
y
-10
0
10
20
z
-2
0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 375/703
x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Linearna jednadzba s n nepoznanica je izraz oblika
a1x1 + a2x2 + · · · + anxn = b
pri cemu su ai, i = 1, 2, . . . , n realni brojevi koji se zovu
koeficijenti varijabli, b ∈ R zovemo slobodni
koeficijent, a xi, i = 1, 2, . . . , n su nepoznanice.
Rjesenje ove jednadzbe je svaka uredena n-torka realnih
brojeva koja ju zadovoljava.
U slucaju da je a21 + a22 + · · · + a2n = 0 jednadzba imabeskonacno mnogo rjesenja i sva rjesenja leze u
hiperravnini a1x1 + a2x2 + · · · + anxn − b = 0 koja se
nalazi u Rn.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 376/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sustav linearnih jednadzbi
Na linearnu jednadzbu s dvije nepoznanice
ax + by = c
mozemo gledati kao na sustav od jedne linearne jednadzbe s dvije nepoznanice. Taj sustav ili uopce nema
rjesenja ili pak ima beskonacno mnogo rjesenja koja leze
na pravcu ax + by
−c = 0. Dakle, nemamo jedinstveno
rjesenje. Zasto? Intuitivno to mozemo objasniti na
sljedeci nacin: imamo dvije nepoznanice, a premalo
uvjeta da bismo imali i jedinstvenost rjesenja, tj. imamo
previse slobode u biranju
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 377/703
previse slobode u biranju.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sto ako bismo imali da je broj jednadzbi jednak broju
nepoznanica. Onda na neki nacin mozemo ocekivati da
cemo mozda imati jedinstveno rjesenje jer je brojnepoznanica jednak broju jednadzbi pa nemamo neku
slobodu u biranju.
Pogledajmo sustav dvije linearne jednadzbe s dvije
nepoznanice
a1x + b1y = c1
a2x + b2y = c2
Rjesenje tog sustava je svaki uredeni par realnih brojeva
koji zadovoljava obje jednadzbe. Sto mozemo reci o
rjesenjima tog sustava? Pogledajmo na primjerima sto se
sve moze dogoditi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 378/703
sve moze dogoditi.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 30.
Rijesite sustav
x + y = 3
2x − y = 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 379/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 30.
Rijesite sustav
x + y = 3
2x − y = 9
Rjesenje.
Rjesenje tog sustava je x = 4, y = −1, tj. uredeni par
(4, −1). Dakle, ovaj sustav ima jedinstveno rjesenje.
Kako to mozemo geometrijski objasniti? Svaka od gornjih
jednadzbi predstavlja jednadzbu pravca, a ti pravci nisu
paralelni pa se sijeku, a to sjeciste je upravo rjesenje
naseg sustava.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 380/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
1 2 3 4 5 6−1−2
1
2
3
4
−
1
−2
x
y
(4,−
1)
x +
y = 3
2 x − y = 9
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 381/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo nasem sustavu
x + y = 3
2x − y = 9
tri determinante koje cemo oznaciti sa D, D1 i D2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 382/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo nasem sustavu
1x + 1y = 3
2x − 1y = 9
tri determinante koje cemo oznaciti sa D, D1 i D2.
D =
1 1
2 −1
Determinantu D zovemo determinanta sustava i u nju
pisemo brojeve koji stoje uz nepoznanice.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 383/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo nasem sustavu
x + y = 3
2x − y = 9
tri determinante koje cemo oznaciti sa D, D1 i D2.
D =
1 1
2 −1
D1 =
3 1
9 −1
Determinantu D1 dobijemo tako da prvi stupac u determi-
nanti D zamijenimo sa stupcem slobodnih clanova.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 384/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo nasem sustavu
x + y = 3
2x − y = 9
tri determinante koje cemo oznaciti sa D, D1 i D2.
D =
1 1
2 −1
D1 =
3 1
9 −1
D2 =
1 3
2 9
Determinantu D2 dobijemo tako da drugi stupac u deter-
minanti D zamijenimo sa stupcem slobodnih clanova.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 385/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo nasem sustavu
x + y = 3
2x − y = 9
tri determinante koje cemo oznaciti sa D, D1 i D2.
D =
1 1
2 −1
D1 =
3 1
9 −1
D2 =
1 3
2 9
Interesantno je da vrijedi
x = D1
D =
−12
−3 = 4, y =
D2
D =
3
−3 = −1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 386/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 31.
Rijesite sustav
x + 2y = 2
3x + 6y = 18
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 387/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 31.
Rijesite sustav
x + 2y = 2
3x + 6y = 18
Rjesenje.
Ovaj sustav nema rjesenja. Kako to mozemo geometrijski
objasniti? Svaka od gornjih jednadzbi predstavlja
jednadzbu pravca, a ti pravci su paralelni pa nemaju
zajednickih tocaka pa zbog toga gornji sustav nema
rjesenja.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 388/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
1 2 3 4 5 6 7−1−2
1
2
3
4
−1
−2
x
y
x + 2 y =
2
3 x + 6 y =
1 8
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 389/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo li sustavu
x + 2y = 2
3x + 6y = 18
njegove tri determinante D, D1 i D2, dobivamo
D =
1 2
3 6
= 0 D1 =
2 2
18 6
= −24 D2 =
1 2
3 18
= 12
Ovdje nam D = 0 sugerira da nemamo jedinstveno
rjesenje (zapravo uopce nema rjesenja) jer sada ne
mozemo pisati x = D1D i y = D2
D jer u nazivniku ne smije
biti 0.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 390/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 32.
Rijesite sustav
x + 2y = 2
3x + 6y = 6
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 391/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 32.
Rijesite sustav
x + 2y = 2
3x + 6y = 6
Rjesenje.
Ovaj sustav ima beskonacno mnogo rjesenja koja leze na
pravcu x + 2y − 2 = 0. Kako to mozemo geometrijski
objasniti? Svaka od gornjih jednadzbi predstavlja
jednadzbu istog pravca jer se druga jednadzba dobije takoda se prva pomnozi sa 3. Dakle, zapravo imamo samo
jednu jednadzbu jer druga nam ne daje nikakve nove
informacije koje ne bismo mogli dobiti i iz prve
jednadzbe.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 392/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
1 2 3 4 5 6 7−1−2
1
2
3
4
−1
−2
x
y
x + 2 y =
2
3 x + 6 y =
6
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 393/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pridruzimo li sustavu
x + 2y = 2
3x + 6y = 6
njegove tri determinante D, D1 i D2, dobivamo
D =
1 2
3 6
= 0 D1 =
2 2
6 6
= 0 D2 =
1 2
3 6
= 0
D = 0 nam sugerira da nemamo jedinstvenost rjesenja, a
D1 = D2 = 0 nam bi trebalo sugerirati da imamo
beskonacno mnogo rjesenja. Oprez: To nije opcenito
tako.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 394/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 33.
Rijesite sustav
0 · x + 0 · y = 0
0 · x + 0 · y = 7
Rjesenje.
Sustav je ocito kontradiktoran i vrijedi da je
D = 0 0
0 0 = 0 D1 = 0 0
7 0 = 0 D2 = 0 0
0 7 = 0
I u ovom je slucaju D = D1 = D2 = 0, ali je sustav
kontradiktoran.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 395/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sada mozemo opcenito reci sve o rjesenjima sustava
a1x + b1y = c1
a2x + b2y = c2
Na vec prije opisani nacin sustavu pridruzimo trideterminante
D = a1 b1
a2 b2 D1 = c1 b1
c2 b2 D2 = a1 c1
a2 c2Razlikujemo tri slucaja.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 396/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
a D = 0. U tom slucaju sustav ima jedinstveno rjesenje
x = D1
D , y = D2
D .
To se lagano provjeri uvrstavanjem u jednadzbe
sustava.
b D = 0 i barem jedan od brojeva D1 i D2 je razlicit od
nule. U tom slucaju sustav nema rjesenja.
c D = D1 = D2 = 0. U tom slucaju sustav ili ima
beskonacno mnogo rjesenja ili nema uopce rjesenja.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 397/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Vidjeli smo na jednostavnim primjerima da u slucaju da je
broj jednadzbi jednak broju nepoznanica ne moramo imati
jedinstveno rjesenje. Dapace, rjesenje ne mora uopce
postojati.
Mogli bismo sada na slican nacin promatrati sustav tri
linearne jednadzbe s tri nepoznanice.
a1x + b1y + c1z = d1
a2x + b2y + c2z = d2 (♣)
a3x + b3y + c3z = d3
Medutim, diskusija bi ovdje bila kompliciranija pa cemo
samo pogledati dva interesantna slucaja koja cemo
geometrijski interpretirati. Opcenitu diskusiju cemo
provesti kasnije.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 398/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sto bi geometrijski znacilo da sustav (
♣) ima jedinstveno
rjesenje? Svaka od jednadzbi u (♣) predstavlja jednadzbu
ravnine u prostoru pa ako (♣) ima jedinstveno rjesenje to
znaci da tri ravnine imaju samo jednu zajednicku tocku.
Za takve ravnine kazemo da cine snop ravnina u prostoru.
Moze se dogoditi da (♣) ima beskonacno mnogo rjesenja
koja pripadaju istom pravcu u prostoru, tj. zadane
ravnine bi se sjekle po nekom pravcu. Za takve ravninekazemo da pripadaju istom pramenu ravnina u prostoru.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 399/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Snop ravnina
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 400/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pramen ravnina
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 401/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbi
Linearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Zadatak 7.
Komentirajte geometrijski sve moguce slucajeve koji se
mogu dogoditi kod (♣) na slican nacin kao sto smo
komentirali kod sustava dvije linearne jednadzbe s dvije
nepoznanice. Tamo smo promatrali sve moguce polozaje
dvaju pravaca u ravnini, a ovdje treba promatrati sve
moguce polozaje triju ravnina u prostoru. Dva polozaja
smo vec komentirali, snop i pramen ravnina. Promotrite
preostale polozaje i komentirajte kako to utjece narjesenje sustava (♣).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 402/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sustav m linearnih jednadzbi s n
nepoznanica
a11x1 + a12x2 + · · · + a1nxn = b1
a21x1 + a22x2 + · · · + a2nxn = b2(♠
)...
am1x1 + am2x2 + · · · + amnxn = bm
Koeficijenti aij, bi su realni brojevi za i = 1, 2, . . . , m,
j = 1, 2, . . . , n. Koeficijent aij pripada j-toj varijabli u
i-toj jednadzbi, a bi je slobodni koeficijent u i-toj
jednadzbi.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 403/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Rjesenje sustava m linearnih jednadzbi s n nepoznanica
je svaka uredena n-torka realnih brojeva (r1, r2, . . . , rn)
koja uvrstavanjem u sustav tako da je xi = ri,
i = 1, 2, . . . , n zadovoljava sve jednadzbe sustava.
S obzirom na rjesivost sustav (♠) moze biti:
a Odreden – ima jedinstveno rjesenje
b Neodreden – ima beskonacno mnogo rjesenja
c Kontradiktoran – nema rjesenja
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 404/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Sustavu (
♠) pridruzit cemo tri matrice:
Matrica sustava – to je matrica tipa (m, n) u kojoj
se nalaze koeficijenti uz nepoznanice
A =
a11 a12 · · · a1n
a21 a22 · · · a2n
... ...
... ...
am1
am2 · · ·
amn
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 405/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Matrica nepoznanica – to je matrica tipa (n, 1) u
kojoj se nalaze nepoznanice
X =
x1
x2
...
xn
Matrica slobodnih koeficijenata – to je matrica
tipa (m, 1) u kojoj se nalaze slobodni koeficijenti
B =
b1
b2
...
bm
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 406/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Uz ovakve oznake sustav (♠) mozemo napisati u
matricnom obliku
AX = B.
Radi jednostavnosti, uvjerimo se na jednom konkretnom
primjeru da je to zaista istina.
Primjer 34.
Zapisite u matricnom obliku sustav
2x1 + 4x2 − x3 + 5x4 = 7
−9x1 + x2 + 6x3 + 8x4 = −3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 407/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Rjesenje.
Ovo je sustav od dvije linearne jednadzbe s cetiri
nepoznanice.
A =
2 4 −1 5
−9 1 6 8
X =
x1
x2
x3
x4
B =
7
−3
Uvrstimo ove matrice u matricnu jednadzbu AX = B.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 408/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
AX = B
2 4 −1 5
−9 1 6 8
x1
x2
x3
x4
= 7
−3
2x1 + 4x2 − x3 + 5x4
−9x1 + x2 + 6x3 + 8x4
= 7
−3
Iz jednakosti dviju matrica slijedi da mora biti
2x1 + 4x2 − x3 + 5x4 = 7
−9x1 + x2 + 6x3 + 8x4 = −3,
a to je zapravo zadani sustav.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 409/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Rjesavanje sustava pomocu inverzne
matrice
U ovom cemo dijelu pokazati kako se rjesava sustav od n
linearnih jednadzbi sa n nepoznanica (broj jednadzbi je
jednak broju nepoznanica) pomocu inverzne matrice.
Znamo da taj sustav mozemo zapisati u matricnom obliku
AX = B.
Kako je broj jednadzbi jednak broju nepoznanica, matrica
sustava A je kvadratna i reda je n.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 410/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
U slucaju da je matrica A regularna, sustav ima
jedinstveno rjesenje
X = A−1B.
U slucaju da je matrica A singularna, tada sustav ima
beskonacno mnogo rjesenja ili nema uopce rjesenja. Sto
se tocno dogada u tom slucaju reci cemo kasnije.
Pomocu inverzne matrice mogu se rjesavati samo sustavi
u kojima je broj jednadzbi jednak broju nepoznanica i cija
je matrica sustava regularna.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 411/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 35.
Pomocu inverzne matrice rijesite sustav
2u + 3v = 5−5u + v = 7
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 412/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 35.
Pomocu inverzne matrice rijesite sustav
2u + 3v = 5−5u + v = 7
Rjesenje.
A =
2 3
−5 1
X =
u
v
B =
5
7
X = A−1B = 117
1 −35 2
57
=−
1617
3917
Dakle, u = −1617 , v = 39
17
M i k d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 413/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 36.
Pomocu inverzne matrice rijesite sustav
2a + b − c = 0
3a + 2c = 12
3a + b + 2c = 11
M t tiˇk t d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 414/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Primjer 36.
Pomocu inverzne matrice rijesite sustav
2a + b − c = 0
3a + 2c = 12
3a + b + 2c = 11
Rjesenje.
A =
2 1 −13 0 2
3 1 2
X =
ab
c
B =
012
11
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 415/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
X = A−1B = 1
−7
−2 −3 2
0 7 −7
3 1 −3
0
12
11
=
2
−1
3
Dakle,
a = 2, b = −1, c = 3
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 416/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Rjesavanje sustava pomocu determinanti
U ovom dijelu cemo pokazati kako se rjesava sustav od n
linearnih jednadzbi sa n nepoznanica pomocu
determinanti.
a11x1 + a12x2 + · · · + a1nxn = b1 · A11
a21x1 + a22x2 + · · · + a2nxn = b2
· A21
...
an1
x1
+ an2
x2
+· · ·
+ ann
xn
= bn ·
An1
Pomnozimo redom pripadne jednadzbe s kofaktorima
prvog stupca pripadne matrice sustava A. Zbrajanjem
dobivamo
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 417/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
a11A11 + a21A21 +
· · ·+ an1An1 x1 +
a12A11 + a22A21 + · · · + an2An1
x2 + · · · +
+ a1nA11 + a2nA21 + · · · + annAn1 xn =
= b1A11 + b2A21 + · · · + bnAn1
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 418/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
a11A11 + a21A21 +
· · ·+ an1An1
=det Ax1 +
a12A11 + a22A21 + · · · + an2An1
=0
x2 + · · · +
+ a1nA11 + a2nA21 + · · · + annAn1 =0
xn =
= b1A11 + b2A21 + · · · + bnAn1
Oznacimo li sa D = det A determinantu matrice sustava,a sa D1 determinantu matrice koju dobijemo iz matrice
A tako da prvi stupac zamijenimo s elementima jednos-
tupcane matrice slobodnih koeficijenata B, tj.
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 419/703
t t c to
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
D1 =
b1
a12 · · ·
a1n
b2 a22 · · · a2n
... ...
...
bn a2n · · · ann
dobivamo da je
Dx1 = D1.
Opcenito, ako pomnozimo sve jednadzbe zadanog sustava
s kofaktorima elemenata i-tog stupca matrice sustava A i
zatim ih zbrojimo, dobit cemo
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 420/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Dxi = Di, ()
gdje je Di determinanta matrice koju dobijemo tako da se
i-ti stupac matrice A zamijeni s jednostupcanom
matricom B.
Pravilo () zovemo Cramerovim pravilom i ono semoze koristiti da bi se rijesio sustav linearnih jednadzbi u
kojemu je broj jednadzbi jednak broju nepoznanica i
D = 0.
Slucajevi koji mogu nastupiti kod rjesavanja sustava n
linearnih jednadzbi s n nepoznanica pomocu determinanti
su:
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 421/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
1 D = 0. Tada je sustav odreden i vrijedi
xi = DiD
, i = 1, 2, . . . , n
2 D = 0. Tada postoje sljedece mogucnosti:
a ∃i, i ∈ {1, 2, . . . , n}, Di = 0. Sustav je kontradiktoran.
b Di = 0, ∀i ∈ {1, 2, . . . , n}. Tada vrijedi jedno od
sljedeceg:
i Sustav je neodreden
ii Sustav je kontradiktoran
Matematicke metode
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 422/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Dakle, u slucaju da je
D = D1 = D2 =
· · · = Dn = 0
samo Cramerovo pravilo nije dovoljno da bismo mogli
zakljuciti da li je sustav neodreden ili kontradiktoran.
Odgovor na to pitanje u potpunosti daje
Kronecker-Capellijev teorem kojeg cemo kasnije obraditi.
Cramerovo pravilo
1
D = 0. Sustav ima jedinstveno rjesenje xi =
Di
D2 D = 0
a ∃i, Di = 0. Sustav je kontradiktoran.
b Di = 0, ∀i. Sustav je ili neodreden ili kontradiktoran
Matematicke metode
C il ( 3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 423/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
Matematicke metode
C il ( 3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 424/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
D = a11 a12 a13
a21 a22 a23
a31 a32 a33
Matematicke metode
Cramero o pra ilo (n 3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 425/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
D = a11 a12 a13
a21 a22 a23
a31 a32 a33
D1 = b1 a12 a13
b2 a22 a23
b3 a32 a33
Matematicke metode
l liCramerovo pravilo (n 3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 426/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
D = a11 a12 a13
a21 a22 a23
a31 a32 a33
D1 = b1 a12 a13
b2 a22 a23
b3 a32 a33
D2 = a11 b1 a13
a21 b2 a23
a31 b3 a33
Matematicke metode
l liCramerovo pravilo (n=3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 427/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
D = a11 a12 a13
a21 a22 a23
a31 a32 a33
D1 = b1 a12 a13
b2 a22 a23
b3 a32 a33
D2 = a11 b1 a13
a21 b2 a23
a31 b3 a33
D3 = a11 a12 b1
a21 a22 b2
a31 a32 b3
Matematicke metode
a poslo ne anali eCramerovo pravilo (n=3)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 428/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Cramerovo pravilo (n=3)
a11x1 + a12x2 + a13x3 = b1
a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
D = a11 a12 a13
a21 a22 a23
a31 a32 a33
D1 = b1 a12 a13
b2 a22 a23
b3 a32 a33
D2 = a11 b1 a13
a21 b2 a23
a31 b3 a33
D3 = a11 a12 b1
a21 a22 b2
a31 a32 b3
x1 =
D1
D , x2 =
D2
D , x3 =
D3
D
Matematicke metode
za poslovne analize
Primjer 37.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 429/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pomocu determinanti rijesite sustav
8x1 + x2 + x3 = 1
−2x1 + 4x2 + 6x3 = 23x1 + 6x2 + 9x3 = 5
Matematicke metode
za poslovne analize
Primjer 37.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 430/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Sustavi lin. jednadzbiLinearna jednadzba
Sustav lin. jednadzbi
Rjesavanje – inv. matr.
Rjesavanje – Det
Pomocu determinanti rijesite sustav
8x1 + x2 + x3 = 1
−2x1 + 4x2 + 6x3 = 23x1 + 6x2 + 9x3 = 5
Rjesenje.
D =
8 1 1−2 4 6
3 6 9
= 12 D1 =1 1 12 4 6
5 6 9
= 4
D2 =
8 1 1−2 2 6
3 5 9
= −76 D3 =
8 1 1−2 4 2
3 6 5
= 56
x1
= D1
D =
1
3, x
2 =
D2
D =
−19
3 , x
3 =
D3
D =
14
3
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 431/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Dio V
Realne funkcije realne varijable
Matematicke metode
za poslovne analizeSadrzaj
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 432/703
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Sadrzaj
Realne funkcije realne varijable
Definicija funkcije
Klasifikacija realnih funkcija realne varijable
Kompozicija funkcija
Inverzna funkcija
Svojstva realnih funkcija realne varijable
Eksponencijalna funkcija
Logaritamska funkcija
Domene realnih funkcija realne varijableTransformacija grafa funkcije
Funkcijski model
Matematicke metode
za poslovne analizeDefinicija funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 433/703
p
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Definicija funkcije
Neka su A i B neprazni skupovi. Neka je svakom
elementu a ∈ A pridruzen jedan i samo jedan element
b ∈ B. Kaze se da je tim pridruzivanjem definiranafunkcija f : A → B i pisemo f (a) = b.
Skup A zove se domena ili podrucje definicije funkcije
f , a skup B kodomena funkcije f .
Domenu funkcije f cemo cesto oznacavati sa Df .
Matematicke metode
za poslovne analizeDefinicija funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 434/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Funkcija je preslikavanje izmedu dva skupa (domene i
kodomene) koje svakom elementu prvog skupa (domene)
pridruzuje jedan i samo jedan element drugog skupa
(kodomene).
Napomena.
Funkcija je specijalni pojam relacije. Kod relacije je bilo
dozvoljeno da se neki a ”preslika” u vise razlicitih b-ova,
npr. kod relacije ”biti prijatelj” moguce je da neki a ima
vise prijatelja. Kod funkcije to nije dozvoljeno, npr.
sjetimo se kvadriranja, broju 3 se pridruzuje broj 9, tj.
32 = 9 i ne moze biti nista drugo, tj. ne moze 32 biti
jednak jos nekom drugom broju razlicitom od 9.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 435/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
A Bf
a
b
c
1
2
3
4
f je relacija koju mozemo zapisati kao
f = (a, 1), (a, 2), (b, 2), (c, 4), f
⊆ A
×B
f nije funkcija jer se elementu a iz domene pridruzuju dva
elementa (1 i 2) iz kodomene, a to se kod funkcije ne
smije dogoditi
Matematicke metode
za poslovne analizeA Bf
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 436/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
A Bf
a
b
c
1
2
3
4
f : A → B je funkcija
f (a) = 1, f (b) = 1, f (c) = 3
Dakle, kod funkcije je dozvoljeno da se dva razlicita
elementa preslikaju u isti (npr., kod kvadriranja −3 i 3 se
preslikaju u 9), samo se ne smije jedan element preslikati
u dva razlicita.
Matematicke metode
za poslovne analize
Napomena
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 437/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Napomena.
Ako je ρ ⊆ A × B neka binarna relacija, tada nam oznaka
a ρ b oznacava da je element a ∈ A u relaciji ρ selementom b ∈ B . Kako je funkcija specijalni slucaj
relacije, mogli bismo u slucaju da je f ⊆ A × B funkcija
pisati a f b, sto bi nam znacilo da se a preslikava u b.
Medutim, kod funkcije je za svaki a ∈ A, element b ∈ B jedinstveno odreden pa taj jedinstveno odredeni element
oznacavamo s f (a), tj. umjesto a f b pisemo f (a) = b.
Kod relacije taj zapis nije moguc jer iz a ρ b ne slijedi da je b jedinstven, moze biti vise b-ova s kojima je a u
relaciji, pa onda ρ(a) nema smisla jer ne znamo koji od
tih b-ova on oznacava.
Matematicke metode
za poslovne analize
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 438/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Ponekad umjesto
f (a) = b
pisemo
a f −→ b
ili samo
a → b
kada je iz konteksta jasno o kojoj se funkciji radi ili ako
promatranoj funkciji nismo dali nikakvo ime.
Matematicke metode
za poslovne analizeSlika funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 439/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j
Neka je f : A
→ B funkcija. Slika funkcije f je skup
Im f =
f (x) : x ∈ A ⊆ B.
Jednostavno receno, slika funkcije f su svi elementi iz
kodomene koji su ”pogodeni”, tj. u koje se netko
preslikao iz domene.
A Bf
a
b
c
1
2
3
4
Im f =1, 3
Matematicke metode
za poslovne analizeZadavanje funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 440/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Funkcija je zadana ako je zadana njezina domena,
kodomena i pravilo pridruzivanja (postupak pomocu kojeg
se svakom elementu domene pridruzuje jedan i samo
jedan element kodomene).
Funkcije se mogu zadati:
numericki (pomocu tablice)
graficki (pomocu grafa)
algebarski (pomocu formule)
Matematicke metode
za poslovne analizeAlgebarski zadanu funkciju ponekad pisemo i u obliku
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 441/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
jednadzbe, npr. funkciju f (x) = x2 pisemo i kao y = x2.
U tom slucaju varijablu x zovemo nezavisnom
varijablom (nju biramo kako hocemo u domeni), a y
zovemo zavisnom varijablom (nju vise ne mozemo
birati, nego ju moramo izracunati prema navedenom
pravilu na temelju odabranog x).
Napomena.
Razlikujte f od f (x). Naime, f je ime funkcije, a f (x) je
element iz kodomene u kojeg se preslikao element x iz
domene preko pravila f .
Npr., sin je ime funkcije sinus, a sin x je realni broj, tj.
vrijednost sinusa na realnom broju x.
Matematicke metode
za poslovne analize
N
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 442/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Napomena.
Najcesce pisemo, npr. sin x, a preciznije bi bilo da pisemo
sin(x) (kao opcenito f (x)), medutim iz estetskih razlogazagrade ispustamo. Ista stvar je i kod drugih
elementarnih funkcija koje znamo.
Naravno, kod sin (x + 2) ne smijemo ispustiti zagrade jer
opcenito su sin (x + 2) i sin x + 2 razliciti brojevi, tj.
sin(x + 2) = sin x + 2.
U prvom slucaju se uzima sinus od broja x + 2, a u
drugom se uzima sinus broja x, a zatim se tako
dobivenom broju dodaje broj 2.
Matematicke metode
za poslovne analizeNapomena.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 443/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Nezavisnu varijablu mozemo nazvati kako hocemo, tj.
f (x) = x2, f (u) = u2, f (t) = t2, . . .
oznacavaju jedno te isto pravilo pridruzivanja, samo sto
su nezavisne varijable oznacene razlicitim slovima, ali to
nista ne utjece na samo pravilo, odnosno funkciju.
Isto tako, ime pravila (funkcije) ne utjece na samo
pravilo, tj.
f (x) = x
2
, g(x) = x
2
, kvadrat(x) = x
2
oznacavaju jedno te isto pravilo pridruzivanja, samo sto
su ta pravila (funkcije) nazvane razlicitim imenima jer
npr., f (3) = 9, g(3) = 9, kvadrat(3) = 9.
Matematicke metode
za poslovne analizeJednakost funkcija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 444/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Najcesce funkciju poistovjecujemo s njezinim pravilom
pridruzivanja, ali treba uvijek imati na umu da je funkcija
zadana ako je zadana njezina domena, kodomena i pravilo
pridruzivanja.
Jednakost funkcija
Dvije funkcije su jednake ako imaju jednake domene, jed-
nake kodomene i jednako pravilo pridruzivanja.
Matematicke metode
za poslovne analize
Funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 445/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Funkcije
f : R → R, f (x) = x2
i
g : [0, 20] → R, g(x) = x2
nisu jednake jer nemaju jednake domene, iako imaju
jednako pravilo pridruzivanja (sto bi nas moglo navesti nazakljucak da su to iste funkcije).
Intuitivno si razliku izmedu ovih dviju funkcija mozemo
tumaciti na nacin da funkcija f zna kvadrirati svaki realni
broj, a funkcija g zna kvadrirati samo one realne brojeve
koji se nalaze izmedu 0 i 20, a preostale brojeve ne zna
kvadrirati jer to nije jos ”naucila”.
Matematicke metode
za poslovne analize
F k ij
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 446/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Funkcije
f : R → R, f (x) = sin x
i
g : R → R, g(x) = sin (x + 2π)
su jednake jer imaju jednake domene, kodomene, ali i
pravilo pridruzivanja jer je sin (x + 2π) = sin x.
Dakle, opcenito treba biti oprezan. Mozda pravila
pridruzivanja na prvi pogled mogu izgledati razlicito, a da
su zapravo jednaka kao sto je to slucaj ovdje (samo sto toovdje nije bilo tesko otkriti, a opcenito to ne mora biti
tako lagano).
Matematicke metode
za poslovne analizeRealne funkcije realne varijable
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 447/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Realna funkcija realne varijable je funkcija cija su
domena i kodomena podskupovi skupa realnih brojeva, tj.
f : A →
B, A, B ⊆
R.
Naravno, mi cemo promatrati realne funkcije na nekom
intervalu od R (domena nece biti bilo kakvi podskup od
R) zato da bismo mogli definirati sve one lijepe stvari
vezane za funkcije (limes, derivaciju, odredeni i
neodredeni integral).
Matematicke metode
za poslovne analize
f
Graf funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 448/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Graf realne funkcije realne varijable je skup tocaka
ravnine
Γf =
(x, f (x)) : x ∈ Df
gdje je sa Df oznacena domena funkcije f .
x
y
x
f (x)
Γf
Matematicke metode
za poslovne analize
f d Tih i
Klasifikacija realnih funkcija realne
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 449/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
varijable
realne funkcije realne varijable
algebarske
racionalne iracionalne
transcedentne
eksponencijalne
logaritamske
trigonometrijske
ciklometrijske...
Matematicke metode
za poslovne analize
of d sc Tihomi
Realnu funkciju zovemo algebarskom ako je argument x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 450/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
podvrgnut konacnom broju algebarskih operacija
(zbrajanje, oduzimanje, mnozenje, dijeljenje, potenciranje
racionalnim brojem).
Realne funkcije koje nisu algebarske zovemo
transcedentnima.
Funkcija
f (x) =3√
x − 2 + 5x
2x8 − 4
je algebarska, dok je funkcija
g(x) = cos√
x + 2
transcedentna.
Matematicke metode
za poslovne analize
prof dr sc TihomirRacionalna funkcija je algebarska funkcija u kojoj se
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 451/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j j g j j j
javlja potenciranje samo sa cijelim brojem (nema
korijena).Algebarske funkcije koje nisu racionalne zovemo
iracionalnima.
Funkcija
f (x) =3√
x − 2 + 5x
2x8 − 4
je iracionalna, dok je funkcija
g(x) = x3 − 7x2 + 3x − 2
racionalna.
Matematicke metode
za poslovne analize
prof dr sc TihomirPolinom n-tog stupnja je funkcija oblika
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 452/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
g p j j j
f (x) = anxn + an
−1xn−1 +
· · ·+ a2x2 + a1x + a0
gdje su a0, a1, . . . , an−1, an ∈ R, n ∈ N, an = 0.
Dobro su nam poznati polinomi prvog stupnja
f (x) = ax + b
i polinomi drugog stupnja
f (x) = ax2 + bx + c
ciji grafovi su pravci, odnosno parabole.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 453/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Sada kada smo definirali polinome, slijedi da je
racionalna funkcija kvocijent dva polinoma, tj. to je
funkcija oblika
f (x) = P (x)
Q(x)
gdje su P i Q polinomi i Q = 0 (Q nije nulpolinom).
Ako je stupanj polinoma u brojniku strogo manji od
stupnja polinoma u nazivniku, tada takvu racionalnu
funkciju zovemo prava racionalna funkcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Specijalni slucaj racionalne funkcije je homografska
funkcija koja je oblika
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 454/703
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f (x) = ax + b
cx + d
gdje se u brojniku i nazivniku nalaze polinomi prvog
stupnja. Njezin graf je oblika
x
y
−d
c
a
c
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 455/703
p
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Graf homografske funkcije se nalazi u prvom i trecem
”crtkanom” kvadrantu, odnosno u drugom i cetvrtom
”crtkanom” kvadrantu, ovisno o tome da li homografska
funkcija pada ili raste. Detalje o tome zasto graf izgleda
tako kako je nacrtan vidjet cemo kada naucimo derivacije.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Kompozicija funkcija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 456/703
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Neka su f : A → B i g : B → C dvije funkcije.
Kompozicija funkcija f i g je funkcija
g ◦ f : A → C, (g ◦ f )(x) = g
f (x)
.
AB
C
x
f (x)g(f (x))
f g
g ◦ f
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirDakle, kompozicija se sastoji od dva preslikavanja:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 457/703
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Dakle, kompozicija se sastoji od dva preslikavanja:
x →
f (x)
i
f (x) → g
f (x)
Da bismo dosli od elementa x do elementa gf (x)trebale su nam dvije funkcije. Prvo funkcija f preslikava
x u f (x), a zatim taj dobiveni f (x) funkcija g preslikava
u gf (x). Medutim, mi zelimo direktno doci od
elementa x do elementa g
f (x)
, a to mozemo upravo
preko funkcije g ◦ f koja element x preslikava u g
f (x)
.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirIdentiteta na skupu A je preslikavanje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 458/703
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
id
A
: A
→ A, id
A
(x) = x.
Za sve funkcije f : C → A i g : A → B vrijedi
idA
◦f = f, g ◦ idA
= g.
Pokazimo da je idA ◦f = f . Zapravo treba dokazati
jednakost dvije funkcije. Po definiciji dvije su funkcije
jednake ako imaju jednake domene, jednake kodomene i
jednaka pravila pridruzivanja. Iz definicije kompozicijeslijedi da je idA ◦f : C → A, pa funkcije idA ◦f i f imaju
jednake domene i kodomene.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 459/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
S druge strane, iz definicije funkcije idA i definicije
kompozicije slijedi
(idA
◦f )(x) = idA
(f (x)) = f (x), ∀x ∈ C
pa funkcije idA ◦f i f imaju i jednaka pravila
pridruzivanja. Stoga je zaista idA ◦f = f .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 460/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Napomena.
Ne mozemo komponirati bilo koje dvije funkcije. Da bi
kompozicija g ◦ f bila moguca mora vrijediti da je
Im f ⊆ Dg, gdje je sa Dg oznacena domena funkcije g.
Naime, u g
◦f prvo djeluje funkcija f i ona neki element
x iz svoje domene preslika u element f (x) koji se naravno
nalazi u Im f . Medutim, ako taj f (x) nije u domeni
funkcije g, tada funkcija g nece znati djelovati na njega
pa kompozicija g ◦ f nece biti moguca.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Primjer 38.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 461/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f : R
→R, f (x) =
−x2
g : [0, ∞ → R, g(x) = √ x.
Da li je definirana kompozicija g ◦ f ?
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
H j k
Primjer 38.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 462/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f : R
→R, f (x) =
−x2
g : [0, ∞ → R, g(x) = √ x.
Da li je definirana kompozicija g ◦ f ?
Rjesenje.
(g ◦ f )(x) = g
f (x)
Funkcija f realni broj x preslikava u broj
−x2. No, broj
−x2 je manji od nule pa funkcija g ne zna na njega
djelovati jer on nije u njezinoj domeni (imali bismo korijen
iz negativnog broja). Stoga kompozicija g ◦ f nije
definirana
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
H j k
Primjer 39.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 463/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f : [3, 5] → R, f (x) = x2
g : [0, 1] → R, g(x) = x2.
Da li je definirana kompozicija g ◦ f ?
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 39.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 464/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f : [3, 5] → R, f (x) = x2
g : [0, 1] → R, g(x) = x2.
Da li je definirana kompozicija g ◦ f ?
Rjesenje.
(g ◦ f )(x) = g
f (x)
Funkcija f realni broj x ∈ [3, 5] preslikava u broj
x2 ∈ [9, 25]. Sada bi na taj broj x2 morala djelovati
funkcija g koja bi ga jos jednom morala kvadrirati.
Medutim, kako je x2 ∈ [9, 25], funkcija g ga ne zna
kvadrirati jer ona zna samo kvadrirati brojeve izmedu
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
0 i 1. Stoga kompozicija g ◦ f nije definirana.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 465/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Za razliku od prethodnog slucaja kada smo imali korijen
iz negativnog broja i nismo mogli nista napraviti dalje,ovdje bismo mogli formalno broj x2 jos jednom kvadrirati
jer mi znamo kvadrirati svaki realni broj. Medutim, iako
mi to znamo, funkcija g to ne zna (ona zna samo
kvadrirati brojeve izmedu 0 i 1). Njezina ”domena
znanja” je samo kvadriranje brojeva izmedu 0 i 1 pa
moramo imati odredenog respekta prema ”njezinom
znanju” i ne mozemo ju onda tjerati da radi nesto sto ne
zna, usprkos tome sto se to mozda moze i sto mi znamo
kako to napraviti.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 40.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 466/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Zadane su funkcije
f : [3, 5] → R, f (x) = x2
g : [0, 24] → R, g(x) = x2.
Da li je definirana kompozicija g ◦ f ?
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 40.
Zadane su funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 467/703
Hunjak
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
j
f : [3, 5] → R, f (x) = x2
g : [0, 24] → R, g(x) = x2.
Da li je definirana kompozicija g ◦ f ?
Rjesenje.
(g ◦ f )(x) = gf (x)Funkcija f realni broj x ∈ [3, 5] preslikava u broj
x2 ∈ [9, 25]. Sada bi na taj broj x2 morala djelovati
funkcija g koja bi ga jos jednom morala kvadrirati.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
HunjakSada razlikujemo dva slucaja:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 468/703
j
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Sada razlikujemo dva slucaja:
Ako je x ∈ 3,
√ 24 , tada je x2
∈ [9, 24] pa ce
funkcija g znati kvadrirati broj x2
Ako je x ∈ √ 24, 5
, tada je x2 ∈ 24, 25] pa
funkcija g nece znati kvadrirati broj x2 jer ona zna
kvadrirati samo brojeve izmedu 0 i 24
Dakle, u ovom slucaju kompozicija g ◦ f nece biti
definirana na citavoj domeni [3, 5] funkcije f , nego samo
na jednom njezinom dijelu, tocnije na [3, 4] jer samo za
takve x, funkcija g zna djelovati na f (x).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
HunjakNapomena.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 469/703
j
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
p
Prethodna tri primjera su nam pokazala koliko je bitna
domena kod kompozicije funkcija i koliko je bitno na
funkciju gledati u cijelosti, tj. uvazavati njezinu domenu i
kodomenu, a ne samo gledati pravilo pridruzivanja.
Najcesce kod rjesavanja zadataka to zanemarujemo, tj.
ne obracamo posebnu paznju na to (pretpostavljamo da
su domena i kodomena takve da na njima kompozicija
postoji), nego nam je samo bitno da pronademo pravilo
pridruzivanja kompozicije, ali pritom treba imati na umunavedene stvari iz prethodnih primjera.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 41.
Za funkcije f (x) =√
x + 1 i g(x) = 1x+2 nadite
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 470/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
j f ( ) g( ) x+2
(a) (g ◦ f )(x), (b) (f ◦ g)(x),
(c) (f ◦ f )(x), (d) (g ◦ g)(x).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 41.
Za funkcije f (x) =√
x + 1 i g(x) = 1x+2 nadite
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 471/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
( ) ( ) x+2
(a) (g ◦ f )(x), (b) (f ◦ g)(x),(c) (f ◦ f )(x), (d) (g ◦ g)(x).
Rjesenje.(g ◦ f )(x) = g
f (x)
= g
√ x + 1
= 1√
x+1+2
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 41.
Za funkcije f (x) =√
x + 1 i g(x) = 1x+2 nadite
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 472/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
x+2
(a) (g ◦ f )(x), (b) (f ◦ g)(x),(c) (f ◦ f )(x), (d) (g ◦ g)(x).
Rjesenje.(g ◦ f )(x) = g
f (x)
= g
√ x + 1
= 1√
x+1+2
(f ◦ g)(x) = f
g(x)
= f
1x+2
=
1x+2 + 1 =
x+3x+2
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 41.
Za funkcije f (x) =√
x + 1 i g(x) = 1x+2 nadite
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 473/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
+
(a) (g ◦ f )(x), (b) (f ◦ g)(x),(c) (f ◦ f )(x), (d) (g ◦ g)(x).
Rjesenje.(g ◦ f )(x) = g
f (x)
= g
√ x + 1
= 1√
x+1+2
(f ◦ g)(x) = f
g(x)
= f
1x+2
=
1x+2 + 1 =
x+3x+2
(f ◦ f )(x) = f
f (x)
= f √ x + 1
= √ x + 1 + 1
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Primjer 41.
Za funkcije f (x) =√
x + 1 i g(x) = 1x+2 nadite
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 474/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
(a) (g ◦ f )(x), (b) (f ◦ g)(x),(c) (f ◦ f )(x), (d) (g ◦ g)(x).
Rjesenje.(g ◦ f )(x) = g
f (x)
= g
√ x + 1
= 1√
x+1+2
(f ◦ g)(x) = f
g(x)
= f
1x+2
=
1x+2 + 1 =
x+3x+2
(f ◦ f )(x) = f
f (x)
= f √ x + 1
= √ x + 1 + 1
(g ◦ g)(x) = g
g(x)
= g
1x+2
= 1
1x+2
+2 = x+2
2x+5
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Iz prethodnog primjera primijecujemo da opcenito ne
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 475/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Iz prethodnog primjera primijecujemo da opcenito ne
vrijedi komutativnost kompozicije funkcija, tj.
f ◦ g = g ◦ f.
Medutim, asocijativnost kompozicije funkcija vrijedi, tj.
(f ◦ g) ◦ h = f ◦ (g ◦ h)
naravno uz pretpostavku da su odgovarajuce kompozicije
definirane.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Inverzna funkcija
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 476/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
Kao sto smo vec spomenuli, funkciju cestopoistovjecujemo s njezinim pravilom koje nam govori na
koji nacin varijabli x pridruzujemo varijablu y. Pitamo se
da li u tom slucaju postoji pravilo koje nam govori na koji
nacin varijabli y natrag pridruziti varijablu x. To nas
dovodi do pojma inverzne funkcije.
y = f (x) ? x = g(y)
Da bismo precizno definirali taj pojam potrebni su nam
prije toga jos neki pojmovi vezani uz funkcije.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakD K
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 477/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f
g
x = g(y) y = f (x)
y = f (x) ? x = g(y)
Pogledajmo najprije jedan primjer da nam bude jasnije o
cemu se radi. Promotrimo funkciju f (x) = 3x. Ona
realnom broju x pridruzuje realni broj 3x. Pitamo se da li
postoji funkcija g koja ce tom realnom broju 3x pridruziti
natrag realni broj x.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Oznacimo y = f (x). U nasem slucaju je y = 3x. Dakle,
funkcija f realnom broju x pridruzuje realni broj y na
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 478/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
gore opisani nacin. Mi se zapravo pitamo da li postoji
funkcija g koja ce raditi ”obrnuto”, tj. koja ce realnom
broju y pridruziti natrag realni broj x.
x f −→ y y
g−→ x
Pogledamo li jednakost y = 3x, ona nam zapravo govori
na koji nacin funkcija f realnom broju x pridruzuje realni
broj y (dakle, x biramo, a y racunamo na temelju
odabranog x). Mi bismo htjeli iz te jednakosti saznati na
koji nacin izracunati x ako biramo y pa bismo na taj
nacin dobili funkciju g.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakZapravo iz jednakosti y = 3x treba izraziti x pomocu y,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 479/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
sto ovdje nije tesko (opcenito to ne mora biti tako
lagano). Dobivamo da je x = 13 y, pa je g(y) = 1
3 y.
Naravno, mozemo sve ovo zaboraviti i pisati g(x) = 13 x
(nezavisnu varijablu mozemo nazvati kako hocemo).
f : R → R, f (x) = 3x
g : R → R, g(x) = 1
3x
Funkcije f i g su medusobno inverzne jer npr., ako je
f (1) = 3, tada je g(3) = 1 i obrnuto.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
f R R f ( ) 3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 480/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
f : R → R, f (x) = 3x
g : R → R, g(x) = 13
x
(f
◦g)(x) = f g(x) = f 1
3 x = 3
· 13 x = x = id
R
(x)
(g ◦ f )(x) = g
f (x)
= g(3x) = 13 · 3x = x = id
R
(x)
f
◦g = id
R
g ◦ f = idR
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakFunkcija f : D → K je injekcija ako razlicite elemente
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 481/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
domene preslikava u razlicite elemente kodomene, tj. ako
vrijedi
∀x1, x2 ∈ D, x1 = x2 ⇒ f (x1) = f (x2)
Napravimo li kontrapoziciju, dobivamo analognu definicijuinjektivnosti funkcije f
∀x1, x2 ∈ D, f (x1) = f (x2) ⇒ x1 = x2
koju cesce koristimo kod dokazivanja injektivnosti.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakFunkcija f : D → K je surjekcija ako je Im f = K , tj.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 482/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
ako su svi elementi u kodomeni ”pogodeni”.
Drugim rijecima, ako uzmemo bilo koji element y ∈ K iz
kodomene, postoji barem jedan element x ∈ D iz domene
koji se u njega preslikao. Matematicki zapisano
∀y ∈ K, ∃x ∈ D, f (x) = y
Funkcija f : D
→ K je bijekcija ako je injekcija i
surjekcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 483/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
a
b
c
2
3
4
Funkcija f nije injekcija jer je f (a) = f (b) = 1 (razlicite
elemente nije preslikala u razlicite elemente).
Funkcija f nije surjekcija jer je Im f =
{1, 3
} = K (nisu
svi elementi u kodomeni ”pogodeni”).
Jasno, funkcija f nije ni bijekcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 484/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
b
c
2
3
4
Funkcija f je injekcija (razlicite elemente domene
preslikava u razlicite elemente kodomene).
Funkcija f nije surjekcija jer je Im f =
{1, 2, 3
} = K
(nisu svi elementi u kodomeni ”pogodeni”).
Jasno, funkcija f nije bijekcija jer nije surjekcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 485/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
DomeneTransformacija grafa
Funkcijski model
b
c
2
Funkcija f nije injekcija jer je f (a) = f (b) = 1 (razlicite
elemente nije preslikala u razlicite elemente).
Funkcija f je surjekcija jer je Im f = K (svi elementi u
kodomeni su ”pogodeni”).
Jasno, funkcija f nije bijekcija jer nije injekcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 486/703
Realne funkc. realne var
Definicija funkcijeKlasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
b
c
2
3
Funkcija f je injekcija (razlicite elemente domene
preslikava u razlicite elemente kodomene).
Funkcija f je surjekcija jer je Im f = K (svi elementi u
kodomeni su ”pogodeni”).
Jasno, funkcija f je bijekcija jer je injekcija i surjekcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakO postojanju inverzne funkcije govori sljedeci teorem.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 487/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Teorem 3.Za funkciju f : D → K koja je bijekcija postoji inverzna
funkcija f −1 : K → D za koju vrijedi
f ◦ f −1
= idK , f −1
◦ f = idD .
Dakle, funkcija f : D → K ima inverznu funkciju jedino u
slucaju da je bijekcija. U tom slucaju njezinu inverznu
funkciju oznacavamo s f −1.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
HunjakD K
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 488/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f
f −1
x y
f : D → K, f −1 : K → D
f (x) = y ⇔ f −1(y) = x
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 489/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
b
c
2
Zasto funkcija koja je surjekcija, a nije injekcija nema
inverznu funkciju? Pogledamo li gornji primjer, vidimo da
je f (a) = f (b) = 1. Sada je problem odluciti se koliko je
f −1
(1). Vracamo li se natrag, bilo f −1
(1) = a if −1(1) = b, tj. broj 1 bi se preslikao u dva razlicita
elementa pa f −1 nije funkcija.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
R l f k l
D K f
a 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 490/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
b
c
2
3
4
Zasto funkcija koja je injekcija, a nije surjekcija nema
inverznu funkciju? Pogledamo li gornji primjer vidimo da
se problem javlja kod elemenata u kodomeni koji nisu
”pogodeni” pa ih f −1
nema kome pridruziti. Konkretno,u gornjem primjeru je problem koliko je f −1(4) jer se u 4
nitko nije preslikao pa ga f −1 nema kome vratiti natrag.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
R l f k l
Drugi korijen
f : R → R, f (x) = x2
f k ( )2 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 491/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f nije injekcija jer npr. (
−3)2 = 32
f nije surjekcija jer nisu svi brojevi u kodomeni
pogodeni. Negativni brojevi nisu ”pogodeni” jer je
x2 0
f nije bijekcija pa nema inverznu funkciju
-3 -2 -1 1 2 3x
2
4
6
8
y
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc realne var
g : R → [0, ∞, g(x) = x2
g nije injekcija jer npr. (−3)2 = 32
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 492/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
g je surjekcija jer su svi brojevi u kodomeni”pogodeni” (uocite da je sada kodomena skup
[0, ∞).
g nije bijekcija pa nema inverznu funkciju
-3 -2 -1 1 2 3x
2
4
6
8
y
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc realne var
h : [0, ∞ → R, h(x) = x2
h je injekcija (uocite da su iz domene izbaceni
)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 493/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
negativni brojevi)
h nije surjekcija jer nisu svi brojevi u kodomeni
pogodeni. Negativni brojevi nisu ”pogodeni” jer je
x2 0
h nije bijekcija pa nema inverznu funkciju
-1 1 2 3x
2
4
6
8
y
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc realne var
k : [0, ∞ → [0, ∞, k(x) = x2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 494/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
k je injekcija (uocite da su iz domene izbaceninegativni brojevi)
k je surjekcija (uocite da su iz kodomene izbaceni
negativni brojevi)
k je bijekcija pa ima inverznu funkciju
Inverznu funkciju funkcije k zovemo drugi korijen i
oznacavamo s√
.
k−1 : [0, ∞ → [0, ∞, k−1(x) =√
x
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
4
y
f (x) = x2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 495/703
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
-1 -0.5 0.5 1 1.5 2 x
-1
1
2
3
f −1(x) =√
x
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Napomena.
Mozemo si postaviti sljedece pitanje. Znamo da je
32 = 9, ali isto tako je i (−3)2 = 9. Ako je drugi korijen
inverzna funkcija od kvadriranja, zasto je onda√
9 = 3, a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 496/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j j j
zasto nije √ 9 = −3? To je upravo malo prije bila stvarnaseg dogovora. Kvadriranje nije bijekcija na citavoj
svojoj domeni, ali ako uzmemo za domenu samo
nenegativne brojeve (desnu granu parabole), tada je
kvadriranje bijekcija i ima inverznu funkciju. To je bila
ona nasa funkcija
k : [0, ∞ → [0, ∞, k(x) = x2
Naravno da je onda
k−1 : [0, ∞ → [0, ∞, k−1(x) =√
x
pa je drugi korijen iz pozitivnog broja pozitivan broj.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Naravno, nitko nam nije branio da uzmemo lijevu granu
parabole, tj. da za domenu kvadriranja uzmemo
negativne brojeve pa bismo promatrali funkciju
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 497/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
k1 : −∞, 0] → [0, ∞, k1(x) = x2
I ova funkcija je bijekcija pa ima inverznu funkciju
k1 : [0, ∞ → −∞, 0], k−1
1 (x) = √ xkoju smo mogli nazvati drugim korijenom i u tom bi
slucaju bilo√
9 = −3.
Medutim, mi smo odabrali onu prvu opciju (vjerojatno jersvi vise volimo plus, nego minus) pa se onda moramo od
sada pa na dalje drzati tog dogovora. Dakle, drugi korijen
iz pozitivnog broja je pozitivan broj.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Inverzna funkcija
Ako je funkcija f bijekcija, tada ona ima inverznu funkciju
f−1 Grafovi od f i f−1 simetricni su s obzirom na pravac
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 498/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f . Grafovi od f i f simetricni su s obzirom na pravac
y = x.
Primjer 42.
Dokazite da je funkcija f : R→R, f (x) = 2 3
√ x + 1
bijekcija i odredite joj inverznu funkciju.
Matematicke metodeza poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Inverzna funkcija
Ako je funkcija f bijekcija, tada ona ima inverznu funkciju
f−1 Grafovi od f i f−1 simetricni su s obzirom na pravac
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 499/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f . Grafovi od f i f simetricni su s obzirom na pravac
y = x.
Primjer 42.
Dokazite da je funkcija f : R→R, f (x) = 2 3
√ x + 1
bijekcija i odredite joj inverznu funkciju.
Rjesenje.
Da bismo dokazali da je f bijekcija, trebamo dokazati da
je injekcija i surjekcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
injektivnost
f (x1) = f (x2)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 500/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
2 3
√ x1 + 1 = 2 3
√ x2 + 1 · 12
3√
x1 + 1 = 3√
x2 + 1 3
x1
+ 1 = x2
+ 1
x1 = x2
Dakle, dobili smo da
∀x1, x2 ∈ R, f (x1) = f (x2) ⇒ x1 = x2
iz cega slijedi da je f injekcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
surjektivnost
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 501/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Treba dokazati da je Im f = R, tj. da su svi elementi ukodomeni ”pogodeni”. Neka je y ∈ R proizvoljan element
iz kodomene. Pitamo se da li postoji x ∈ R iz domene
takav da je f (x) = y, odnosno da je 2 3√
x + 1 = y. U
biti, y smo izabrali, a trebamo pronaci x koji ce se
preslikati u odabrani y. Zapravo trebamo na neki nacin x
izraziti pomocu odabranog y.
Krecemo od toga da mora vrijediti f (x) = y, tj.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
f (x) = y
2 3√
x + 1 = y3
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 502/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
2√
x + 1 y 8(x + 1) = y3
x = 18 y3 − 1
Sada imamo
f (x) = f
18 y3 − 1
= 2 3
18 y3 − 1 + 1 = 2 3
18 y3 = y.
Dakle, za odabrani y ∈ R iz kodomene, broj 18 y3 − 1 iz
domene ce se preslikati u broj y. Dakle, f je zaista
surjekcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
D fi i ij f k ij
inverzna funkcija
Zapravo smo vec inverznu funkciju pronasli u toku dokaza
surjektivnosti funkcije f . Zbog preglednosti ipak cemo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 503/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
postupak opet ponoviti. Dakle, pokazali smo da je f bijekcija pa ima inverznu funkciju f −1 koju cemo pronaci
tako da iz jednadzbe y = f (x) izrazimo x pomocu y pa
cemo onda dobiti x = f −1(y).
f (x) = y
2 3√
x + 1 = y
3
8(x + 1) = y3
x = 18 y3 − 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
D fi i ij f k ij
Stoga je f −1(y) = 18 y3 − 1. Naravno, mozemo nezavisnu
varijablu nazvati sa x, pa je f −1(x) = 18 x3 − 1.
Napomena.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 504/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Za svaki k ∈ Z \ {0} vrijedi
x2k = y2k ⇔ x = ±y
x
2k+1
= y
2k+1
⇔ x = y
Treba biti oprezan s parnim potencijama. Specijalno iz
x2 = y2 ne slijedi da su brojevi x i y jednaki, nego da su
do na predznak jednaki. S neparnim potencijama nematih problema jer iz npr., x3 = y3 slijedi da mora biti
x = y.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Svojstva realnih funkcija realne varijable
Od ovog trenutka promatramo samo realne funkcije
realne varijable pa to vise necemo posebno naglasavati
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 505/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
realne varijable pa to vise necemo posebno naglasavati.
Nultocka funkcije f je svaki broj x0 ∈ R za koji je
f (x0) = 0.
x
y
x0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Za funkciju f kazemo da je omedena odozgo akopostoji M ∈ R takav da je f (x) M za svako x ∈ Df .
To zapravo znaci da se graf funkcije f nalazi ispod pravca
y = M .
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 506/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
y
x
y
M
Najmanja gornja meda funkcije f je najmanji realni broj
M koji je gornja meda funkcije f .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Za funkciju f kazemo da je omedena odozdo akopostoji m ∈ R takav da je f (x) m za svako x ∈ Df .
To zapravo znaci da se graf funkcije f nalazi iznad pravca
y = m.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 507/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
y
x
y
m
Najveca donja meda funkcije f je najveci realni broj m
koji je donja meda funkcije f .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Za funkciju f kazemo da je omedena ako je omedena
odozgo i odozdo, tj. postoje m, M ∈ R takvi da je
m f (x) M za svako x ∈ Df . To zapravo znaci da se
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 508/703
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
graf funkcije f nalazi izmedu pravaca y = m i y = M .
x
y
m
M
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Za funkciju f kazemo da raste na intervalu I ⊆ Df ako
vrijedi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 509/703
j j
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
∀x1, x2 ∈ I x1 < x2 ⇒ f (x1)
f (x2)Za funkciju f kazemo da strogo raste na intervalu
I ⊆ Df ako vrijedi
∀x1, x2 ∈ I
x1 < x2 ⇒ f (x1) < f (x2)
Jednostavno receno, rastuce funkcije cuvaju znak
nejednakosti.
Uglavnom cemo za strogo rastuce funkcije govoriti kratko
da su rastuce jer cemo najvise samo takve i gledati.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 510/703
j j
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
x
x2
f (x2)
x1
f (x1)
f strogo raste
x1 < x2 ⇒ f (x1) < f (x2)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 511/703
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
xx2x1
f (x1) = f (x2)
f raste, ali ne raste strogo
x1 < x2 ⇒ f (x1) f (x2)
ne mozemo uvijek postici strogu nejednakost kao sto se
vidi sa slike
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Za funkciju f kazemo da pada na intervalu I ⊆ Df ako
vrijedi
x1, x2 I x1 < x2 f (x1) f (x2)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 512/703
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
∀ ∈ ⇒ Za funkciju f kazemo da strogo pada na intervalu
I ⊆ Df ako vrijedi
∀x1, x2 ∈ I x1 < x2 ⇒ f (x1) > f (x2)Jednostavno receno, padajuce funkcije preokrecu znak
nejednakosti.
Uglavnom cemo za strogo padajuce funkcije govoriti
kratko da su padajuce jer cemo najvise samo takve i
gledati.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 513/703
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
x
x1
f (x1)
x2
f (x2)
f strogo pada
x1 < x2 ⇒ f (x1) > f (x2)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 514/703
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
xx1 x2
f (x1) = f (x2)
f pada, ali ne pada strogo
x1 < x2 ⇒ f (x1) f (x2)
ne mozemo uvijek postici strogu nejednakost kao sto se
vidi sa slike
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Monotona funkcija
Funkciju koja raste, odnosno pada, na cijelom podrucju
definicije zovemo monotonom funkcijom.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 515/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
Okolina realnog broja x0 je svaki otvoreni interval koji
sadrzi realni broj x0.
ε-okolina realnog broja x0 je interval x0 − ε, x0 + ε.
x0 x0
_ x0 +
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Kazemo da funkcija f ima lokalni maksimum u tocki
xM
ako unutar domene funkcije f postoji okolina O tocke
xM
takva da je na toj okolini f (xM
) najveca vrijednost
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 516/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
funkcije f , tj.
f (x) f (xM
), ∀x ∈ O.
Kazemo da funkcija f ima strogi lokalni maksimum utocki x
M ako unutar domene funkcije f postoji okolina O
tocke xM
takva da je na toj okolini f (xM
) strogo najveca
vrijednost funkcije f , tj.
f (x) < f (xM
), ∀x ∈ O \ {xM
}.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Kazemo da funkcija f ima lokalni minimum u tocki xm
ako unutar domene funkcije f postoji okolina O tocke xm
takva da je na toj okolini f (xm) najmanja vrijednost
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 517/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
funkcije f , tj.
f (x) f (xm), ∀x ∈ O.
Kazemo da funkcija f ima strogi lokalni minimum utocki xm ako unutar domene funkcije f postoji okolina O
tocke xm takva da je na toj okolini f (xm) strogo
najmanja vrijednost funkcije f , tj.
f (x) > f (xm), ∀x ∈ O \ {xm}.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Strogi lokalni minimum i maksimum
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 518/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
x
xm
f (xm)
xM
f (xM
)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Kl ifik ij
Lokalni maksimum koji nije strogi
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 519/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
x
xM
f (xM )
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Kl ifik ij
Lokalni minimum koji nije strogi
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 520/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
x
xm
f (xm)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Kl sifik ij
Lokalni ekstremiJednom rijecju lokalne minimume i lokalne maksimume
funkcije f zovemo lokalnim ekstremima funkcije f .
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 521/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
Napomena.
Ako u nekoj tocki funkcija ima lokalni maksimum, to ne
znaci da u toj tocki funkcija poprima najvecu vrijednost
globalno, moze se dogoditi da u nekim drugim tockama
poprima vece vrijednosti, ali na nekoj dovoljno maloj
okolini te tocke to je najveca vrijednost. Dakle, rijec
”lokalni” je ovdje jako bitna. Ista stvar je i za lokalniminimum. Intuitivno si to mozemo tumaciti na sljedeci
nacin.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Ako je netko najbolji nogometas u Hrvatskoj, to ne mora
znaciti da je on najbolji nogometas na svijetu, nego da je
on samo lokalno najbolji (tj. najbolji u svojoj zemlji
( k li i))
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 522/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
(okolini)).
Za funkciju f kazemo da je periodicna ako
∃ T ∈ R \ {0}, f (x + T ) = f (x), ∀x ∈ Df
Za realni broj T kazemo da je period funkcije f .
Najmanji pozitivni realni broj T 0 za kojeg to vrijedizovemo osnovnim periodom funkcije f .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Osnovni period funkcije f (x) = sin x je 2π. Brojevi
. . . , −4π, −2π, 4π, 6π , . . . su takoder periodi funkcije
sinus, samo nisu osnovni.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 523/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-1
-0.5
0.5
1
y
sin(x + 2kπ) = sin x, k ∈ Z
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Za funkciju f kazemo da je parna ako vrijedi
x ∈ Df ⇒ −x ∈ Df
f ( ) f ( ) ∀ ∈ Df
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 524/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
f (−x) = f (x), ∀x ∈ Df
Graf parne funkcije je osno simetrican s obzirom na y-os.
Za funkciju f kazemo da je neparna ako vrijedi
x ∈ Df ⇒ −x ∈ Df
f (−x) = −f (x), ∀x ∈ Df
Graf neparne funkcije je centralno simetrican s obziromna ishodiste.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Najpoznatiji primjeri parnih funkcija su:
potencije s parnim eksponentima:
f (x) = x2k, k ∈ Z
trigonometrijska funkcija kosinus: f (x) cos x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 525/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
trigonometrijska funkcija kosinus: f (x) = cos x
apsolutna vrijednost: f (x) = |x|
Najpoznatiji primjeri neparnih funkcija su:potencije s neparnim eksponentima:
f (x) = x2k+1, k ∈ Z
trigonometrijska funkcija sinus: f (x) = sin x
trigonometrijska funkcija tangens: f (x) = tg x
trigonometrijska funkcija kotangens: f (x) = ctg x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija4
5
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 526/703
KlasifikacijaKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3 x
1
2
3
4
x8
x6
x4
x2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
5
y
x4
x2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 527/703
jKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3x
1
2
3
4
x8
x6
x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
f (x) = |x|
4
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 528/703
jKompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3x
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaK i ij f k ij
4
5
y
x3
x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 529/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3 x
-3
-2
-1
1
2
3
x7
x5
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaK i ij f k ij
4
5
y
x
3
x1
4
5
y
x
3
x1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 530/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3 x
-3
-2
-1
1
2
3
x7
x5
-3 -2 -1 1 2 3 x
-3
-2
-1
1
2
3
x7
x5
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Eksponencijalna funkcija
Funkciju f : R → 0, ∞ oblika
f (x) = ax
a > 0 a = 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 531/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
f (x) a , a > 0, a 1
zovemo eksponencijalnom funkcijom s bazom a.
Svojstva eksponencijalne funkcije
a0 = 1, tj. graf svake eksponencijalne funkcije
prolazi kroz tocku (0, 1)
ax > 0, tj. graf eksponencijalne funkcije uvijek je
iznad x-osi
x-os je horizontalna asimptota eksponencijalne
funkcije
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Ako je a > 1, tada eksponencijalna funkcija f (x) = ax
raste na citavoj domeni.
4
5
y
2x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 532/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3 x
-3
-2
-1
1
2
3
4
10x
5x
ex
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Ako je 0 < a < 1, tada eksponencijalna funkcija
f (x) = ax pada na citavoj domeni.
4
5
y
2
3 x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 533/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
-3 -2 -1 1 2 3 x
-3
-2
-1
1
2
3
4
1
5 x
1
3
x
1
2
x
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
a > 1, f (x) = ax strogo raste
ax ay ⇔ x y
0 1 f ( ) x d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 534/703
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
0 < a < 1, f (x) = ax strogo pada
ax ay ⇔ x y
Jos neka svojstva eksponencijalne funkcije
ax · ay = ax+y
ax
ay = ax−yaxy
= axy
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Kazemo da velicina y(x) eksponencijalno raste ako
vrijedi
y(x) = y0ekx
gdje je k pozitivna realna konstanta i y(0) = y0 pocetna
vrijednost.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 535/703
p j j
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
j
Kazemo da velicina y(x) eksponencijalno pada ako
vrijedi
y(x) = y0e−kx
gdje je k pozitivna realna konstanta i y(0) = y0 pocetna
vrijednost.
Baza prirodnog logaritma
e ≈ 2.71828 · · ·
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Krivulja ucenja je dana jednadzbom
q (t) = B − Ae−kt
gdje su A, B, k pozitivne realne konstante. Ime krivulje
dolazi iz psihologije, a posljedica je zapazanja da ovakva
krivulja dobro opisuje ovisnost efikasnosti izvodenja
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 536/703
p j j
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
krivulja dobro opisuje ovisnost efikasnosti izvodenja
zadataka o kolicini poduke ili iskustva koje osoba
posjeduje.
B
B −A
t
q (t)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Logisticka krivulja je dana jednadzbom
q (t) = B1 + A Bkt
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 537/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
q( )1 + Ae−Bkt
gdje su A, B, k pozitivne realne konstante. Kad se
populacija nalazi u uvjetima u kojima postoji gornja
granica do koje populacija moze rasti, ona raste u skladu
s logistickom krivuljom. Sirenje epidemija (ili ogovaranja)
u drustvu se isto opisuju logistickom krivuljom.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Logisticka krivulja
B
q (t)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 538/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
B
1+A
t
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Logaritamska funkcija
Inverznu funkciju eksponencijalne funkcije
g : R → 0, ∞, g(x) = ax
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 539/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
nazivamo logaritamskom funkcijom
f : 0, ∞ → R, f (x) = loga x
gdje je a > 0 i a = 1.
loga b = c ⇔ ac
= baloga x = x
loga ax = x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Svojstva logaritama
loga 1 = 0
loga a = 1
log x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 540/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
aloga x = x
loga ax = x
loga (xy) = loga x + loga y, x, y > 0
logaxy = loga x − loga y, x, y > 0
loga x p = p loga x, p
∈R, x > 0
loga x = logb xlogb a
loga b = 1logb a
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
Napomena.U svojstvu
loga (xy) = loga x + loga y
bitno je da su brojevi x i y veci od nule. Na primjer,
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 541/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafaFunkcijski model
log3
− 2 · (−5)
= log3 10
i on se moze izracunati, no primijenimo li gornje svojstvo
dobivamo
log3
− 2 · (−5)
= log3 (−2) + log3 (−5),
a brojevi na desnoj strani ne postoje jer logaritam nije
definiran za negativne brojeve. Dakle, zato je vazno da su
brojevi x i y veci od nule jer u protivnom to svojstvo ne
vrijedi. Slicna su objasnjenja za preostala svojstva.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
I f k ij
Ako je a > 1, tada logaritamska funkcija f (x) = loga x
raste na citavoj domeni.
8
y
l
log2x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 542/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
2 4 6 8 10
x
-2
2
4
6
logx
log5x
lnx
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
KlasifikacijaKompozicija funkcija
I f k ij
Ako je 0 < a < 1, tada logaritamska funkcija
f (x) = loga x pada na citavoj domeni.
6
y
log x
log 2 3x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 543/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
2 4 6 8 10x
-4
-2
2
4
log 1 5x
log 1 3x
log 1 2x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
a > 1, f (x) = loga x strogo raste
loga x loga y ⇔ x y
0 1 f ( ) l d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 544/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
0 < a < 1, f (x) = loga x strogo pada
loga x loga y ⇔ x y
Standardne oznake za dvije baze logaritma
ln x = loge x
log x = log10 x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Domene realnih funkcija realne varijableIako smo do sada cijelo vrijeme govorili kako je domena
funkcija jako bitna, u vecini situacija domenu eksplicitno
ne navodimo i tada se podrazumijeva da je domena
najveci skup realnih brojeva x za koje f (x) ima smisla (u
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 545/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j p j j f ( ) (
slucaju realnih funkcija realne varijable). Takva se
domena naziva i prirodnom domenom.
Na primjer, ako samo kazemo
”zadana je funkcija f (x) = x2”,
tada se podrazumijeva da je njezina domena skup R, tj.
njezina prirodna domena. Kada se kod rjesavanja
zadataka trazi da se nade domena neke funkcije, zapravo
se misli da se odredi njezina prirodna domena.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Domena racionalne funkcije f (x) = P (x)Q(x)
Df =
x ∈ R : Q(x) = 0
Domena iracionalne funkcije f (x) =
2k g(x), k ∈ N
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 546/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Df =
x ∈ R : g(x) 0
Domena logaritamske funkcije f (x) = loga g(x)
Df =
x ∈ R : g(x) > 0
Domena ciklometrijskih funkcija f (x) = arcsin g(x) i
f (x) = arccos g(x)
Df =
x ∈ R : −1 g(x) 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Primjer 43.Odredite domene sljedecih funkcija:
a) f (x) = 3x−12x+1 b) g(x) =
√ x − 3
c) h(x) = log x2
−x
−2 d) k(x) = arccos x−1
2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 547/703
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Primjer 43.Odredite domene sljedecih funkcija:
a) f (x) = 3x−12x+1 b) g(x) =
√ x − 3
c) h(x) = log x2
−x
−2 d) k(x) = arccos x−1
2
Rjesenje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 548/703
c j
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Rjesenje.
a) Nazivnik mora biti razliciti od nule, tj. 2x + 1 = 0,
odnosno x
= −1
2 . Stoga je domena jednaka
Df = R \ −12
.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Primjer 43.Odredite domene sljedecih funkcija:
a) f (x) = 3x−12x+1 b) g(x) =
√ x − 3
c) h(x) = log x2
−x
−2 d) k(x) = arccos x−1
2
Rjesenje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 549/703
j
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Rjesenje.
a) Nazivnik mora biti razliciti od nule, tj. 2x + 1 = 0,
odnosno x
= −1
2 . Stoga je domena jednaka
Df = R \ −12
.
b) Pod korijenom mora biti broj veci ili jednak od nule, tj.
x−
3 0, odnosno x 3. Stoga je domena jednaka
Dg = [3, ∞.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
c) Izraz u logaritmu mora biti strogo veci od nule, tj.
x2 − x − 2 > 0. Treba rijesiti kvadratnu nejednadzbu koja
se rjesava tako da se prvo rijesi kvadratna jednadzba da bi
se nasle nultocke kvadratnog polinoma p(x) = x2
−x
−2
ciji graf je parabola koja je okrenuta prema gore.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 550/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
-4 -3 -2 -1 1 2 3 4x
5
10
15
y
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Sa slike vidimo da je parabola iznad x-osi, tj.
x2 − x − 2 > 0
kada jex ∈ −∞ −1 ∪ 2 ∞
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 551/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
x ∈ ∞, 1 ∪ 2, ∞.
Stoga je domena jednaka
Dh = −∞, −1 ∪ 2, ∞.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Sa slike vidimo da je parabola iznad x-osi, tj.
x2 − x − 2 > 0
kada jex ∈ −∞, −1 ∪ 2, ∞.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 552/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
x ∈ ∞, 1 ∪ 2, ∞.
Stoga je domena jednaka
Dh = −∞, −1 ∪ 2, ∞.
d) Domena arkus kosinusa je segment [−1, 1] pa mora biti
−1 x
−1
2 1.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
U biti treba rijesiti dvije nejednadzbe x−12 −1 i
x−12 1. Rjesenje prve je x −1, a rjesenje druge je
x 3. Kako moraju vrijediti oba uvjeta, treba nacipresjek tih rjesenja pa se dobiva da je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 553/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
presjek tih rjesenja pa se dobiva da je
x ∈ [−1, 3].
Stoga je domena jednaka
Dk = [−1, 3].
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Primjer 44.
Odredite domenu funkcije
f (x) =
x2 − 9 + 3√
x − 1 − 2
x2 − x − 2.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 554/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
S j f k ij
Primjer 44.
Odredite domenu funkcije
f (x) =
x2 − 9 + 3√
x − 1 − 2
x2 − x − 2.
Rjesenje.Imamo dva uvjeta
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 555/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j
x2 − 9 0
x2
−x
−2
= 0
Treci korijen je definiran za svaki realni broj pa na njega
nemamo nikakve uvjete. Rjesenje prvog uvjeta je
x ∈ −∞, −3] ∪ [3, ∞,
a rjesenje drugog x = −1 i x = 2. Stoga je domena
Df = −∞, −3] ∪ [3, ∞.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
S j t f k ij
Primjer 45.
Odredite domenu funkcije
f (x) = 4
log 1
8(x2 − x − 2).
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 556/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
S ojst a f nkcija
Primjer 45.
Odredite domenu funkcije
f (x) = 4
log 1
8(x2 − x − 2).
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 557/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Imamo dva uvjeta
x2 − x − 2 > 0 (zbog logaritma)
log 18 (x2 − x − 2) 0 (zbog cetvrtog korijena)
Moraju vrijediti oba uvjeta pa svaki uvjet rijesimo
posebno i na kraju nademo presjek njihovih rjesenja. Prvi
uvjet smo vec prije rijesili i njegovo rjesenje je
x ∈ −∞, −1 ∪ 2, ∞. (∗)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Sada rjesavamo drugi uvjet.
log 18
x2 − x − 2
0
log 1
8 x2
−x
−2 log 1
8
1
x2 − x − 2 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 558/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
x2 − x − 3 0
Kad smo logaritam ispustili promijenili smo znak
nejednakosti jer je baza logaritma manja od jedan, a
znamo da je onda u tom slucaju logaritamska funkcija
padajuca (padajuce funkcije preokrecu znaknejednakosti). Preostaje nam jos rijesiti kvadratnu
nejednadzbu x2 − x − 3 0.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
-4 -3 -2 1 3 4x
-10
-5
5
10
15
y
1
13
2
1
13
2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 559/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Sa slike vidimo da je rjesenje te nejednadzbe
x ∈
1−√ 132 , 1+
√ 13
2
(∗∗)
Da bi oba uvjeta bila zadovoljena, treba naci presjek
rjesenja (∗) i (∗∗). Dobivamo
x ∈
1−√ 132 , −1
∪
2, 1+√
132
.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Stoga je domena funkcije f jednaka
Df =
1−√ 132 , −1
∪
2, 1+√ 132
.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 560/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Stoga je domena funkcije f jednaka
Df =
1−√ 132 , −1
∪
2, 1+√ 132
.
Primjer 46.
Odredite domenu funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 561/703
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
g(x) = 7
sin(x2 + 3) − 5
√ arctg x.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Stoga je domena funkcije f jednaka
Df =
1−√ 132 , −1
∪
2, 1+√ 132
.
Primjer 46.
Odredite domenu funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 562/703
j j
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
g(x) = 7
sin(x2 + 3) − 5
√ arctg x.
Rjesenje.Kako su funkcije peti korijen, sedmi korijen, sinus i arkus
tangens definirane za svaki realni broj i izrazi koji se
javljaju u njima su takoder definirani za svaki realni broj
slijedi da je domena funkcije g jednaka
Dg = R.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Primjer 47.
Ispitajte parnost sljedecih funkcija:
a) f (x) = x2
|x
| b) g(x) = x−1
x+1
c) h(x) = sin x + cos x d) k(x) = ln x−1x+1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 563/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Primjer 47.
Ispitajte parnost sljedecih funkcija:
a) f (x) = x2
|x
| b) g(x) = x−1
x+1
c) h(x) = sin x + cos x d) k(x) = ln x−1x+1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 564/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Rjesenje.
a) f (−
x) = (−x)2
| − x| =
x2
|x| = f (x)
Funkcija f je parna funkcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Primjer 47.
Ispitajte parnost sljedecih funkcija:
a) f (x) = x2
|x
| b) g(x) = x−1
x+1
c) h(x) = sin x + cos x d) k(x) = ln x−1x+1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 565/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Rjesenje.
a) f (−
x) = (−x)2
| − x| =
x2
|x| = f (x)
Funkcija f je parna funkcija.
b) g(−x) = −x − 1
−x + 1
= −(x + 1)
−(x
−1)
= x + 1
x−
1 =
1
g(x)
Funkcija g nije niti parna, niti neparna.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
c) h(−x) = sin (−x) + cos (−x) = − sin x + cos x
Funkcija h nije niti parna, niti neparna.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 566/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
c) h(−x) = sin (−x) + cos (−x) = − sin x + cos x
Funkcija h nije niti parna, niti neparna.
d) k(−x) = ln −x
−1
−x + 1 = ln −(x + 1)
−(x − 1) = ln x + 1
x − 1 =
1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 567/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
= ln
x − 1
x + 1
−1
= − ln x − 1
x + 1 = −k(x)
Domena funkcije k jednaka je
Dk = −∞, −1 ∪ 1, ∞
pa ako je x ∈ Dk, tada je i −x ∈ Dk. Stoga je funkcija kneparna funkcija.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Primjer 48.
Odredite nultocke sljedecih funkcija:
a) f (x) = 10x2−x b) g(x) = (x + 1) log x
c) h(x) = sin x2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 568/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Ek ij l f k
Primjer 48.
Odredite nultocke sljedecih funkcija:
a) f (x) = 10x2−x b) g(x) = (x + 1) log x
c) h(x) = sin x2
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 569/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
a) f (x) = 0 ⇔ 10x2−x = 0
Kako 10
x2
−x
nije nikad jednako nula, funkcija f nema niti jednu nultocku.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Ek ij l f k
Primjer 48.
Odredite nultocke sljedecih funkcija:
a) f (x) = 10x2−x b) g(x) = (x + 1) log x
c) h(x) = sin x2
Rjesenje.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 570/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
a) f (x) = 0 ⇔ 10x2−x = 0
Kako 10
x2
−x
nije nikad jednako nula, funkcija f nema niti jednu nultocku.
b) g(x) = 0 ⇔ (x + 1) log x = 0
Produkt dva realna broja jednak je nula ako je barem
jedan od njih jednak nula. Dakle, mora biti x + 1 = 0 ili
log x = 0. Rjesenja tih jednadzbi su x1 = −1 i x2 = 1.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc
Medutim, −1 nije u domeni funkcije g (zbog logaritma)
pa funkcija g ima samo jednu nultocku x0 = 1.
c) h(x) = 0 ⇔ sin x2 = 0
Sinus nekog broja jednak je nula jedino ako je taj broj
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 571/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Sinus nekog broja jednak je nula jedino ako je taj broj
oblika kπ za neki k ∈ Z. Stoga mora biti x2 = kπ,
odnosno x = 2kπ pri cemu je k ∈ Z. Dakle, funkcija hima beskonacno mnogo nultocki koje su oblika
x = 2kπ, k ∈ Z.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc
Napomena.
sin2x = sin (2x)
sin2 x =
sin x2
i 2 i
2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 572/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
sin x2 = sin
x2
cos kπ = (−1)k =1, ako je k paran cijeli broj
−1, ako je k neparan cijeli broj
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc
Primjer 49.
Dokazite da je funkcija f (x) = sin2 x periodicna i
odredite njezin osnovni period.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 573/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Primjer 49.
Dokazite da je funkcija f (x) = sin2 x periodicna i
odredite njezin osnovni period.
Dokaz.
Ako je f periodicna funkcija, tada postoji T = 0 takav da
je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 574/703
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
je
f (x + T ) = f (x), ∀x ∈ R
odnosno u nasem slucaju
sin2 (x + T ) = sin2 x, ∀x ∈ R. (∗)
Kako gornja jednakost mora vrijediti za svaki realni brojx, specijalno mora vrijediti i za x = 0. Uvrstimo li x = 0
u gornju jednakost, dobivamo
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
sin2 T = 0.
Iz toga slijedi da mora biti
T = kπ, k ∈ Z.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 575/703
p j
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Dakle, T mora biti oblika kπ da bi (
∗) vrijedila za x = 0.
No, (∗) mora vrijediti za svaki realni broj pa treba sada
T = kπ uvrstiti u (∗) da bismo dobili eventualno jos neke
uvjete na broj k ∈ Z (jer pitanje je da li za takve T -ove
(∗) vrijedi za svaki x).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Uvrstimo li T = kπ u (∗), dobivamo
sin2 x + kπ = sin2 xsin x cos kπ + cos x sin kπ
2= sin2 x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 576/703
p j
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modelsin x · (−1)k + cos x · 0
2
= sin2 x
sin2 x = sin2 x
Dakle, svaki kπ je period funkcije f pa je osnovni period
funkcije f jednak T 0 = π.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
f (x) = sin
2
x, T 0 = π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-0.5
0.5
1
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 577/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modelf (x) = sin x, T 0 = 2π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Πx
-1
-0.5
0.5
1
y
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Primjer 50.
Dokazite da je funkcija f (x) = | sin x| periodicna i
odredite njezin osnovni period.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 578/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Primjer 50.
Dokazite da je funkcija f (x) = | sin x| periodicna i
odredite njezin osnovni period.
Dokaz.
Ako je f periodicna funkcija, tada postoji T = 0 takav da
je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 579/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
j
f (x + T ) = f (x), ∀x ∈ R
odnosno u nasem slucaju
sin(x + T ) = | sin x|, ∀x ∈ R. ()
Kako gornja jednakost mora vrijediti za svaki realni brojx, specijalno mora vrijediti i za x = 0. Uvrstimo li x = 0
u gornju jednakost, dobivamo
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
| sin T | = 0.
Iz toga slijedi da mora biti
T = kπ, k ∈ Z.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 580/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Dakle, T mora biti oblika kπ da bi () vrijedila za x = 0.
No, () mora vrijediti za svaki realni broj pa treba sada
T = kπ uvrstiti u () da bismo dobili eventualno jos neke
uvjete na broj k ∈ Z (jer pitanje je da li za takve T -ove
() vrijedi za svaki x).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Uvrstimo li T = kπ u (), dobivamo
sin x + kπ = |sin x
| sin x cos kπ + cos x sin kπ = | sin x|
k
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 581/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modelsin x · (−1)k + cos x · 0
= | sin x|
| sin x| = | sin x|
Dakle, svaki kπ je period funkcije f pa je osnovni period
funkcije f jednak T 0 = π.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
L i k f k
f (x) = | sin x|, T 0 = π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-0.5
0.5
1
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 582/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modelf (x) = sin x, T 0 = 2π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-1
-0.5
0.5
1
y
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
L it k f k
f (x) = sin
2
x, T 0 = π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-0.5
0.5
1
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 583/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modelf (x) = | sin x|, T 0 = π
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-0.5
0.5
1
y
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc
xx
1
1
s i n
x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 584/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
sin x = sin y ⇔ y = x + 2lπ ili y = π − x + 2lπ, l ∈ Z
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc
Primjer 51.
Dokazite da funkcija f (x) = sin x2 nije periodicna.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 585/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc
Primjer 51.
Dokazite da funkcija f (x) = sin x2 nije periodicna.
Dokaz.Ako je f periodicna funkcija, tada postoji T = 0 takav da
je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 586/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski model
f (x + T ) = f (x), ∀x ∈ R
odnosno u nasem slucaju
sin(x + T )2 = sin x2, ∀x ∈ R.
Uvedimo supstituciju x = y − T 2 . Dobivamo da je
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
sin
y +
T
2
2
= sin
y − T
2
2
(♠)
i gornja jednakost mora vrijediti za svaki realni broj y.
Sada koristimo kada su sinusi dva realna broja jednaki.
Imamo dva slucaja.
T 2 T 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 587/703
Logaritamska funkc.
Domene
Transformacija grafa
Funkcijski modely + T
2
2
=
y − T
2
2
+ 2kπ, k ∈ Zy + T 2
2 = π − y − T 22 + 2kπ, k ∈ Z
Sredivanjem svakog slucaja posebno dobivamo
yT = kπ, k ∈ Z
4y2 = (4k + 2)π − T 2, k ∈ Z
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Za T = 0 u oba slucaja dobivamo da samo prebrojivomnogo realnih brojeva y zadovoljava (♠). Stoga, da bi
(♠) bila zadovoljena za svaki realni broj y moralo bi biti
T = 0, a to znaci da funkcija f (x) = sin x2 nije
periodicna.
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 588/703
g
Domene
Transformacija grafa
Funkcijski model
3 Π 2 Π
3 Π
2
Π
Π
2
Π
2Π 3 Π
2
2Π 3 Π
x
-1
-0.5
0.5
1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Transformacija grafa funkcije
Pitamo se kako se iz grafa funkcije f mogu dobiti grafovi
funkcija
g(x) = f (x) + c
g(x) = f (x) − c
g(x) = f (x + c)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 589/703
g
Domene
Transformacija grafa
Funkcijski model
g(x) = f (x
−c)
g(x) = f (−x)
g(x) = −f (x)
gdje je c pozitivni realni broj. Pogledajmo na primjeru
funkcije f (x) = 2x kako se dobiju grafovi odgovarajucih
funkcija za konkretno zadani realni broj c. Jasno je da
analogne situacije vrijede opcenito.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
f (x) = 2x
4
5
6
7
8
9
10
11
12
1314
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 590/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
f (x) = 2x g(x) = 2x + 4
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 591/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
f (x) = 2x g(x) = 2x − 3
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 592/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
f (x) = 2x g(x) = 2x+4
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 593/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
f (x) = 2x g(x) = 2x−3
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 594/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
D
f (x) = 2x g(x) = 2−x
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 595/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
D
f (x) = 2x g(x) = −2x
4
5
6
7
8
9
10
11
12
13
14
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 596/703
Domene
Transformacija grafa
Funkcijski model
-5 -4 -3 -2 -1 1 2 3 4 5x
-8
-7
-6-5
-4
-3
-2
-1
1
2
3
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Funkcijski model
Matematicki prikaz prakticnog problema zovemo
matematickim modelom.
Primjer 52.
Proizvodac namjestaja prodaje mjesecno 1 000 stolaca po
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 597/703
Domene
Transformacija grafa
Funkcijski model
cijeni od 120 kn po komadu. Troskovi proizvodnje su
70 kn po komadu. Proizvodac namjerava povecati cijenu
stolaca i pri tom prognozira da ce se za svaku 1 kn
povisenja cijene prodati 5 stolaca mjesecno manje.
Izrazite mjesecni profit proizvodaca kao funkciju prodajne cijene i odredite cijenu uz koju je profit maksimalan.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Rjesenje.
profit = (broj stolaca) · (profit po 1 stolcu)
Uz sljedece oznake
n - broj prodanih stolaca
x - prodajna cijena stolca
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 598/703
Domene
Transformacija grafa
Funkcijski model
p j j
p - profit po jednom stolcu
P - ukupni profit
imamo da je P = n · p. Mi zelimo ukupni profit izraziti
samo pomocu prodajne cijene stolca, tj. zelimo P izraziti
kao funkciju od x.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcijaInverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Kako su troskovi proizvodnje 70 kn po komadu, slijedi da je profit po jednom stolcu jednak
p = x − 70
jer ako prodajemo po cijeni x kuna, necemo zaraditi x
kuna jer za svaki stolac potrosimo 70 kn da bismo ga
proizveli
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 599/703
Domene
Transformacija grafa
Funkcijski model
proizveli.
Nadalje, po cijeni od 120 kn po komadu mjesecno se
proda 1 000 stolaca, a za svaku jednu kunu povisenja
cijene prodaje se 5 stolaca mjesecno manje pa je
n = 1 000 − 5(x − 120).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Stoga je
P (x) = 1000 − 5(x − 120)(x − 70),
odnosno
P (x) = −5(x − 320)(x − 70).
78125
Px
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 600/703
Domene
Transformacija grafa
Funkcijski model
70 150 195 250 320 400
x
-100000
-50000
50000
78125
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Dobili smo kvadratnu funkciju koja ima tjeme u tocki
(195, 78 125). Dakle, maksimalni profit ce biti ako se
jedan stolac prodaje po 195 kn. Sto jos mozemo saznati
iz dobivenog funkcijskog modela? Vidimo da ne smijemonikako prodavati jedan stolac po cijeni manjoj od 70 kn
jer cemo tada biti u gubitku, sto je i jasno jer troskovi
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 601/703
Transformacija grafa
Funkcijski modelproizvodnje jednog stolca su 70 kn. Medutim, ne smijemo
niti pretjerati sa cijenom, tj. ne smijemo prodavati jedan
stolac po cijeni vecoj od 320 kn jer cemo opet biti na
gubitku (stolci ce biti preskupi i ljudi ih nece kupovati, a
mi ih proizvodimo i za svaki stolac trosimo 70 kn).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Primjer 53.
Istrazivanjem je utvrdeno da je kod odredenih viroza broj
oboljelih u tisucama, t tjedana nakon izbijanja bolesti,
priblizno jednak
Q(t) = 25
1 + 24e−1.2t.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 602/703
Transformacija grafa
Funkcijski modela
Koliko je ljudi oboljelo kad je viroza izbila? b Koliko je ljudi oboljelo nakon treceg tjedna?
c Koliko ce ljudi ukupno biti zarazeno?
d Skicirajte graf funkcije Q(t).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
Rjesenje.
a Kako je Q(0) = 1, nakon izbijanja viroze oboljelo je
1 000 ljudi (jer se Q(t) mjeri u tisucama).b Kako je Q(3) = 15.0987214, nakon tri tjedna oboljelo
je oko 15 099 ljudi.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 603/703
Transformacija grafa
Funkcijski modelc Zanima nas zapravo ”Q(
∞)”. Kada je t jako veliki
broj, tada je 24e−1.2t blizu nule pa je ”Q(∞) = 25”,
odnosno ukupno ce biti zarazeno 25 000 ljudi.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Realne funkc. realne var
Definicija funkcije
Klasifikacija
Kompozicija funkcija
Inverzna funkcija
Svojstva funkcija
Eksponencijalna funkc.
Logaritamska funkc.
Domene
d
15
20
25
Qt
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 604/703
Transformacija grafa
Funkcijski model
-4 -2 2 4 6 8t0
5
10
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacijaDio VI
Derivacija funkcije
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 605/703
”Ako sam ja mogao vidjeti dalje, to je bilo samo zato jer sam stajao na
ramenima velikana (divova)” Isaac Newton
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Intuitivni pristup limesu funkcije
Limes funkcije je jedan od fundamentalnih pojmova
matematicke analize jer se na njemu temelji pojamderivacije i integrala. U pocetku cemo ovdje pristupiti
tom pojmu na intuitivni nacin bez strogih matematickih
definicija i sa puno konkretnih primjera da bi se sto bolje
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 606/703
definicija i sa puno konkretnih primjera da bi se sto bolje
shvatio taj pojam koji je neophodan za definiciju
derivacije kasnije.
Nakon sto se taj pojam intuitivno dobro shvati lakse ce se
shvatiti stroge matematicke definicije tog tako vaznogpojma.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo funkciju f (x) = x2. Uzmimo broj c = 3 iz
domene te funkcije. Pitamo se sto se dogada sa tom
funkcijom kada smo jako blizu broja 3 (dakle, ne kada
smo u broju 3, nego kada smo jako blizu tog broja),odnosno sto se dogada sa funkcijom kada se priblizavamo
broju 3.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 607/703
Ono sto bi intuitivno trebalo biti jasno je sljedece: ako je
x jako blizu broja 3, tada je f (x) jako blizu broja 9.
Jako blizu broja 3 mozemo biti s njegove lijeve strane
(npr., 2.9999) i s njegove desne strane (npr., 3.0001), ali
u oba slucaja cemo biti jako blizu broja 9.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 608/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 609/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 610/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 611/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 612/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 613/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 614/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 615/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 616/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 617/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 618/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 619/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 620/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
12
15
18
21
24
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 621/703
-5 -3 -1 1 3 5x
3
6
9
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Recenicu
”kada je x jako blizu broja 3, tada je x2 jako blizu broja 9”
kratko zapisujemo
limx→3
x2 = 9
koju jos citamo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 622/703
”kada x tezi prema 3, tada x2
tezi prema 9”
ili
”limes od x2 kada x tezi prema 3 jednak je 9”.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Opcenito, neka je f : a, b → R realna funkcija i neka je
c ∈ a, b (moguce je da funkcija f nije definirana u tocki
c). Kazemo da je broj L limes funkcije f u tocki x = c
ako je broj f (x) jako blizu broja L kada je x jako blizu
broja c. Drugim rijecima, kada se x priblizava broju c,
tada se f (x) priblizava broju L, odnosno ako x dobro
aproksimira broj c, tada f (x) dobro aproksimira broj L.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 623/703
U tom slucaju kratko pisemo
limx→c
f (x) = L.
”kada je x jako blizu c, tada je f (x) jako blizu L”
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo sljedeci primjer.
limx→1
x2 − 2x + 3
(x − 4)2
ˇSto se ovdje zapravo pitamo. Pitamo se sljedece: ako je je x jako blizu broja 1, blizu kojeg broja je onda broj
x2−2x+3(x−4)2 ? Kako to otkriti? Pa ako je x jako blizu 1, mogli
bismo uvrstiti x = 1 u zadani razlomak i vidjeti sto cemo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 624/703
dobiti jer ako je x jako blizu 1, tada je broj 1 dobra
aproksimacija broja x. Dobivamo
limx→
1
x2 − 2x + 3
(x − 4)2
= 12 − 2 · 1 + 3
(1 − 4)2
= 2
9
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Dakle, dobili smo da je
limx→1 x
2
− 2x + 3(x − 4)2 = 29 ,
tj. ako je x jako blizu broja 1, tada je x2−2x+3(x−4)2 jako blizu
broja 29 , odnosno kada se x priblizava broju 1, tada se
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 625/703
j 9 , p j ,
x2−2x+3(x−4)2 priblizava broju 2
9 .
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo sljedeci primjer.
limx→3
1
(x − 3)2.
Sto se ovdje zapravo pitamo. Pitamo se sljedece: ako je
je x jako blizu broja 3, blizu kojeg broja je onda broj1
(x−3)2 ? Kako to otkriti? Pa ako je x jako blizu 3, mogli
bismo uvrstiti x = 3 u zadani razlomak i vidjeti sto cemo
dobiti jer ako je x jako blizu 3, tada je broj 3 dobra
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 626/703
dobiti jer ako je x jako blizu 3, tada je broj 3 dobra
aproksimacija broja x. Dobivamo
limx→3
1
(x − 3)2 =
1
(3 − 3)2 =
1
0
Dobili smo nesto sto nas u ovom trenutku zabrinjava, a
to je nula u nazivniku.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Medutim, ne treba se previse uzbudivati zbog toga.Naime, nas x je jako blizu broja 3, on nikada nije jednak
broju 3, ali je uvijek po volji blizu broju 3 pa smo mi
stoga nas x aproksimirali brojem 3 i zato smo dobili nulu
u nazivniku, a u stvarnosti je zapravo u nazivniku brojkoji je jako blizu broja 0 i to s pozitivne (desne) strane.
Stoga na 10 u ovom slucaju gledamo kao na dijeljenje
broja 1 sa pozitivnim brojem koji je jako blizu nule, a to
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 627/703
j p j j j j ,
ce biti jako veliki pozitivni broj. Sto je on blize nuli, to je
taj broj sve veci i veci, pa je stoga
limx→3
1
(x − 3)2
= 1
(3 − 3)2
= 1
0
= +
∞
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Dakle, dobili smo da je
limx→3
1
(x − 3)2 = +∞,
tj., kada je x jako blizu broja 3, tada je 1(x−3)2 jako veliki
pozitivni broj (beskonacni limes).
80
100
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 628/703
1 2 3 4x
20
40
60
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo primjer
limx→−1
x2 − 1
x + 1
Pitamo se sljedece: ako je je x jako blizu broja −1, blizukojeg broja je onda broj x2−1
x+1 ? Kako to otkriti? Pa ako je
x jako blizu −1, mogli bismo uvrstiti x = −1 u zadani
razlomak i vidjeti sto cemo dobiti jer ako je x jako blizu
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 629/703
−1, tada je broj −1 dobra aproksimacija broja x.
Dobivamo
limx
→−1
x2 − 1
x + 1 =
(−1)2 − 1
−1 + 1
= 0
0
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
No, pitanje je cemu je jednako 00 . Vidjet cemo da je to
neodredeni oblik. Zapravo se radi o tome da se u brojniku
i nazivniku nalaze brojevi jako blizu nule i pitanje je sto
cemo dobiti ako ih podijelimo. Vidjet cemo uskoro da se
moze svasta dobiti. Vratimo se nasem primjeru. To sto
smo dobili 00 nakon sto smo uvrstili x = −1, znaci da je
broj 1 zajednicka nultocka brojnika i nazivnika pa je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 630/703
j
−j j p j
ideja da ju nekako skratimo i onda nakon toga opet
probamo uvrstiti x = 1. To ovdje nije problem ako na
brojnik primijenimo razliku kvadrata pa dobivamo
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
limx→−1
x2
− 1x + 1
= limx→−1
(x − 1)(x + 1)x + 1
=
= limx→−1
(x − 1) = −1 − 1 = −2
Dakle, dobili smo da je
limx→−1
x2 − 1
x + 1 = −2,
2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 631/703
tj. kada je x jako blizu broja −1, tada je x2
−1x+1 jako blizubroja −2.
Pogledajmo malo bolje funkciju f (x) = x2−1x+1 . Broj −1
nije u domeni te funkcije, ali ona ipak ima limes u tojtocki i to je ona jako bitna cinjenica kod limesa funkcije.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Naime, kod limesa
limx→c
f (x)
nas uopce ne interesira tocka c koja je najvise istaknuta,
nego nas zanima sto se dogada sa funkcijom u okolini te
tocke, tj. kako se ponasa f (x) kada je x jako blizu c.Zbog toga ispod limesa ne pisemo x = c, nego x → c jer
zapravo x nikada nije jednak c, nego je uvijek po volji
blizu broja c (tj. tezi prema c, ali nikada ne poprima tu
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 632/703
vrijednost).
Druga je stvar sto kod efektivnog racunanja limesa mi
uvrstavamo x = c u izraz, ali o tome vise mozemo
razmisljati kao o tehnici racunanja limesa koju cemokasnije opravdati. Za sada to mozemo intuitivno
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
opravdati na sljedeci nacin: kod racunanja limesa
limx→c
f (x)
pitamo se sto se dogada sa f (x) kada je x jako blizu c.
Ako je x jako blizu c, znaci da je on dobra aproksimacija
broja c pa je razumno uvrstiti x = c u f (x) da bismo
izracunali taj limes.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 633/703
Naravno, to nas moze dovesti i do nekih za sada josnerazrjesenih problema tipa 0
0 kao sto smo maloprije
dobili pa se onda u takvim situacijama moramo domisljati
nekim trikovima da bismo uspjeli izracunati limes u tom
slucaju.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Konkretno, kod funkcije f (x) = x2−1x+1 smo brojnik i
nazivnik kratili sa x + 1, tj. uz uvjet da je x = −1 vrijedi
da jex2
−1
x + 1 = x − 1
jer u protivnom bismo kratili sa nulom, a to se ne smije.
Kod limesa
limx2 − 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 634/703
x→−1 x + 1x je jako blizu −1, ali nikada ne poprima tu vrijednost pa
je x = −1 i zato smo smjeli kratiti sa x + 1 da bismo si
olaksali racunanje limesa.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Dakle, funkcija f (x) = x2−1x+1 nije definirana u tocki −1,
ali ona ipak ima limes u toj tocki i vrijedi
limx→−1
f (x) = −2.
Graf te funkcije je pravac y = x − 1 bez tocke (−1, −2).
2
fx
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 635/703
-3 -2 -1 1 2 3x
-4
-2
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Motivirani prethodnim primjerom mogli bismo reci da je00 = −2. Medutim, to nije tako. Pogledajmo jos jedan
primjer koji ce nas od toga razuvjeriti. Sljedeci limes je
opet oblika 00 , ali
limx→−1
x2 − 1
2x + 2 = lim
x→−1
(x − 1)(x + 1)
2(x + 1) = lim
x→−1
x − 1
2 = −1
Stoga bismo u ovom slucaju rekli da je 00 = −1, a prije je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 636/703
bilo 00 = −2. Zbog toga je 00 neodreden oblik i nemozemo reci cemu je on jednak kad moze biti ”jednak”
svacemu, a na konkretnom primjeru to moramo otkriti
raznim dosjetkama (konkretno, gore nam je pomogla
razlika kvadrata).
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo sada funkciju najvece cijelo, tj. g(x) = x.
-2 -1 22 3 x
1
2
y
1
-1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 637/703
-2
Zanima nas sljedeci limes
limx→2
g(x)
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledamo li graf funkcije g, uocavamo da ako je x jako
blizu broja 2 s lijeve strane, tada je g(x) jako blizu broja
1. Medutim, ako je x jako blizu broja 2 s desne strane,
tada je g(x) jako blizu broja 2. Sto biste sada rekli da vas
netko pita, cemu je onda jednak limx→2
g(x). Pa ne biste
znali sto reci. Da li je on jednak 1, ili mozda 2? Naravno,
to ovisi o tome s koje ste strane jako blizu broja 2. U tom
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 638/703
slucaju kazemo da limes
limx→2
g(x)
ne postoji.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Medutim, postoji limes slijeva
limx→2−
g(x) = 1
i postoji limes zdesna
limx→2+
g(x) = 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 639/703
Kako su ova dva limesa razlicita, ne postoji limes
limx→2
g(x)
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Nemojte doci u zabludu i reci sljedece: funkcija
g(x) = x je definirana u tocki 2 pa je onda
limx→2
g(x) = limx→2
x = 2 = 2
Sada nas ovaj trenutak moze malo zbuniti. Pa dobro,sada to ne smijemo raditi, a prije smo to radili, npr. kod
funkcije f (x) = x2 i rekli da se to na taj nacin racuna. U
cemu je problem? Dakle, malo smijemo na taj nacin
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 640/703
racunati, malo ne smijemo. Kako cemo mi znati kada to
smijemo, a kada ne smijemo? Naime, ovakve stvari
smijemo raditi kod neprekidnih funkcija, a funkcija g ima
prekid u tocki 2 pa kod nje ne smijemo samo olako uvrstitix = 2 i izracunati limes jer necemo dobiti dobar rezultat.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
U ovom trenutku, neprekidnu funkciju intuitivno mozemo
zamisljati kao funkciju ciji graf mozemo nacrtati bez da
podizemo olovku sa papira. Graf funkcije g(x) = x ne
mozemo nacrtati bez podizanja olovke sa papira i kljucna
je stvar da olovku sa papira bas moramo podici u tocki 2
pa zato ta funkcija u toj tocki ima prekid i ne smijemo
racunati limes u toj tocki tako da samo uvrstimo x = 2
b d j i li lij i d ˇki 2
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 641/703
bez da provjerimo limese slijeva i zdesna u tocki 2.
Ovo je primjer funkcije koja je definirana u tocki 2, a ona
nema limes u toj tocki zato jer su limesi slijeva i zdesna u
toj tocki razliciti.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Ovo je jedna situacija koja nam pokazuje koliko je tocka c
nebitna kod limesa
limx→c
f (x)
cak ako je i funkcija definirana u toj tocki. Dakle, ta
tocka c uopce ne utjece na postojanje limesa funkcije, ali
ce ona utjecati na neprekidnost funkcije sto cemo kasnije
sve precizno objasniti i definirati. Na postojanje gornjeg
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 642/703
limesa utjecu samo tocke koje su jako blizu tocke c slijeve
i zdesne strane. Sama tocka c je nebitna cak i u slucaju
da je f definirana u toj tocki.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Za sada mozemo reci da se vecina limesa
limx→c
f (x)
racuna na nacin da se uvrsti x = c u f (x) ili se prethodnonaprave jos neke transformacije ako f (c) nije moguce
odmah izracunati (npr., ako dobijemo da je f (c) = 00 ).
Nadalje, takav postupak smijemo primjenjivati jedino u
l ˇ j k j f kid f k ij t ˇki ili t j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 643/703
slucaju ako je f neprekidna funkcija u tocki c ili ona u toj
tocki ima uklonjiv prekid. Kasnije cemo sve to objasniti.
Ne trebate se za sada oko toga opterecivati, samo budite
svega toga svjesni.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
U slucaju bilo kakve sumnje da se funkcija mozda
”cudno” ponasa u okolini tocke c, treba izracunati
najprije limese slijeva i zdesna i na temalju toga donijeti
neki zakljucak. Vidjet cemo neke takve cudne situacije
kasnije na primjerima.Vecina zadataka u kojima se racunaju limesi funkcija je
takva da se radi o funkcijama koje su u tocki c neprekidne
ili pak imaju uklonjiv prekid pa se limesi onda racunaju na
i i i b d b ˇ j li i lij i
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 644/703
opisani nacin bez da se posebno racunaju limesi slijeva i
zdesna i bez da se to posebno naglasava. Medutim, treba
imati na umu i ove druge ”cudne” situacije tako da se
onda u njima mozete snaci jer cemo se i s njima baviti, alimozda malo manje, nego s ovim prvima.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Opcenito, kod racunanja limesa
limx→c− f (x)
pitamo se sljedece: ako je x jako blizu broja c s lijevestrane, blizu kojeg broja je onda f (x).
Isto tako, kod racunanja limesa
li f ( )
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 645/703
limx→c+
f (x)
pitamo se sljedece: ako je x jako blizu broja c s desne
strane, blizu kojeg broja je onda f (x).
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Kod racunanja limesa
limx→c
f (x)
pitamo se sljedece: ako je x jako blizu broja c (svejedno skoje strane, moze i s jedne i s druge strane), blizu kojeg
broja je onda f (x). Da bi taj limes postojao, moraju
postojati limesi slijeva i zdesna, i ne samo to, oni moraju
biti jednaki Pa to je i na neki nacin jasno jer mora se s
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 646/703
biti jednaki. Pa to je i na neki nacin jasno jer mora se s
lijeve i s desne strane dogadati ista stvar da bi limes
postojao, tj. da bismo mogli dati jednoznacan odgovor na
gornje pitanje.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pogledajmo jos jedan primjer. Promotrimo funkciju
f (x) = 1x . Zanima nas limes limx→0
f (x).
-3 -2 -1 1 2 3 x
5
10
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 647/703
3 2 1 1 2 3 x
-10
-5
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Ako je x jako blizu broja 0 s desne strane, tada je
1
x jakoveliki pozitivni broj, tj.
limx→0+
1
x = +∞
Ako je x jako blizu broja 0 s lijeve strane, tada je 1x jako
veliki negativni broj, tj.
limx→0−
1
x
=
∞
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 648/703
x→0 x −∞Stoga ne postoji limes
limx
→0
1
x
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Napomena.
Kada kazemo da je neki broj jako veliki, mislimo na to da
je on jako veliki po apsolutnoj vrijednosti. Stoga jako
veliki negativni broj ne znaci da je on blizu nule (u smislu
standardnog uredaja) pa u tom smislu broj −2 nije jako
veliki negativni broj, dok bismo za broj −84 563 245 rekli
da je jako veliki negativni broj.
Isto tako kada kazemo da je neki broj jako mali mislimo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 649/703
Isto tako, kada kazemo da je neki broj jako mali, mislimo
na to da je on jako blizu nule (s lijeve ili desne strane).
Stoga bismo, npr. za brojeve 0.000001 i −0.000001 rekli
da su jako mali.
Matematicke metode
za poslovne analize
prof. dr. sc. TihomirHunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Evo jos jednog primjera. Kako bismo intuitivnoprotumacili sljedeci limes:
limx→+∞ f (x) = +∞
Ako je x jako veliki pozitivni broj, tada je f (x) isto jako
veliki pozitivni broj. Da li znate primjer takve funkcije?
Na primjer, eksponencijalne funkcije s bazom vecom od
jedan su takve
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 650/703
jedan su takve.lim
x→+∞ 2x = +∞
Ako je x jako veliki pozitivni broj, tada je i 2x jako veliki
pozitivni broj.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
limx→−∞
2x = 0
Ako je x jako veliki negativni broj, tada je 2x jako mali
broj.
2
3
4
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 651/703
-3 -2 -1 1 2x
1
2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
limx→
0+ ln x = −∞
Ako je x jako blizu nule s desne strane, tada je ln x jako
veliki negativni broj. Limes s lijeve strane od nule nema
smisla gledati jer na negativnom dijelu nema funkcije ln.
1
2
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 652/703
2 4 6 8 10x
-2
-1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Intuitivno poimanje limesa funkcije
Ako f (x) ide sve blize i blize broju L, kada x ide sve blize
i blize broju c na bilo koji nacin (broj x se moze na razne
nacine priblizavati broju c), tada kazemo da je L limes
funkcije f kada x tezi prema c i to kratko zapisujemo
limx→c
f (x) = L.
S time bismo zavrsili ovaj uvodni dio o limesu funkcije. U
sljedecem dijelu prelazimo na stroge definicije limesa
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 653/703
sljedecem dijelu prelazimo na stroge definicije limesafunkcije i navest cemo njihova osnovna svojstva. Ako
imate bilo kakvih nejasnoca iz ovog uvodnog dijela,
vratite se opet na pocetak i prodite taj uvodni dio jos
jednom jer ce vam u protivnom biti tesko pratiti sljedece
stroge definicije limesa.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Problem tangente
Do pojma derivacije nezavisno jedan od drugog su dosla
dva znanstvenika Newton i Leibniz. Newton
proucavajuci problem trenutacne brzine, a Leibniz baveci
se pitanjem tangente funkcije.
Derivacija je jedan od najvaznijih pojmova matematicke
analize i matematike uopce a ima vrlo siroke primjene u
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 654/703
analize i matematike uopce, a ima vrlo siroke primjene u
raznim podrucjima ljudskog djelovanja. Ovdje cemo se
baviti problemom tangente na nacin koji je Leibniza
doveo do pojma derivacije.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Imamo sljedeci problem. Zelimo u nekoj tocki
x0, f (x0)
grafa funkcije f pronaci jednadzbu tangente, tj. pravac
koji ”dira” graf funkcije f u toj tocki (intuitivno je jasno
sto ovdje rijec ”diranje” znaci, sjetite se samo tangentekruznice, elipse. . . ).
Dakle, tangenta je pravac, a da bismo nasli jednadzbu
pravca u ravnini treba nam jedna tocka kojom taj pravac
prolazi i njegov koeficijent smjera No tocka
x0 f (x0)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 655/703
prolazi i njegov koeficijent smjera. No, tocka
x0, f (x0)
je vec zadana, tako da se citav problem svodi na
pronalazenje koeficijenta smjera tangente.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Naci koeficijent smjera tangente? Tezak problem. Leibnizse odlucio da pogleda prvo jednostavniji problem pa da
pokusa onda taj jednostavniji problem povezati sa
kompliciranijim. Stoga on uzima jos jednu tockux1, f (x1) na grafu funkcije f i gleda pravac s kroz
tocke
x0, f (x0)
i
x1, f (x1)
. Pravac s zovemo
sekanta grafa funkcije f kroz zadane tocke. Koeficijent
smjera ks sekante s nije tesko naci jer to je koeficijent
smjera pravca kroz zadane dvije tocke pa je
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 656/703
smjera pravca kroz zadane dvije tocke pa je
ks = f (x1) − f (x0)
x1 − x0.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
x1
−x0 oznacava prirast varijable i on se obicno oznacava
sa ∆x. Ako smo se pomaknuli udesno od x0, tj. ako je
x1 > x0, tada je ∆x > 0, a u suprotnom je ∆x < 0.
f (x1) − f (x0) oznacava promjenu funkcijske vrijednosti
(prirast funkcije f ) i oznacava se sa ∆f .
Prirast nezavisne varijable x
∆x = x1 − x0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 657/703
Prirast funkcije f
∆f = f (x1)
−f (x0)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
x
y
x0 x1
fx0
fx1
x
f
t
s
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 658/703
ks = f (x1) − f (x0)
x1 − x0=
∆f
∆x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Sve je to lijepo, ali mi jos uvijek nismo dobili koeficijent
smjera tangente u tocki
x0, f (x0)
. Kakve veze sad ima
koeficijent smjera sekante sa trazenom tangentom?
Ovo je sada trenutak u kojemu treba napraviti jedan
veliki misaoni korak kojeg je Leibniz napravio. Evo tog
koraka. Pretpostavimo sada da se tocka
x1, f (x1)
priblizava tocki
x0, f (x0)
po grafu funkcije f . Sto se
onda dogada sa sekantom?
P l d j lj d ´ lik ( i ij ) i b tit t
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 659/703
Pogledajmo sljedecu sliku (animaciju) i obratite pozornost
sto se dogada sa sekantom i sa ∆x kada se tocka
x1, f (x1) priblizava tocki x0, f (x0) po grafu funkcije
f .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 660/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 661/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 662/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 663/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 664/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 665/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 666/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 667/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 668/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 669/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 670/703
xx0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 671/703
x0 x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
T 1
∆x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 672/703
x0x1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
T 0
x
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 673/703
x0
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Sto uocavate? Nesto fantasticno. Kako se tocka
x1, f (x1) priblizava po grafu funkcije f tockix0, f (x0)
, za to vrijeme se sekanta sve vise i vise
priblizava tangenti, a ∆x se sve vise i vise smanjuje.
U trenutku kada je ∆x = 0 sekanta prelazi u tangentu. U
svakom trenutku koeficijent smjera sekante znamo
izracunati po formuli
ks = f (x1) − f (x0)
x1 − x0
= f (x0 + ∆x) − f (x0)
∆x
= ∆f
∆x
.
Dakle koeficijent smjera tangente kt bismo dobili za
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 674/703
Dakle, koeficijent smjera tangente kt bismo dobili za
x1 = x0, tj. za ∆x = 0. Tada je i ∆f = 0 pa imamo
kt = ∆f
∆x = 0
0 .
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Dobivamo 00 , ali to je neodredeni oblik (ne znamo sto je
to). Pa zar je tangenta neodredena? Pa vidimo sa slike
da tangenta postoji. U cemu je problem? Naime, u
svakom trenutku nije problem izracunati koeficijent
smjera sekante po formuli
ks = f (x0 + ∆x) − f (x0)
∆x .
Tangentu dobivamo kada je ∆x = 0, no u tom su slucaju
brojnik i nazivnik jednaki nula. Medutim, da li tangentu
stvarno dobivamo za ∆x = 0? Sjetimo se jos jednom
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 675/703
postupka. Odabrali smo neku drugu tocku na grafu
funkcije i pustili ju da se ona po tom grafu priblizava
tocki x0, f (x0). Dakle, mi smo se postupno priblizavalitocki
x0, f (x0)
, a nismo odmah na nju skocili.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Ako bi stavili ∆x = 0, to bi znacilo da smo mi odmah iz
tocke x1, f (x1) skocili na tocku x0, f (x0), sto nije
istina. Mi smo se polako i sigurno priblizavali toj tocki,
sto znaci da se ∆x polako i sigurno smanjivao, tj.
priblizavao nuli, tj. on je tezio u nulu, a nije odmah
skocio u nulu. Dakle, koeficijent smjera kt tangente
necemo dobiti tako da stavimo ∆x = 0 u
ks = f (x0 + ∆x) − f (x0)
∆x ,
nego u toj formuli moramo pustiti da ∆x tezi u nulu, tj.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 676/703
kt = lim∆x→0
ks
odnosno
kt = lim∆x→0
f (x0 + ∆x) − f (x0)
∆x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Geometrijska interpretacija derivacije
Derivacija funkcije f u tocki x0 predstavlja koeficijent
smjera tangente na graf te funkcije u tocki
x0, f (x0)
koji se racuna po formuli
kt = lim
∆x→0
f (x0 + ∆x) − f (x0)
∆x
Primjer 54.
Zadana je funkcija f (x) = 1x . Odredite:
1 sekantu grafa funkcije koja prolazi tockama grafa s
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 677/703
apscisama x0 = 1 i x1 = 2
2 tangentu na graf funkcije f u tocki s apscisom
x0 = 1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Rjesenje.
0.5
1
1.5
2
2.5
3
y
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 678/703
1 2 3 4x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
x0 = 1, x1 = 2 ⇒ y0 = f (1) = 1, y1 = f (2) = 12
Dakle, T 0(1, 1) i T 1
2, 12
. Stoga sekantu kroz tocke T 0 i
T 1 mozemo dobiti kao jednadzbu pravca kroz dvije tocke
s . . . y − y0 = y1 − y0
x1 − x0
x − x0
pa dobivamo
s . . . y = −
1
2x +
3
2.
Koeficijent smjera tangente kt u tocki T 0 racunamo
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 679/703
j j g t 0
pomocu limesa (za sada; uskoro cemo razviti tehniku
deriviranja tako da necemo morati racunati preko limesa).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Dakle,
kt = lim∆x→0
f (1 + ∆x) − f (1)
∆x = lim
∆x→0
11+∆x − 1
∆x =
= lim
∆x→0
−∆x
(1 + ∆x)∆x
= lim
∆x→0
−1
1 + ∆x
= −1
1 + 0
=
−1
Sada jednadzbu tangente t mozemo naci kao jednadzbu
pravca kroz tocku T 0(1, 1) sa zadanim koeficijentom
smjera kt =
−1, tj.
t . . . y − y0 = kt
x − x0
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 680/703
y y0 t
0
odnosno
t . . . y = −x + 2.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Motivirani prethodnim razmatranjima definiramo
derivaciju funkcije f u tocki na sljedeci nacin.
Definicija derivacije funkcijeDerivacija funkcije f u tocki x0 je broj
f (x0) = lim∆x
→0
f (x0 + ∆x) − f (x0)
∆x
ukoliko naznaceni limes postoji.
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 681/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Primijetimo da derivacija funkcije u tocki postoji u
slucaju da graf funkcije u toj tocki ima tangentu i da ta
tangenta nije okomita na x-os. U slucaju da je tangenta
okomita na x-os dobili bismo da je limes jednak ∞
jer
derivacija geometrijski predstavlja koeficijent smjera
tangente, a taj koeficijent jednak je tangensu kuta koji taj
pravac zatvara s pozitivnim dijelom x-osi pa u slucaju
okomitosti pravca na x-os imamo da je derivacija jednakatg90◦ = ∞. U tom slucaju jednadzba tangente u tocki
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 682/703
x0, f (x0)
jednaka je x = x0.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Propozicija 11.
Ako funkcija f ima derivaciju u tocki x0, tada je funkcija
f neprekidna u tocki x0.
Dokaz.
Ako funkcija ima derivaciju u tocki x0, tada postoji limes
lim∆x→0
f (x0 + ∆x) − f (x0)
∆x .
Kako ∆x → 0, slijedi da je
lim∆x→0
f (x0 + ∆x) − f (x0) = 0,
d
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 683/703
odnosno
lim∆x→0
∆f (x0) = 0,
a to upravo znaci da je funkcja f neprekidna u tocki
x0. ♥
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Napomena.
Prethodnom propozicijom dan je samo nuzan, ali ne i
dovoljan uvjet za postojanje derivacije u tocki. Naime,
svaka funkcija koja ima derivaciju u nekoj tocki sigurno je
neprekidna u toj tocki. Obrat nazalost ne vrijedi, tj.
funkcija koja je neprekidna u tocki ne mora imati
derivaciju u toj tocki (tj. u toj tocki ne mora postojati
tangenta na graf te funkcije). Cudno na prvi pogled, ali
ipak istinito. Primjer takve funkcije je apsolutnavrijednost, tj. funkcija f (x) = |x| koja nema derivaciju u
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 684/703
tocki 0 jer ona u toj tocki ima ”spicu” (takve su tocke
opasne za derivaciju jer su tangente u takvim tockama
neodredene, tj. ne postoje).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Naime, ako bi htjeli izracunati derivaciju funkcije
f (x) = |x| u tocki 0, imali bi
f (0) = lim∆x→0
|0 + ∆x| − |0|∆x
= lim∆x→0
|∆x|∆x
Medutim, limes zdesna jednak je
lim∆x→0+
|∆x|∆x
= lim∆x→0+
∆x
∆x = lim
∆x→0+1 = 1,
a limes slijeva je
lim|∆x|
= lim−∆x
= lim (−1) = −1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 685/703
lim∆x→0− ∆x
= lim∆x→0− ∆x
= lim∆x→0−
( 1) = 1,
pa lim∆x→0
|∆x|∆x
ne postoji, tj. ne postoji f (0).
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivabilna funkcija
Za funkciju f kazemo da je derivabilna (diferencijabilna)
na otvorenom intervalu a, b ako ona ima derivaciju u
svakoj tocki tog intervala. Funkciju f definiranu na
a, b
zovemo derivacijom funkcije f .
U literaturi se mogu naci razlicite oznake za derivaciju:
f (x) = df (x)
dx =
dy
dx = Dxf
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 686/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Pravila deriviranja
Postupak odredivanja derivacije zovemo deriviranjem.
Umjesto da derivacije funkcija odredujemo po definiciji
racunanjem limesa, ovdje cemo dokazati osnovna pravila
deriviranja i izvest cemo po definiciji derivacije
elementarnih funkcija koje cemo onda zapamtiti i koristiti
u trazenju derivacija kompliciranijih funkcija. Dakle,
dj j ilj i i i l d i h ik d i i j
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 687/703
ovdje nam je cilj razviti i svladati tehniku deriviranja.
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija zbroja funkcija
(u + v)(x) = u(x) + v(x)
(u + v)(x) = lim∆x→0
(u + v)(x + ∆x) − (u + v)(x)∆x
=
= lim∆x→0
u(x + ∆x) + v(x + ∆x) − u(x) − v(x)
∆x =
= lim∆x→0
u(x + ∆x) − u(x)∆x
+ lim∆x→0
v(x + ∆x) − v(x)∆x
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 688/703
= u(x) + v(x)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija razlike funkcija
(u − v)(x) = u(x) − v(x)
(u − v)(x) = lim∆x→0
(u − v)(x + ∆x) − (u − v)(x)∆x
=
= lim∆x→0
u(x + ∆x) − v(x + ∆x) − u(x) + v(x)
∆x =
= lim∆x→0
u(x + ∆x) − u(x)∆x
− lim∆x→0
v(x + ∆x) − v(x)∆x
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 689/703
= u(x) − v(x)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija produkta funkcija
(uv)(x) = u(x)·
v(x) + u(x)·
v(x)
(uv)(x) = lim∆x→0
(uv)(x + ∆x) − (uv)(x)
∆x =
= lim∆x→0
u(x + ∆x)v(x + ∆x) − u(x)v(x)
∆x =
= lim∆x→0
u(x + ∆x)v(x + ∆x) − u(x)v(x) + u(x + ∆x)v(x) − u(x + ∆x)v(x)
∆x =
= lim∆x→0
u(x + ∆x)v(x + ∆x) − v(x) + u(x + ∆x) − u(x)v(x)
∆x =
liu(x + ∆x)
v(x + ∆x) − v(x)
+ li
u(x + ∆x) − u(x)
v(x)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 690/703
= lim∆x→0
( )
( ) ( )
∆x + lim
∆x→0
( ) ( )
( )
∆x =
= u(x) lim∆x→0
v(x + ∆x)
− v(x)
∆x + v(x) lim∆x→0
u(x + ∆x)
− u(x)
∆x =
= u(x)v(x) + v(x)u(x) = u(x)v(x) + u(x)v(x)
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija produkta konstante c i funkcije
(cu)(x) = c · u(x)
Izracunajmo prvo derivaciju konstantne funkcije f (x) = c.
f (x) = lim∆x→0
f (x + ∆x) − f (x)
∆x = lim
∆x→0
c − c
∆x = lim
∆x→00 = 0
Sada je prema pravilu produkta
(cu)(x) = c · u(x) + c · u(x) = 0 · u(x) + c u(x) = c u(x)
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 691/703
( ) ( ) ( ) ( ) ( ) ( ) ( )
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija kvocijenta funkcija
u
v
(x) =
u(x)
·v(x)
−u(x)
·v(x)
v(x)2
u
v
(x) = lim∆x→0
uv
(x + ∆x) −
uv
(x)
∆x =
= lim∆x→0
u(x
+∆x
)v(x+∆x) − u
(x
)v(x)
∆x = lim
∆x→0
u(x + ∆x)v(x) − v(x + ∆x)u(x)
∆x · v(x + ∆x)v(x) =
= lim∆x→0
u(x + ∆x)v(x) − v(x + ∆x)u(x) + u(x)v(x) − u(x)v(x)
∆x · v(x + ∆x)v(x) =
= lim∆x→0
v(x)
u(x + ∆x) − u(x) − u(x)
v(x + ∆x) − v(x)
∆x · v(x + ∆x)v(x)
=
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 692/703
=v(x) lim
∆x→0
u(x+∆x)−u(x)∆x
− u(x) lim∆x→0
v(x+∆x)−v(x)∆x
lim∆x→0
v(x + ∆x)v(x) =
= u(x) · v(x) − u(x) · v(x)
v(x)2
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Tablica derivacija
Izracunajmo sada derivacije osnovnih elementarnih
funkcija koje cemo koristiti za racunanje derivacija
slozenijih funkcija.
Derivacija identitete
(x) = 1
(x) = lim∆x→0
x + ∆x
− x
∆x = lim
∆x→01 = 1
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 693/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija kvadratne funkcijex2
= 2x
Prvi nacin je po definiciji:
x2
= lim∆x→0
x + ∆x
2 − x2
∆x = lim
∆x→0
2x∆x + (∆x)2
∆x =
= lim∆x→0
2x + ∆x
= 2x
Drugi nacin je da iskoristimo dokazano pravilo produkta:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 694/703
x2
=
x · x = (x) · x + x · (x) = x + x = 2x
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija prirodne potencije
xn = nxn−1, n ∈ N
Koristimo binomni poucak.
xn
= lim∆x→0
x + ∆x
n − xn
∆x =
= lim∆x→0
n0
xn +
n1
xn−1∆x +
n2
xn−2(∆x)2 + · · · +
nn
(∆x)n − xn
∆x =
= lim∆x→0
n1
xn−1∆x +
n2
xn−2(∆x)2 + · · · +
nn
(∆x)n
∆x =
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 695/703
= lim∆x→0
n
1
xn−1 +
n
2
xn−2∆x + · · · +
n
n
(∆x)n−1
= nxn−1
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija drugog korijena√ x
= 1
2√
x
√ x
= lim∆x→0
√ x + ∆x − √ x
∆x = lim
∆x→0
√ x + ∆x − √ x
∆x ·
√ x + ∆x +
√ x√
x + ∆x + √
x=
= lim∆x→0
x + ∆x − x∆x · √ x + ∆x +
√ x = lim
∆x→0
1√ x + ∆x +
√ x
= 12√
x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 696/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija eksponencijalne funkcije s prirodnom bazom
ex = e
x
Koristimo limes limt→0
et−1t
= 1
ex
= lim∆x→0
ex+∆x
− ex
∆x = ex
lim∆x→0
e∆x
− 1
∆x = ex
· 1 = ex
Derivacija eksponencijalne funkcije s bazom a
ax = a
x
ln a
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 697/703
Koristimo limes limt→0
at−1t
= ln a
ax
= lim∆x→0
ax+∆x
− ax
∆x = ax lim
∆x→0a
∆x
− 1∆x
= ax ln a
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija prirodnog logaritmaln x
=
1
x
Koristimo limes limt→0
ln (1+t)t
= 1
ln x
= lim∆x→0
ln (x + ∆x) − ln x
∆x = lim
∆x→0
ln x+∆xx
∆x =
= lim∆x→0
ln
1 + ∆xx
∆x
= 1
x lim∆x→0
ln
1 + ∆xx
∆xx
= 1
x · 1 =
1
x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 698/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija logaritamske funkcije
loga x = 1
x ln a
Koristimo limes limt→0
loga
(1+t)t
= loga e
loga x
= lim∆x→0
loga (x + ∆x) − loga x
∆x = lim
∆x→0
logax+∆xx
∆x =
= lim∆x→0
loga
1 + ∆xx
∆x
= 1
x lim∆x→0
loga
1 + ∆xx
∆xx
= 1
x loga e =
1
x ln a
Drugi nacin:
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 699/703
Drugi nacin:
loga x
= ln x
ln a
= 1
ln a ln x
= 1
x ln a
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija funkcije sinussin x
= cos x
Koristimo limes limt→0
sin tt
= 1 i formulu sin u − sin v = 2cos u+v2
sin u−v2
sin x
= lim∆x→0
sin(x + ∆x) − sin x
∆x = lim
∆x→0
2sin ∆x2
cos
x + ∆x2
∆x
=
= lim∆x→0
sin ∆x2
∆x2
· lim∆x→0
cos
x +
∆x
2
= 1 · cos x = cos x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 700/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija funkcije kosinuscos x
= − sin x
Koristimo limes limt→0
sin tt
= 1 i formulu cos u − cos v = −2sin u−v2
sin u+v2
cos x
= lim∆x→0
cos(x + ∆x) − cos x
∆x = lim
∆x→0
−2sin ∆x2
sin
x + ∆x2
∆x
=
= − lim∆x→0
sin ∆x2
∆x2
· lim∆x→0
sin
x +
∆x
2
= −1 · sin x = − sin x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 701/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija funkcije tangenstg x
=
1
cos2 x
tg x
=
sin x
cos x
= (sin x) cos x − sin x(cos x)
cos2 x =
= cos x cos x − sin x(− sin x)
cos2 x =
cos2 x + sin2 x
cos2 x =
1
cos2 x
7/21/2019 MMPAsve.pdf
http://slidepdf.com/reader/full/mmpasvepdf 702/703
Matematicke metode
za poslovne analize
prof. dr. sc. Tihomir
Hunjak
Limes funkcije
Problem tangente
Pravila deriviranja
Tablica derivacija
Derivacija funkcije kotangensctg x
= − 1
sin2 x
ctg x
= cos x
sin x
= (cos x) sin x − cos x(sin x)
sin2 x=
= − sin x sin x − cos x cos xsin2 x
= − sin2 x − cos2 xsin2 x
= − 1sin2 x